Agricultura Precision Curso7 Libro

Estación Experimental Agropecuaria
Instituto Nacional de Tecnología Agropecuaria

EEA INTA Manfredi
Ruta 9 km. 636, 5988 MANFREDI, Córdoba, Argentina
Tel. +54 (3572) 493039,
agriculturadeprecision@yahoo.com.ar, agprecision@correo.inta.gov.ar
http://www.agriculturadeprecision.org
7º Curso de Agricultura de Precisión y 2ª Expo de Máquinas Precisas

17 al 19 de Julio de 2007
Argentina es el país de mayor adopción de Agricultura de Precisión de América

Latina, también el país de mayor desarrollo y fabricación de agropartes para aplicar
insumos variables con guía satelital; este desarrollo nos posiciona frente a la
necesidad de actualización y capacitación permanente de todos los actores de la
cadena tecnológica, desde el operario de máquinas precisas, pasando por el
productor y técnico asesor, como así también los industriales de agropartes de alta
complejidad y de maquinas precisas.
El INTA desde el año 1995 viene generando y difundiendo esta tecnología de
información que parece constituirse en una herramienta de mucha utilidad práctica
para aumentar la productividad con sustentabilidad, como así también como
herramienta de gestión y seguimiento con un futuro muy promisorio para el manejo de
la segregación de calidad y trazabilidad de la producción.
Todos estos aspectos serán tratados en profundidad en el 7º Curso de
Agricultura de Precisión realizado en INTA Manfredi.
El 7º Curso también ofrecerá la oportunidad de mostrar productos, realizar
intercambio de conocimientos fomentando el asociativismo de Pymes
multidisciplinarias de alto nivel de competitividad. Tendrá carácter internacional ya que
habrá disertantes y participantes de varios países de América Latina.
El manejo de los factores que gobiernan el rendimiento de los cultivos hoy es
la clave de los altos rendimientos, el manejo de esos factores y la aplicación de los
insumos según ambientes será una herramienta de diferenciación en el corto plazo.
Para dejar de ser un productor de promedios y pasar a ser un productor
preciso, es necesario información actualizada y capacitación permanente.
El objetivo del INTA es que el 7º Curso de Agricultura de Precisión y Máquinas
Precisas sirva como herramienta para acortar la brecha entre lo conocido y disponible
(información y equipamiento) y lo conocido y aplicado por el productor medio de
nuestro país.
7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007 1

ÁMBITO EMPRESARIAL
El Curso prevé la participación de 80 empresas en stand cubiertos, todas ellas
productoras de agropartes de alta complejidad, más alrededor de 20 empresas de
servicio de Agricultura de Precisión.
En stand descubierto se mostrarán la maquinaria de precisión con cierto grado
de automatización electrónica, todas máquina que a través de sensores y actuadores
gobernados electrónicamente “on line” puedan entregar datos, mejorar su prestación
o automatizar su funcionamiento con o sin el GPS.
Los participantes del 7º Curso de Agricultura de Precisión podrán observar
más de 80 empresas relacionadas directamente con la Agricultura de Precisión. O sea
que:
El presente y el futuro de la Agricultura de Precisión en Argentina y
Latinoamérica estará en INTA Manfredi del 17 al 19 de Julio de 2007.
OBJETIVOS:
a) Actualización técnica sobre los últimos avances en Agricultura de Precisión.

b) Capacitación de operarios en el manejo de herramientas que involucra la Agricultura de
Precisión.
c) Demostración estática y dinámica de las herramientas que involucran la Agricultura de
Precisión: - Guía satelital (banderilleros)
- Auto guía satelital.
- Fertilizadoras variables con guía satelital (sólido y líquido)
- Sembradora variables con guía satelital.
d) Promover la comunicación, intercambio, y asociativismo de partistas interdisciplinarios de
máquinas precisas. Presentación de posters de potenciales PYMES que trabajan en
electrónica, comunicaciones, software y hardware que involucran a la Agricultura de Precisión.
e) Presentación de trabajos en posters de instituciones y/o universidades.
f) Promover la difusión de las ventajas del uso de maquinaria precisa e inteligente sobre la
mejora de las prestaciones y manejo variable de insumos según ambiente.

Programa:
DÍA 17 DE JULIO (SALÓN “A”)
07:30 a 10:30 Inscripción.
10:40 a 11:10 Inauguración con la presencia de autoridades de INTA:

Ing Agr (MSc) Carlos Cheppi Presidente de INTA.
Ing Agr (MSc) Emilio Severina (Director del Centro Regional Córdoba).
Ing Agr (MSc) Enrique Ustarroz (Director de la EEA INTA Manfredi).
Intendentes de la zona, Directivos de las empresas y autoridades de
las instituciones auspiciantes.
11:20 a 12:30 hs La Agricultura de Precisión Presente y Futuro.

Ing. Agr. M.Sc. Mario Bragachini (Coordinador de la Red del Proyecto
Agricultura de Precisión y Maquinas Precisas de INTA).
12:30 a 13:00 hs Cluster de Maquinaria Agrícola, formas de acceder a los beneficios de

ayuda económica sobre innovación tecnológica, capacitación y mejora
de la competitividad. Fundación CIDETER.
Ing. Agr. María Isabel Borghi
Cronograma de audiencia según área temática. (Actividades simultáneas)

Salón A. Actualización técnica sobre los avances en Agricultura de Precisión.
Salón B. Capacitación de operarios en el manejo de herramientas que involucra la
Agricultura de Precisión.
Día 17 de Julio - Salón A. Actualización técnica sobre los avances en Agricultura de

Precisión.
13:00 hs a 14,30 hs Almuerzo
14:40 a 15:20 hs. Calidad intrínseca de la producción granaria de soja.

Presidente de AcSoja Ing. Rodolfo Rossi.
15:20 a 15:50 hs. Soja y agricultura de precisión. Ing. Agr. Edgardo Martini (consultora
Baigorri - Martini).
15:50 a 16:20 hs. Café.
16:20 a 16:50 hs. Utilización de variedades de soja según potencialidad de los

ambientes. Ing. Agr. MSc. Héctor Baigorri (asesor privado).
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).
17:10 a 17:40 hs. Café.
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.
18:10 a 18:40 hs Desarrollo y aplicación de nuevas herramientas de Teledetección en el

estudio de ambientes. Ing. Agr. Dr. Carlos M. Di Bella (Instituto de
Clima y Agua del INTA Castelar).
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.

Día 18 de Julio - Salón A. Actualización técnica sobre los avances en Agricultura de

Precisión.
Nutrición de Cultivos según ambientes

Moderador Ing Agr. Ph.D. Fernando García (INPOFOS).
08:30 a 9:00 hs. Aplicación práctica de los sensores remotos según ambientes. Ing.
Agr. MSc. Agustin Bianchini (AAPRESID).
9:00 a 9:40 hs Avances para la utilización de sensores remotos para la aplicación de

nitrógeno en trigo y maíz. Ing. Agr. M.Sc. Ricardo Melchiori (INTA
Paraná Proyecto Agricultura de Precisión).
9:40 a 10:00 hs Identificación de zonas para encalado y criterios a tener en cuenta

para el cálculo de la dosis variable. Ing. Agr. MSc. Sebastián
Gambaudo, INTA Rafaela.
10:00 a 10:30 hs Café
10:30 a 11:10 hs Importancia de la caracterización de los ambientes dentro del manejo

de la fertilidad y los fertilizantes. Ing Agr Hugo Fontanetto. INTA
Rafaela.
11:10 a 11:50 hs Sensores remotos para la detección y el manejo del stress

nitrogenado en maíz". Ing. Agr. Ph.D. Fernando Solari (Monsanto).
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.
12:30 a 14:00 hs. Almuerzo.
14:00 a 14:30 hs Proteína en trigo, su relación con el rendimiento y la calidad comercial

e industrial'. Ing. Agr. MSc. Jorge Fraschina (INTA Manfredi).
14:30 a 15:00 hs Sensores NIRS de calidad de proteína, aceite y humedad en

cosechadoras. Ing Agr PhD Néstor Juan (INTA EEA Guillermo
Covas).
15:00 a 15:30 hs Resultados de ensayos de dosis variable y de NIRS para proteína

montado en cosechadora (experiencias a campo en trigo y soja y la
relación entre rendimiento y proteína según ambientes) Ing. Agr.
Andrés Méndez (INTA Manfredi).
15:30 a 16:00 hs. Café.
16:00 a 16:30 hs. Tecnología existente para transferencia de datos en tiempo real.
Ing. Andrés Moltoni (INTA Castelar).
16:30 a 17:00 hs Tecnología montada sobre Pulverizadoras y agricultura de precisión.

Ing. Agr. Ramiro Cid (INTA Castelar).

17:00 a 17:20 hs Actualización en tecnología aplicada en Maquinaria Agrícola para
mejorar el trabajo a campo en lo que respecta a control, trazabilidad y
agricultura de precisión. Ing. Agr. Andrés Méndez (INTA Manfredi).
17,20 a 17,40 hs Demo de e-livestock - Presentación del producto/servicio basado en

una aplicación web, realizada por Interlink SRL, para gestión y
trazabilidad on-line en establecimientos ganaderos. Raúl Malisani.
17:40 a 18:00 hs Café.
18:00 a 18:30 hs. Experiencias y resultados logrados por la utilización de la Agricultura

de Precisión en campos del sur de Córdoba. Hacia donde vamos.
Ing. Gabriel Tellería. Facultad de agronomía de la UBA. Consultor,
Asesor y Administrador de empresas agropecuarias. Coordinador del
departamento técnico del estudio A&T Servicios y Negocios
agropecuarios. Miembro de AAPRESID. Ex asesor de grupos CREA.
18:30 a 19:00 hs. Utilización Práctica de la Agricultura de Precisión en cultivos

intensivos. Ing. Agr. PhD. Stanly Best. (INIA Chillan - CHILE).
19:20 a 20:00 hs. Panel de Preguntas.
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.
09:30 a 10:00 hs. Sistemas de procesamiento de información para la optimización

espacial de insumos. Gustavo Ariel Sznaider. GeoAgris - FAUBA
10:00 a 10:30 hs. "Tecologías de Agricultura de Precisión en Empresas Privadas: Uso y

Servicio a Clientes de AGD”. Ing Agr Julián Muguerza.
10:30 a 11:00 hs. Café.
11:00 a 11:30 hs Sistema Telematics (control en tiempo real de la maquinaria)

Sr Christoph Luis Darfeld (Servicio Técnico CLAAS).
11:30 a 12:00 hs Aplicación de un modelo creado por Geoagro. Lic. Ricardo Peralta.
12:00 a 12:30 hs Reconocimiento y manejo de la heterogeneidad ambiental. Ing. Agr.

MSc Fernando Menéndez Responsable Técnico de Agricultura de
Precisión de grupos de AACREA.
14:10 a 14:40 hs. Resultados económicos de manejo de insumos según ambientes.

Lic. Federico Proietti.
14:40 a 15:10 hs. Información utilizada para lograr la caracterización y el manejo de

insumos variables. L&S Sergio Marinelli.
15:10 a 15:40 hs. Resultados de manejo de insumos según ambiente y residualidad de

la fertilización. Ing Agr Alejandro Saavedra (AER Justiniano Posse).

15:40 a 16:10 hs. Experiencias de Agricultura de Precisión realizadas en Italia. Matteo
Bertocco e Mario Chiericati.
16:10 a 16:40 hs. Presentación de video de capacitación en Agricultura de Precisión

realizado por INTA / Geoagro / Agro TV. Lic. Victoria Soda e Ing. Agr.
Diego Peydro.
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.
Las dinámicas se desarrollaran en forma simultánea a la realización del curso

durante los 3 días del curso. Las empresas preveen realizar charlas técnicas en sus
carpas individuales para capacitar en forma específica a los clientes interesados.

DÍA 17 DE JULIO (SALÓN “B”)
Día 17 de Julio - Salón B. Capacitación de operarios en el manejo de herramientas que

involucra la Agricultura de Precisión. Coordinador de tiempos de
exposición Ing. Agr. Fernando Scaramuzza y Técnico Diego Villarroel
INTA Manfredi.
13:00 a 14,30 hs Almuerzo
14:30 a 15:10 hs. Utilidad Práctica del Monitor de Rendimiento (generalidades) Ing Agr
Fernando Scaramuzza (INTA - Proyecto Agricultura de Precisión).
15:10 a 15:50 hs. Monitor de Rendimiento, calibraciones y manejo - Farm Scan.
15:50 a 16:30 hs. Monitor de Rendimiento, calibraciones y manejo - Ag Leader Técnicos

Adrián Cardinali (D&E) e Iván Cativelli (Tecnocampo).
16:30 a 17:00 hs. Café.
17:00 a 17:40 hs. Monitor de Rendimiento, calibraciones y manejo - Sr Christoph Luis

Darfeld (Servicio Técnico CLAAS).
17:40 a 18:20 hs. Monitor de Rendimiento, calibraciones y manejo - Field Star Técnico
Pascual Dócimo (AGCO)
18:20 a 19:00 hs. Monitor de Rendimiento, calibraciones y manejo - AFS CASE.

Técnicos de la Empresa CASE.
19:00 a 19:40 hs. Monitor de Rendimiento, calibraciones y manejo - Green Star.

Técnicos de la empresa John Deere.
Panel de Preguntas
Día 18 de Julio - Salón B. Capacitación de operarios en el manejo de herramientas que

involucra la Agricultura de Precisión.
Manejo de software para obtención de mapas de rendimiento coordinador de tiempos de
exposición Lic. Federico Proietti INTA Manfredi.
08:00 a 08:30hs. Manejo de Software SMS - Técnico Juan Pablo Vélez (INTA
Manfredi).
08:30 a 09:00hs. Manejo de Software - Farm Scan.
09:00 a 09:20hs. Café
09:20 a 09:50hs. Manejo de Software J Office - Sr Sergio Marinelli (Asesor).
09:50 a 10:20hs. Manejo de Software - Field Star Técnico Pascual Dócimo (AGCO)
10:20 a 10:40hs. Café.
10:40 a 11:10hs. Manejo de Software AFS- Case.

11:10 a 11:40hs. Manejo de Software - Sr Christoph Luis Darfeld (CLAAS).
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).
14:25 a 14:50hs. Introducción al panel de Tecnología en Pulverizadoras. Ing Agr

Ramiro Cid – INTA Castelar.
14:50 a 15:05hs. Guía Satelital - Trimble Técnico Adrián Cardinali (D&E S.A.).
15:05 a 15:20hs. Guía Satelital - Sylcomp
15:20 a 15:40hs. Café
15:40 a 15:55 hs. Guía Satelital - Abelardo Cuffia (Raven).
15:55 a 16:10hs. Guía Satelital - Geosistemas (Out Back)
16:10 a 16:25hs. Guía Satelital - Arag (Sírio).
16:25 a 16:50hs. Café
16:50 a 17:05hs. Guía Satelital – Spray Sat Ing. Claudio Di Marco.
17:05 a 17:20hs. Guía Satelital – Bertolotti.
17:20 a 17:40hs. Controladores y registradores de siembra. Ariel Anaya.
17:40 a 18:10 hs. Funcionamiento del Green Seeker rt 200. Ricardo Melchiori y Adrian
Cardinali.
08:00 a 08:30hs. Aplicación de insumos según ambiente. Ing Agr Fernando

Scaramuzza (INTA Manfredi).
Presentación, funcionamiento y prestaciones de los aplicadores

variables para siembra y fertilización.
08:30 a 09:00hs. Abelardo Cuffia AG9000 y Raven. Ing Marcelo Alassia.
09:00 a 09:20hs. Café.
09:20 a 09:50hs. Ag Leader D&E S.A.
09:50 a 10:20hs. Verion Ing. Danilo Casse
10:20 a 10:40hs. Café.
10:40 a 11:10hs. Agrometal TIM. Lic. Ariel Anaya.
11:10 a 11:40hs. VHB/Di Rocco.

11:40 a 12:00hs. Mediciones satelitales Land Manager
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.
15:10 a 17:00hs. El público se dirigirá a cada parcela demostrativa las cuales se

realizaran en forma simultánea.
Ing. Agr. M.Sc. Mario Bragachini

(Coordinador de la Red del Proyecto Agricultura de Precisión y Maquinas Precisas de INTA).
Ing. Agr. Andrés Méndez

(Coordinador del Proyecto Específico Desarrollo y aplicación de máquinas y agrocomponentes
precisios).
Ing. Agr. M. Sc. Ricardo Melchiori

(Coordinador del Proyecto Específico Desarrollo y aplicación de tecnología de Agricultura de
Precisión para el manejo de cultivos).
Ing. Agr. Fernando Scaramuzza

Tec. Juan Pablo Vélez
Tec. Diego Villarroel
Tec. Mauro Bianco Gaido
Srta. María Elena Eugeni
Sr. Aldo Oscar
(Proyecto Agricultura de Precisión. EEA INTA Manfredi).
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

Índice
nº de páginas
La Agricultura de Precisión Presente y Futuro. 13-28

Ing. Agr. M.Sc. Mario Bragachini (Coordinador de la Red del
Proyecto Agricultura de Precisión y Maquinas Precisas de INTA).
Calidad intrínseca de la producción granaria. Caso soja. 29-34

Presidente de ACSOJA Ing. Rodolfo Rossi.
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).
Desarrollo y aplicación de nuevas herramientas de 41-50

Teledetección en el estudio de ambientes.
Carlos M. Di Bella; Alejandra C. Kemerer; César M. Rebella;
Arturo E. Melchiori; Juan Esteban Mosso y Juan Manuel Reta
(Instituto de Clima y Agua INTA Castelar). CIRN.
Enfoques del manejo sitio específico de fósforo en maíz y soja: 51-61

Comparación de aplicación variable vs. uniforme
Ing Agr PhD Manuel Bermudez. Consultor Privado.
Herramientas para el manejo sitio-específico de cultivos. 62-67

Ing Agr PhD Ortega Blu – Universidad Técnica Federico Sta María - Chile.
Manejo sitio-específico de nutrientes 68-76

Ing. Agr. MSc. Agustín Bianchini (AAPRESID).
Estado actual del manejo sitio específico de nitrógeno en argentina 77-84

Ing. Agr. M.Sc. Ricardo Melchiori (Proyecto Agricultura de Precisión INTA Paraná).
Evaluación del número de unidades de sensado green seeker

para un equipo de aplicación autopropulsado. 85-91
Ing. Agr. M.Sc. Ricardo Melchiori, Proyecto Agricultura de Precisión
INTA Paraná; Susana Albarenque, Fac Ciencias Agropecuarias U.N.E.R.
Identificación de zonas para encalado y criterios a tener 92-98

en cuenta para el cálculo de la dosis variable.
Ing Agr, Ms Sc Sebastián Gambaudo, INTA EEA Rafaela.
Importancia de la caracterización de los ambientes dentro 99-107

del manejo de la fertilidad y los fertilizantes.
Ings. Agrs. Hugo Fontanetto ; Oscar Keller , Dpto. Investigación
en Agronomía del INTA Rafaela; Julio Albrecht , AFA María Juana;
Gabriel Beccaría, CREA zona S. M. de Las Escobas-Gral Belgrano.
Detección y manejo del estrés nitrogenado en maíz mediante

el uso de sensores remotos 108-113
Ing. Agr. Ph.D. Fernando Solari (Monsanto).
Reflexiones sobre los desafíos de la Agricultura de Precisión

en el marco de una agricultura mas intensiva y sustentable. 114-123
Ing. Agr. Ph.D.G. Montaner; Ing Agr M. Di Napoli. (AACREA).

Relación proteina y calidad industrial
en variedades argentinas de trigo pan. 124-126
Ing. Agr. MSc. Jorge Fraschina; Lic. Beatriz Masiero; Dionisio Gómez;
Ing. Qca. Martha Cuniberti. Grupo Mejoramiento de Trigo, EEA INTA Marcos Juárez.
Tecnologia de analisis de granos por infrarrojo (NIRS) y su rol

en la agricultura de precision 127-126
Ing. Agr. PhD. Néstor Juan. INTA, EEA Anguil (La Pampa)
La agricultura de precisión avanza hacia el manejo de la calidad

del cultivo de soja y el mejoramiento de la productividad
de los campos. 138-146
Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez;
Ing. Agr. Fernando Scaramuzza; Téc. Juan Pablo Vélez;
Tec. Diego Villarroel, Proyecto Agricultura de Precisión; INTA EEA Manfredi
Ing. Martha Cuniberti, Laboratorio de Granos, INTA EEA Marcos Juárez;
Ing. Agr. Néstor Juan, INTA EEA Anguil.
Ing. Horacio Woycik, Representante regional de Zeltex Inc.
Tecnologías inalámbricas para la transmisión de datos

en tiempo real 147-159
Ing. Andrés Moltoni, Laboratorio de Electrónica
Instituto de Ingeniería Rural (INTA Castelar).
Agricultura de Precisión y aplicación de agroquímicos. 160-172

Ing. Agr. Ramiro Cid, Instituto de Ingeniería Rural (INTA Castelar).
Mejorar el control de algunas actividades es el paso previo

a la aplicación de insumos variables. 173-181
Ing. Agr. Fernando Scaramuzza; Técnico Juan Pablo Vélez;
Técnico Diego Villarroel. Proyecto Agricultura de Precisión. INTA Manfredi
Agricultura de Precisión: 9 años de experiencias. 182-186

Ing Agr Federico Espina. Responsable Técnico de A&T.
Responsable Dpto. Técnico: Ing. Agr. Gabriel Tellería.
Agricultura de precisión.
Resultados de ensayos de manejo de insumos variables
según ambientes cosechados con monitor de rendimiento. 187-197
Lic. Federico Proietti; Ing. Agr. Fernando Scaramuzza;
Técnico Juan Pablo Vélez; Técnico Diego Villarroel.
Proyecto Agricultura de Precisión. INTA Manfredi.
Uso de herramientas de Agricultura de Precisión

en Aceitera General Deheza. Uso propio y visión de servicio. 198-200
Ing Agr Julián Muguerza. Dpto. Agricultura de Precisión AGD.
Claas
¿Qué hace Claas para una Agricultura Precisa? 201-208
Sr Christoph Luis Darfeld (Servicio Técnico CLAAS).
La gestión de conocimientos como clave

del crecimiento. Los aportes del GIS como lenguaje. 209-214
Lic. Ricardo Peralta. GeoAgro.

Reconocimiento y manejo de la heterogeneidad ambiental. 215-221
Ing. Agr. MSc Fernando Menéndez. Área de Tecnología AACREA.
Caracterización y mapeo digital de ambientes edáficos

en el área central de la región pampeana argentina. 222-226
Martín M. Silva Rossi, Estudio agronómico; Luis Negruchi,
Sergio Marinelli, Tomás Liendo, L&S Group
Fertilizacion en maiz: Respuesta al agregado de azufre.

Efecto residual en el cultivo posterior de soja. 227-234
Ing Agr Alejandro Saavedra INTA J. Posse. EEA Marcos Juárez.
Comunidad AP
Proyecto de difusión de la Agricultura de Precisión 235-239
Lic. Victoria Soda e Ing. Agr. Diego Peydro.
Sistemas Globales de Navegacion por Satelites (GNSS) 240-263

Ing. Gabino Cid Jiménez, M.Sc. Jefe Grupo Técnico (CNS)
Dirección de Aeronavegación - IACC
Monitoreo de Rendimiento. 264-289

Ing. Agr. MSc. Mario Bragachini; Ing. Agr. Axel von Martín;
Ing. Agr. Andrés Méndez. EEA INTA Manfredi. Proyecto Agricultura de Precisión.
Dosis variable de semilla y fertilizante para el cultivo

de maíz bajo riego. 290-298
Lic. Federico Proietti; Ing. Agr. Fernando Scaramuzza.
EEA INTA Manfredi. Proyecto Agricultura de Precisión.
Ensayo de uniformidad de siembra en soja.

Dosificador a chorrillo vs placa monograno. 299-306
Ing. Agr. Fernando Scaramuzza; Técnico Juan Pablo Vélez
Técnico Diego Villarroel. Proyecto Agricultura de Precisión. INTA Manfredi.

7º Curso Internacional de Agricultura de Precisión y Máquinas Precisas
A manera de introducción del 7º Curso de Agricultura de Precisión y Máquinas

Precisas se consideró oportuno realizar un reportaje al Ing. Agr. M.Sc. Mario
Bragachini (Coordinador del Proyecto Propio de la Red de Agricultura de Precisión y
Máquinas Precisas de INTA).
El técnico es Coordinador del Proyecto de INTA PRECOP, Eficiencia de
Cosecha y Postcosecha y Responsable Técnico del Área Mecanización Agrícola del
INTA Manfredi, y su cargo dentro de la Institución es de Técnico Consulto a partir de
Enero de 2007.
E-mail: agprecision@correo.inta.gov.ar, precop@correo.inta.gov.ar
Web: www.agriculturadeprecision.org, www.cosechayposcosecha.org
Pregunta nº 1
¿Cómo se inició la Agricultura de Precisión en Argentina?

Bragachini: La Agricultura de Precisión (AP) en Argentina se inicia allá por el año
1994 /1995 donde a través de los habituales viajes de exploración tecnológica que un
grupo de técnicos de la EEA Manfredi realizan anualmente a EE.UU. (año 2007, viaje
Nº 17), teniendo como itinerario la visita a diferentes universidades del Cinturón Verde
del país y el Farm Progress Show. En los viajes de los años 1994/95 se observó como
principal novedad (dos años consecutivos) el monitoreo de rendimiento satelital,
tecnología que posibilita disponer de un mapa de rendimiento geoposicionado, o sea
más de 300 puntos de referencia de rendimiento por hectárea identificados en el
espacio, y que con ello los productores y técnicos se comenzaban a ver y valorar la
importancia del conocimiento de la variabilidad y la identificación de ambientes dentro
de una unidad productiva llamada en nuestro país comúnmente “lote”. O sea,
muchos ambientes dentro de un lote.
En ese momento ver un mapa de rendimiento despertó inquietudes y motivaciones de
traer esa tecnología lo más rápido posible a la Argentina considerando que en ese
momento (año 1994) nació el Proyecto Agricultura de Precisión del INTA.
Al regreso inmediatamente nos pusimos a trabajar y logramos motivar a gente muy
innovadora como por ejemplo Marcelo Duggan y Miguel Ezcurra de D&E para que con
la gente de Trimble y Ag Leader en el año 1995 / 1996 se realizara el primer mapa de
rendimiento satelital en Monte Cristo, Provincia de Córdoba con la ayuda ya en ese
momento de otra gente innovadora, como son los hermanos Amuchástegui de
Tecnocampo que estaban tan motivados como nosotros asumiremos el desafío.
Recuerdo que el primer mapa se realizó con una cosechadora Case 1688 en un lote
de maíz de mucha variabilidad de rendimiento, con 3 personas dentro de la cabina de
la cosechadora, un celular conectado casi continuamente con EE.UU., una notebook
conectada al monitor y una antena correctora semi estacionaria (DGPS) colgada en
un molino.
Luego de tanta tecnología innovadora arriba de una cosechadora ver el mapa
concretado fue una satisfacción muy grande, lo cual generó una doble motivación
para continuar con el resto de la tecnología que consiste en el análisis de los
ambientes, o sea las causas o factores que explican la variabilidad del rendimiento,
para luego llegar al manejo de los insumos por ambientes que hoy podemos decir que
podemos hacerlo, pero en aquel momento parecía tan lejano logarlo.
Por ser hijo de pequeño productor manicero, sojero y sorguero y estar
permanentemente cerca de mi padre (una persona muy inquieta, casi obsesionado
por la productividad), mi formación universitaria estuvo siempre acompañada por el
pragmatismo de mi padre que buscaba siempre la innovación que le permitiera

incrementar los rendimientos del los cultivos; me acuerdo que en un campo de su
propiedad de 82 ha, donde dominaba una zona baja, una media loma y una loma, lo
había dividido en 7 lotes con alambrados y caminos, y siempre explicaba las
diferencias de ambientes por características de suelo y materia orgánica y por
diferencia de captación de agua (en esa época con labranza convencional).
Mi padre de esa manera manejaba los ambientes de 12 ha promedio, donde
diferenciaba cultivos, cultivares, densidades, fechas de siembra, secuencia de cultivos
(la fertilización en esa época no existía), o sea que mi padre hacía Agricultura de
Precisión allá por los 80; sin GPS, o sea que sus coordenadas eran alambrados y
caminos.
Pregunta nº 2
¿Cómo sigue la historia de la Agricultura de Precisión en Argentina?

Bragachini: La Agricultura de Precisión en Argentina al igual que en el mundo se
debe diferenciar en dos grandes temas, todo aquello relacionado a la innovación y el
desarrollo de agrocomponentes de alta complejidad que constituyen las herramientas
que permiten captar, grabar, geoposicionar, analizar, ejecutar y aplicar insumos
variables, o bien guiar operativamente una máquina por el lote sin la asistencia del
operador, esas propiedades lo proporcionan los sensores, los monitores (hardware),
los sistemas de comunicación hoy evolucionados como Can Bus, los software
específicos, los actuadrtes electrohidráulicos, los posicionadotes DGPS, las
comunicaciones satelitales, las imágenes satelitales, Internet, etc., etc., todo eso
constituyen hoy los componentes complejos de una máquina precisa capaz de
trabajar por el campo sin ninguna asistencia del operador, autoguiarse, autoregularse
para su funcionamiento, grabar todas sus operaciones y enviarlas por telefonía
satelital a un programa común en una web y su dueño por Internet recibirlo en una PC
casi en tiempo real la información ya procesada. Otro tipo de máquinas como
sembradoras y pulverizadoras/fertilizadoras pueden aplicar insumos variables según
ambientes, o bien equipos que pueden sacar muestras de grano en la cosechadora y
analizar su contenido de proteína y aceite cada 12 segundos como se está realizando
experimentalmente en el INTA Manfredi desde el año 2006.
Todas estas herramientas complejas se pueden resumir como máquinas
precisas y agrocomponentes de alta complejidad.
La palabra alta complejidad indica sistemas integrados donde se conjugan la
electrónica, la informática, las telecomunicaciones y la electromecánica, pero en
ningún momento eso debe generar temor de utilización porque estos equipos
tenderán cada día a ser más fáciles de manejar y comprender y también tenderán a
ver cada día más compatibles entre si y sobre todo más confiables y de menor costo.
Por otro lado la evolución será tan rápida que su renovación será permanente dada la
rápida obsolescencia tecnológica.
Los bienes escasos en el mundo son hoy el petróleo, el recurso tierra, el recurso
agua, el recurso aire limpio, en cambio lo que abunda son los cerebros argentinos
inteligentes con espíritu innovador; de allí que no existe riesgo que esta tecnología
incremente su precio y dificulte el acceso.
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?

Bragachini: Eso es precisamente la “Agricultura de Precisión” que algunos autores
definen como agricultura satelital, otros como la agricultura del futuro, otros como la
agricultura de máquinas precisas, otros más abarcativamente como la agricultura por
ambientes o el manejo sitio específico de los insumos y factores que manejan la
productividad y calidad de los cultivos. Otros indican que es la tecnología que permite
avanzar en los procesos de trazabilidad de los productos; algunos técnicos ven la AP
como un gran aporte para la gestión ambiental, otros ven a esta tecnología como apta
para el manejo de gestión empresarial, y la gran mayoría ve a la AP como una
herramienta para incrementar las ganancias de su empresa.
El INTA y el equipo de trabajo que coordino en forma de red engloba dos grandes
proyectos específicos, PE 1 “Desarrollo y aplicación de Máquinas y Agrocomponentes
Precisos”, donde su coordinador es el Ing. Agr. Andrés Méndez y el PE 2 “Desarrollo y
Aplicación de Tecnología para el Manejo de Cultivos, coordinado por el Ing. Agr.
M.Sc. Ricardo Melchiori, vemos a la AP desarrollarse a través de una red funcional
donde intervengan todos los actores de la cadena, desde el productor primario hasta
el cliente de la góndola de cualquier supermercado del mundo que desee adquirir un
producto de calidad, perfectamente trazable de bajo costo, producidos con procesos
que garantizan la gestión ambiental.
Pregunta nº 4
¿Puede aclarar como se integran todos estos factores, herramientas y

conocimientos para definir a un productor de Agricultura de Precisión?
Bragachini: Un productor de Agricultura de Precisión es aquel que valora e
interpreta la variabilidad de ambientes productivos en sus unidades de
producción.
Nosotros siempre decimos que un productor de precisión es aquel que no se maneja
con datos promedios, que manejan ambientes productivos que utilizan datos
geoposicionados espacialmente, que relacionan esos datos estratégicamente para
tomar decisiones de manejo para cada ambiente, que luego utiliza la tecnología
disponible de manera inteligente para aplicar lo justo, en el lugar exacto, en el
momento oportuno, tratando de maximizar la productividad y rentabilidad en algunos
casos, y en otros priorizar la sustentabilidad a mediano plazo resignando ganancias
puntuales.
Un productor amigo, el Ing. Agr. Hugo Ghio dice siempre que los productores
no deben ganar una carrera, sino deben aspirar o ganar el campeonato.
Estos criterios productivos con sustentabilidad no se adquieren y se logran solamente
utilizando máquinas inteligentes, software muy evolucionado o red de comunicaciones
evolucionadas, pero los productores y técnicos con formación agronómica sobre esos
conceptos bien fundamentados, mediante el uso y aprovechamiento de esta
tecnología, potencian sus posibilidades de segregación de ambientes productivos,
manejo de insumos variables, trazabilidad de la producción y hasta mejorar la gestión
de su empresa.
Para resumir un productor preciso es aquel que deja de manejar su campo con
datos promedios para manejar todas las variables según ambiente.
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?

Bragachini: El recurso tierra en Argentina es hoy el bien más escaso del sistema
productivo. Una ha de campo en Argentina posee un valor promedio en la zona
Pampeana Centro de 8.000 U$S/ha con valores entre 4 a 12.000 U$S/ha, el uso de la
tierra en alquiler anual promedian valores de 300 U$S/ha con valores que oscilan
entre 200 y 400 U$S/ha, esos valores resultan similares a los de Iowa, Illinois o
Indiana, los tres principales Estados del Cinturón Verde de EE.UU., zona de máxima
productividad mundial de cultivos extensivos con tierra de valor agrícola y no
inmobiliario como la agricultura subsidiada de la Comunidad Europea.
O sea que el productor argentino produce con la tierra más cara del mundo y por ende
está obligado a producir eficientemente, aprovechando todo el potencial del
conocimiento agronómico y del manejo disponible, para diferenciarse y subsistir en un
ambiente productivo muy competitivo. Además debe ser innovador y superar año tras
año las productividades promedios de la zona si desea seguir siendo productor y no
ser desplazado por la tecnología cada día más evolutiva y dinámica en sus cambios.
Este panorama de hipercompetitividad productiva donde la tierra es el bien escaso y
caro, la tecnología de procesos basados en datos agronómicos reales y
confiables de cada metro cuadrado de la unidad productiva (campo o lote)
trabajado, constituye una herramienta de diferenciación muy poderosa, ya que
permite ajustar diagnóstico, posibilitando un manejo de los recursos con mayor
precisión, eficiencia y productividad.
El Manejo de insumos según ambiente es la meta de todo productor innovador. La
Siembra Directa se realiza en Argentina un 70%, la biotecnología en los cultivos
extensivos se utiliza en un 60% (soja y maíz) teniendo en cuenta los 30 M/ha de área
de siembra de cultivos extensivos; toda tecnología que supera el 50% de adopción,
adoptarla no genera beneficios, sino que solamente se aplica para no perder
competitividad, pero sin beneficios concretos. La tecnología más innovativa radica en
la fertilización balanceada y la fertilización del sistema y no la nutrición puntual de un
cultivo, esto acompañado de un ordenamiento de secuencia de cultivos para
aprovechar la residualidad química y física del suelo; esto si bien ya está en un alto
porcentaje adoptado puede diferenciar a algunos productores, pero lo realmente
innovador en estos momentos es el manejo de los factores que gobiernan la
productividad, la calidad y la relación costo/beneficio de cada uno de los ambientes en
particular de una unidad productiva.
Pregunta nº 6
¿En que etapa de adopción se encuentra la AP en Argentian?

Bragachini: La Agricultura de Precisión en Argentina ya pasó la primera etapa de
exploración y se encuentra en la segunda; hoy como en todas las tecnologías, existen
productores innovadores que ya desde el año 97/98 utilizan el monitoreo con mapeo
de rendimiento posicionado con GPS. En estos años, cosecharon una gran cantidad
de información sobre la variabilidad natural cuantificada con la productividad de los
principales cultivos, o sea, conocen como responde cada ambiente de su campo en
soja, maíz, trigo y girasol; partiendo de esa información ya caracterizaron los
ambientes (análisis de suelo según ambiente), y en algunos casos, hasta manejan los
insumos en forma variable, como son la genética, la época de siembra, el
espaciamiento entre hileras, la densidad, la fertilización nitrogenada, correcciones de
PH, correcciones de fósforos con altas dosis, manejo del azufre, y la influencia varietal
de algunos cultivos de acuerdo a la profundidad de la napa freática, o bien
profundidad de tosca, etc. También esa información georeferenciada constituye un
elemento de gestión y control, cuando los trabajos son realizados por terceros (como
los pool de siembra).

En muchos casos, las mayores ganancias se obtienen reduciendo la aplicación
de los insumos “bajando costo”; eso ocurre cuando el ambiente posee un factor
limitante incorregible, como por ejemplo, los lotes overos con ambientes con suelo
sódico, o tosca en superficie, donde el promedio de insumo del lote son
desaprovechados y resultan antieconómico aplicarlo. En cambio, en los ambientes
de alta productividad, los insumos promedio desaprovechan el potencial
productivo, y a veces, mejorando la dosis de un insumo como el nitrógeno en maíz o
trigo, por ejemplo, potenciamos la producción de esos ambientes en forma
significativa con resultados económicos alentadores.
En Argentina existe amplia variabilidad de rendimiento de los cultivos por
relieve del lote, agua, suelo (materia orgánica y nutrientes), por ejemplo, la
historia del lote, años de agricultura sin rotaciones y labranza, frente a otros
ambientes con historia ganadera y siembra directa continua con rotación de
leguminosas / gramíneas con fertilización. Con la Siembra Directa continua cambia la
productividad de un campo en pocos años, y eso también se observa en los mapas de
rendimiento; manejando esa información se pueden tomar mejores decisiones y
realizar mejores negocios, porque contrariamente a lo que piensa la gente, los
campos llevados de manera más sustentable rotación / fertilización / manejo en
Siembra Directa continua, son los más rentables y con mayor estabilidad
productiva, y eso también se puede extraer del seguimiento de mapas de
rendimiento. Cuando a través de la globalización se juntan lotes, o sea, se sacan
alambrados y caminos, uniendo 2 o 3 lotes, posteriormente se uniforma la siembra
con un cultivo, al ser cosechado y mapeado, aparecen virtualmente los caminos y los
lotes ahora ya no separados ya no por alambrados y caminos, sino por coordenadas
de GPS, permitiendo cuantificar la respuesta de eficiencia productiva y de los insumos
aplicados en cada ambiente. Dicho de otra manera, la Agricultura de Precisión
permite el manejo según ambientes mediante alambrados virtuales, o sea,
manejar el lote con grandes máquinas automatizadas y georeferenciadas, colocando
los insumos respetando la variabilidad conocida.
Parece que resultará más fácil aprender desde ahora a manejarse con los GPS, los
controladores, los mapas de suelo, de siembra, etc. que dentro de 4 ó 6 años
competir con los que conozcan o manejen estas herramientas. Probablemente esta
diferencia resulte de la facilidad creciente que esta tecnología ofrece y ofrecerá al
usuario, y las ventajas cada vez mayores que se logran con ellas. ¿Será así o la
anterior es sólo una expresión de deseo?.
Bragachini: Los primeros en adoptar las tecnologías innovadoras son los
únicos que obtienen ventajas; el que recién introduce estas herramientas de
complejidad en el campo; es cierto que encuentra equipamiento de menor costo, más
preciso y más fácil de utilizar, pero como lo realmente valioso en Agricultura de
Precisión es la información y la experiencia del manejo de esa información, los
productores con más años en Agricultura de Precisión son y serán los únicos
beneficiarios. La información agronómica georreferenciada de mi campo, no la
puedo comprar, y la experiencia del manejo de insumos variables de los
ambientes de mi campo, tampoco nadie me la venderá.
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,

porque en Argentina existen las Universidades, AAPRESID, AACREA y también
investigaciones privadas generadoras de buena información. Debido a la
excelente y abundante información que hoy maneja el productor, no hay mucho
espacio para vender información sesgada comercialmente, pero aún así la
información del INTA siempre está respaldada por su imparcialidad y eso es
reconocido por el productor argentino.
Además el INTA y el productor argentino tiene la virtud de socializar el conocimiento
disponible provocando un progreso permanente sobre bases cada día más elevadas.
Pregunta nº 8
¿Qué puede esperar un productor o técnico que se acerque al INTA para

informarse y formarse sobre el manejo adecuado de la Agricultura de Precisión?
¿Podrá salir operando equipos tales como monitores de rendimiento,
sembradoras, pulverizadoras de aplicación variable, banderilleros satelitales,
etc., o sólo se enterará de las novedades existentes y las tendencias del
mercado?
Bragachini: El 7º Curso de Agricultura de Precisión y 2º Expo de Máquinas Precisas

esta orientado a cumplir con 4 objetivos específicos bien definidos:La meta de
asistencia es de aproximadamente 1600 personas las cuales durante 3 días tendrán
contacto directo con toda la tecnología de Agricultura de Precisión y Máquinas
Precisas que Argentina ofrece como país líder en el área temática en Latinoamérica.
Para ello pensamos en un evento que englobe:
- Los últimos adelantos tecnológicos en materia de manejo de cultivos según
ambiente, con los mejores disertantes a nivel global (presentación de trabajos y
disertaciones plenarias).
- La mayor oferta de capacitación para operarios de máquinas precisas ofrecidas
hasta el momento.-
- Mas de 80 empresas de máquinas precisas, agro componente y servicios con la
mejor infraestructura demostrativa (muestra específica).
- Más de 20 empresas mostrando en 3 días de dinámicas permanentes las ventajas
de sus productos innovativos (demostraciones personalizadas)
- Más de 50 horas de disertaciones técnicas con diferentes niveles de requerimientos
de información y capacitación, orientados a técnicos asesores, productores y
operarios.
Para continuar evolucionando en la capacitación y el manejo de la información
- Los participantes recibirán un libro (publicado con respaldo electrónico con toda la
información del curso y las conferencias plenarias, completas).
El objetivo general de este 7mo Curso de Agricultura de Precisión y 2º Expo de
Máquinas Precisas es fortalecer las capacidades tecnológicas del sistema productivo
agropecuario argentino, mediante la capacitación, adopción y aprovechamiento del
manejo de los cultivos por ambientes y la eficiente utilización de las máquinas
precisas para ello definimos los Objetivos específicos del Curso como:
• Capacitar a los técnicos, productores y operarios sobre el manejo

correcto de las máquinas y las herramientas tecnológicas que implican
la Agricultura de Precisión
• Constituir el ámbito apropiado de exposición y discusión de los
últimos desarrollos e investigaciones realizadas para mejorar el manejo
de los cultivos por ambientes
• Brindar un ámbito de convocatoria específica del área temática para
que los diferentes proveedores de herramientas e insumos muestren

sus productos y tengan la posibilidad de capacitar a sus potenciales
clientes.
• Generar un ámbito de recepción procesamiento y difusión de toda
la información referida al área temática mediante las diferentes
alternativas de comunicación.
• Publicación de trabajos, listado y descripción de productos y
proveedores de actualización anual. Difusión en página web, DVD, libro
anual del curso, medios de comunicación masivos, etc.
• Brindar el ámbito de contacto directo del cliente con los
proveedores y empresas a través de demostraciones dinámicas
personalizadas a campo durante todo el día y los 3 días de duración
del curso. Los demandantes de servicios especializados de Agricultura
de Precisión podrán tener contacto directo con aquellos que los brindan
• Generar un ámbito de incubadora de ideas innovadoras en el
manejo de cultivos por ambientes y máquinas herramientas precisas,
favoreciendo el asociativismo interdisciplinario
• Generar el ámbito de captura y aprovechamiento de la información
tecnológica provista por referentes reconocidos internacionalmente,
logrando una interacción interdisciplinaria.
• Ofrecer un curso internacional en medio del campo con la logística
necesaria a un costo accesible para todos.
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
¿Cuál será la gran novedad del Curso del INTA 2006?

Bragachini: Las novedades serán muchas, pero una se destaca y la constituye un
nuevo monitor que a través de un sensor NIRS colocado en la noria de la
cosechadora, analiza y posiciona en un mapa de calidad (proteína y aceite) del cultivo
cosechado; todo el proceso lo repite cada 12 segundos con buena precisión en trigo,
cebada (proteína) y en maíz y soja (proteína y aceite); este equipo experimental es de
origen americano marca Zeltex; la cosechadora donde fue colocado y en la cual
realizamos los primeros mapas es una Vassalli 1550. Los primeros mapas de calidad
en tiempo real se realizaron en Manfredi durante el mes de Mayo del 2006 en maíz y
soja, posteriormente en Diciembre del 2006 en trigo y en el 2007 se están realizando
con excelentes resultados en soja y maíz.
Los avances de los ensayos y la factibilidad de adopción y segregación de calidad a
nivel de lote se realizarán en la próxima campaña de trigo y cebada del 2008/2007;
luego de esos ensayos y evaluaciones, el INTA tendrá una opinión formada de las
posibilidades reales de esta nueva tecnología, que por ahora, está a nivel
experimental, pero que promete ser el cambio hacia la introducción del
productor al proceso de calidad y al manejo de los factores que la gobiernan.

Dado que la soja, el maíz, el trigo y la cebada son en definitiva comodities que de
acuerdo a su valor alimenticio dependerá su precio resulta interesante esta línea de
desarrollo.
Dicho de otra manera, en un futuro cercano el productor medirá el rendimiento en kg /
ha de proteína, o bien kg / ha de aceite, pero también puede servir para segregar
calidad a nivel de lote, o bien, para el manejo de factores que gobiernan la
calidad, o sea, que puede nacer un nuevo concepto sobre el manejo agronómico
orientado en la calidad; la tecnología promete lo suficiente como para entusiasmarse
y trabajar en forma intensiva y con mucha interdisciplinariedad.
Pregunta nº 10
¿Qué otras novedades importantes se podrán ver en este Curso que no se

hallan podido observar el año pasado? Por ejemplo:
Bragachini: En el 7º Curso Internacional de Agricultura de Precisión y 2º Expo de
Máquinas Precisas del INTA se presentarán muchas novedades importadas de
EE.UU. como ser diferentes alternativas de autoguías de tractores, cosechadoras y
pulverizadoras autopropulsadas, las cuales con diferentes grados de precisión,
sofisticación y costos permiten autoguiar las máquinas por el campo, esta tecnología
por ahora no se fabrica en nuestro país y presenta un futuro muy promisorio para el
equipamiento de grandes sembradoras, reemplazando el marcador mecánico que en
Siembra Directa no resulta muy eficiente y complica la siembra.
Otra novedad será la Rastra de Conductividad eléctrica “Veris” con un “kit” analizador
de PH, dos datos de suelo importantes que pueden ayudar a segregar ambientes,
para luego caracterizarlos con muestreos dirigidos del suelo.
También constituirá una novedad la transmisión por DGPS de todos los sensores de
la cosechadora Claas llamado Telematic; los sensores unen la información a una
central donde están los programas que procesan la información, y el propietario en su
casa en una PC por la web recibe la información procesada, quedando grabados
todos los procesos que realiza la cosechadora en cada momento. Un equipamiento
similar también lo dispone la nueva cosechadora Massey Fergusson 9790 y
Challenger de Acgo, pero un equipamiento similar y de desarrollo nacional
posiblemente se vea en este curso, o bien en los próximos meses.
Otras novedades estarán constituidas por la gran cantidad de software específicos de
mayor prestación y menores costos, esto tanto a nivel nacional como internacional.
John Deere y Case/New Holland también poseen mucha variedad tecnológica de
agricultura de precisión en sus sistemas integrales llamados AMS de John Deere y
AFS de Case y tendrán en Manfredi grandes stands y técnicos para mostrarlos.
En materia de pulverización y aplicación variable de fertilizante existen varias
opciones, por ejemplo: la firma Pla posee un equipo de origen europeo marca Lechler
con multi picos de apertura automática en forma neumática, lo cual asegura una
calidad de aplicación variable en tiempo real con amplia variación de dosis sin perder
calidad de aplicación. El equipo es VarioSelectt Lechler Pocket PC hp Hewlett
Packard GPS.
En este tema otros equipamientos nacionales e importados como D&E, Raven, Dicky
John, también serán presentados con óptimas prestaciones.
En el rubro de siembra y fertilización variable se podrán ver los desarrollos nacionales
de Verion, Agro Oleohidráulica Di Rocco/Control Agro, Abelardo Cuffia, D&E,
Landtech y Tim Agrometal, entre otros.
En de monitores de siembra interactivos se podrán ver no menos de 10 tipos de
monitores de excelentes prestaciones muchos de ellos con trazabilidad de datos y
transferencia de datos en tiempo real.

En fertilizadores al voleo se podrá ver a Yomel/D&E y a Fértil entre otros con nuevos
aplicadores de dosificación variable bajo carga y automatizados.
En el rubro aplicación variable en pulverizadores y fertilizadores líquidos la firma Jacto
de Brasil junto a D&E presentarán algunas novedades, y Metalfor también presentará
muchas novedades electrónicas.
En todos los casos, tanto Pla, Metalfor y Jacto presentarán botalones automatizados
para lograr uniformidad de altura, guiados con sensores ultrasónicos.
Los técnicos de INTA Paraná en convenio con la Universidad de Oklahoma, EE.UU.,
podrá mostrar gracias a la gente de D&E un sensor Green Secker, sensor activo de
lectura de índice verde y biomasa para fertilización variable en tiempo real en cultivos
gramíneas (maíz – trigo).
Pero las grandes novedades y los más esperados son los monitores de rendimiento
satelitales de origen nacional presentados por la firma Guillermo Bonamico (IGB) y
otro desarrollo de las firmas Landtech y Sensor. Esta última firma Sensor presentará
también sus sistemas de múltiple de sensores conectados a una pantalla de cuarzo
líquido para automatismo de datos y manejo de pulverizadoras y cosechadoras
Vassalli / Don Roque, Metalfor, Bernardín y Pla, Metalfor en pulverizadoras entre
otras.
En materia de balanzas electrónicas, mixer y tolvas autodescargables las firmas
Magris y Hook presentarán novedades de grabados de datos, automatismos de
pesados y transmisión de datos a distancia.
Sin duda un gran desarrollo tecnológico que indica un avance en ventas de elementos
de alta complejidad en Argentina, que se puede señalar con un incremento del orden
del 264% en los últimos 3 años (2006/2006).
Al respecto es importante señalar que la actualización del mercado de
agrocomponentes electrónicos de AP indica que el mercado de máquinas
precisas y agrocomponentes de alta complejidad para agricultura de precisión,
durante el 2006 es de 20 millones de dólares distribuido porcentualmente de la
siguiente manera:
Cuadro nº 1: Distribución porcentual de la inversión en el 2006

Banderilleros para máquinas terrestres, aviones y auto guía satelital 36%
Monitores de siembra 31%
Monitores de rendimiento 18%
Dosis variable para sembradoras y pulverizadoras/fertilizadoras 9%
Software específicos 3%
Total 100%
Fuente: INTA Manfredi – Proyecto Agricultura de Precisión. Octubre 2006
El mercado de agrocomponentes para máquinas precisas y agricultura de precisión,

creció el 264% en los últimos tres años (2003/2006). Es el rubro del sector de mayor
crecimiento durante estos últimos 3 años.
Pregunta nº 11
¿Cómo evolucionó la adopción de los equipamientos de Agricultura de

Precisión en Argentina?
Bragachini: Para esa pregunta tenemos un gráfico muy claro que explica como fue
evolucionando cada uno de los rubros de agrocomponentes y máquinas precisas; el

nivel de adopción de Agricultura de Precisión se mide en el mundo por el número de
monitores de rendimiento.
Cuadro nº 2: Evolución de las ventas de algunas de las herramientas de Agricultura de Precisión.

1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007*
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
La adopción de la Agricultura de Precisión termina en el campo en gran parte

explicada por el manejo variable de los insumos según ambientes, en ese
aspecto ¿cómo podría explicar la evolución de cada insumo con y sin proyecto
del INTA, desde ahora hasta el 2011?
Bragachini: Es evidente que el grado de aceptación que hoy tiene esta tecnología en
Argentina, y la cantidad de empresas dedicadas a la Agricultura de Precisión ya es
una realidad y esta tecnología se adoptará con el INTA y sin el INTA, pero también es
evidente que el proyecto del INTA otorga una mayor confianza en el productor y una
más rápida adopción, en forma *** en un cuadro que elaboramos muy
concienzudamente, estimamos como será la evolución de los próximos años de cada
insumo aplicado variable con y sin proyecto del INTA.

Cuadro nº 3:
Año 2006 2007 2008 2009 2010 2011
Fertilización
CP CP SP CP SP CP SP CP SP CP SP
Variable
Fertilización Nitrogenada
Líquido 1,2 2,7 1,8 6 2,7 13,5 4 30 6 50 9
Sólido 0,8 1,4 1 2,45 1,28 4,28 1,6 7,5 2 23 2,6
Fertilización Fosforada
Líquido 0 5 5.75 10 6.6 20 7.6 35 8.7 45 10
Sólido 3 5 3.3 8.3 3.6 1.37 4 22.9 5 40 7
Enmiendas
Yeso 5 7 5.5 10 6 15 6.6 23 7.3 35 8
Cal 1 7 5.5 10 6 15 6.6 23 7.3 35 8
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
Aclaración: CP: con proyecto de INTA

SP: sin proyecto de INTA
Pregunta nº 13
El equipo de trabajo de INTA Agricultura de Precisión ¿es suficiente para

responder a la demanda actual, o se siente desbordado?
Bragachini: El equipo de Agricultura de Precisión del INTA en el año 2006 se
encontraba parcialmente desbordado y por eso está creciendo en recursos humanos,
dado que la demanda sobre el manejo agronómico según ambiente recién comienza y
hay mucho por investigar y el productor argentino (por gracias) es muy exigente y
ansioso, y es bueno que así sea, para lograr un proceso continuo.
Afortunadamente el INTA como institución priorizó el tema en el 2007 y le otorgó
recursos a través de un Proyecto de Red, pero también es importante señalar que el
INTA no está sólo en esto; están los técnicos de las Universidades, AACREA,
AAPRESID trabajando y también varias empresas de servicio muy valiosas, pero lo
más importante es que estamos todos unidos y la organización de este 7º. Curso
Internacional de Agricultura de Precisión y 2º. Expo de Máquinas Precisas lo pone en
evidencia.
Pregunta nº 14
¿Como sueña Bragachini el futuro de la Agricultura Argentina frente a los

problemas de sustentabilidad marcado en el crecimiento del cultivo de soja?
Bragachini: El futuro de la Agricultura Argentina es difícil predecirlo, porque el mundo
y el mercado global puede cambiar frente a los conflictos bélicos que no están
descartados siendo el valor del petróleo la llave de ajuste de esos cambios, y donde
los granos “commodities” adquirieron además del valor como alimento, también un

valor como biocombustible y/o biomateriales. En ese escenario, veo particularmente
en Argentina otra vez a la soja como protagonista principal, dado que su producción
no depende del nitrógeno (petróleo), ya que este cultivo extrae el nitrógeno del aire a
través de la fijación biológica (costo cero). El valor de grano se soja crecerá en la
medida que el maíz se potencie (etanol) y compita por el recurso tierra en forma
directa
La sustentabilidad buscada en la agricultura intensiva a través del cultivo de maíz, no
resulta fácil lograrla porque el maíz es altamente dependiente del (petróleo) flete,
secado y nitrógeno (petróleo).
Al maíz lo veo competitivo por el precio como materia prima para el Etanol, y como
principal alternativa para generar valor agregado a la producción en origen,
principalmente cuando la producción está lejos de los puertos, el proyecto de maíz
(etanol en Argentina como en EE.UU.), solo cierra de forma integral. Maíz de alto
rendimiento – Etanol – subproducto – alimento del ganado lechero y de carne –
frigorífico o usina láctica – góndola del mundo, estos proyectos resultan más
tentadores si se hacen en gran escala y de manera asociativa con 200 o 300
productores. En cambio si se sigue sembrando soja sobre soja el balance del carbono
se verá comprometido, y es allí, donde las estrategias políticas deberían influir
positivamente sobre la ampliación del área de siembra de maíz, sorgo y trigo sin
perjudicar la producción de soja, incidiendo directamente en la sustentabilidad de los
sistemas productivos predominantes.
La ganadería de feed lot en base a silaje de maíz está comprometida frente al balance
de carbono del suelo, dado que las picadoras extrae todo el carbono del lote, dejándo
además el suelo comprometido para la Siembra Directa al no tener cobertura y quedar
todo compactado.
Pero Argentina posee ventajas comparativas importantes, como ser el desarrollo
de la Siembra Directa, la fijación biológica del nitrógeno de la soja, el doble
cultivo (intersiembra e intercultivo). Como principales herramientas de progreso
productivo se pueden mencionar; el balance nutricional del suelo, los avances en
biotecnología para mejorar el potencial productivo y la calidad, buena capacitación
específica del productor, o sea, un productor experimentador, un productor más
preciso y allí aparece el manejo por ambientes y la Agricultura de Precisión como
herramienta fundamental.
Argentina también posee un fuerte desarrollo industrial metalmecánico y también un
presente y mejor futuro en cuanto al desarrollo de la industria del alimento para las
góndolas del mundo (valor agregado), debiendo avanzar el productor en su
protagonismo tranqueras afuera, ya que el negocio de las commodities representa
sólo el 35% del negocio integral de la producción y comercialización de alimentos. En
resumen, la agricultura (producción de alimentos) en Argentina presenta un
FODA con muchas fortalezas, excelentes oportunidades, superables debilidades
y pocas amenazas, pero se debe actuar rápido, “el mundo de hoy no presenta
una disputa entre grandes y chicos, sino entre rápidos y lentos”.
El eficiente y competitivo sistema productivo de alimentos desarrollado en Argentina
constituye un know how muy valorado y apetecible por muchos países del mundo, en
su mayoría países petroleros hoy importadores de alimentos con mucha potencialidad
productiva, pero poco desarrollo tecnológico. Una oportunidad para aprovecharla.

Pregunta nº 15
¿Los 100 millones de toneladas de grano están lejos de alcanzarse?

Bragachini: Los 100 millones de toneladas de grano no me desesperan conseguirlo y
serán una realidad en la próxima campaña 2007/2008 con las 800.000 ha. más de
maíz que se pronostican para la próxima campaña, lo que preocupa es que esten
acompañados con un crecimiento cualitativo con valor agregado, donde se preserven
los cultivos y las economías regionales, el desarrollo territorial y la equidad social, en
un marco de fuerte respeto por la gestión ambiental y la sustentabilidad del ambiente
productivo, eso no se debe negociar, ni sacrificar frente a una realidad produccionista.
El interior del país en los próximos años debe recuperar la gente que exportó a
las grandes ciudades en la década del ‘90, y la agroindustrialización en origen
debe ser la llave para generar puestos de trabajo jerarquizados. También se
debe trabajar para que la riqueza generada se distribuya equitativamente entre
la sociedad, siendo el productor el principal protagonista.
Pregunta Nº 16
¿Cuál es el verdadero alcance de las palabras “máquinas precisas, y cual el

objetivo que el INTA trabaje como incubadora de empresas PyMES para el
desarrollo de componentes de máquinas precisas?
Bragachini: En el plan estratégico de INTA para los próximos 10 años (PEI) se define
claramente que dentro de los objetivos del INTA se prioriza el desarrollo territorial con
alto compromiso social; dicho de otra manera, es el trabajo activo dentro de las
comunidades del interior del país, orientado a la generación de puestos de trabajo
con alto valor agregado; como el área que engloba los dos proyectos que se
coordinan desde Manfredi (Agricultura de Precisión y PRECOP), mucho tiene que ver
con el desarrollo de las industrias metalmecánicas que desarrollan Máquinas
Agrícolas, y ésta, para que sea competitiva globalmente debe ser precisa y con
prestaciones relacionadas con la Agricultura de Precisión (GPS, sensores,
actuadores, monitores con software específicos, elementos de grabación de datos,
etc.), el desarrollo territorial de nuestra actividad tiene la orientación hacia el
desarrollo integral del sector productivo de Máquinas Precisas, y una respuesta
concreta es el Proyecto DEMAACO y la participación del INTA Manfredi en el
Proyecto PITEC del Cluster CECMA que lleva adelante el Cideter en Las Parejas,
Santa Fe para el fortalecimiento de la competitividad de todas las industrias de la
Región Centro.
Pregunta nº 17
¿Cuál es la misión del DEMAACO (Desarrollo de Maquinaria Agrícola de Alta

Complejidad)?
Bragachini: La misión del DEMAACO es crear los espacios de interacción
permanente entre los diversos sectores empresariales, educativos, del conocimiento y
políticos, de modo de ofrecer al sector agropecuario nacional e internacional, sistemas
de producción integrados que le permitan asegurar la calidad, eficacia y eficiencia
productiva en el marco de un sistema sustentable, además:
* Generar trabajo en el ámbito de la Provincia de Córdoba.
* Lograr integración territorial productiva del sector.
* Fomentar la responsabilidad social empresarial.

Desde el desarrollo de la maquinaria precisa, también permite contribuir al desarrollo
de sistemas integrados de producción competitivos globalmente; este desarrollo
implica una alta interdisciplinariedad con planificación estratégica.
Pregunta nº 18
¿Cómo ve la integración de sectores con modalidades de trabajo diferentes?

¿es conflictivo? ¿por qué?
Bragachini: La integración en este caso se basa en una necesidad concreta, ya que
para mantenerse y progresar en el mercado de las máquinas precisas que hoy
demanda el productor global, se tienen que introducir tecnologías de alta complejidad,
tecnologías que hoy están dedicadas a otra rama de la industria, quizás más
exigentes, como por ejemplo, la industria del camión, la industria automotriz, o bien, la
industria del auto de carrera, muy desarrollada y competitiva en Argentina.
Cuando la necesidad es fuerte, las relaciones conflictivas pasan a un segundo o
tercer plano.
Pregunta nº 19
¿El DEMAACO es una idea innovadora o es más de lo mismo?

Bragachini: Las Máquinas Agrícolas Precisas, (autoguiadas, autorregulables,
adaptables en sus prestaciones de acuerdo a sensores y actuadores complejos),
constituyen lo verdaderamente innovador; el DEMAACO es una buena herramienta
de integración interdisciplinaria para generar esas innovaciones que el mercado global
de la máquina agrícola hoy demanda.
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

directamente a través de trabajos concretos, como lo es el desarrollo competitivo de
máquinas precisas, donde el objetivo sea el mercado global y donde el INTA pueda
acompañar y apoyar con tecnología de producción integral de procesos productivos
de alimentos con el valor agregado de las máquinas argentinas.
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
Para terminar: ¿Cuál es su visión de la Maquinaria Agrícola Argentina y del

mundo, mirando el año 2015?
Bragachini: En una visión futurista de la mecanización agrícola de los próximos 20
años, se puede visualizar un crecimiento en la capacidad operativa y precisión de
todas las máquinas, las cuales incorporarán nuevos tipos de sensores y actuadores,
que conectados a monitores con software específico, serán capaces de auto guiarse
por el campo siguiendo cargas de prescripciones de aplicaciones de insumos según
ambiente, o bien, autorreguladas de acuerdo a la lectura de las características
variables del suelo o cultivo, a través de sensores en tiempo real cada día más
precisos y sofisticados.
Las máquinas y sus operaciones estarán conectadas satelitalmente y por señales con
el ordenador de la oficina del técnico, en muchos casos conectados a la web para
seguir las máquinas en el campo, esto ya se verá en el 7º Curso Internacional de
Agricultura de Precisión y 2º Expo de Máquinas Precisas; la inteligencia electrónica
regulará en tiempo real la máquina y tendrá mayores y mejores conocimientos
agronómicos que las del operario que conduce la máquina.
Las máquinas podrán evaluar y segregar la producción por calidad en forma
automática y en tiempo real, eso ya es una realidad en el INTA Manfredi.
En resumen, la máquina agrícola del futuro será más precisa, más eficiente, más
automatizada, más sensorizada, más autoguiada y autorregulable, con mayor
inteligencia electrónica, con mayor desarrollo de comunicación, sensorización y
transmisiones de datos en tiempo real.
La maquinaria agrícola del futuro también será más segura y ergonómica para el
operario, menos contaminante, más conservacionista de los recursos naturales,
con mayores prestaciones de trazabilidad de sus operaciones y con mejor
tratamiento de la producción para preservar la calidad.
Seguramente las máquinas estarán construidas con muchos biomateriales
utilizando biocombustibles como energía (menos contaminates y más
biodegradables).

Todo el desarrollo de mecanización estará orientado hacia un crecimiento de la
productividad con sustentabilidad del ambiente productivo, preservando la salud y la
seguridad de los operarios de las máquinas agrícolas.
Y por último como siempre decimos en el grupo de trabajo de INTA Manfredi que
tengo el orgullo de coordinar, el proyecto que seguramente nunca se realizará es el
que no se intenta, no es lo mismo decir hagan que hagamos y las posibilidades de
éxito siempre estarán más cerca de la gente rápida y abierta para pensar y actuar,
que de la gente lenta y cerrada.
El mundo de las comunicaciones ya es una realidad, quien no abra su mente perderá
una gran oportunidad. Nuestros dos sitios web www.agriculturadeprecision.org y
www.cosechayposcosecha.org están entre los más consultados del mundo en sus
áreas temáticas respectivas de habla hispana.
Pregunta final
¿Se siente bien dentro del INTA?

Me siento bien dentro del INTA, me siento bien dentro del grupo de trabajo que
coordino, me siento bien siendo útil a la sociedad, me siento mal por no poder lograr
algunos objetivos ambiciosos que tenemos dentro del equipo, pero por eso
trabajamos y tenemos la certeza que lo lograremos.
El principal objetivo es lograr ver a la industria metalmecánica argentina competitiva
en el mercado global, contribuyendo a generar muchos puestos de trabajo en el
interior del país, alcanzando una facturación en el sector de Maquinaria Agrícola con
construcción Argentina en el 2012 de 1300 M/U$S donde el 35% sea para el mercado
externo, esto significaría llegar a duplicar la demanda laboral, llegando a 85.000
puestos de trabajo directo y otro tanto indirectos, todos en el interior del país, equidad
social y desarrollo territorial asegurada.

CALIDAD INTRÍNSECA DE LA PRODUCCION GRANARIA
CASO SOJA
Ing. Agr. Rodolfo Luis Rossi

ACSOJA
acsojarossi@yahoo.com.ar
El cultivo y la producción de soja han crecido en forma significativa en los últimos

años. La expansión de la frontera agrícola, tiene en la soja a su principal responsable,
avalada por la buena adaptación a las diferentes regiones agroecológicas, el
destacado desarrollo varietal, la incorporación de alta tecnología y los menores costos
de producción, en relación a otras actividades agrícolo- ganaderas.
La Argentina ocupa el tercer lugar en la producción, luego de EEUU y el Brasil, pero

es la primer exportadora de aceite de soja y harinas, como también importante
exportador de granos de soja.
La producción global de soja viene creciendo y la demanda de los diferentes
subproductos la acompaña. Son altas las expectativas de continuo crecimiento de la
producción de los países del Mercosur en el complejo soja, y en ellos se encuentran
las reservas de superficie màs importantes, lo que seguramente va a incrementar el
protagonismo de estos países en los próximos años. Desde la temporada 2002-03, la
producción regional superó por primera vez a EEUU, lo que marca un punto de
inflexión muy relevante para la región y el agronegocio sojero internacional.
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.
La calidad de la soja Argentina, se la evaluado en varios trabajos del INTA y

empresas privadas, como razonablemente buena, pero se reconocen algunos
defectos, que si bien no condicionan el mercado exportador, producen ciertos efectos
negativos en el logro de subproductos de alta calidad, principalmente en el caso de
las harinas proteicas

La Calidad de la soja se la puede estudiar en cuanto a su Calidad FÍSICA, Calidad
SANITARIA y Calidad NUTRICIONAL. Un detalle sobre esta clasificaciòn se presenta
en el Cuadro I.
Hemos desarrollado un análisis sobre los principales items relacionados con la

Calidad y se concluyó, que los que merecen un estudio específico son los niveles de
proteina, la calidad de los aceites, el grano verde o inmaduro y el grano dañado por
factores bióticos y abióticos. Estos son los que han determinado cierta controversia en
los últimos años y que vamos a discutir brevemente a continuación.
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

inconvenientes hay que lograr un valor del 50, 8% luego del proceso de extracción.
Para ello debe comenzarse con un valor de 40,35 sss. La situación se complica
cuando se pretende producir harina “Hypro” que tienen 46,5% de proteina al 11% de
humedad. En este caso es necesario partir de una materia prima de mayor valor
proteico.
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.
Para dilucidar este asunto se desarrolló un estudio denominado:

“ ESTUDIO SOBRE LOS ACEITES CRUDOS DE SOJA PROVENIENTES DE
VARIEDADES TRADICIONALES Y OGM EN DIFERENTES LOCALIDADES Y
MANEJO, desarrollado por la empresa Nidera (Congreso Lipidex,2001).
Se planificó el trabajo para estudiar si dicho incremento se debe a la “modificación
genética” o surge de otros factores incidentes de índole varietal, de orden climático, o
bien en función de la época o de la zona de cultivo, cuyas consecuencias, en tal
sentido, se dan por igual y en forma indistinta, tanto en las variedades “genéticamente
modificadas” (resistentes al glifosato) como en las tradicionales o “no transgénicas”.
Los resultados fueron los siguientes:
a) En la cuestión de contenido de ácido linolénico, C18,3; puede aseverarse

partiendo de todos los datos expuestos que el incremento observado en los últimos
tiempos no proviene de la aparición y existencia de las variedades de soja
genéticamente modificadas, conocidas en el mercado como RG( Resistentes al
Glifosato), dado que no se manifiesta una particular diferencia en los valores promedio
de sus respectivos aceites. Con respecto a los valores atípicos que se manifiestan en
ambas series, éstos se dan por igual en cada una de ellas, sean o no “GMO”; y
pueden deberse a otros factores incidentes.
b) Lo que antecede también puede decirse con respecto al grado de insaturación
de los aceites, lo que se manifiesta tanto en las relaciones de los ácidos grasos entre
sí como a través de los Indices de Yodo, el cual también en promedio arroja el mismo
valor.
c) La mencionada incidencia de otros factores ya sea varietales, climáticos o
ambientales que pudieran provocar un efecto sobre el contenido de linolénico del
aceite o en el grado de saturación, será considerada en la parte siguiente, a través
de un enfoque agronómico, donde a los datos precedentes se agregan otros
parámetros de interés.
Conclusiones finales: a) Los aceites crudos extraídos de diferentes regiones de La
Argentina producen mayor nivel de Linolénico y menor de Oleico que los “Valores
Típicos de referencia bibliográfica”. b) En La Argentina, las localidades del Norte del
país y los cultivos sembrados tempranamente que maduran bajo temperaturas altas,
producen mayores contenidos de Oleico y menores de Linolénico. c) Las
variedades transgénicas poseen perfiles de ácidos grasos similares a las
tradicionales. En general las variedades de Ciclo de maduración más corto poseen

menores niveles de ácido Linolénico y las más tardías mayores, atribuyéndose en
parte a la época de maduración a la que están expuestas.
El INTA ha realizado estudios comparativos sobre la Calidad del Aceite de soja en la
Argentina arribando a similares conclusiones respecto a la influencia de la región o de
la fecha de siembra, en la proporción de ácidos grasos.
Grano Verde
Este tema es de una preocupación mayor en los últimos años. El contenido de

clorofila en el grano produce problemas en la obtención de aceites de calidad, lo que
obliga a encarecer el proceso con el uso de filtros especiales, para clarificar el
producto. Otro efecto es los granos son más plásticos y no quiebran bien para permitir
un mejor laminado, provocando aceite residual en las harinas. También este grano
está arrugado y dificulta el proceso de descascarado.
El Grano Verde se produce por varias razones, principalmente atribuidas a una

situación de stress térmico o hídrico en la etapa de premaduración y maduración. Hay
diferencias genéticas que en las nuevas regiones sojeras del norte del país se
manifestaron más. La importación de algunas variedades no adaptadas fueron una
causa negativa importante (Rossi, R.L.).
La fecha de siembra más temprana de cultivares precoces asociadas a ambientes de
alta temperatura han acrecentado este fenómeno. Otro hecho significativo, han sido
las mayores temperaturas de los meses de verano, que incluso fueron iguales o
mayores en febrero que en el mes de enero, haciendo coincidir con la etapa
madurativa en la zona pampeana también.
Hemos tenido temperaturas crecientes durante el verano,
promedios de febrero más altos que enero y promedios de marzo casi iguales
a los de febrero, y esto produce en la planta un desbalance fisiológico.
Otro aspecto importante es atribuible al monocultivo de soja, que determina

situaciones de stress y un agotamiento de nutrientes que impactan en la producción
final.
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.
Un reciente trabajo realizado por la Asociación de la Cadena de la Soja Argentina, con

el INTA y la Bolsa de Comercio de Rosario como los principales colaboradores
permitió llegar a las siguientes conclusiones
1) Queda demostrada la variación existente entre Regiones para la producción de
Grano Verde en soja. La Región I ( Norte del pais)es la más afectada, la
Región II ( Centro de Córdoba y Santa Fe) es medianamente afectada,
mientras que la Región III ( Centro Sur) es la menos afectada, aunque también
presentó casos de Grano Verde
2) Quedó demostrada la variabilidad entre Localidades para la producción de GV

en soja, por lo menos en las Regiones I y II.
3) Para el Proyecto RECSO, las épocas de siembra Primavera y Temprana

fueron las más afectadas por Grano Verde, la época Óptima fue menos

afectada y la época Tardía es la menos afectada. Para el Proyecto Grupo de
Madurez y Fecha de Siembra también hubo variabilidad entre épocas.
4) Hubo diferencias de producción de Grano Verde entre GM, siendo los GM

cortos en cada región los más frecuentemente afectados.
5) Se observó evidencia suficiente para demostrar la existencia de variación

genética entre cultivares, dentro del GM V L.
La SAGPYA en base a este y otros estudios, realizó una campaña informativa

recomendando las mejores prácticas para reducir el impacto del grano verde. Los
resultados fueron muy favorables a nivel comercial.
Grano dañado y acidez:
Granos dañados y acidez se incrementan debido a diferentes causas: la demora en la

cosecha por elevada humedad, es un hecho que nos ha sucedido en los últimos
años; el estrés térmico e hídrico en formación de granos, incremento en el nivel de
enfermedades en los últimos tiempos como Cercospora, Fusarium, Alternaria y
Phomopsis, entre otras.
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
La soja es un producto capaz de presentarse contaminado por zearalenona,

micotoxina que será regulada para la comercialización. Se necesitan estudios para
conocer la situación oja en nuestro país.
La zearalenona es una micotoxina producida como metabolito secundario del género

Fusarium, en nuestro país principalmente por Fusarium graminearum. Como toda
micotoxina, la capacidad de aparición de la contaminación depende del medio
ambiente y de la matriz alimenticia, por esta razón la contaminación que se inicia en el
cultivo, puede incrementarse (o disminuirse) durante el almacenamiento, así como
durante los procesos.

Conclusión general
En los últimos años el crecimiento del cultivo ha sido explosivo. Pasamos de 6

millones de hectáreas en 1996 a 16 millones y podemos tomar a estos problemas
como producto de los “dolores de crecimiento”, y deberían ser tenidos muy en cuenta
en defensa de este importante sector.
Existen metodologías que puestas en práctica pueden solucionar y mejorar la calidad
de la soja en la Argentina.
En primer lugar debe difundirse convenientemente el conocimiento actual en estos
temas y propender a acrecentar nuevos estudios sobre los problemas y las
soluciones.
Las tecnologías de medición “punto específico” podría colaborar en el mejoramiento
genético de variedades de soja de alta calidad y ser una herramienta de evaluación a
campo de prácticas de manejo que contribuyan a mejorar la calidad.
Este no es un trabajo de un solo sector sino de todos los involucrados en la Cadena
de la Soja.

EL USO DE LA AGRICULTURA DE
PRECISIÓN EN LA ELECCIÓN Y EL MANEJO DE CULTIVARES DE SOJA
Edgardo Martini y Héctor Baigorri

(Asesores privados-Consultora Baigorri-Martini y Planeta Soja-www.planetasoja.com).
Introducción:
La agricultura de precisión permite adoptar las medidas de manejo necesarias

para optimizar la producción física o económica en cada sector diferente de una
determinada área o potrero. Para lograr este objetivo, es necesario analizar primero la
variabilidad productiva dentro de cada área, identificar cuál o cuáles son los factores
que determinan las diferencias en la productividad y posteriormente ver si son
posibles algunas medidas para la corrección de los factores limitantes y/o la
adaptación del manejo del cultivo a una determinada limitante no modificable (por
motivos técnicos o económicos), con el objetivo de maximizar el retorno económico.
En lo referente al cultivo de soja, la adecuada elección y manejo de cultivares,
implica contar con el conocimiento previo de la ecofisiología del cultivo, de las
condiciones ambientales, de las características de los cultivares disponibles y del
efecto de las prácticas de manejo sobre el cultivo.
El orden de importancia de las prácticas de manejo del cultivo de soja son los
siguientes:
1- Caracterización del ambiente de producción (CAP).
2- Elección de la combinación del grupo de madurez (GM), hábito de crecimiento (HC)
y juvenilidad del cultivar y la fecha de siembra (FS).
3- Elección del cultivar.
4- Arreglo espacial.
La agricultura de precisión, permite mejorar fundamentalmente la CAP, que es
el paso más importante, en la elaboración de una estrategia de manejo de cultivares
de soja. Cabe destacar que el mismo, es también estratégico para otros cultivos y
otras actividades (ganadera, forestal, etc).
1- Caracterización del ambiente de producción:
Para una adecuada elección y manejo de cultivares de soja, se considera

fundamental contar con una adecuada CAP, porque el mismo condiciona el
crecimiento y el rendimiento y en consecuencia determina cuáles son los GM y el
manejo de los mismos, que permite alcanzar las mayores productividades.
La agricultura de precisión aporta a la CAP, herramientas tales como
programas de computación que permiten superponer capas de información,
consideradas claves tanto para conocer como comprender y predecir el
funcionamiento de cada ambiente.
Entre las informaciones consideradas claves en la CAP, se mencionan las
referidas a la geomorfología del lugar, cuencas hídricas, relieve, suelo (unidades,
capacidad de uso, profundidad, físico-químicas, hídricas y sanitarias) y el rendimiento
de los cultivos. La agricultura de precisión combina estas y otras características del
ambiente, apilando mapas de las mismas, que permiten interpretar la resultante
productiva y su variabilidad, aportando elementos para mejorarla.
Cabe destacar la valiosa ayuda que brindan actualmente dos fuentes de
información:
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,

fechas de registro, etc), permitiendo mejorar el conocimiento de la variabilidad
temporal del ambiente.
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.

2- Elección de la combinación del GM, HC y juvenilidad del cultivar y la FS:
En función de las condiciones ambientales, se deben definir el listado de

cultivares más adaptados teniendo en cuenta su GM, HC y juvenilidad y el porcentaje
a usar de cada uno de los GM elegidos y su FS. Estas decisiones de manejo
determinan la producción de biomasa aérea total, el índice de cosecha y el llenado de
granos (ubicación, duración y tasa).
La FS es una de las prácticas de manejo de mayor influencia sobre el
crecimiento y específicamente el rendimiento del cultivo. La FS depende de las
condiciones ambientales, la secuencia de cultivos y las características del cultivar.
Actualmente se conocen los patrones de la evolución del desarrollo y
crecimiento de los cultivares en función de la FS, para los GM recomendados de norte
a sur del país y en función de su HC. No obstante es necesario determinar con
precisión y para todos los ambientes de producción, que combinaciones de GM y FS
permiten lograr los rendimientos potenciales máximos, los más probables y los
rendimientos mínimos y a su vez con que disponibilidad hídrica (en cantidad y
oportunidad) y con que probabilidad en función de los registros de precipitaciones
históricos.
En cualquier latitud, el adelantamiento de la FS incrementa la longitud del ciclo
total (días de emergencia a madurez) de los cultivares, con independencia de su GM
y HC; a mayor GM mas importante es este incremento, debido a la mayor respuesta
fotoperiódica de los cultivares de mayor longitud de ciclo.
Este incremento de la longitud del ciclo total que se produce al adelantar la FS,
es debido fundamentalmente al aumento de los días de emergencia a floración (R1),
es decir la etapa netamente vegetativa. No obstante, en menor medida también se
incrementa la duración de las etapas reproductivas, incluyendo el llenado de granos.
Es decir que al adelantar la FS, aumenta la duración del llenado de granos y
se adelanta su ocurrencia, con lo que logramos disponer de mayor radiación solar y
temperatura para generar más rendimiento, en condiciones hídricas no limitantes.
La altura presenta generalmente una forma de campana, con un techo entre
principios del mes de noviembre y principios del mes de diciembre y reducciones de la
misma tanto con el adelanto como con el atraso de la FS, respecto al rango
mencionado. En todas las regiones de cultivo de Argentina, las FS de la segunda
quincena del mes de noviembre, son las que generalmente permiten alcanzar la
mayor altura, a la mayoría de los cultivares de todos los GM recomendados en cada
ambiente.
Cuando comparamos cultivares del mismo HC, a medida que aumentamos la
longitud del ciclo la campana mencionada es generalmente más alta y presenta
menor reducción de la altura, con el adelanto y atraso de la FS con respecto a la
segunda quincena del mes de noviembre.
Analizando la FS en la que ocurre la mayor altura en cultivares de los 3 HC y
de igual longitud de ciclo, los cultivares de HC indeterminado alcanzan su mayor
altura en FS más temprana, que los de HC semideterminado y éstos que los de HC
determinado.
Comparando cultivares de HC indeterminado de diferente longitud de ciclo, los
de mayor ciclo alcanzan la mayor altura en FS más temprana y presentan menor
reducción de la altura con el adelanto y atraso de la FS respecto de la segunda
quincena del mes de noviembre.
La juvenilidad permite que los cultivares de cualquier HC, alcancen mayor
altura y en consecuencia tengan mayor plasticidad a la FS y pueda adelantarse más
la FS y ser cultivados más al norte, que los del mismo HC que no poseen esta
característica.
La altura lograda por cualquier cultivar varía con las condiciones ambientales y
en especial con la disponibilidad hídrica. En consecuencia, para un mismo cultivar y

en un mismo lote se obtendrán campanas de crecimiento cada vez más altas, a
medida que mejoran las condiciones ambientales de las campañas.
La mayor altura lograda en FS de la segunda quincena del mes de noviembre,
en especial en buenos ambientes y/o campañas, puede determinar la ocurrencia de
vuelco y problemas sanitarios en los cultivares de ciclo medio a largo y mejorar el
crecimiento de los de ciclo corto, contribuyendo a lograr rendimientos muy altos.
El número de nudos presenta un comportamiento similar a la altura,
alcanzando las mayores cantidades en las FS del mes de noviembre, en especial en
cultivares de HC determinado. Los cultivares con HC indeterminado de ciclo más largo
tienden a adelantan la FS en la que logran el mayor número de nudos al mes de
octubre, dependiendo de la latitud y del GM del cultivar.
El rendimiento presenta una relación con la FS, que depende del cultivar (GM,
HC y juvenilidad) y el ambiente. En condiciones hídricas no limitantes y empleando
diferentes combinaciones de cultivares y FS, según las características del ambiente,
es posible incrementar el rendimiento en forma lineal con el adelanto de la FS, hasta
la FS en la que ocurran heladas tardías que logren matar una cantidad variable de
plantas
La relación entre la altura y el rendimiento es directa hasta que el cultivar en
cuestión logra la producción de biomasa vegetativa (BV) óptima. Una vez que la
supera, la aparición de vuelco y problemas sanitarios, puede determinar que esta
relación pase a ser inversa. Por este motivo, los cultivares de ciclo corto generalmente
presentan relaciones directas entre altura y rendimiento y los de ciclo largo ó medio
pueden presentar relación nula a inversa. Cuando las condiciones ambientales
posibilitan un crecimiento exuberante de los cultivares de ciclo corto, la FS de siembra
que permite lograr el mayor rendimiento se adelanta a la FS en la que se logra la
mayor altura.
Cuando la condición ambiental y en especial la disponibilidad hídrica son
superiores ó inferiores a lo normal, se producen modificaciones en la evolución del
patrón de crecimiento del cultivo en función de la FS.
Los cultivares de ciclo más corto tienen índices de cosecha de entre 50 y 60% y
los de ciclo más largo entre 40 y 50%, en FS tempranas a óptimas. En una FS
determinada, el IC presenta generalmente una relación inversa con la longitud del
ciclo de los cultivares. Además se observa una tendencia creciente del IC con el
atraso de la FS, de menor importancia en los cultivares de ciclo más corto y que crece
en forma importante a mayor longitud de ciclo, en especial en las FS posteriores al 15
de diciembre.
3- Elección del cultivar:
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

manejo. Los cultivares con menor altura, requieren FS más tardías, mejores
ambientes y menores espaciamientos entre surcos.
4- Arreglo espacial:
Una vez definido el listado de cultivares y teniendo en cuenta su desarrollo

vegetativo y la altura esperada en función del ambiente y la FS asignada, se puede
determinar el espaciamiento entre surcos más conveniente. Cuando esperamos
alturas inferiores a los 70 cm, es altamente probable que una reducción del
espaciamiento entre surcos a menos de 52 cm, incremente el rendimiento. Los
cultivares de ciclo corto, tienen mayor probabilidad de incrementar su rendimiento con
la reducción del espaciamiento, en especial con FS tempranas ó tardías.
La tendencia de reducir la longitud del ciclo de los cultivares utilizados y el
adelanto de las FS, ha determinado que el mercado de sembradoras evoluciones a
una mayor disponibilidad de equipos de siembra a hileras más estrechas que a 52 cm
y con distribuidores de tipo placa, mecánicos ó neumáticos.
La densidad de siembra es la práctica de manejo menos importante y depende
de todas las decisiones previas y es la encargada de dar el ajuste final a la
distribución espacial de plantas. Al igual que con el espaciamiento entre surcos, el
incremento de la densidad de siembra es más importante en FS muy tempranas o
tardías y para los cultivares de ciclo más corto.
5- Utilización de la agricultura de precisión en el manejo del cultivo de soja:
La utilización de la agricultura de precisión, para la elaboración de estrategias

de manejo, pueden ser muy diferentes para los cultivos de soja y maíz.
En el del cultivo de maíz las prácticas habituales de manejo sitio específico son
el cambio del híbrido, densidades de siembra y la fertilización, sobre todo nitrogenada,
la que a su vez se puede llevar a cabo durante el transcurso del cultivo y a veces en
función de la evolución del mismo.
En el cultivo de soja la situación es totalmente diferente, en cuanto a la
nutrición nitrogenada porque gracias a la fijación simbiótica, es posible obtener hasta
el 80 por ciento de los requerimientos del cultivo, reduciendo la dependencia del
nitrógeno del suelo. Atendiendo a que la fijación biológica, también está fuertemente
condicionada por la disponibilidad hídrica, cuando el cultivo de soja cuenta con una
adecuada disponibilidad de agua (precipitaciones, riego ó napa freática), soluciona en
gran medida su demanda nitrogenada, incrementa su crecimiento y esto le permite
mejorar la captura de los recursos (radiación, agua y nutrientes).
En cuanto a la densidad de siembra, es un cultivo mas plástico que el maíz,
presentando un rango amplio de densidad a la cual el rendimiento no varía
significativamente y compensa muy bien posibles deficiencias ya sean por exceso o
por defecto los posibles desajustes en este ítem.
Queda entonces como variable común al cultivo de maíz para ajustar el
cambio de material genético (la oferta genética en soja es muy amplia y diversa,
posibilitando contar con un cultivar para cada ambiente) y dada su gran plasticidad
tiene un elemento de manejo propio que es la fecha de siembra debido a que posee
una gran ventana de siembra que puede llegar a los 120 días en la región central del
país.
En la mayor parte del área de siembra de soja de Argentina, los cultivares más
difundidos corresponden al GM IV largo. En ambientes de alta calidad, estos
cultivares pueden presentar tendencia al vuelco y por lo tanto no expresan todo el
potencial productivo de esos lugares, hay varias maneras de corregir esa situación.
De acuerdo con la calidad del sitio, se puede elegir una variedad de ciclo similar en la
misma fecha pero con menor crecimiento, o bien la misma variedad pero adelantando
la fecha de siembra de manera de suprimir el crecimiento excesivo y por lo tanto el

vuelco y los problemas sanitarios. Si el ambiente aún provoca vuelco la elección sería
utilizar un cultivar de ciclo más corto.
En campos ondulados de la zona sur de Córdoba, es frecuente encontrar
suelos francos a franco arenosos con una freática cercana en los sectores bajos y en
las lomas suelos muy arenosos donde la freática está a mayor profundidad. En este
tipo de ambientes los planteos de agricultura por ambiente para el cultivo de maíz,
generalmente se llevan adelante, utilizando en los bajos híbridos con mayor potencial
de rendimiento, mayores densidades y más fertilizante y lo opuesto en las lomas.
En el caso del cultivo de soja, generalmente se utiliza un solo cultivar de GM IV
largo, que presenta vuelco en los bajos y no llega a cubrir el surco en las lomas, con
rendimientos promedios aceptables y el modo de optimizar la producción y mejorar los
promedios de rendimiento, se recomienda para los sectores bajos donde el aporte de
la napa freática garantiza el aporte de agua y el suelo tiene una buena capacidad de
almacenaje y fertilidad, se deberían utilizar cultivares de GM III o bien GM IV de
menor altura en fecha óptima o GM IV de mayor crecimiento en fecha temprana, de
manera de elevar los rindes máximos. En las lomas donde hay menos capacidad de
almacenaje de agua y una fertilidad menor, y como consecuencia un menor
crecimiento, la recomendación sería un cultivar de GM V de buen porte (determinado
o indeterminado) en fecha óptima para subir el piso de rendimiento; si la profundidad
de la napa freática fuera tal que existe la posibilidad de alcanzarla se podría lograr
con un GM V indeterminado en fecha temprana (mayor profundidad de raíces por
mayor ciclo y por alargamiento de ciclo) optimizando al máximo el rendimiento.
Comentarios
El aporte fundamental de la agricultura de precisión en el manejo del cultivo de

soja, es que posibilita profundizar el conocimiento del ambiente de producción. La
adecuada caracterización de los ambientes presentes en cada establecimiento y lote
de producción, es la llave para interpretar el potencial productivo de los mismos.
Conocer exactamente sus potencialidades y limitaciones llevarán a la correcta
elección de fecha de siembra y del material genético que mejor se adapte a cada
situación para conseguir el máximo rendimiento posible.

DESARROLLO Y APLICACIÓN DE NUEVAS HERRAMIENTAS DE
TELEDETECCIÓN EN EL ESTUDIO DE AMBIENTES
Carlos M. Di Bella; Alejandra C. Kemerer; César M. Rebella; Arturo E. Melchiori; Juan

Esteban Mosso y Juan Manuel Reta
Instituto de Clima y Agua – INTA Castelar – CIRN
La agricultura de precisión consiste en la aplicación de herramientas y

principios para manejar la variabilidad espacio-temporal asociada a los aspectos de la
producción agrícola (Pierce y Nowak, 1999). Diferentes enfoques se han empleado en
el manejo de la variabilidad espacial. Uno de los más ampliamente difundidos ha sido
el “manejo por ambientes” o “zonas de manejo”; entendiéndose por tal a la
delimitación de subregiones dentro de los lotes que expresan una combinación
relativamente homogénea de factores de rendimiento para los que es apropiada una
proporción única de insumos (Doerge, 1999). Las características de homogeneidad
dentro de las subregiones conducirían a los mismos resultados en cuanto a
rendimiento potencial del cultivo, eficiencia de uso de insumos o impacto ambiental
(Luchiari et al., 2000).
La delimitación de ambientes no es una tarea menor y muchos trabajos se han
enfocado en analizar los distintos aspectos que se deben considerar en dicho
proceso. Entre ellos cabe mencionar el tipo y cantidad de capas de información a
emplear, el método a aplicar para la clasificación de la información, el número de
ambientes a definir y la estabilidad espacio-temporal de los ambientes definidos.
El tipo y cantidad de capas de información a emplear ha sido uno de los
aspectos más estudiado. Se ha evaluado la utilización de una sola capa de
información o varias, vinculándolas a través de un sistema de información geográfica
(SIG). Ésta última alternativa permite una representación más clara de la realidad;
pero requiere la aplicación de métodos de análisis más sofisticados que permitan
resumir y clasificar dicha información. La información que comúnmente ha sido
utilizada para la delimitación de ambientes puede ser agrupada en: datos de suelo,
entre ellos mapas topográficos y de posición en la pendiente vinculados a la
disponibilidad de agua (Franzen et al., 1998; Jones et al., 1989; Jaynes et al., 1994 y
Sudduth et al., 1997), datos de profundidad del horizonte superficial, mapeo de
nutrientes y de contenido de materia orgánica (Mulla, 1991; Flowers et al., 2005),
determinaciones de la conductividad eléctrica, asociada al contenido de arcilla y
humedad (Taylor et al., 2003; Johnson et al., 2003; Kitchen et al., 2005), y el
contenido de materia orgánica estimada indirectamente a partir de sensores remotos
(Bhattí et al., 1991). Otra aproximación ampliamente utilizada ha sido a través de
mapas de rendimiento, con datos de una o varias campañas, como información cruda
o normalizada a través de la media, valores máximos, etc. (Whelan et al., 2002;
Franzen y Nanna, 2002; Hornung et al., 2003; Jaynes et al., 2005; Mulla y Bhatti,
1997). Cabe destacar también la utilización de índices espectrales obtenidos a partir
de imágenes satelitales o fotografías aéreas durante el ciclo de crecimiento del
cultivo, generalmente empleados como estimadores de biomasa y rendimiento (Layrol
et al., 2000; Rydberg y Soderstrom, 2000; Schepers et al., 2000; Kemerer, 2003).
Finalmente, se puede mencionar la vinculación de la experiencia del productor con
información topográfíca e imágenes de suelo desnudo (Fleming et al., 2000).
En cuanto a los métodos empleados para la delimitación de ambientes, uno de
los más difundidos ha sido el análisis de cluster que consiste en la identificación de
los grupos naturales existentes en el conjunto de datos de manera tal que las
diferencias dentro de cada grupo son minimizadas y se maximizan las diferencias
entre grupos, asignándose cada punto o píxel a una clase en particular (Johnson et
al., 2003; Ortega y Santibáñez, 2007). Una variante al análisis de cluster es la

clasificación difusa, que en lugar de clasificar cada punto a una clase, determina un
porcentaje de pertenencia a cada una de ellas y a través de una serie de índices
permite seleccionar el número óptimo de zonas, que determina la asignación final de
los puntos a las clases (Fridgen et al., 2004). Otros métodos empleados han sido el
análisis de componentes principales o análisis discriminante, que permiten resumir un
conjunto de variables en un nueva a través de una serie de coeficientes, los que
posteriormente son utilizadas en la clasificación (Jaynes et al., 2005; Ortega y
Santibáñez, 2007), y finalmente métodos que consideran el coeficiente de variación
de cada capa de datos incluida en el análisis (Flowers et al., 2005; Ortega y
Santibáñez, 2007).
La identificación del número de ambientes y su tamaño es una de las
cuestiones más críticas debido a que está fuertemente relacionada a la variabilidad
existente a nivel de lote, pero limitada por la capacidad operativa de la maquinaria
disponible. Por otro lado, el número de zonas está asociado también al método
empleado para la clasificación. Algunos de ellos requieren un número establecido de
ambientes, para lo cual se necesita tener un conocimiento previo de las
características del lote, sin embargo se puede incurrir en el error de sobre o
subestimar la cantidad de zonas (Flowers et al., 2005; Taylor et al., 2003). Otros
permiten la evaluación de índices relacionados a la variabilidad generada en el
sistema con diferente número de ambientes, pudiéndose seleccionar el número más
adecuado (Fridgen et al., 2004; Jaynes et al., 2005). De todos modos, más allá del
resultado determinado por la clasificación una alternativa práctica consiste en
reagrupar zonas con características similares para reducir su número según la
capacidad operativa del sistema. Por último, la estabilidad temporal de los ambientes
definidos está asociada a las características particulares de cada lote productivo, con
resultados muy dispares, siendo relativamente estables en algunos casos (Jaynes et
al., 2005) y en otros muy variables, asociado principalmente al tipo de información
utilizada para su delimitación (Taylor et al., 2003; Kemerer, 2003).
Los antecedentes presentados muestran que existe información abundante
vinculada a este sistema de manejo, sin embargo los resultados son muy variados y
no se pueden generalizar. Cada situación requiere de un análisis particular, donde se
integren diferentes fuentes de información, se seleccione la metodología adecuada y
fundamentalmente se analicen los costos y beneficios asociados. Esto plantea un
desafío tanto para los productores interesados en aplicar este sistema de manejo
como para los técnicos responsables de la selección y tratamiento de la información.
En el Instituto de Clima y Agua de INTA Castelar se están evaluando nuevas
herramientas para la adquisición de información que pueda ser aplicada en la
delimitación de ambientes. Recientemente se ha adquirido un avión equipado con
diferentes instrumentos que permitirá generar capas de información con resolución
espacial variable de acuerdo a la altura de vuelo (figura 1). La ventaja principal es que
mediante un sólo vuelo se puede obtener un número importante de capas de
información independientes, en un mismo momento y con igual resolución, lo que
facilita el tratamiento posterior de la información.

Medidor de
GPS
Radiación Neta
Medidor
de PAR
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)
Corial Stations 26.00

41.80 25.00
24.00
R EM S
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
Figura 2. a) Mapa de predicción de rendimiento de trigo (qq/ha) generado a partir de índices

espectrales y b) función de predicción del contenido de proteína en grano de trigo (ss) a
partir de índices espectrales
A su vez, mediante ensayos realizados en INTA con sensores hiperespectrales

se está evaluando la utilidad de los índices espectrales para el diagnóstico de la
fertilización nitrogenada. Se compara la capacidad predictiva de diferentes índices
espectrales a los cambios en las variables de cultivo generadas por fertilización
nitrogenada y densidad de plantas en maíz en diferentes momentos del ciclo del
cultivo. Los resultados obtenidos hasta la fecha indican que existen diferencias
importantes entre los índices valuados, por ejemplo, el Índice de Vegetación de
Diferencia Normalizada (NDVI) presenta una asociación fuerte con el IAF pero
alcanza la saturación para valores de IAF superiores a tres, en cambio el índice
conocido como Punto de Inflexión del Borde Rojo (REIP) presenta una relación lineal
con el IAF, permitiendo su uso durante todo el ciclo del cultivo para la predicción de
esta variable (figura 3 a y b).

1 730
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
Figura 3. Relación entre el IAF y a) NDVI; y b) REIP

De esta manera, se pueden mencionar dos ventajas importantes relacionadas
con la información derivada de los índices espectrales. Por un lado, pueden utilizarse
para evaluar diferencias en cuanto a condición de sitio, facilitando la delimitación de
ambientes en campañas futuras. Por otro lado, permiten la evaluación de la condición
actual del cultivo y la planificación de tareas como fertilizaciones tardías o la
delimitación de zonas de cosecha con diferente contenido de proteína en grano.
Otro instrumento disponible es una cámara térmica Flir SC500 con rango de
medición de 7.5 – 13.0 µm. Esta cámara permite obtener información de temperatura
de superficie (Ts) y por lo tanto puede ser utilizada para determinar el grado de estrés
hídrico a nivel de lote y su variabilidad espacial (figura 4b). Esta información es de
utilidad para determinar requerimientos de riego, así como, vinculada a la información
espectral, permite mejores resultados en las estimaciones de variabilidad de
rendimiento y contenido de proteína en grano. Puede ser de utilidad para evaluar
incidencia de plagas o enfermedades en momentos tempranos, ya que el daño
generado determina variaciones de temperatura fácilmente detectables aún cuando
los daños visibles no son importantes.
A su vez el avión está equipado con un medidor de flujo de gases móvil,
LICOR 7500 IRGA, que permite mediciones de flujo evaporativo de vapor de agua
(figura 4c), flujo de calor (figura 4d) y CO2. La vinculación de la información disponible
a través de modelos adecuados permite obtener una representación clara del estado
del cultivo, condición nutricional, biomasa generada, así como evaluar su contenido
hídrico, generar mapas de evapotranspiración y estrés hídrico. Esta información
serviría como base para determinar variaciones de calidad de sitio a través del
análisis de la condición del cultivo durante el ciclo de crecimiento, que puede ser
aplicada en la delimitación de ambientes. A su vez esta información puede ser
utilizada para la toma de decisiones de manejo en la campaña bajo evaluación.

a) b)
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.

Figura 5. Mapa de altimetría obtenido con altímetro láser (©Terrasystem SRL)
Hasta aquí se han analizado diferentes aspectos relacionados a la delimitación

de ambientes, lo que representa sólo el paso inicial en la aplicación de este sistema
de manejo. Una vez delimitados correctamente los ambientes, éstos deben ser
manejados de manera independiente, ajustando la utilización de insumos de acuerdo
al potencial de cada uno. Resulta necesario por lo tanto evaluar la disponibilidad de
nutrientes mediante muestreos dirigidos de suelo o a través de mediciones realizadas
a nivel de cultivo dentro de cada zona. Las metodologías y herramientas que se han
aplicado tradicionalmente en el manejo uniforme son útiles también en las
evaluaciones a nivel de ambiente.
Actualmente se está trabajando en el desarrollo de una herramienta nueva
para el diagnóstico de la fertilización nitrogenada. Esta herramienta es un fluorímetro
portátil, generado como una aplicación alternativa a las mediciones de reflectancia
que se pueden obtener con un radiómetro hiperespectral, es decir, en lugar de realizar
determinaciones de reflectancia se evalúa la fluorescencia de la clorofila a nivel de
hoja.
La fluorescencia de la clorofila es un mecanismo utilizado por las plantas para disipar
la energía en exceso que no puede ser canalizada hacia fotosíntesis. En los
cloroplastos presentes en las hojas de las plantas se encuentran un conjunto de
moléculas de clorofila y otros pigmentos reunidas en unidades funcionales llamadas
fotosistemas. La radiación fotosintéticamente activa incidente excita estos pigmentos
permitiendo que se desarrollen las diferentes etapas del proceso fotosintético.
Una adecuada provisión de N permite el normal desenvolvimiento del complejo
de proteínas que controlan la fotosíntesis debido a que gran cantidad del nitrógeno
presente en la hoja forma parte de la clorofila y de las proteínas fotosintéticas como la
RuBisco (Evans, 1989). En condiciones de estrés nutricional de nitrógeno se limita la
habilidad de las plantas para utilizar la luz absorbida produciéndose sobreexcitación
de los fotosistemas, incluso a intensidades moderadas de luz (Demming-Adams y
Adams 1992). Sin embargo, los organismos fotosintéticos han desarrollado
mecanismos de protección tendientes a evitar o disminuir los efectos de la absorción
excesiva de luz a través de la disipación como calor o emisión de fluorescencia (figura
6).

Clorofila
excitada
1) Fotosíntesis (qP)
3)
O2 * 2) Calor (NPQ)
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.
Pueden distinguirse dos tipos de fluorescencia (figura 7), la producida por la

radiación ultravioleta, con máximos en 440 nm (azul) y 520 nm (verde) y la
fluorescencia de la clorofila, con máximos en 680 nm (rojo lejano) y 740 nm (infrarrojo
cercano). La emisión de fluorescencia en el azul y el verde ha sido atribuida a la
RuBisco y a las proteínas de las plantas que contienen aminoácidos aromáticos (Corp
et al., 1997). En cambio, la emisión de fluorescencia en el rojo y rojo lejano es
inducida por la radiación visible y es atribuida enteramente a las clorofilas
(Buschmann y Lichnthaler, 1998).
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).

Figura 8 a) Relación entre el cociente de fluorescencia de la clorofila F735/F700 excitada con láser
de 430 nm de longitud de onda y el contenido de clorofila en hoja, extraído de Gitelson et
al (1999) b) relación entre el cociente de fluorescencia obtenida por la excitación con
pulsos de láser de longitudes de onda 360 y 440 nm y el contenido de N en hoja, extraído
de Samson et al (2000)
El objetivo de desarrollar un fluorímetro portátil es evaluar la posibilidad de

determinar eficientemente la fluorescencia de la clorofila utilizando una fuente de luz
adecuada y midiendo la señal generada con un radiómetro hiperespectral en el rango
de 680 nm y 730 nm, porción correspondiente a la fluorescencia de la clorofila. Se
analiza la posibilidad de identificar un índice o relación de bandas que resulte útil para
el diagnóstico de la nutrición nitrogenada. Una vez identificadas las bandas de mayor
utilidad se puede desarrollar un sensor con las mismas, de costo significativamente
menor al que representa un radiómetro y de mayor practicidad para mediciones a
campo.
Finalmente, a partir del análisis realizado se puede concluir que existen
numerosas herramientas y metodologías de aplicación, así como variantes en cuanto
al tratamiento de la información disponible para la delimitación de ambientes y su
manejo posterior. Se presentaron dos herramientas nuevas sobre las que se está
trabajando, que presentan un potencial importante para la delimitación de ambientes,
el seguimiento y evaluación de cultivos, las que podrán ser incorporadas en el futuro
para la toma de decisiones en los sistemas productivos que implementan tecnologías
de agricultura de precisión.
Agradecimientos
Los actividades mencionadas son realizadas con fondos del Proyecto

Específico Desarrollo y Aplicación de la Tecnología de Agricultura de Precisión para el
Manejo de Cultivos AEAI3722, Proyecto Específico Desarrollo Metodológico y
aplicaciones de Sensores Remotos a la Producción Agropecuaria y Forestal
AERN4642, Proyecto Específico Geomática Aplicada AERN4, de INTA
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.

Corp, L.A.; McMurtrey, J.E.; Chappelle, E.W.; Daughtry, C.S.T. and M.S. Kim. 1997.
UV band fluorescence (in vivo) and its applications to the remote assessment
of N fertilization level. Remote Sensing of Environment. 61: 110– 117.
Demming-Adams, B. and W.W. Adam III. 1992. Photoprotection and other responses
of plants to high light stress. Annual Review of Plant Physiology and Plant
Molecular Biology. 43:599-626
Doerge, T. A, 1999. Management zone concepts. SSMG-2. In: Information Agriculture
Conference, August 9-11, 1999, Stewart Center, Purdue, IN.
Esposito, M.; Magliulo, V.; Colin, J. and M. Menenti. 2006. Mapping heat flux densities
at high spatial resolution with the multispectral image data and using the Multi
Scale Energy Balance System. Open Science Conference on the GHG Cycle in
the Northern Hemisphere Sissi-Lassithi, Crete, CarboEurope-IP Meeting .
Evans, J. 1989. Partitioning of Nitrogen Between and Within Leaves Grown under
Different Irradiances. Australian Journal of Plant Physiology. 16: 533-48
Fleming, K.L; Westfall, D.G.; Wiens, D.W.; and D.C. Brodahl. 2000. Evaluating Farmer
Defined Management Zone Maps for Variable Rate Fertilizer Application.
Precision Agricultur. 2: 201-215.
Flowers, M.; Weisz, R. and J. G. White. 2005. Yield-Based Management Zones and
Grid Sampling Strategies: Describing Soil Test and Nutrient Variability.
Agronomy Journal. 97:968–982
Franzen, D.W.; Halvorson, A.D.; Krupinsky, J.; Hofman, V.L. and L.J. Cihacek. 1998.
Directed sampling using topography as a logical basis. In Proc of the 4th
International Conference on Precision Agriculture and Other Resource
Management. ASA/CSSA/SSSA, Madison, WI, USA.
Franzen, D.W. and T.N. Nanna. 2002. Management zone delineation methods. In:
Proc of the 6th International Conference on Precision Agriculture and Other
Resource Management. ASA/CSSA/SSSA, Madison, WI, USA.
Fridgen, J.J.; Kitchen, N.R.; Sudduth, K.A.; Drummond, S.T.; Wiebold, W.J. and C.W.
Fraisse. 2004. Management Zone Analyst (MZA): Software for Subfield
Management Zone Delineation. Agronomy Journal. 96:100–108.
Gitelson, A.; Buschmanm, C. and H. Lichtenhaler. 1999. The Chlorophyll fluorescence
Ratio F735/F700 as an accurate measure of the chlorophyll content in plants.
Remote Sensing of Environment. 69:296–302
Hornung, A.; Khosla, R.; Reich, R. and D.G. Westfall. 2003. Evaluation of site-specific
management zones: grain yield and nitrogen use efficiency. In: Proc of the
Fourth European Conference on Precision Agriculture, Wageningen, The
Netherlands.
Jaynes, D.B.; Colvin, T.S. and J. Ambuel. 1994. Yield mapping by electromagnetic
induction. In: Site-specific management for agricultural systems. Proc. Minn,
MN, 27-30 Mar. ASA/CSSA/SSSA, Madison, WI, USA.
Jaynes, D.B.; Colvin, T.S. and T.C. Kaspar. 2005. Identifying potential soybean
management zones from multi-year yield data. Computers and Electronics in
Agriculture 46:309–327
Johnson, C.K.; Mortensen, D.A.; Wienhold, B.J.; Shanahan, J.F. and J.W. Doran.
2003. Site-Specific Management Zones Based on Soil Electrical Conductivity in
a Semiarid Cropping System. Agronomy Journal. 95:303–315
Jones, A. J.; Mielke, L. N.; Bartles, C. A. and C. A. Miller, 1989. Relationship of
landscape position and properties to crop production. Journal of Soil and Waer
Conservation. 44: 328-332.
Kemerer, A. 2003. La utilización de imágenes satelitales en Agricultura de Precisión
como herramienta para delimitar zonas de manejo uniforme. Tesis de grado.
Facultad de Agronomía, Universidad Nacional de Entre Ríos
Kitchen, N.R.; Sudduth, K.A.; Myers, D.B.; Drummond, S.T. and S.Y. Hong. 2005.
Delineating productivity zones on claypan soil fields using apparent soil

electrical conductivity. Computers and Electronics in Agriculture. 46 (1-3):285-
308.
Ortega, R. A and O. A. Santibañez. 2007. Determination of management zones in corn
(Zea mays L.) based on soil fertility. Computers and Electronics in Agriculture
58: 49–59.
Pierce F. J., and P. Nowak, 1999. Aspects of precision agriculture. In: D. Spark (Ed)
Advance in Agronomy 67, Academic Press. P 1-85.
Layrol, L.; Hedoin, E.; Lepoutre, D. and O. François. 2000. Matching multitemporal
yield and images data. In: Proc. 5th International Conference on Precision
Agriculture. Precision Agriculture Center, ASA, CSSA and SSSA, MN.
Luchiari, A. Jr.; Shanahan, J.; Francis, D.; Schlemmer, M.; Schepers, J.; Liebig, M.;
Schepers, A. and S. Payton, 2000. Stategies for establishing management
zones for site specific nutrient management. In: Proc. 5th International
Conference on Precision Agriculture. Precision Agriculture Center, ASA, CSSA
and SSSA, MN.
Moya, I.; Camenen, L.; Evain, S.; Goulas, Y.; Cerovic, Z.G.; Latouche, G.; Flexas, J.
and, A. Ounis. 2004. A new instrument for passive remote sensing 1.
Measurements of sunlight-induced chlorophyll fluorescence. Remote Sensing
of Environment. 91:186–197.
Mulla, D.J., 1991. Using geostatistics and GIS to manage spatial patterns in soil
fertility. In: Kranzler, G. (Ed.), Automated Agriculture for the 21st Century.
ASAE, St. Joseph, MI, USA.
Mulla, D.J., and A.U. Bhatti. 1997. An evaluation of indicator properties affecting
spatial patterns in N and P requirements for winter wheat yield. In: 1st
European Conference of Precision Agriculture, Warwick Univ., UK. Bios
Scientific Publ. Oxford, Herndon, VA.
Rydberg, A. and M. Söderström. 2000. Potential crop growth assessment from
remotely sensed images compared to ordinary yield maps. In: Proc. 5th
International Conference on Precision Agriculture. Precision Agriculture Center,
ASA, CSSA and SSSA, MN.
Samson, G.; Tremblay, N.; Dudelzak, A.E.; Babichenko, S.M.; Dextraze, L. and J.
Wollring. 2000. Nutrient stress of corn plants: early detection and discrimination
using a compact multiwavelength fluorescent LIDAR. In: Proc. 20th EARSeL
Symposium, Dresden, Germany.
Schepers, J.S., M.R. Schlemmer, and R. B. Fergunson. 2000. Site-specific
considerations for managing phosphorus. Journal of Environment. Quality.
29:125-130.
Sudduth, K.A.; Drummond, S.T.; Birrell S.J. and N.R. Kitchen, 1997. Spatial modeling
of crop yield using soil and topographic data. In: Proc. 1st European Conference
on Precision Agriculture. Vol 1. Warwick University Conference Centre, United
Kigdom.
Taylor, J.C.; Wood, G.A; R. Earl and R.J. Godwin. 2003. Soil factors and their
influence on within-yield crop variability. Part II: Spatial Analysis and
Determination of Management Zones Biosystems Engineering. 84 (4): 441–453
Whelan, B.M.; Cupitt, J.; McBratney, A.B. 2002. Practical definition and interpretation
of potential management zones in Australian dryland cropping. In: Proceedings
of the 6th International Conference on Precision Agriculture and Other
Resource Management. Madison, WI, USA.

ENFOQUES DEL MANEJO SITIO ESPECÍFICO DE FÓSFORO EN MAÍZ Y SOJA:
COMPARACIÓN DE APLICACIÓN VARIABLE VS. UNIFORME
Dr. Manuel Bermúdez

Consultor Privado
manuelber@msn.com
Introducción
Un programa efectivo de manejo de fósforo (P) para cultivos requiere de una

estimación creíble del P disponible para la planta en el suelo. El análisis de suelo es la
herramienta más común para determinar los requerimientos de fósforo para maíz y
soja. Los niveles de P en el suelo, la remoción de P en el grano a la cosecha y la
necesidad de reponer este nutriente al suelo a través de fertilizaciones no son
uniformes para un mismo lote.
Tradicionalmente, la aplicación de P se realizaba con una dosis única y uniforme en
todo el lote. Considerando la muy alta variabilidad de P que se puede encontrar en la
mayoría de los lotes, las aplicaciones uniformes pueden tender a sobre-fertilizar
algunas áreas y sub-fertilizar otras. La agricultura de precisión y el manejo de sitio
específico proveen una oportunidad para mejorar el manejo de P en la agricultura. La
agricultura de precisión envuelve un amplio espectro de tecnologías, conceptos y
prácticas de manejo. Sistemas de posicionamiento global (GPS), tecnología de
aplicación variable (VRT) y sistemas de información geográfica (GIS) permiten
obtener una identificación más precisa de los niveles de nutrientes en el suelo y
ajustar las dosis de fertilizantes dentro del lote. Más aún, el desarrollo de tecnologías
de aplicación variable permite ir cambiando las dosis de fertilizante a medida que la
fertilizadora avanza y a su vez realizar un mejor control de las dosis aplicadas en
determinadas áreas un lote. En teoría, esta tecnología podría mejorar tanto la
eficiencia en el uso del fertilizante como también la rentabilidad del productor.
Ahora bien, una de las tareas más difíciles de un productor o técnico es la de obtener
una estimación correcta del nivel de fertilidad del suelo de un lote. El éxito del uso de
la agricultura de precisión se basa en la habilidad del muestreo de suelos de
identificar áreas dentro de un lote que tengan probabilidad de repuesta a la aplicación
de fertilizante y áreas que no tengan respuesta. Además, el muestreo debe también
considerar la relación costo-beneficio cuando se trata de describir la variabilidad del
análisis de suelo dentro de un mismo lote. Las investigaciones en USA han
demostrado que el muestreo en grilla, si bien describe muy bien parte de la
variabilidad del lote, requiere mucho tiempo y es muy caro. En contrapartida, varios
investigadores han propuesto el muestreo por zonas basado en propiedades del suelo
que son más estables en el tiempo con el único objetivo de reducir el costo de
muestreo. Mientras se han propuesto varias alternativas de muestreo, el desafío
radica en poder testear estos muestreos en términos de respuesta en rendimiento a la
aplicación del fertilizante.
El objetivo de esta presentación es brindar una recopilación de las principales
alternativas de muestreo de suelos para P y a su vez evaluar su eficacia en respuesta
a la aplicación variable y uniforme de P para maíz y soja.
Variabilidad espacial y temporal de P en el suelo
Un concepto básico de la agricultura de precisión es que la descripción apropiada, el

registro de datos y también el entendimiento de la variabilidad espacial y temporal
permiten el manejo preciso de entradas de insumos al sistema. El manejo del P y la
variabilidad del nivel del P en el suelo fueron el enfoque temprano de la agricultura de

precisión ya que el uso del análisis de suelo para P ha sido ampliamente adoptado
por productores de USA, puede ser usado en diferentes escalas y es fácilmente
adaptado al manejo sitio específico.
Las propiedades físicas y químicas del suelo pueden producir variabilidad tanto en
rendimiento como en el P disponible para la planta afectando la cantidad total de P en
el suelo, la fracción de P disponible para el cultivo y las posibles pérdidas desde la
zona de raíces (Mulla y Schepers, 1997). La variabilidad en las propiedades del suelo
puede ocurrir en varias escalas, desde decímetros a escalas regionales. Los técnicos
están interesados especialmente en la variabilidad de nutrientes dentro de un mismo
campo. La variabilidad del suelo emerge naturalmente a través de interacciones
complejas entre factores naturales y de manejo (Bouma y Finke, 1993). Los factores
naturales incluyen aquellos involucrados en la formación del suelo como ser tiempo,
material parental, topografía, clima y actividad de organismos. Prácticas de manejo
como arado, fertilización, aplicación de efluentes, y otros pueden afectar intensamente
los patrones de variabilidad de las propiedades físicas y químicas del suelo. La
variabilidad espacial-temporal de las propiedades del suelo pueden ser relativamente
estáticas (por ej. textura, materia orgánica y los nutrientes mas inmóviles) o muy
dinámicas (por ej. humedad, temperatura y nutrientes móviles) (Bouma y Finke, 1993).
Por lo tanto, los patrones de variabilidad espacial y temporal, y el método más
apropiado para evaluar y manejar la variabilidad difieren considerablemente para
diferentes propiedades del suelo.
Muchos estudios se hicieron en distintos países para describir la variabilidad del nivel
de P en el suelo y su relación con otras propiedades del suelo. Estos estudios han
demostrado, como era de esperar, que las relaciones entre el nivel de P en el suelo o
rendimiento y otras propiedades del suelo varían de campo en campo. Se sabe que
muchas propiedades del suelo influencian directa o indirectamente ya sea la
concentración total de P en el suelo o el P disponible en plantas en los primeros
centímetros del suelo, pero los responsables de la variación del nivel de P en el suelo
en un campo en particular varían considerablemente a través de las regiones. La
variabilidad del nivel de P en el suelo dentro de un campo ha sido asociada
principalmente a variaciones en la textura del suelo, pH, contenido de Ca o CaCO3 y
materia orgánica. Interrelaciones complejas entre el nivel de P en el suelo, estas
propiedades del suelo y otras han sido investigadas pero en general no pueden ser
explicadas fácilmente y probablemente resultan de la influencia de variables no
medidas. Sin embargo, una conclusión general de todos los estudios es que se
necesita una consideración de la variación de las propiedades del suelo para
comprender la variabilidad del nivel de P en el suelo a través de un campo.
La variabilidad del nivel de P en el suelo puede ser muy alta aún dentro de campos
que parecen ser uniformes en otras propiedades del suelo, y tiende a ser todavía más
alta en campos con varios años de cultivos y fertilización. También se observa una
alta variabilidad de P en el suelo en pasturas que han sido fertilizadas y pastoreadas.
Como conclusión se dice que la estructura espacial del análisis de suelo es específica
para cada lote y para cada nutriente en estudio.
Métodos de muestreo de suelos para P en agricultura de precisión
Se pueden utilizar diferentes esquemas de muestreo de suelos para colectar las

muestras de P de un lote. En USA el reconocimiento de una alta variabilidad en los
niveles de análisis de P en el suelo no asociado con los tipos de suelos o topografía
llevó al uso del muestreo en grilla para caracterizar esta variabilidad (Franzen y Peck,
1995; Wollenhaupt y col., 1994). La intensidad de muestreo en grilla requerida para
una prescripción efectiva con dosis variable es diferente para cada nutriente, lote o
región geográfica. Pero queda claro que si el muestreo de P se realiza con grillas muy

grandes se pueden encontrar bajas correlaciones cuando los resultados se comparan
con muestreos en grilla de menor tamaño. Como resultado, las interpolaciones que se
realizan para lograr mapas de prescripción de P pueden resultar inadecuadas dando
lugar a recomendaciones de fertilidad erróneas. A modo de ejemplo, en Iowa, USA,
tamaños de celda de 1 ha es lo que comúnmente se utiliza para muestreos de suelo
donde quieren utilizarse dosis variable de P.
En contraste al muestreo en grilla, muchos investigadores empezaron a proponer el
muestreo por zonas para reducir el número y costo de muestreo, siempre y cuando se
mantenga información aceptable acerca de la variabilidad del nutriente en el lote.
Franzen y Nanna (2002) justifican el muestreo por zona si se asume que hay una
razón lógica para seguir un patrón en que los nutrientes se encuentran en el lote y
que este patrón permanezca estable por un período de tiempo. Si se dan estas
características, la determinación de zonas de muestreo puede variar enormemente
dependiendo de los criterios, atributos o combinación de atributos que cada técnico o
productor quiera utilizar.
Una de las técnicas más antiguas de muestreo de suelos por zonas es siguiendo el
mapa de tipo de suelo que en USA describe la variabilidad del suelo en una escala
que va de 1:12000 a 1:24000. Una técnica más reciente de muestreo por zonas es a
través de la medición de la conductividad eléctrica (EC) del suelo. La información que
se obtiene es estable, se mantiene de forma temporaria y sirve para encontrar
diferentes patrones de variabilidad en el suelo (Fraisse y col., 2001). Esta técnica está
ganando mucha popularidad para delinear zonas de muestreo.
El uso de mapas de rendimiento de un lote es otra técnica que se está utilizando para
delinear zonas de muestreo. Con esta técnica se requieren varios años de mapas de
rendimiento del mismo lote para poder determinar en forma certera patrones de
variabilidad en rendimiento dentro del mismo lote. En un estudio de Boydell y
McBratney (2002) se concluyó que para lograr una zona con un patrón de rendimiento
estable se necesitan por lo menos cinco años de mapas de rendimiento.
Hay varias otras aproximaciones utilizadas para delinear potenciales zonas de
muestreo y también utilizadas por productores. Algunas de ellas integran uso de
sensores remotos, topografía y conductividad eléctrica; cokriging basado en sensores
remotos; topografía, sensores remotos y experiencia del productor; color del suelo, EC
y experiencia del productor; y una integración de mapa de suelo, elevación, zonas de
rendimiento y fotografías aéreas.
Resumiendo, el muestreo en grilla y el muestreo por tipo de suelo y topografía son las
metodologías de muestreo más antiguas y más usadas en USA para determinar P en
el suelo. El muestreo por zonas basadas en la interpretación de varias capas de
información se ha empezado a usar y recomendar en la agricultura de USA a fin de
encontrar un equilibrio razonable en el costo-beneficio del muestreo. No obstante, la
efectividad de estos muestreos sigue siendo incierta y no existe un único método de
muestreo que sea superior a otro para describir la variabilidad de P en el suelo de una
forma costo-efectiva a través de todas las condiciones.
Para estudiar el problema, Sawchik y col. (2002) utilizaron en Iowa 4 lotes en rotación
maíz-soja para comparar 5 tipos de muestreos de suelo. Estudiaron la variabilidad de
P en el suelo dentro y entre zonas de muestreo y la respuesta en rendimiento a la
fertilización con P (Tablas 1 y 2). Los esquemas de muestreo fueron: muestreo en
grilla superintensivo de 0.1 ha, muestreo en grilla típico de la zona de 1 ha, muestreo
por tipo de suelo basado en mapas con escala 1:12000, muestreo basado en mapas
de elevación y conductividad eléctrica, y muestreo utilizando acumulación de mapas
de rendimiento del lote. Las ventajas de un muestreo sobre otro se evaluaron en base
a reducir la variabilidad dentro de una unidad de muestreo comparada con variabilidad
entre las unidades de muestreo, y esto varió dependiendo de los lotes. El muestreo en
grilla superintensivo presentó una muy alta variabilidad de P a pequeña escala. A su
vez, fue el único muestreo en todos los campos que disminuyó la variabilidad dentro
de una unidad de muestreo comparada con variabilidad entre las unidades de

muestreo. Cabe destacar que este muestreo resultó ser el de mayor número de
muestras y con un costo muy alto, impracticable para un productor. De las restantes
técnicas de muestreo, las realizadas con mapas de rendimiento fueron las que en la
mayoría de los campos presentaron una menor variabilidad dentro de una unidad de
muestreo comparada con variabilidad entre las unidades de muestreo. Los niveles
promedio de P en el suelo para las distintas zonas resultaron muy similares
independientemente del tipo de zona y casi siempre quedaron en una misma clase de
suelo. Esta es una de las razones por las pocas diferencias encontradas en
rendimiento a través de las zonas de cada muestreo (Tabla 2). Cabe destacar que
aunque el muestreo en grilla de 1 ha fue mejor en identificar distintas clases de P en
el suelo que los muestreos por zona, esto no se vio reflejado en rendimiento cuando
se aplicaron las dosis variables para cada clase (Tabla 1). Los autores concluyeron
que no hay una única recomendación de muestreo que pueda ser aplicada a todos los
lotes porque los niveles de nutriente y la variabilidad es especifica para cada lote. Los
resultados de muestreo de suelos en grilla intensivos junto con los estudios de
aplicación variable de P sugirieron que la variabilidad encontrada en los lotes debido a
largas aplicaciones de fertilizante no pueden ser medidas de forma costo-efectiva. En
general, para todos los lotes el muestreo de mejor costo-efecto es aquel en el que se
pueden definir áreas de muestreo en base a tipo de suelo, mapas de rendimiento,
fotos aéreas y alguna otra información distintiva del lote.
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

Tabla 2. Nivel de P en el suelo e incremento en rendimiento debido a la aplicación de P para
distintas zonas delineadas por tres técnicas de muestreo de suelo (Adaptado de Sawchik y col.,
2002).
Número de zona
1 2 3 4
Nivel Δ en Nivel de Δ en Nivel de Δ en Nivel de Δ en

Técnica de
Sitio de P rendim. P rendim. P rendim. P rendim.
muestreo
(ppm) (%)† (ppm) (%) (ppm) (%) (ppm) (%)
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
Tecnología de dosis variables para aplicación de P
Como se acaba de discutir, el desafío es identificar áreas dentro de un lote con

distintos requerimientos de nutrientes y realizar una fertilización variable con las dosis
óptimas, manteniendo bajos los costos de los análisis de suelo. Varios artículos que
presentan técnicas de muestreo de suelos han demostrado que en muy pocas
excepciones los lotes presentan áreas donde los cultivos requieren la aplicación de P
y áreas donde no se requiere fertilizar. Por lo tanto, muy pocos discuten sobre el valor
de la tecnología de aplicación variable para mejorar el manejo de P. En la actualidad,
la mayoría de las aplicaciones variables comerciales varían las dosis de aplicación de
P basadas en un mapa de prescripción desarrollado a partir del análisis de suelo
obtenido a través de un muestreo en grilla o por zonas.
Una gran cantidad de estudios en USA ha tratado de comparar las diferencias
potenciales que podrían darse en la respuesta en rendimiento de un cultivo o cantidad
de fertilizante aplicada a través de fertilizaciones con dosis uniforme o variable
(Sawyer, 1994; Thompson y Robert, 1995; Penney y col., 1996; Schepers, 2000b). Sin
embargo, estos estudios no dejan de ser simulaciones basadas en la variabilidad de P
en el suelo y rendimiento del cultivo. En general, la mayoría de ellos muestra un
potencial beneficio de la fertilización variable de P pero casi todos coinciden que los
mayores beneficios se pueden lograr sólo cuando se utilizan técnicas de muestreo de
suelos muy intensivas. Y como se describió previamente, la densidad de muestreo de
suelo requerida va mas allá del costo que un productor puede económicamente pagar
para cultivos de tipo extensivo. Por ejemplo, Wollenhaupt y col., (1994) mostraron que
la VRT puede resultar económicamente efectiva en cereales sólo en aquellos lotes

que presenten tipos de suelos que determinen claramente una respuesta contrastante
en la fertilización. Por otro lado, Schepers y col., (2000a y 2000b) mostraron el riesgo
que se corre en realizar mapas erróneos de P en el suelo cuando se tiende a
disminuir la densidad de muestreo. A su vez, Varvel y col. (1999) mostraron que es
mucho más certero y económico realizar un muestreo de P por zonas que realizar un
muestreo con poca densidad de muestras y sin un patrón en particular.
Ensayos a campo que combinan la descripción del análisis de P en el suelo con
medidas de respuesta en rendimiento de un cultivo proveen un valor más real de lo
que ocurre con la aplicación en dosis variable y uniforme de P. Varios estudios han
demostrado que los ensayos a campo a base de franjas largas y angostas se han
adaptado muy bien a herramientas de agricultura de precisión como GPS, monitores
de rendimiento y tecnología de dosis variable. Los primeros ensayos comparaban
dosis múltiples de P aplicadas en franjas y analizaban la respuesta del cultivo de
acuerdo al tipo de suelo. Hoy en día, una evaluación más integral del valor de la
aplicación variable de P para la agricultura resulta de la comparación de dosis
uniforme con dosis variables usando tecnología que ya está disponible para
productores. Los ensayos que comparan métodos de aplicación variable y uniforme
en el centro-oeste de USA no muestran grandes diferencias, como se esperaba, a
favor de la dosis variable. Por ejemplo, Anderson y Bullock (1998) compararon la
aplicación variable y uniforme utilizando mezclas de P y K para rotaciones de maíz y
soja en seis sitios de Illinois, basándose en un muestreo en grilla de 1 ha. Los
resultados indican que no hubo una respuesta a la fertilización, por lo tanto tampoco a
los métodos de aplicación, si bien en los sitios había áreas con cierta probabilidad
(17-78%) de respuesta a P. En otro ensayo de 12 sitios en Indiana, Lowenberg-
DeBoer y Aghib (1999) compararon la respuesta en rendimiento a la fertilización
fosfatada aplicada con una dosis uniforme, una dosis variable basada en muestreo
por tipo de suelo, y una dosis variable basada en muestreo por grilla de 1.2 ha. Los
niveles de P en el suelo tenían un rango que iba de muy bajo a muy alto, pero cuando
se tomaba el promedio de cada lote estaban por encima del nivel óptimo del cultivo. A
través de todos los sitios, la cantidad de fertilizante aplicado con la dosis variable fue
menor a la aplicada con la uniforme. Sin embargo, el análisis económico mostró que
la dosis variable no incrementó las ganancias netas cuando se incluía el costo de la
aplicación y el muestreo de suelos. Considerando las tres estrategias seguidas, el
análisis de riesgo determinó que el muestreo por tipo de suelo era el de menor riesgo
para el productor.
Otro ensayo de Bermudez y Mallarino (2007) en Iowa, comparó una dosis uniforme y
una variable basada en un muestreo en grilla (0.2 ha) para una rotación de maíz-soja.
El objetivo del ensayo fue hacer un seguimiento durante 4 años para poder evaluar la
variabilidad de P en el suelo y la respuesta en rendimiento a los métodos de
aplicación de P. El P aplicado fue basado en los requerimientos para 2 años de la
rotación maíz-soja (se aplicaron 2 veces los tratamientos en 4 años) y se utilizó
fosfato diamónico (DAP) como fuente fosforada. La dosis variable se aplicó en base a
una interpolación de los valores de P en el suelo y varió de 0 a 70 kg P/ha. La dosis
fija se aplicó en base al promedio de P en el suelo de todo el lote y varió de 34 a 70
kg de P/ha de acuerdo a cada sitio. Los resultados promedios de 24 sitios mostraron
que hubo una respuesta a la fertilización fosfatada, pero no hubo diferencias entre los
métodos de aplicación (Figura 1). En el análisis por sitio, la fertilización variable
aumentó el rendimiento en 4 sitios cuando se comparó con la fertilización fija. La falta
de respuesta en la mayoría de los sitios a la dosis variable se explicó por la elevada
variabilidad en pequeña escala de P en el suelo que no puede ser medida de forma
costo-efectiva, y por las recomendaciones de P de Iowa que en áreas con muy bajo
nivel de P en el suelo se recomiendan dosis mayores a las necesarias para maximizar
rendimiento. Las recomendaciones de P se basan en la filosofía de subir y mantener
cuando los niveles de P en el suelo se encuentran por debajo del nivel óptimo.

120
Control (Sin P) * P < 0.05
Dosis Variable
Dosis Uniforme
110
Rendimiento relativo (%)

b b b
b
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).
En el mismo estudio, cuando se evaluó la respuesta a través del paisaje, se encontró

una diferencia significativa en rendimiento de maíz y soja para los distintos tipos de
suelos. También se estudió la respuesta de acuerdo a las clases de suelo, y éstas
fueron mayores en aquellos lotes con niveles de P bajos o muy bajos (Figura 2) y rara
vez hubo respuesta en áreas con altos niveles de P. No obstante, el análisis de
respuesta para áreas del lote con diferentes clases de P prácticamente no mostró
diferencias entre los métodos de aplicación para las clases de P bajas o muy bajas.
20
Clases de P
Respuesta en rendimiento de maiz (%)
Muy Bajo
Bajo
Optimo
15 Alto
Dosis Uniforme Dosis Variable

10
0
Diferentes clases de P en el suelo
Figura 2. Respuesta en rendimiento de maíz a la aplicación uniforme y variable de P para las

diferentes clases de P en el suelo (Adaptado de Bermudez y Mallarino, 2007).
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.

Tabla 3. Nivel inicial de P en el suelo y diferencia en la cantidad de fertilizante usado entre la dosis
variable y la uniforme (Adaptado de Bermudez y Mallarino, 2007).
Variable –
Nivel inicial de P en el suelo
Uniforme
Sitio Mínimo Medio Máximo P2O5 usado
---------------- ppm ----------------- kg / ha
1 5 9 22 19
2 5 10 17 -24
3 5 11 22 -39
4 5 12 24 -31
5 8 15 34 -25
6 5 16 74 -8
7 6 16 38 13
8 5 17 66 -29
9 9 18 32 80
10 7 21 72 -11
11 10 21 40 -58
12 11 24 48 11
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.

9
Control (Sin efluente)
Nivel de P
8 Dosis Uniforme
Muy Bajo
Variación del nivel de P en el suelo (ppm)

Nivel de P Dosis Variable
7
Bajo
6
Nivel de P
5
Alto
4 Nivel de P
Optimo
3
-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
Una estimación correcta de los niveles y variación de P en el suelo es un factor muy

importante a considerar cuando se planea realizar un programa de fertilización con
manejo de sitio específico.
El muestreo y análisis de suelo tiene un costo muy alto dentro de un programa de
fertilización. No obstante, no existe una única recomendación de muestreo que pueda
ser aplicada a todos los lotes porque los niveles de nutriente y la variabilidad es
específica para cada lote. Muestreos de suelo que no enfatizan la medición en
pequeña escala de P pero desarrollan zonas de muestreo basadas en varias capas
de información (tipo de suelo, mapas de rendimiento, fotos aéreas o alguna otra
información que diferencie un área de otra dentro de un mismo lote) parecen ser más
costo-efectivos que muestreos intensivos.
Las tecnologías de GPS y aplicación variable permiten una mejor aplicación del
fertilizante dentro de un lote. La mayoría de los estudios concuerdan en que la dosis
variable disminuye la variabilidad de los niveles de P en el suelo porque más P es
aplicado en áreas con bajo niveles de P en el suelo y menos P en áreas con altos
niveles de P en el suelo.
Los ensayos que comparan aplicaciones de P con dosis uniformes y variables no han
demostrado aumentos consistentes en rendimiento a favor de la dosis variable. No
obstante, las dosis de fertilizante aplicado tienden a ser menores con la aplicación
variable. Dos razones posibles en la inconsistencia de los resultados son las
diferentes estrategias utilizadas para muestrear los suelos y las diferentes filosofías de
fertilización usadas para cada cultivo.
La combinación de un incremento en los costos por el uso de la tecnología de
aplicación variable junto a las respuestas inciertas en rendimiento, en comparación a
los tradicionales métodos de dosis única e uniforme, proporciona muy poco incentivo
en la adopción de muestreos de suelo intensivos junto al uso de aplicación variable.

Referencias
Anderson, L.L., y D.G. Bullock. 1998. Variable rate fertilizer application for corn and
soybean. J.Plant Nutr. 21:1355–1361.
Bermudez, M., y A. P. Mallarino. 2007. Impacts of variable-rate phosphorus fertilization

based on dense grid soil sampling on soil-test phosphorus and grain yield of corn and
soybean. Agron. J. 99:822-832.
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.
Boydell, B., y A.B. McBratney. 2002. Identifying potential within-field management

zones from cotton yield estimates. Precision Agric. 3:9–23.
Fraisse, C.W., K.A. Sudduth, y N.R. Kitchen. 2001. Delineation of site-specific

management zones by unsupervised classification of topographic attributes and soil
electrical conductivity. Trans. ASAE. 44:155–166.
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.
Lowenberg-DeBoer, J., y A. Aghib. 1999. Average returns and risk characteristics of

site-specific P and K management: Eastern Corn Belt on-farm trial results. J. Prod.
Agric. 12:276–282.
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., M.R. Schlemmer, y R.B. Ferguson. 2000b. Site-specific considerations

for managing phosphorus. J. Environ. Qual. 29:125–130.
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.

Thompson, W.H., y P.C. Robert. 1995. Evaluation of mapping strategies for variable
rate applications. p. 303–323. In P.C. Robert et al. (ed.) Proc. 2nd Int. Conf. on Site-
Specific Manage. For Agric. Systems, Bloomington/Minneapolis, MN. 27–30 Mar.
1994. ASA, CSSA, and SSSA,
Madison, WI.
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.

HERRAMIENTAS PARA EL MANEJO SITIO ESPECÍFICO DE CULTIVOS 1.
Rodrigo Ortega Blu

Ing. Agrónomo, MS, PhD
Investigador Universidad Técnica Federico Santa María, Chile.
Director de I&D NeoAg Ltda., Chile.
rodrigo.ortega@usm.cl, rodrigo@neoag.cl
Introducción
En términos simples la agricultura de precisión podría definirse como la aplicación de

manejos agronómicos adecuados en el tiempo y lugar indicados, con la ayuda de
herramientas basadas en las llamadas tecnologías de información y comunicación
(TICs). Existen numerosas herramientas de hardware, software y análisis de datos
que permiten definir manejos diferenciales o sitio específicos, entre estos últimos se
pueden mencionar, siembra, fertilización, aplicación de agroquímicos, riego e incluso
cosecha.
El presente trabajo discute algunas herramientas disponibles para el manejo sitio-
específico de cultivos, incluyendo hardware, software y procesos estadísticos. El
trabajo enfatiza aplicaciones reales en Chile como asimismo el manejo de los datos
para convertirlos en información útil que permita la adecuada toma de decisiones.
Manejo sitio específico
El manejo sitio-específico se refiere a la aplicación de manejos diferenciales dentro

del área de interés, de acuerdo a un conjunto de características particulares de cada
sector dentro del área bajo consideración. El manejo sitio-específico puede realizarse
a distintos niveles de detalle y puede considerar grandes áreas geográficas, nivel
predial, nivel de campos (potreros) o cuarteles o bien sectores dentro del campo o
cuartel (Figura 1). A nivel de campo o cuartel, el manejo sitio-específico puede
realizarse utilizando dos aproximaciones: la primera en base al muestreo y mapeo de
variables de interés, para luego construir un mapa de prescripción y la segunda a
partir de sensores de suelo o vegetación que permiten tomar una acción de manejo al
instante, tal como aplicar o no aplicar, variar la dosis, variar el volumen de aplicación,
etc.
Entre los manejos diferenciales más comunes pueden mencionarse plantación o
siembra, fertilización, aplicación de agroquímicos, riego y cosecha. En cada caso, se
requieren distintas herramientas y procesos.
Figura 1. Niveles de manejo sitio específico.
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.

Herramientas para el manejo diferencial en base a mapas
A continuación se describen brevemente algunas herramientas para la aplicación de

manejos diferenciales seleccionados.
Plantación
Una verdadera agricultura de precisión parte con una adecuada planificación de la

plantación. En esta etapa es esencial identificar el o los factores de suelo que
potencialmente puedan limitar el adecuado desarrollo radicular de los árboles o que
puedan afectar el posterior manejo de factores claves como el riego, la fertilización o
incluso el control de malezas. Para ello se utilizan distintas herramientas con mayor o
menor éxito. Una de las más utilizadas es el mapeo del suelo la conductividad
eléctrica del suelo (CEa) utilizando inducción electromagnética. Dos son los
instrumentos más conocidos para este efecto: el EM-38 (Geonics, 2007) y el Veris Soil
EC Mapping Systems (Veris Technology, 2007). Ambos equipos han demostrado un
buen funcionamiento para la evaluación de problemas de salinidad, sin embargo, su
correlación con otras propiedades de suelo de importancia agronómica, tal como
textura, ha sido errática, por lo que su uso sólo se recomienda como variable auxiliar
o como técnica de estratificación del muestreo (Tabla 1).
Tabla 1. Varianza relativa1 para la zonificación en tres sectores en base a ECa.

Arena Limo Arcilla
Sitio 1 (Franco arenoso) 0,10 0,07 0,06
Sitio 2 (Franco arenoso) -0,01 -0,03 0,066
1 2
La varianza relativa es similar al R ; a mayor valor mejor relación entre ECa y la variable de interés.
La otra técnica de mapeo de suelos es a través del estudio de calicatas

georeferenciadas, distribuidas en terreno con un diseño sistemático, con una
intensidad de muestreo variable que permita alcanzar un número de observaciones
cercano a 100, de manera de asegurar dependencia espacial, para la adecuada
interpolación de las variables de interés vía kriging u otro método robusto de
interpolación. La idea es identificar en cada caso los factores limitantes para el
desarrollo radicular (profundidad, presencia de estratas compactadas, nivel freático
alto, etc.), además de otras propiedades físicas y químicas, los cuales son
posteriormente mapeados. A partir de ellos es posible definir zonas de manejo
homogéneo (ZMH) las cuales tendrán un tratamiento diferencial en términos de
manejo, que puede incluir aspectos tales como subsolado, riego, drenaje, fertilización
y combinaciones patrón/injerto, entre otros (Figura 3). En el caso de cultivos
extensivos es posible seleccionar la variedad o híbrido o variar la dosis de semilla en
función de la calidad del suelo.
Figura 2. Calicatas georeferenciadas.

Aplicación de enmiendas y fertilización
Esta es una de las áreas de mayor desarrollo a nivel mundial. Consiste en la

aplicación variable de enmiendas (cal, yeso, azufre, etc.) o fertilizantes, en base a un
mapa de prescripción. En el caso del nitrógeno es posible realizar una aplicación
variable a través de sensores activos o pasivos que estiman la biomasa (aérea) del
cultivo y a partir de esta información permite la aplicación variable en tiempo real.
Para otros nutrientes tales como fósforo o potasio, existen algunos sensores en
desarrollo en base Espectroscopía de Reflectancia en el Infrarrojo (NIRS), los que
podrían estar disponibles a nivel comercial en el mediano plazo (Maleki et al., 2007).
El procedimiento para la aplicación de enmiendas es bastante sencillo: en base a un
muestreo georeferenciado, o bien estratificado a partir de una variable auxiliar, se
procede a medir la variable de interés (pH, sodio, etc). A partir de esta información se
crean mapas de evaluación y prescripción. Este último se ingresa al sistema de
control de aplicación variable. Es posible obtener mapas de aplicación, los que,
cuando ésta es bien realizada, debieran ser similares a los de prescripción.
En el caso de la fertilización, particularmente nitrogenada, la tarea es mucho más
difícil, ya que no necesariamente debiera aplicarse más fertilizante donde el suelo es
menos fértil. Muchas veces no existe relación entre el nivel de fertilidad del suelo y el
rendimiento; es más, en muchos casos, de existir una relación, ésta es absolutamente
inversa, es decir, los mayores rendimientos se logran en aquellos lugares de menor
fertilidad y viceversa. En suelos con pendiente, donde existen posiciones topográficas
definidas, es posible encontrar una relación directa entre fertilidad y rendimiento. El
mejor criterio para definir las dosis de aplicación en cada lugar del campo es el
potencial de rendimiento del mismo. Sectores de mayor potencial debieran recibir
mayores dosis de fertilización y viceversa. La utilización de mapas de rendimiento
histórico es una excelente herramienta para definir lugares de alto, medio y bajo
potencial de rendimiento. Otra herramienta posible de usar es la teledetección; a
través de imágenes multiespectrales es posible definir áreas de mayor o menor
biomasa aérea, que particularmente en el caso de cultivos anuales está directamente
relacionada con el rendimiento de grano. Cabe señalar que los lugares de bajo
potencial de rendimiento deben ser clasificados como tales, solo una vez que se
determine que el factor limitante del rendimiento no puede ser mejorado (ej.
profundidad de suelo); un área del campo podría pasar de bajo a medio o de medio a
alto potencial de rendimiento si se corrige el factor limitante. En la mayoría de los
casos, el factor limitante no es la fertilidad del suelo sino que corresponde a factores
físicos (compactación, profundidad de suelo, drenaje, etc.).
La definición de zonas de manejo homogéneo (ZMH) para fertilización normalmente
es un problema multivariado; cada lugar del campo tiene un conjunto de
características (variables) únicas que lo hacen distinto a las demás áreas del mismo.
Es posible simplificar el problema zonificando en base a una sola variable (univariado)
tal como rendimiento que, bajo un manejo constante, normalmente integra todas las
características físico-químicas y biológicas del suelo. En este caso, bastaría dividir el
rendimiento en clases, normalmente tres (alto, medio y bajo) y realizar una
prescripción en base a ellas. Una aproximación más compleja es aquella que mezcla
todas las variables medidas (propiedades físico-químicas) para definir ZMH; lo
importante en este caso es que efectivamente estas propiedades determinen de
alguna forma los rendimientos, cosa que no siempre ocurre. Una tercera aproximación
es la mezcla de mapas de rendimiento con mapas de propiedades físico-químicas del
suelo u otras capas de información. En cualquier caso multivariado deben contestarse
las siguientes preguntas: 1) ¿que capas (mapas) de información se deben incluir para
la definición de ZMH? y 2) ¿como se mezclan dichos mapas?. Existen algunas
herramientas estadísticas para contestar la primera pregunta; el uso de técnicas tales
como análisis de componentes o factores principales permiten determinar que
variables pesan más en términos de diferenciar sectores dentro del campo;

lamentablemente estas técnicas requieren software específico. Sin embargo, existe
una técnica sencilla, basada en el coeficiente de variación (CV) de cada variable que
permite determinar los pesos de cada una de ellas (Ortega y Santibáñez, 2007); estos
cálculos pueden hacerse en Excel sin mayores complicaciones (Ecuación 1).
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
La cosecha diferencial es una práctica que tiene importantes retornos económicos

cuando la industria paga por calidad. Así por ejemplo, si existe un diferencial
importante de precios según el contenido de proteína del grano, es rentable identificar
aquellos sectores dentro del campo que presentan un mayor o menor (para el caso de
cebada) contenido proteico y cosecharlos separadamente. El caso más notable de
cosecha diferencial se da en la industria del vino, donde la calidad de la uva
determina el tipo de vino a producir. Así, las uvas de mejor calidad pueden dar origen
a vinos de reserva, de alto valor de mercado, mientras las de menor calidad se
destinan a la producción de vinos varietales.
Existen varias herramientas para definir zonas de calidad, algunas directas y otras
indirectas. En el caso de los granos, el uso de NIRS en tiempo real a través de un
monitor de proteína permite la cosecha diferencial de granos. Otra alternativa es
realizar un muestreo intensivo georeferenciado del campo previo a cosecha, analizar
el contenido de proteína a través de un instrumento portátil (NIRS), mapear los datos
y definir zonas de cosecha diferencial.
En el caso de frutales y vides, es posible muestrear y mapear el contenido de sólidos
solubles utilizando refractómetros digitales, además de otros parámetros de calidad
del fruto tales como contenido de fenoles, antocianinas y clorofila, a través de
instrumentos portátiles especializados.
En relación a las técnicas indirectas, en el caso de uva vinífera, las más comunes se
basan en la captura de imágenes multiespectrales de alta resolución espacial, a partir

de sensores montados en plataformas aéreas y satelitales. A partir de estas imágenes
se calculan índices de vegetación (GVI, DDVI, PCD, etc.) utilizando normalmente los
valores de reflectancia en las bandas roja e infrarroja; en general, estos índices se
relacionan directamente con la biomasa aérea del viñedo e inversamente con la
calidad representada por variables tales como contenido de azúcar, fenoles o
antocianinas (Figura 3). A partir de la clasificación de los índices de vegetación, se
definen sectores de alto, medio y bajo vigor, los cuales se cosechan separadamente.
Existen diferencias en los algoritmos utilizados para calcular los distintos índices,
particularmente en términos de la remoción de los efectos atmosféricos, de suelo, etc.
En Chile, el uso del índice calibrado GVI ha mostrado mejores resultados que el NDVI
común (Ortega y Esser, 2005). Por otra parte, recientemente se ha estado utilizando
con mucho éxito el índice denominado PCD (plant cell density) basado en el sensor
Australiano Specterra.
La utilización de índices calibrados tales como GVI, permite el desarrollo de modelos
para predecir anticipadamente el rendimiento y calidad de cultivos como tomate, los
que permiten mejorar los procesos logísticos de empresas agroindustriales (Ortega et
al., 2007).
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)
Antocianinas (mg L -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
A partir de distintas metodologías es posible aplicar volúmenes de mojamiento

variable a árboles y viñedos. Dicha aplicación variable puede hacerse a través de
mapas de prescripción o sensores que estimen el volumen de los árboles en tiempo
real. Un reciente estudio realizado en Chile en viñedos (Ascencio, 2006), determinó
que la aplicación variable de plaguicidas en base a un mapa de prescripción basado
en una imagen de vigor es absolutamente rentable, disminuyéndose además las
pérdidas de producto y como consecuencia el impacto ambiental de la aplicación de
agroquímicos.

Comentarios finales
Existen en el mercado un sinnúmero de herramientas de hardware, software y

análisis de datos que permiten el manejo sitio-específico de cultivos. Todas ellas
presentan ventajas y desventajas, que deben ser conocidas por el usuario. De todas
las etapas del manejo sitio-específico el análisis de los datos recolectados es sin duda
la más importante; el desafío es transformar los datos en información que se traduzca
en recomendaciones agronómicas apropiadas.
Literatura citada
Acencio, Lorena. 2006. Modelo económico para la incorporación de nuevas

tecnologías asociadas al control de plagas y enfermedades. Memoria para optar al
título de Ingeniero Civil Industrial. Universidad Técnica Federico Santa María. 164 p.
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. and Santibáñez, O. 2007. Agronomic evaluation of three zoning methods

based on soil fertility in corn crops (Zea mays L.). Computers and Electronics in
Agriculture 58 (1):49-59.
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.
Ortega, R. and Esser, A. 2005. Use of calibrated satellite-based green vegetation

index (GVI) for site-specific vineyard management in Chile. Book of abstracts 5th
Conference Precision Agricultura, Uppsala Sweeden. pp 233-235.
Geonics, 2007. http://www.geonics.com/
Veris Technology, 2007. http://www.veristech.com/

MANEJO SITIO-ESPECÍFICO DE NUTRIENTES1
Ing. Agr. (M. Sc.) Agustín Bianchini

(AAPRESID)
bianchini@aapresid.org.ar
Muestreo de suelos
El análisis de suelos es la herramienta básica para evaluar el nivel de fertilidad y

diagnosticar necesidades de fertilización. Para realizar un buen diagnóstico de la
fertilidad de un lote es necesario contar con información confiable y para ello se debe
partir de un buen muestreo de suelos. Es importante tener en cuenta que en
determinadas situaciones, los análisis de suelo pueden presentar algunas limitantes.
Esto se debe a que el muestreo es la fuente de error más importante en el uso del
análisis de suelo (Cline, 1944). Este error, debido al muestreo, es generalmente varias
veces superior al error originado en laboratorio, por lo tanto es necesario que el
muestreo del lote sea lo más representativo posible. Generalmente hay alta
variabilidad lateral, en profundidad, y a través del tiempo para los principales
nutrientes. Sin embargo, el mayor inconveniente es que la cantidad y estructura de la
variabilidad cambia entre nutrientes, entre lotes, y dentro de los propios lotes
(Mallarino, 2003).
Existe variabilidad de diferentes orígenes que ocurre a diferentes escalas:
Variabilidad natural, que es debida a tipo de suelo, pendiente, etc. y ocurre en
gran escala
Variabilidad por manejo, que es debida a erosión, cultivos antecesores,
aplicación previa de fertilizantes, etc., y ocurre en gran y pequeña escala.
La variabilidad en pequeña escala es especialmente alta con siembra directa debida a
la mínima mezcla de fertilizantes con el suelo, con fertilización en bandas, y para
nutrientes inmóviles y con mucha residualidad como fósforo (Mallarino, 1996).
Los errores de muestreo pueden ser minimizados siguiendo técnicas de muestreo
apropiadas. Siempre es bueno asegurarse la limpieza del barreno, en lo posible
fabricado en acero inoxidable. En segundo lugar, dicho barreno debe estar bien
afilado para producir un corte uniforme en todo el perfil y no generar variaciones
involuntarias en la profundidad de muestreo.
Tanto el tiempo, como la frecuencia y la profundidad del muestreo dependen de la
movilidad del nutriente. Para nutrientes móviles como el nitrato o sulfato, el muestreo
debe realizarse con una frecuencia anual a una profundidad de 60 cm o mayor en
algunos casos. El momento de muestreo debe ser lo más cercano a la siembra,
cuando se reduce la actividad biológica, o lo más cercano posible a la aplicación de
fertilizante. Para aquellos nutrientes poco móviles, como fósforo y potasio, es
suficiente con una profundidad de 20 cm y no es necesaria una frecuencia anual de
muestreo (Roberts y Henry, 1999).
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.

Una vez que las muestras han sido extraídas es necesario etiquetarlas con buen
criterio y acondicionarlas antes de que sean enviadas al laboratorio para que los
resultados no sean afectados. Si dentro de las determinaciones a realizar se incluye el
análisis de nitratos, es conveniente que las muestras se mantengan refrigeradas
hasta llegar al laboratorio.
Técnicas de muestreo de suelos
La parte más crítica en un buen programa de análisis de suelos es la obtención de

una muestra que sea representativa del lote (Petersen y Calvin, 1986). Un esquema
sencillo, y el más usado para obtener muestras representativas, consiste en tomar
submuestras al azar a lo largo del campo, mezclándolas luego para obtener una
muestra compuesta que se enviará al laboratorio, o analizando individualmente cada
submuestra. Una muestra compuesta es apropiada pero no da idea de la variabilidad
del lote. El envío individual de cada submuestra es más costoso, pero provee
información de la variabilidad del lote, que puede alterar las recomendaciones de
aplicación de fertilizantes.
Otra alternativa es la división del campo en sub-unidades dentro de las cuales se
toman muestras compuestas al azar (Fig. 3 A). Este es un esquema de muestreo al
azar estratificado y es semejante al muestreo por paisaje, por topografía, por tipo de
suelo, por zonas de manejo o dirigido. Este esquema incrementa la precisión, sin
aumentar sustancialmente los costos. El muestreo de áreas de referencia es un tipo
de muestreo al azar estratificado. Involucra la selección de un área pequeña
(aproximadamente 1/10 de ha) considerada representativa del lote de la cual se
toman muestras al azar. Este tipo de muestreo asume menor variabilidad que el
muestreo de todo el campo porque el área muestreada es menor. Eligiendo bien el
sitio de muestreo, este sistema reduce costos, reduciendo los problemas asociados
con el muestreo de un área extensa y de importante variabilidad.
Un plan de muestreo que también puede ser usado es el sistemático o de grilla (Fig. 3
B y C). Las muestras son tomadas a intervalos regulares en todas las direcciones.
Este tipo de muestreo ha sido extensamente aceptado en EE.UU. debido a la mejora
potencial en la exactitud de los análisis de suelos. Es el programa de muestreo más
caro, por la gran cantidad de muestras extraídas, pero provee información muy valiosa
acerca de la variabilidad del lote, siendo la herramienta necesaria para la adopción
exitosa de sistemas de agricultura de precisión y aplicación sitio-específica de
nutrientes en algunas regiones.

A)
Punto:
4 a 12 tomas
100 a 400 m2
B)
Celda:
4 a 12 tomas
C) 1 a 2 ha
Fig. 3. Técnicas de muestreo de suelos. A) Al azar estratificado, B) En grilla de puntos, y C) En

grilla de celdas (Mallarino, 2003).
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).
Muestreo de suelos para aplicación sitio-específica de nutrientes
El primer paso crítico en agricultura de precisión consiste en determinar

apropiadamente la variabilidad espacial. Con frecuencia se observa alta variabilidad
en pH, P y K del suelo en lotes de productores (Pierce et al., 1995; Mallarino, 1996).
Las características de Ca, P y K en los suelos sugieren que el encalado y la
fertilización con P y K son muy factibles para el manejo de precisión porque la
residualidad del encalado o fertilización es alta y la variabilidad temporal es baja
comparada con el N (Pierce y Nowak, 1999). Los patrones de variabilidad para estos
nutrientes no siempre están relacionados a las unidades de mapeo de suelos, porque
la fertilización y el encalado frecuentemente han incrementado los valores de los
análisis de suelos y han creado nuevos patrones de variabilidad (Mallarino y Wittry,
1998). Lotes donde los fertilizantes (P y K) han sido aplicados en bandas o donde
altas dosis de nutrientes o estiércol han sido usadas, muestran una gran variabilidad

de nutrientes (Mallarino, 1996). Los patrones cíclicos en pequeña escala (1 m o
menos) resultan de aplicaciones bandeadas de fertilizante o estiércol, mientras que
las tendencias cíclicas en mayor escala (15-18 m) resultan de la aplicación al voleo de
fertilizante o estiércol a granel con esparcidores comerciales (Mallarino, 1996).
Diferentes técnicas de muestreo pueden ser usadas para recolectar muestras de
suelo de los lotes. El muestreo de suelos en grilla comenzó a ser usado a principios
de 1990 en el Cinturón Maicero de EE.UU., y se refiere a un proceso mediante el cual
un lote es dividido en muchas celdas pequeñas para propósitos de muestreo. Los
resultados de los análisis son combinados con coordenadas geográficas de cada
muestra para crear mapas (Pocknee et al., 1996). La intensidad de muestreo
requerida para un uso efectivo de la tecnología de dosis variable (TDV) no está
claramente definida y puede ser diferente para diferentes análisis de suelos, lotes y
regiones geográficas. El muestreo de suelos para pH, P y K basado en grillas
cuadradas de 1 ha está en uso en el Cinturón Maicero y otras regiones. La
investigación mostró que el muestreo de suelos en grilla de puntos a densidades de
0.4 y 0.1 ha incrementa la precisión del mapeo del análisis de suelo (Franzen y Peck,
1995). Mallarino (1996) encontró que la variabilidad del P y K del suelo dentro de las
celdas de la grilla de ese tamaño puede ser tan grande como la variabilidad a lo largo
de un lote completo. Más aun, otros encontraron que el muestreo de suelos en grillas
cuadradas puede conducir a una pérdida de la información de variabilidad espacial, si
los patrones de análisis de suelo son largos y angostos o si los patrones tienden a
seguir ciclos (Wollenhaupt et al., 1994).
Recientemente se ha sido sugerido que el muestreo por zonas reduce los costos de
muestreo mientras mantiene una información razonablemente buena sobre niveles de
nutrientes. El muestreo por zona asume que se pueden identificar áreas de muestreo
en base a zonas con suelo o características de cultivo diferentes a través de un lote y
que es probable que los patrones se mantengan temporalmente estables (Franzen et
al., 2000). El criterio usado para delinear zonas de manejo varía. Topografía e
imágenes de suelo y de canopia de cultivos pueden ser usadas para identificar zonas
de manejo porque pueden reflejar diferentes propiedades de suelo, son no invasivas,
y pueden ser de bajo costo (Schepers et al., 2000). La conductividad eléctrica de
suelos (CE), que puede ser estimada usando métodos de inducción electromagnética
no invasivos, ha sido útil para estimar la profundidad del horizonte superficial (a un
horizonte arcilloso u otra capa que limita el crecimiento radicular), propiedades físicas
y químicas del suelo, y para explicar la variabilidad de rendimiento (Doolittle et al.,
1994; Kitchen et al., 2000). Los mapas de rendimiento pueden ser usados para definir
áreas de productividad de suelos diferente, que junto a otras capas de información
pueden ser usadas como base para la fertilización con dosis variable. Sin embargo,
Colvin et al. (1997) concluyeron que patrones estables de rendimiento dentro del lote
pueden ser observados en algunos lotes pero no en otros.
En síntesis, las tecnologías como el mapeo de inducción electro-magnética (EM-38 y
Veris), los mapas de rendimiento, y las fotografías aéreas pueden utilizarse para
ayudar a delinear las zonas de manejo. El muestreo de suelo por zonas de manejo ha
demostrado ser muy efectivo, más accesible y de menor costo que el muestreo en
grilla.
Aplicación sitio-específica de nutrientes
Los beneficios de usar la TDV pueden incluir importantes incrementos de rendimiento

en suelos con baja disponibilidad de nutrientes o ácidos y ahorros en fertilizante o cal
mediante la reducción de dosis de aplicación en suelos con alta disponibilidad de
nutrientes (Pierce y Nowak, 1999). Las grandes variaciones en análisis de suelos
dentro de los lotes presentan el problema de determinar si una simple recomendación

de fertilizante puede ser prescripta para el lote completo o si la variación es tan
grande que diferentes recomendaciones son requeridas para las diferentes zonas del
lote.
Mapas de rendimiento y receptores de sistemas de posicionamiento global diferencial
(DGPS) en las cosechadoras pueden ser usados para evaluar los efectos de la TDV y
de otras prácticas de manejo sitio específico (Oyarzabal et al., 1996). Los tratamientos
se aplican en franjas angostas (usualmente el ancho es múltiplo del ancho del equipo
utilizado para aplicar los tratamientos) y largas (generalmente el largo del lote), y los
cultivos son cosechados con cosechadoras equipadas con monitores de rendimiento y
receptores DGPS. Las tecnologías de agricultura de precisión pueden ser adaptadas
exitosamente a estos tipos de ensayos a campo usados para investigación (Oyarzabal
et al., 1996). Sin embargo, no se puede esperar que los datos del sensor de flujo del
monitor de rendimiento resuelvan la variación detallada de rendimiento a través de
intervalos espaciales de menos de aproximadamente 15 m, y 20 a 25 m puede ser
una escala de resolución más realista para evaluar ensayos a campo (Lark et al.,
1997).
Manejo sitio-específico de nitrógeno y utilización de sensores remotos
Las recomendaciones de fertilización nitrogenada para maíz y trigo comúnmente

aumentan con el nivel de producción esperado (es decir, objetivo de rendimiento) y
decrecen con la oferta de N. La cuantificación de la oferta de N en una base espacial
es una limitación importante al desarrollar recomendaciones de fertilizante
nitrogenado espacialmente variable. A principios de los 90’, el muestreo en grilla se
percibía como la forma más apropiada de generar un mapa de aplicación de
fertilizante nitrogenado en dosis variable. El alto costo del muestreo en grilla y de los
análisis de laboratorio requeridos para construir un mapa de N residual, hace con
frecuencia que este esfuerzo sea difícil de justificar, a menos que haya un beneficio
ambiental importante.
Los problemas de sincronización de las necesidades de N en cultivo con la habilidad
de los suelos para suministrar el N necesario, mientras se minimiza el potencial para
pérdidas de N para el medio ambiente, son la fuerza motora detrás de la estrategia de
manejo de N basada en el cultivo. Las incertidumbres climáticas hacen casi imposible
que se cubra por completo la necesidad de nutriente de los cultivos sin tener déficit o
exceso en el sistema. Uno de los méritos clave de la estrategia de manejo de N
basado en el cultivo es que confía en el cultivo para evaluar la mineralización y la
pérdida de N durante el tiempo de absorción rápida de N (Schepers, 2002).
Para tener éxito, el enfoque basado en el cultivo primero debe ser capaz de detectar
una deficiencia de N en el mismo y, en segundo lugar, debe haber tecnologías para
remediar el estrés antes de que afecte el rendimiento de modo irreversible. Estos
requisitos significan que debe haber un corto tiempo entre la detección del estrés y el
tratamiento del mismo. La estrategia de manejo de N basada en el cultivo también
necesita que el proceso de detección del estrés sea confiable y oportuno. A primera
vista, puede parecer que las imágenes aéreas o satelitales pueden proporcionar la
información espacial apropiada sobre el estrés del cultivo. En realidad, tanto las
plataformas de imágenes aéreas como las satelitales tienen problemas de
confiabilidad ya que el hecho de que las nubes puedan tapar la plataforma es un
problema permanente. La resolución espacial (20 m aproximadamente) y el registro
adecuado con mojones son otras limitaciones al usar imágenes. Traducir la
información espacialmente variable que contienen las imágenes (intensidad y colores
del suelo y cultivo) a las recomendaciones de manejo de cultivo, requiere de
considerable experiencia y habilidad. La información sobre el estatus de clorofila del
cultivo (verdor expresado como la cantidad de la reflexión de rojo y verde) y la

cantidad de vegetación viviente (expresada como la cantidad de reflexión del infrarrojo
cercano (NIR)) puede extraerse de las imágenes de cultivos en crecimiento. La
incertidumbre asociada con la medición del verdor del cultivo es que el estrés de casi
todos los cultivos afecta al estatus de clorofila. Por eso, se necesita determinar la
causa de la clorosis antes de recomendar el tratamiento. En el caso del maíz, la
deficiencia de N es la causa más frecuente de clorosis, seguida de ciertos
micronutrientes cuando el pH del suelo es elevado.
Debido a consideraciones de resolución y oportunidad para proporcionar imágenes
confiables y utilizables, se han desarrollado los sensores terrestres que proveen datos
de reflexión del cultivo en tiempo real a fin de sustituir las plataformas con bases en
satélites o aviones. Estos sensores terrestres están diseñados para montarse en
tractores o pulverizadoras de alto despeje del suelo y proporcionar el mismo tipo de
datos de reflexión que los que se obtienen con los recursos de imágenes. En el caso
de los datos de sensor terrestre o imágenes, los diferentes anchos de banda se
combinan para representar un índice sensible al parámetro que se está evaluando.
Por ejemplo, el índice normalizado de diferencias de vegetación (NDVI) se creó para
evaluar el índice de área foliar y se representa con NDVI = (NIR - rojo)/(NIR + rojo).
Otro índice denominado Verde NDVI = (NIR – verde)/(NIR + verde) es útil cuando el
índice de área foliar (IAF) es superior a ~2.5 (Schepers, 2002). Esencialmente, la
reflexión verde es más indicativa del status de N en cultivo cuando hay suficiente
material vegetativo para absorber (vía fotosíntesis) una mayor parte de la luz roja.
Pasar los datos de reflexión o un índice de vegetación a una recomendación de
fertilizante nitrogenado es una ciencia poco desarrollada. Cuando los sensores
Minolta SPAD se presentaron en 1990, los científicos intentaron calibrarlos de
acuerdo con los datos de concentración de N en hoja. Este esfuerzo falló básicamente
porque continuamente se desarrollan nuevas hojas durante las etapas de crecimiento
vegetativo, el status de clorofila en hoja cambia con la etapa de crecimiento de la
planta, y la relación entre la lectura SPAD y el contenido de N en hoja no es la misma
en todos los cultivares. Debido a las limitaciones y problemas, Schepers et al. (1992)
propusieron el concepto de un índice de suficiencia para normalizar los datos SPAD a
fin de minimizar los efectos de la etapa de crecimiento y las diferencias entre
cultivares. Sin embargo, debido a que las lecturas SPAD representan una medición en
el tiempo o instantánea de un área muy reducida de la hoja, es difícil pasar la lectura
SPAD a una recomendación de N sin información adicional. Esta limitación puede
superarse por completo con sensores de la canopia del cultivo, ya que monitorean un
área mayor, que integra la cantidad de biomasa de plantas vivientes en la lectura de
reflexión y el valor de índice de vegetación subsecuente. Comparar el valor NDVI de
un área en el lote con el valor de un área fertilizada adecuadamente proporciona una
medida del status relativo de N.
Si se pudieran predecir los niveles de rendimiento a partir de las condiciones de
crecimiento en la mitad de la campaña, se podría conocer la demanda relativa de N
de acuerdo con las observaciones que se obtienen en ese momento. Después de
muchos años de trabajo en Oklahoma (EE.UU.) y México, Raun et al., (2001)
demostraron que los niveles de rendimiento actuales pueden predecirse a partir de
mediciones NDVI que se realizaron en el trigo de invierno en la mitad de campaña.
Esta metodología fue mejorada más tarde y por medio de ésta notaron que la lectura
de un sensor NDVI (utilizando el sensor GreenSeeker (NTech Industries, Inc.))
tomada entre el estadio de crecimiento Feekes 5 a 7 (Primer a segundo nudo),
dividida por la cantidad de días desde la siembra hasta la medición donde GDD
(Growing Degree Days, Grados Día de Crecimiento) ((Tmin + Tmax)/2 – 4.4°C) fueron
superiores a 0, tuvo una buena predicción del rendimiento real. Este trabajo demostró
que en muchos sitios y años, los rendimientos reales podrían ser verdaderamente
predichos en los lotes sembrados en diferentes épocas, sensados en diferentes
momentos, y donde las condiciones climáticas fueron significativamente diferentes
(Fig. 4). Este modelo de predicción del rendimiento fue adoptado y luego se buscó un

método para calcular las dosis de fertilizante de N en la mitad de la campaña, y al
mismo tiempo se desarrollaron modelos de predicción de rendimiento para otros
cultivos como maíz y pasto bermuda (Raun, et al., 2004).
8.0 PKNP 1998
PKSN 1998
TPSN 1998
PKNP 1999
7.0 222 1999
30 Sitios, 1998-2003 301 1999
2
EFAA 1999
6.0 YP 0 = 0.254e324.4 INSEY R =0.54 801 1999
324.4 INSEY 502 1999
YP 0 + 1Std Dev = 0.359 e
PKNP 2000
5.0 222 2000
301 2000
EFAA 2000
801 2000
4.0
502 2000
Rend. (Mg/ha) HNAA 2000
PKNP 2001
3.0 222 2001
301 2001
EFAA 2001
2.0 801 2001
PKNP 2002
222 2002
1.0 301 2002
EFAA 2002
801 2002
HNAA 2002
0.0 502 2003
0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01 222 2003
EFAA 2003
INSEY
Figura 4. Relación entre el INSEY (rendimiento calculado en la mitad de la campaña) o NDVI

dividido por la cantidad de días desde la siembra hasta la medición (donde GDD >0), y el
rendimiento real del grano de trigo. La línea de puntos es igual a la línea sólida + 1 desviación
estándar, para reflejar mejor el “rendimiento potencial” o el borde externo de las observaciones
(Raun, et al. 2004).
La tecnología para aplicar los fertilizantes de N de manera variable en tiempo real

según las necesidades del cultivo ha sido desarrollada y se encuentra disponible. Se
ha creado un algoritmo que calcula las dosis de aplicación de fertilizante de N de
acuerdo con el potencial de rendimiento de los cultivos y la respuesta al fertilizante
adicional (Raun et al., 2004). Numerosos ensayos extensivos a campo han
demostrado la validez del algoritmo y el buen desempeño tanto de los sensores como
de los aplicadores. Hay numerosas evidencias que demuestran que esta tecnología
funcionará con éxito en diversas partes del mundo como lo hace en Estados Unidos.
Referencias
Cline, M.G. 1944. Principles of soil sampling. Soil Science 58:275-288.

Colvin, T.S., D.B. Jaynes, D.L. Karlen, D.A. Laird, y J.R. Ambuel. 1997. Yield
variability within a central Iowa field. Trans. ASAE 40:883-889.
Doolittle, J.A., K.A. Sudduth, N.R. Kitchen, y S.J. Indorante. 1994. Estimating depths
to claypans using electromagnetic induction methods. J. Soil and Water Cons.
49:572-575.
Franzen, D.W., y T.R. Peck. 1995. Field soil sampling density for variable rate
fertilization. J. Prod. Agric. 8:568-574.
Franzen, D.W., A.D. Halvorson, y V.L. Hofman. 2000. Management zones for soil N
and P levels in the Northern Great Plains. En P.C. Robert et al. (eds.) Fifth

International Conference on Precision Agriculture Proceedings. Bloomington,
MN. ASA, CSSA, and SSSA, Madison, WI.
Kitchen, N.R., K.A. Sudduth, y J.J. Fridgen. 2000. Influence of claypan soil topsoil
thickness and fertility factors on corn and soybean yield. En P.C. Robert et al.
(eds.) Fifth International Conference on Precision Agriculture Proceedings.
Bloomington, MN. ASA, CSSA, and SSSA, Madison, WI.
Lark, R.M., J.V. Stafford, y H.C. Bolam. 1997. Limitations on the spatial resolution of
yield mapping for combinable crops. J. Agric. Eng. Res. 66:183-193.
Mallarino, A.P. 1996. Spatial variability of phosphorus and potassium in no-tilled soils
for two sampling scales. Soil Sci. Soc. Am. J. 60:1473-1481.
Mallarino, A.P., y D.J. Wittry. 1998. Soil sampling strategies for variable rate P and K
fertilization and liming. p. 251-256. En The Integrated Crop Management
Conference. Proceedings. Nov. 17-18, 1998. Iowa State Univ. Extension. Ames.
Mallarino, A.P. 2003. Manejo de fósforo y potasio para maíz y soja en zonas
húmedas. En: Actas XI Congreso Nacional de AAPRESID, Tomo II. pp. 219-230.
Oyarzabal, E.S., A.P. Mallarino, y P.N. Hinz. 1996. Using precision framing
technologies for improving applied on-farm research. p. 379-387. En P.C.
Robert, R.H. Rust, and W.E. Larson (eds.) Precision Agriculture: Third
International Conference on Precision Agriculture Proceedings. ASA, CSSA, and
SSSA, Madison, WI.
Petersen, R.G. y L.D. Calvin. 1986. Sampling En: A. Klute (ed.) Methods of Soil
Analysis, Part 1. 2nd Ed. Agronomy 9(1): 33-51.
Pierce, F.J., D.D. Warncke, y M.W. Everett. 1995. Yield and nutrient variability in
glacial soils of Michigan. p. 133-150. En P.C. Robert, R.H. Rust, and W.E.
Larson (eds.) Site-Specific Management for Agricultural Systems Proceedings.
ASA, CSSA, and SSSA, Madison, WI.
Pierce, F.J., y P. Nowak. 1999. Aspects of precision agriculture. p 1-85. En D.L.
Sparks (ed.) Advances in Agron. Vol. 67. Academic Press, San Diego, CA.
Pocknee, S., B.C. Boydell, H.M. Green, D.J. Waters, y C.K. Kvien. 1996. Directed soil
sampling. p. 159-168. En P.C. Robert, R.H. Rust, and W.E. Larson (eds.)
Precision Agriculture: Third International Conference on Precision Agriculture
Proceedings. ASA, CSSA, and SSSA, Madison, WI.
Raun, W.R., G.V. Johnson, M.L. Stone, J.B. Solie, E.V. Lukina, W.E. Thomason y J.S.
Schepers. 2001. In-season prediction of potential grain yield in winter wheat
using canopy reflectance. Agron. J. 93:131-138.
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 un sensor
basado en tecnología. En: Actas XII Congreso Nacional de AAPRESID. pp. 365-
371.
Roberts, T.L. y J.L. Henry. 1996. El muestreo de suelos: los beneficios de un buen
trabajo. Informaciones Agronómicas 8:7-10. INPOFOS Cono Sur. Acassuso,
Argentina.
Schepers, J.S., D.D. Francis, M. Vigil, y F.E. Below. 1992. Comparison of corn leaf
nitrogen concentration and chlorophyll meter readings. Commun. Soil Sci. Plant
Anal. 23(17-20):2173-2187.
Schepers, J.S., M.R. Schlemmer, y R.B. Ferguson. 2000. Site-specific considerations
for managing phosphorus. J. Environ. Qual. 29:125-130.
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.
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.

ESTADO ACTUAL DEL MANEJO SITIO ESPECÍFICO DE NITRÓGENO EN
ARGENTINA
Ricardo J. M. Melchiori
INTA, EEA Paraná - Grupo Recursos Naturales y Factores Abióticos
Paraná. Entre Ríos Argentina
rmelchiori@parana.inta.gov.ar
(Nota: Trabajo presentado al Simposio de Fertilidad 2007 – IPNI)
Es muy extensa la información y las técnicas desarrolladas vinculadas al manejo del

nitrógeno (N), sin embargo la eficiencia de uso (EUN) a escala mundial es baja y de
solo un 33% (Raun y Johnson, 1999), lo cual sugiere que es prioritario propender al
mejoramiento de EUN mediante el desarrollo y empleo de nuevas tecnologías.
Las recomendaciones de fertilización nitrogenada para maíz comúnmente aumentan

con el nivel de producción esperado y decrecen en función de una mayor oferta de N.
La variabilidad espacial de la oferta de N es una limitación importante para desarrollar
recomendaciones de fertilización nitrogenada espacialmente variables.
Una alternativa promisoria propuesta, es la de utilizar al cultivo para evaluar la

mineralización y la pérdida de N durante el tiempo de absorción rápida por la planta
(Schepers, 2002). Esto permite evaluar la sincronía entre las necesidades de N en
cultivo y el suministro del suelo, premisa sobre la cual se sustenta la estrategia de
manejo del N basada en el cultivo.
Para utilizar métodos de diagnóstico de N basados en mediciones en la canopia es

conveniente realizar aplicaciones postergadas a fin que el cultivo demuestre de
manera evidente las deficiencias de N. Existen antecedentes promisorios en la
bibliografía (Russelle et al., 1983, Scharf y Lory, 2002, Randall et al., 2003), sin
embargo no se dispone de información local que evalúe aplicaciones postergadas.
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.
Trabajos realizados principalmente desde la Universidad Estatal de Oklahoma, han

demostrado la factibilidad de predecir el rendimiento de los cultivos y han propuesto
un método de cálculo de las recomendaciones de fertilización basadas en mediciones
de un índice de vegetación normalizado (NDVI) utilizando sensores remotos activos
(Raun et al., 2004, 2005).
Los antecedentes mencionados, han originado actividades de investigación

vinculadas al mejoramiento de la EUN, que se sustentan en un trabajo colaborativo
conducido desde 2002 en INTA Paraná, integrando a la Universidad Estatal de
Oklahoma (OSU), AAPRESID y PROFERTIL.
La experimentación generada en relación al manejo variable de N en tiempo real, ha

estado orientada a los siguientes objetivos: i) Determinar la respuesta espectral del
cultivo de maíz durante el desarrollo vegetativo (V6, V8, V10, V12, V14); ii) Determinar
el efecto de aplicaciones postergadas de N, sobre el rendimiento y la eficiencia de uso
del N; y iii) Evaluar el rendimiento y la eficiencia de uso de N comparando

refertilizaciones fijas vs variables utilizando el Sensor Based Nitrogen Rate Calculator
(SBNRC).
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.
Aplicación postergada de nitrógeno en maíz
Los resultados obtenidos en las experiencias específicas, y en anteriores asociadas,

revelan la posibilidad de ampliar la ventana de aplicación de N en maíz de manera
muy considerable. Esta ampliación del momento para aplicar N, representa una gran
ventaja agronómica, debido a que se incrementa la capacidad de intervención sobre
el cultivo a estadios mucho más cercanos al periodo crítico para la determinación del
rendimiento, posibilitando disminuir el riesgo en la toma de decisión de fertilización.
Los resultados obtenidos permiten sustentar la propuesta de diferir la aplicación del N
hasta estadios más tardíos desde V8 hasta V14, con resultados similares a los
obtenidos con aplicaciones a la siembra. (Fig. 1).
Un aspecto importante, las experiencias realizadas han incluido mediciones desde V6

hasta V14, con lo cual se evalúa un amplio rango de diferencias en el crecimiento del
cultivo, expresado a través de la biomasa, el N acumulado y el área foliar. Si bien las
mediciones han contemplado condiciones de cultivo donde los valores de NDVI han
llegado situaciones de saturación (IAF > 3), donde se evidencia un límite a la habilidad
predictiva del método, es destacable señalar que dichos valores solo son alcanzados
en estadios posteriores a V12. Esta situación, se alcanza en estadios donde el cierre
de la canopia por el excesivo desarrollo del área foliar, en especial en cultivos con
espaciamiento a 0,52 m fija un limite operativo que impide el transito normal con
maquinaria de aplicación.
Asimismo, como en toda estrategia fertilización sin incorporación, es necesario

evaluar adecuadamente los ambientes donde la frecuencia de precipitaciones es
normalmente alta, situación común en la mayor parte de la región pampeana, a fin de
que las precipitaciones post aplicación viabilicen la incorporación del fertilizante al
suelo, y su posterior absorción por el cultivo.

Sin Fertilizacion a la Siembra 70 Kg N/ha a la Siembra
16000 16000
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
210 Kg N/ha a la Siembra 140 Kg N/ha a la Siembra

16000 16000
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)
Refertilización según algoritmos basados en sensoramiento remoto
El método de recomendación de OSU se sustenta en la obtención de ecuaciones

predictivas del rendimiento del cultivo en función del NDVI. El algoritmo de cálculo,
predice el rendimiento y la respuesta a N y, en función de la diferencia de
rendimientos estimados (con y sin el agregado de N), calcula la dosis de N para una
EUN dada.
Mediciones realizadas en cultivos de maíz, creciendo en condiciones variables de sitio

(experimentos, y niveles de N) han permitido verificar estas relaciones. La Figura 2,
sintetiza la relación obtenida entre el NDVI determinado con un sensor GreenSeeker y
el rendimiento del maíz. Dicho modelo de predicción para maíz ya esta integrado en la
librería de ecuaciones disponibles en http://nue.okstate.edu. Resultados específicos
para maíz en siembras de segunda, se han particularizado dado el efecto que la
temperatura elevada confiere a la relación crecimiento-desarrollo en el cultivo de
maíz.

20000
y = 240,01e 4,8869x
16000 R2 = 0,7046
Rto Kg/ha
12000
8000
4000
0
0,0 0,2 0,4 0,6 0,8 1,0
NDVI GS
V14 Mtos V12 EEA V 12 Mtos V12 L1 V12 L2
Figura 2. Relación entre el NDVI determinado con un sensor GreenSeeker en distintos estadios y
el rendimiento de maíz.
En las ultimas 3 campañas se han realizado comparaciones de estrategias de manejo

de N, una estrategia ha sido la de aplicar una refertilización predeterminada fija con
una dosis de 70 kg de N/ha y la otra utilizar el método de prescripción de OSU
(SBNRC). Para mas información ver Melchiori et al. (2005 a,b). La Figura 3 muestra el
efecto del manejo variable de N asistido mediante el empleo de sensores remotos
para el promedio de distintas condiciones iniciales de cultivo en cuatro estadios de
refertilización. De manera esperable, dada la mayor expresión tardía de las
deficiencias, la diferencia en la EUN fue creciente hacia estadios más tardíos y
favorable al manejo de N variable en todas las comparaciones.
80
EUN Kg de grano/KgN aplicados
60
40
20
0
V8 V10 V12 V14
refertilización fija refertilización sensor
Figura 3. Eficiencia de uso de nitrógeno media (EUN) (promedio de 4 condiciones de N en siembra

= 0, 70, 140 y 210 kg N/ha) para distintos momentos de refertilización (V8, V10, V12, V14). (INTA
EEA Paraná, 2004.).
En la última campaña evaluada (2005), las dosis de N en refertilización estimadas con

el SBNRC, fueron en algunos casos mayores a la dosis fija. En particular en las
mediciones realizadas en V6 (Fig. 4 a). Este comportamiento se verificó para todos los
niveles de N aplicado en siembra. Las mayores dosis aplicadas en V6 no causaron
disminuciones en la EUN, debido a que la respuesta en rendimiento fue más que
proporcional al incremento en el N aplicado. De manera consistente con los
resultados de otras campañas, las dosis variables (SBNRC) aplicadas en estadios
mas tardíos fueron menores a la dosis fija, y estas diferencias fueron mayores a
medida que las recomendaciones se calcularon más tardíamente, desde V8 hasta
V14 (Fig. 4 b).

140
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
Dosis segun SBNRC Dosis fija
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.
La utilización del manejo variable de N, asistido mediante sensoramiento remoto se

ha experimentado como opción de mejoramiento de la EUN. Dichos resultados, en
términos generales han significado la reducción de la dosis de N aplicado. La Figura
5, muestra el rendimiento del cultivo de maíz, ante las dos estrategias de manejo
evaluadas, (fijo y variable), donde el manejo variable de N resulto en aplicar un 14%
menos de N.

12000
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.).
Ajuste de la tecnológia de aplicación de dosis variable disponible
Recientemente se han comenzado evaluaciones a campo de un sistema Green

Seeker RT 200 (Ntech Industries, Ukia, CA). Este equipo basa su funcionamiento en
mediciones realizadas con sensores que se disponen sobre el botalón de equipos
autopropulsados de aplicación de fertilizantes. El sistema integra el conjunto de
sensores mediante los cuales se calcula un índice de vegetación normalizado (NDVI
= IR – R/IR +R) y determinan prescripciones en función de algoritmos disponibles
(http://www.soiltesting.oksate.edu/sbnrc/sbnrc.php) incorporados en una pocket PC.
Esto integrado con un actuador de dosis variable permite modular en tiempo real las
dosis en función a cambios en el NDVI.
El dispositivo experimentado, se configura con 6 sensores, cada uno de los cuales
cubre el área de un surco, y se distribuyen de manera equidistante a lo largo del
botalón del equipo de aplicación (aprox. 20 m de ancho). Se conoce que el tamaño
de las plantas varía espacialmente, por lo cual la cantidad de elementos de medición
dispuestos en el botalón puede afectar la precisión de las estimaciones a la vez que
influye de manera directa en el costo del equipo.
Experiencias conducidas recientemente en maíz, demuestran la magnitud de la
variabilidad de las mediciones de NDVI obtenidas al sensar un área de estudio de 48
surcos de ancho (simulando el ancho de un aplicador autopropulsado) (Melchiori y
Albarenque, 2007). Las comparaciones realizadas al estadio de V8 (Tabla 1)
muestran que la diferencia máxima en el NDVI encontrada fue de solo un 2%. Dichas
diferencias aunque resultan significativamente diferentes en las comparaciones de
medias son de escasa significancia agronómica en referencia a las demás variables
del método utilizado en la prescripción.

Tabla 1. Estadísticos descriptivos del NDVI en función del número de surcos sensados al estadio
V8 en maíz. (INTA EEA Paraná)
Surcos P>t
Promedio n Mín Máx Rango DE CV
Sensados (a/b )
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.
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).
Tabla 2. Estimación de la recomendación de fertilización en función del NDVI utilizando el SBNRC

(*) según el número de surcos sensados al estadio V6 y V8 en maíz (INTA EEA Paraná).
Mediciones en V6 Mediciones en V8
Surcos
NDVI Recomendación % del Recomendación % del
sensados
(Kg N/ha) (*) promedio (Kg N/ha) (*) promedio
48 Promedio 72,0 100% 86,6 100%
24 Promedio 78,0 108% 90,8 105%
12 Promedio 78,0 108% 86,5 100%
6 Promedio 74,9 104% 82,9 96%
4 Promedio 78,5 109% 86,7 100%
3 Promedio 83,2 116% 92,1 106%
(*) Estimaciones realizadas según http://www.soiltesting.oksate.edu/sbnrc/sbnrc.php.
Estos resultados muestran que la variabilidad espacial en el NDVI decrece en

función del desarrollo del cultivo y que seria factible obtener una estimación
aceptable del NDVI medio a partir de 6 o 4 sensores para un ancho de trabajo
equivalente al de un aplicador autopropulsado.
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.

Agradecimientos
Al Dr. W. Raun por su permanente disponibilidad y apoyo a la realización de las

actividades mencionadas. A PROFERTIL y AAPRESID por el financiamiento del
Convenio “Mejoramiento de la Eficiencia de Uso del Nitrógeno mediante Técnicas de
Sensoramiento Remoto”. Las actividades experimentales están enmarcadas en el
Proyecto AEAI3722 “Desarrollo y Aplicación de la Tecnología de Agricultura de
Precisión para el Manejo de Cultivos”.
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.

EVALUACIÓN DEL NÚMERO DE UNIDADES DE SENSADO GREEN SEEKER
PARA UN EQUIPO DE APLICACIÓN AUTOPROPULSADO
MELCHIORI Ricardo1, Susana ALBARENQUE2.

1
-INTA EEA Paraná, Ruta 11 Km 12,5 Paraná, ER. (CP 3100) Argentina.
2
Fac Ciencias Agropecuarias U.N.E.R.
rmelchiori@parana.inta.gov.ar
Nota: Trabajo presentado al IX Congreso Argentino de Ingeniería Rural y I del MERCOSUR)

A publicarse en el libro “Avances en la Ingeniería Rural 2005 – 2007”,
Introducción
El crecimiento sustentable de la producción de maíz requiere incrementar las dosis

de fertilización con nitrógeno (N) lo cual puede aumentar el riesgo de impacto
ambiental. La aplicación de dosis variable de nitrógeno es una técnica que puede
atenuar estos potenciales efectos negativos, mediante una mejora en la eficiencia de
uso de este nutriente (Raun y Jonson, 1999). Sin embargo, las variaciones
espaciales en el rendimiento de los cultivos y en la disponibilidad de N en el suelo,
son una limitante importante para el desarrollo de recomendaciones de fertilización
nitrogenada variable.
Las técnicas de sensoramiento remoto son una alternativa para estimar el estado de
nutrición de los cultivos y determinar su variabilidad en relación a los cambios en el
ambiente productivo. Estas herramientas proporcionan de manera rápida y precisa
una gran cantidad de información (Schepers, 2002) que puede utilizarse para
diagnosticar las necesidades de nutrientes (Raun et al 2001, 2002).
La tecnología de dosis variable basada en sensores en tiempo real fue introducida en
Estados Unidos por Stone et al (1996), posibilitando detectar variabilidad submétrica
y simultáneamente aplicar el fertilizante prescripto, incrementar el rendimiento
potencial, decreciendo el costo de producción mediante el ahorro de insumos y
minimizando el impacto ambiental por exceso de N (La Ruffa et al, 2001).
El sistema Green Seeker RT 200 (Ntech Industries, Ukia, CA) es un equipo que basa
su funcionamiento en mediciones realizadas con sensores ópticos activos
construidos con diodos de alta intensidad que emiten en 650 nm (Rojo) y 770 nm (IR
cercano). El sistema calcula un índice de vegetación normalizado (NDVI = IR – R / IR
+ R) y determina prescripciones en función de algoritmos disponibles
(http://www.soiltesting.okstate.edu/SBNRC/SBNRC.php) e incorporados en
computadoras montadas en la maquinaria. Este tipo de equipamiento incorporado en
aplicadores autopropulsados con computadoras para dosis variable en tiempo real
son herramientas disponibles en el mercado local que están siendo evaluadas para
optimizar su utilización.
El sistema de sensoramiento y prescripción integrado a un actuador de dosis variable
permite realizar aplicaciones correctivas en tiempo real modulando las dosis en
función de la detección de cambios en los valores de NDVI. El modelo de equipo
mencionado utiliza 6 sensores, cada uno de los cuales cubre el área de un surco, y
se distribuyen de manera equidistante a lo largo del botalón del equipo de aplicación
(aprox. 20 m de ancho).
Se conoce que el tamaño de las plantas varía espacialmente en respuesta a los
cambios en las condiciones sitio-específicas. La cantidad de elementos de medición

puede afectar la precisión de las estimaciones y modifica directamente el costo del
equipo. En especial esto resulta relevante dado que no es económicamente factible,
en las condiciones actuales, realizar una evaluación del total del área de cobertura
(un sensor por surco), y debe optarse por estimar el valor de NDVI con un número
menor de unidades de medición sensando una muestra del área a tratar.
Por lo expuesto se plantea que para sustentar la utilización a escala productiva del
uso del Sistema Green Seeker RT 200 es necesaria la evaluación de la variabilidad
en las mediciones del NDVI durante el crecimiento vegetativo del maíz, para
determinar la cantidad mínima necesaria de sensores que permitan obtener un valor
de NDVI representativo del ancho de trabajo de un equipo de aplicación variable,
evaluando su efecto sobre la estimación de las dosis de N recomendadas.
Materiales y Métodos
El ensayo se llevó a cabo durante la campaña 2005/06 en la Estación Experimental

INTA Paraná (Entre Ríos, Argentina 31,5ºS; 60,31ºW; 110 m.s.n.m) sobre un suelo
Argiudol Ácuico. El cultivo se sembró el 02 de septiembre de 2005, con una densidad
de 90.000 plantas/ha, y un espaciamiento de 0,52 entre hileras.
Para realizar las mediciones se utilizo un sensor manual Green Seeker (Ntech
Industries, Ukia, CA USA). Este equipo sensa un área de 0,60 x 0,01 m cuando es
mantenido a una altura de 0,6 a 1 m por encima de la superficie iluminada y adquiere
10 datos por segundo. Las mediciones se realizaron orientando la sección de 0,6 m
de lectura perpendicular al sentido de siembra del cultivo adquiriéndose los datos con
una velocidad aproximada de 6 km/h, lo cual permitió registrar unas 30 lecturas de
NDVI cada 5 m.
Las mediciones se efectuaron en los estadíos de seis y ocho hojas desplegadas (V6
y V8, respectivamente). El experimento se condujo sobre un área experimental de
24,96 m de ancho (48 surcos a 0,52 m) y 50 m de largo, en la cual cada uno de los
surcos se dividió a lo largo en 10 segmentos de 5 m., incluyéndose de esta manera
480 unidades experimentales.
Los resultados se procesaron en planilla de cálculo, obteniendo el NDVI medio, en
base a sensar un diferente número de surcos por vez (48, 24, 12, 6, 4 y 3 surcos,
respectivamente), simulando lo que ocurriría en un equipo donde los sensores se
dispongan sobre el total de surcos bajo el área de cobertura del equipo (botalón), o
sobre un numero menor (pe, en surcos alternados, o cada dos o mas surcos de
distancia entre sensores).
Los resultados obtenidos se evaluaron mediante estadísticos descriptivos y se
compararon las diferencias de medias mediante una prueba de T para dos muestras
con varianzas desiguales, realizándose todas las comparaciones respecto al NDVI
promedio obtenido del relevamiento del total de los surcos en estudio (480
observaciones). En los casos en que el número de surcos sensados fue menor a 48,
las comparaciones incluyeron todas las combinaciones posibles obtenidas a partir de
los diferentes agrupamientos, manteniendo la equidistancia entre surcos, tal como se
señaló anteriormente. Estas fueron 2, 4, 8, 12 y 16 combinaciones para grupos de 24,
12, 6, 4 y 3 surcos sensados por vez, respectivamente. Por ejemplo, para el caso de
sensar 24 surcos (un sensor surco por medio), considerando los 48 surcos posibles
de ser sensados, se presentaron dos alternativas, comenzar por el primer surco o por
el segundo. Asi, sucesivamente, a medida que disminuye el número de surcos
sensados por vez, aumenta el número de combinaciones posibles

Resultados y discusión:
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).
La magnitud del NDVI se incrementa en función del estadio de crecimiento de manera

proporcional al incremento en la biomasa del cultivo, mientras que su variabilidad
medida en el desvío estándar de las medias del NDVI no evidencia cambios
importantes, con lo cual el coeficiente de variación (CV = DE / media), función
indirecta de la media (Steel et al. (1997) decrece sensiblemente (Tabla 1 y 2).
Similares comportamientos en el CV del NDVI han sido informados por Raun et al
(2005).
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)

Figura 2: Variabilidad espacial en el NDVI en maíz determinado con un sensor Green Seeker.
Mediciones realizadas al estadio de ocho 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
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
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.

Las comparaciones de las medias obtenidas sensando diferente número de surcos
(Tabla 1 y 2) sugieren que en la medida que el cultivo tiene mayor cobertura (70%
aproximadamente en V8), las diferencias entre sensar el total del área de estudio o
obtener una muestra decrece. La diferencia máxima en el NDVI encontrada en V6 fue
de un 5% mientras que en V8 esta diferencia fue de sólo un 2%. Dichas diferencias
aunque resultaron estadísticamente significativas en las comparaciones de medias,
son de escasa relevancia agronómica debido a que fueron de muy reducida
magnitud. El método de prescripción basado en mediciones de NDVI requiere de
otros componentes que se fijan arbitrariamente: el rendimiento potencial del cultivo y
la eficiencia de uso del N. Para ambos casos, los errores de estimación son
potencialmente mayores, debido a que dependen de las condiciones ambientales.
El sistema RT 200 (Ntech Industries, Ukia, CA) esta diseñado con 6 unidades de
sensado, sin embargo no se conoce información disponible que demuestre la
precisión obtenida con diferente número de sensores distribuidos de manera
equidistante a lo largo del botalón de un equipo de aplicación variable. Los resultados
aquí obtenidos muestran muy escasa diferencia entre las mediciones realizadas con
48 vs. 6 surcos sensados e incluso 4 surcos (Figuras 3 y 4).
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)

0,60 60%
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)
La estimación de las recomendaciones de fertilización basadas en el valor medio de

NDVI obtenido a partir de distinto número de surcos sensados muestra que las dosis
resultantes recomendadas en V6 serían levemente superiores (104 a 116%) a las
recomendadas en base a la lectura del total de los surcos (48 surcos), tomando como
dosis de referencia a esta última (se le asignó valor de 100%). La simulación de
prescripción derivada de sensar 6 o 4 surcos en V6 muestra que las variaciones en
la dosis seria de 2,9 y 6,5 kg de N por encima de la dosis media de referencia.
Cuando las mediciones se realizaron al estadío de V8, las diferencias en NDVI fueron
menores, y las estimaciones fueron similares a las de la referencia. Las diferencias
fueron de -3,7 kg de N o nulas cuando la prescripción se hizo sobre 6 o 4 surcos en
referencia a una dosis media de 86,6 kg de N/ha (Tabla 3).
Tabla 3: Estimación de la recomendación de fertilización en función del NDVI utilizando el SBNRC

(*) según el número de surcos sensados al estadio V6 y V8 en maíz.
Mediciones en V6 Mediciones en V8
Surcos
NDVI Recomendación % del Recomendación % del
sensados
(Kg N/ha) (*) promedio (Kg N/ha) (*) promedio
48 Promedio 72,0 100% 86,6 100%
24 Promedio 78,0 108% 90,8 105%
12 Promedio 78,0 108% 86,5 100%
6 Promedio 74,9 104% 82,9 96%
4 Promedio 78,5 109% 86,7 100%
3 Promedio 83,2 116% 92,1 106%
(*) Estimaciones realizadas según http://www.soiltesting.okstate.edu/SBNRC/SBNRC.php
Los resultados obtenidos en la presente experiencia evidencian la variabilidad
espacial en el NDVI determinado sobre un cultivo de maíz, la cual decrece en función
del avance en el desarrollo del cultivo desde V6 a V8.
En las condiciones evaluadas las diferencias obtenidas en la estimación del NDVI
medio y de las recomendaciones de fertilización asociadas, muestran que estas no
fueron superiores a un 5%. De acuerdo a esto, seria factible obtener una estimación
aceptable del NDVI medio a partir de lecturas realizadas con 6 o 4 sensores
distribuidos en un ancho de trabajo similar al evaluado (aprox. 25 m).

Es conveniente continuar estudios extendiendo el rango de condiciones evaluadas a
mayor número de sitios y estadios de desarrollo, así como también incorporar
mediciones en cultivo de trigo a fin de contar con criterios más robustos para
recomendar una simplificación en el equipamiento lo cual redundaría en un ahorro
significativo de costos.
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. y G.V.JONSON. 1999 Improving Nitrogen Use Efficiency for Cereal

Production. Agron. J. 91:357–363.
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.
RAUN, W. R.; J. B. SOLIE, K. L. MARTIN, K. W. FREEMAN, M. L. STONE, G. V.

JOHNSON, AND R. W. MULLEN. 2005. Growth Stage, Development, and Spatial
Variability in Corn Evaluated Using Optical Sensor Readings. Journal of Plant
Nutrition, 28: 173–182, 2005.
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.
SENSOR BASED NITROGEN RATE CALCULATOR ON LINE. (2002).

http://www.soiltesting.oksate.edu/sbnrc/sbnrc.php (consulta 16 de marzo de 2007).
SOLIE, J. B.; M.L. STONE; W.R. RAUN, G.V. JOHNSON, K. FREEMAN, R.

MULLEN; D.E. NEEDHAM, S. REED, C.N. WASHMON. (2002) Real-time sensing and
n fertilization with a field scale greenseeker applicator.
http://www.nue.oksate.edu/papers/minnesota_2002_solie.htm (consulta 16 de marzo
de 2007).
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.
STEEL, R. G. D., J. H. TORRIE, AND D. A. DICKEY. 1997. Principles and procedures

of statistics: A biometrical approach, 3rd Ed. New York: McGraw Hill Book Co.
STONE, MARVIN L., JOHN B. SOLIE, RICHARD W. WHITNEY, WILLIAM R. RAUN

AND HEATHER L. LEES. 1996. Sensors for detection of nitrogen in winter wheat. SAE
Technical paper series. SAE Paper No. 961757. SAE, Warrendale PA.

IDENTIFICACIÓN DE ZONAS CON NECESIDAD DE ENCALADO Y CRITERIOS A
TENER EN CUENTA PARA EL CÁLCULO DE LAS DOSIS DE CORRECCIÓN
Ing Agr, Ms Sc Sebastián Gambaudo

Convenio ENCaLAR –INTA EEA Rafaela
sgambaudo@rafaela.inta.gov.ar
La agricultura moderna debe volcarse hacia el desarrollo sustentable, creando y

manteniendo la productividad del suelo a largo plazo. Los sistemas actuales utilizados
en la Argentina comienzan a ser cuestionados y a ser relacionados con el concepto
de sustentabilidad, es decir “usar sin depredar de tal modo que los recursos naturales
puedan ser transferidos a las generaciones futuras en condiciones de capacidad
productiva”.
La agricultura moderna tiene que ser sustentable, por medio de la creación y

manutención de la productividad del suelo a largo plazo. Los beneficios de suelos de
alta productividad incluye la protección ambiental y el uso eficiente de los insumos
(calidad y cantidad).
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.
Zonas con deficiencias:
En la región pampeana, el origen de la acidez en los suelos con aptitud agrícola, de

acuerdo a estudios realizados, se debería a la extracción diferencial de los nutrientes
calcio y magnesio de la capa arable por los cultivos realizados. Existen también otras
causas que pueden determinar una acidez como ser el material de origen, la
profundidad del suelo, las precipitaciones, la descomposición de la materia orgánica,
la vegetación natural, la remoción de bases a través de la cosecha de cultivos, o por
el residuo ácido que dejan en el suelo los fertilizantes nitrogenados (Potash &
Phosphate Institute, 1997).
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).

Figura 1. Áreas de suelos ácidos de la República Argentina
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.
3. Centro –Norte de Corrientes:

Mal drenados, reacción ácida, no salinos. Precipitación: media anual 1600 mm.
Representan: 1.589.606 has.
4. Oeste de Corrientes y NO de Entre Ríos:

Albardon arenoso y profundo, reacción ácida. Precipitación: media anual 1100 a 1300
mm. Representan: 3.221.725 has.
5. Oeste de Entre Ríos:

Area ondulada. Vertisoles con Argiudoles vérticos. Baja permeabilidad. Acidez en
superficie, con pH que aumentan en profundidad de 5,5 a 8. Precipitación: media
anual 1000 mm. Representan: 2.039.486 has.
6. Sur de Entre Ríos, Isla y Delta del Río Paraná:

Arenosos, con napa de agua cercana, anegadizos. Acidos. Precipitación: media anual
950 a 1050 mm. Representan: 2.671.586 has.
7. Margen derecha Río Uruguay en Entre Ríos y Corrientes:

Arenosos sobre subsuelo arcillo-arenoso, moderadamente drenados. Acidos. Bajo
CIC y %SB. Precipitación: media anual 1300 a 1400mm. Representan: 1.589.606 has.
8. Centro, este y sur de Santa Fe, Noroeste de Buenos Aires:

Argiudoles, con B2 textural. Bien provistos de MO y nutrientes. Levemente ácidos en
superficie y moderadamente alcalinos en profundidad. Precipitación: media anual 900
a 950. Representan: 3.923.565 has.
9. Sistema de Tandilla – centro Sureste de Bs As:

Bien drenados. Ricos en MO y en nutrientes, son ligeramente ácidos a neutros.
Precipitación: media anual 800 mm. Representan: 2.169.704 has.
10. Centro este de La Pampa y pequeñas áreas de SO de Bs As y SO de Cba:

Textura liviana. Horizonte pertrocálcico a 1m de profundidad. Moderadamente
provistos de MO y nutrientes. Ligeramente ácidos en superficie. Precipitación: media
anual 550 a 600 mm. Representan: 4.591.209 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.
12. Este de Jujuy, noroeste y sur de Salta:

Las zonas de bosque: bien provistos de MO y son ácidos. Representan: 4.788.801
has.
13. Centro oeste de Neuquén:

Desarrollados sobre cenizas volcánicas. Horizonte a1 ácido, con baja %SB. Ricos en
MO y nutrientes. Representan: 9.464.966 has.
14. Santa Cruz y Tierra del Fuego:

Suelos medianamente profundos. Horizonte Ao superficial rico en MO poco
humificada. De reacción ácida. Representan: 8.924.025 has.
Cruzate y Casas (2003) identificaron zonas de extracción de nutrientes por los

principales cultivos de Argentina, maíz, trigo, sorgo granífero, soja y girasol,
determinando que los mayores valores de calcio se exportan de los departamentos
San Nicolás (Buenos Aires) y Rosario (Santa Fe) con una extracción de 7,80 kg por
hectárea en la campaña 2002/03. Además determinaron que en tres áreas, una del S
de Santa Fe y N de Buenos Aires, otra del centro de Córdoba al S de Santiago del
Estero y la tercera en el SO de Santiago del Estero y E de Tucumán, los valores de
calcio exportado fueron superiores a 6 kg. ha-1 .
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.

Cuadro1. Valor de CIC y su relación con el nivel de retención de cationes por el suelo.
Capacidad de Intercambio Catiónico (meq/100 g) Nivel
Menor de 6 Muy bajo
Entre 6 y 12 Bajo
Entre 13 y 20 Medio
Entre 21 y 30 Alto
Mayor de 30 Muy alto
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 de bases: Uno de los métodos más utilizados para

calcular la cantidad de enmienda a agregar se basa en el porcentaje de
saturación de las bases presentes y el de cada una de ellas, considerando
valores referencias como los siguientes Buena ≥ 80%, media 60-79% y baja <
60%.
- Porcentaje de saturación con calcio: Bueno ≥ 70%, moderado 60-69% y bajo <
60%.
- Porcentaje de saturación con magnesio: Bueno > 7%, moderado 5 –6 % y bajo

< 5%.
- Relación calcio-magnesio: ideal 6-7 de calcio: 1 de magnesio.
- pH: El valor del pH del suelo es indicador de su grado de acidez, neutralidad o

alcalinidad, que se relaciona con numerosas propiedades del mismo,
influyendo sobre la solubilidad de los nutrientes, el crecimiento y el rendimiento
de las plantas. Además se vincula con el material que dio origen a los suelos,
es decir, con los minerales que lo integran (calcio y magnesio) y con la forma
en que se fueron alterando.
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
La adaptabilidad de las plantas es diversa y varía a lo largo de la escala de pH,

determinándose que para valores entre 6,5 - 6,8 no habría restricciones de
crecimiento para ninguno de ellas. Se considera que un suelo es ácido cuando se
encuentra por debajo de pH 6 y es alcalino cuando el valor es superior a 7,5.
Material a utilizar:
Las enmiendas factibles de utilizarse para la corrección de la acidez edáfica en

Argentina han quedado definidos por la Norma IRAM 22451 (Gambaudo, 1998). En la
misma se establecen los requisitos (concentración y granulometría), las condiciones
de recepción y los métodos de ensayos de materiales calcáreos para uso
agropecuario que se emplean en suelos. Al material calcáreo se lo define como el
producto constituido básicamente por calcio, o calcio y magnesio, que actúa como
corrector de suelos y es fundamental para la nutrición vegetal.

Se podrá establecer, como lo menciona Bonalumi (2005), una clasificación de los
materiales con tendencia calcítica a aquellos que tiene entre un 30-52% de OCa y
entre 0 y 11% de OMg y con tendencia dolomítica las que poseen entre un 30-35% de
OCa y entre 13-21% de OMg, dejando una estrecha franja a un grupo de materiales
con tendencia mixta que tiene entre 30-355 de OCa y 11-13%OMg.
La concentración y la granulometría, determinan el Poder Relativo de Neutralización

Total (PRNT) que está compuesto por el Poder Neutralizador del material (PN) y su
velocidad de reacción, la Eficiencia Relativa (ER), quedando definida de acuerdo a la
siguiente ecuación:
PN x ER
PRNT = ----------------
100
A partir del PRNT es posible diferenciar la calidad de los materiales a utilizar y

establecer una clasificación (Cuadro 3).
Cuadro3. Calidad de los materiales calcáreos para su uso agropecuario según

su Poder Relativo de Neutralización Total (PRNT).
Calidad PRNT (%)
Superior Más del 90
Buena Entre el 75 y 90
Regular Entre el 60 y 74
Inferior Entre el 45 y 59
Un aspecto importante a recordar es la residualidad que tienen el efecto de las

enmiendas.
Cálculo de la dosis:
Existen varios pero entre los más utilizados se pueden mencionar:

• Cálculo de la saturación de bases: la necesidad de encalado surge de cotejar
la saturación actual de bases con la deseada como se mencionó
anteriormente.
• Buffer SMP: consiste en medir el descenso del pH de una suspensión de suelo
en una solución reguladora (buffer). El descenso se relaciona con valores ya
calculados y se obtiene la cantidad de enmienda necesaria para alcanzar el pH
deseado.
• Curvas de Neutralización: se usa como patrón de ajuste de los métodos
citados anteriormente, no siendo utilizado muy utilizado en los laboratorios por
su demora para ser usado e determinaciones de rutina.
• Concentración del Al +++ intercambiable: el contenido de Al intercambiable es
detectable en suelos con pH inferior a 5,5 y en estos casos el método más
eficaz de diagnóstico de necesidad de enmienda radica en tomar entre una y
dos veces el contenido de Al intercambiable y referirlo directamente como
necesidad de carbonato en toneladas por hectárea. Este método resulta muy
útil para suelos ultisoles, oxisoles y arenosos (baja CIC).

Maquinarias para su aplicación:
La evolución de la maquinaria, como en todas las actividades agropecuarias, viene de

la mano de la demanda y de la necesidad. La incorporación de grandes volúmenes de
material mineral con alto peso específico y características abrasivas limita el uso de
equipos convencionales de aplicación de fertilización.
Los actuales equipos aplicadores de enmiendas calcáreas poseen sistema de

calibración indirectos y trabajan con precisión relativa. Poseen dispositivos
dosificadores sincronizados con el desplazamiento. Deben garantizar un flujo continuo
de material desde el seno de la tolva hacia el órgano dosificador. Los acarreadores
pueden ser de cadena o caucho accionados por toma de fuerza o rueda de mando.
Los distribuidores existentes son a voleo con bidiscos de baja revoluciones, bidiscos
con “polleras” o cortinados antideriva y dispositivos distribuidores de precisión a
sinfines transversales con paravientos.
Recientemente han aparecido dosificadores variables (Tron, 2007) que pueden

clasificarse, según su naturaleza de funcionamiento, en dos tipos: mecatrónicos y
electrohidraulicos.
Mecatrónicos: son aquellos equipos que basan su funcionamiento en la interacción

entre componentes mecánicos y electrónicos (Figura 2).
Figura 2. Detalle del sistema de caja variadora comandada elctrónicamente.

Cortesía de FÉRTIL.
Se trata de un sistema de control que se gobierna a través de un actuador

(servomotor), un variador mecánico que acciona un eje dosificador (dosificadores
chevron en sembradoras, rotores de sistemas air drill, rolos de sistemas de
acarreadores y cadenas dosificadoras), lográndose de esta manera variar
permanentemente la relación de transmisión de este variador, estableciendo así
diferentes valores de dosificación en tiempo real. Estos sistemas permiten la

aplicación de dosis fijas seleccionadas por el operador, o en función de mapas de
aplicación prescriptos.
Electrohidraulicos: son los sistemas compuestos de órganos oleohidraulicos,

comandados electrónicamente. Estos sistemas logran variar las revoluciones de un
oleomotor solidario a un eje dosificador, a través de electroválvulas proporcionales
gestionadas por un sistema de control. Al igual que en el caso anterior estos sistemas
permiten la aplicación a tasa fija o variable en función de mapas de aplicación.
Bibliografía:
Bonalumi, A. 2005. Ubicación geográfica, contexto geológico regional y características

geoquímicas de las manifestaciones. Informe interno. Secretaría de Minería de la
Provincia de Córdoba. 7p.
Cruzate, G. y Casas, R. 2003. Necesidades de Nutrientes en la Agricultura Argentina.

Presentación en la Jornada Internacional Uso de minerales para una Agricultura
Sustentable. CYTED-Cámara Argentina de Productores Mineros. Pergamino, 11 –
12/09/03.
Gambaudo, S. 1998. Materiales calcáreos para uso agropecuario. FERTILIZAR.

11:10-11.
Giorgi, R. Cálculos realizados en base al Atlas de Suelos de la Rep. Argentina.
(Comunicación personal).
Potash & Phosphate Institute. 1997. “Manual internacional de fertilidad de suelos”.

PPI, 655 Engineering Drive, Suite 110, Norcross, GA 30092-2837, USA. Capítulo 2.
Tron, L. 2007. Comunicación personal.
Wild, A. Ed. 1992. Condiciones del suelo y desarrollo de las plantas según Russell.
Ed. Mundi –Prensa. Madrid, España. Capítulo 3: 71-121.

IMPORTANCIA DE LA CARACTERIZACIÓN DE LOS AMBIENTES PARA EL
MANEJO DE LA FERTILIDAD Y LOS FERTILIZANTES
Ings. Agrs. Hugo Fontanetto1 ; Oscar Keller1 ; Julio Albrecht2 y Gabriel Beccaría3.
Los suelos de la zona pampeana de Argentina presentan diferencias muy

marcadas en cuanto a sus propiedades físicas, químicas y biológicas y también
respecto a las precipitaciones que ocurren anualmente en sus diferentes áreas
geográficas. Esto produjo que exista variabilidad espacial (que ocurre principalmente
a diferentes escalas) y temporal (a través de los años y de las estaciones de
crecimiento). La mencionada variabilidad es natural (y ocurre principalmente a gran
escala) e inducida (debida a aspectos de manejo de los suelos y cultivos y se da a
pequeña, mediana y a gran escala).
Un ejemplo de la variabilidad a gran escala se muestra en la siguiente imagen

satelital de un sector de la zona centro norte de la provincia de Córdoba del año 2005,
donde se aprecia la variabilidad de ambientes productivos.
------------------------------------------------------------------------------------------------------------------------------
--
(1): profesionales del Dpto. Investigación en Agronomía del INTA Rafaela; (2): AFA María
Juana; (3): CREA zona S. M. de Las Escobas-Gral Belgarno.-

Otro ejemplo de variabilidad a gran escala se puede apreciar en el siguiente mapa
de los contenidos de fósforo extractable del suelo en la capa 0-20 cm (Bray I) que
realizaron entre Yara y AGD.
CERES
50.00
45.00
COLONIA CAROYA
40.00
RIO PRIMERO
DESPEÑADEROS
LAGUNA LARGA
35.00
ONCATIVO
CORRALITO
30.00
HERNANDO
GENERAL DEHEZA
GENERAL CABRERA 25.00

CARNERILLO
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
La variabilidad en pequeña escala es también un problema a resolver para el

manejo eficiente de los recursos productivos y la misma es alta en los planteos de
siembra directa continua debido a la aplicación anual y reiterada de los fertilizantes al
costado y debajo de la línea de siembra y a las aplicaciones de fertilizantes (con
nutrientes poco móviles como P, K, Ca, Mg, etc) en forma “bandeada”.
Ejemplos de variabilidad en pequeña escala e inducida se aprecia en la siguiente

figura de aplicaciones de diferentes dosis de P (Kitchen et al., 1990) localizadas en el
suelo:

Suelo franco limoso
30 22 P
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)

Por lo presentado anteriormente, surge que la variabilidad condiciona las técnicas
de muestreo convencionales y por esos motivos condicionan la efectividad de los
análisis de suelos y de plantas, al diagnóstico y a la recomendación de la nutrición y la
fertilización. Lo mencionado anteriormente obliga a que para ser eficiente en el
manejo de los recursos sea necesario caracterizar ambientes para el manejo de la
Fertilidad de los Suelos y de los Fertilizantes.
Durante muchos años, los técnicos y productores supieron que el rendimiento de
los cultivos varía espacialmente dentro de los lotes de producción, pero hasta hace
pocos años era difícil y costoso documentar y cuantificar esta variabilidad. En la
actualidad, el desarrollo de nuevas tecnologías, tales como el Sistema de
Posicionamiento Global (GPS), los sistemas de información geográficos (SIG) y la
disponibilidad de cosechadoras equipadas con monitores de rendimiento, permiten
generar, almacenar y analizar datos que reflejan la variabilidad del rendimiento de los
cultivos dentro de los lotes.
¿Los productores obtienen los mismos rendimientos en el mismo campo de un
año a otro, sembrado en la misma época, usando el mismo híbrido/variedad y la
misma dosis de fertilización presiembra? ¡Absolutamente no! ¿Por qué? La razón por
la que no se obtienen los mismos rendimientos de un año a otro se debe a que la
variabilidad en el crecimiento del cultivo y el rendimiento tiene un gran impacto en los
niveles de rendimiento.
La variabilidad de rendimiento generó interés en el manejo sitio-específico de los

cultivos y en la aplicación variable de insumos, y condujo al desarrollo de fertilizadoras
y sembradoras de dosis variable. Por ejemplo, hoy es posible variar la dosis de N y de
P/ha casi instantáneamente, lo que demuestra que la tecnología para hacer manejo
sitio-específico está disponible. Aunque los beneficios potenciales de la aplicación
variable de insumos son muy importantes, tanto a nivel económico como ambiental, la
adopción de esta tecnología es todavía limitada y aparentemente la principal causa es
que no se han desarrollado recomendaciones adecuadas para utilizar esta tecnología
en forma rentable. Entre los diferentes insumos que pueden ser aplicados en forma
variable, los fertilizantes generan el mayor interés. Entre ellos, son el N y el P los que
presentan los mayores desafíos de manejo, los que más limitan el rendimiento de los
cultivos y los de mayor incidencia en el costo de producción de los cultivos no
leguminosos.
El manejo adecuado de los recursos en los sistemas productivos ha llevado a
mencionar el término “agricultura de precisión” como la meta para cumplir con los
mismos.
La Agricultura de Precisión comprende varias tecnologías incluyendo :

Satélites de navegación con GPS, la realización de mapas a través de software
apropiados, sistemas de información georeferenciada, monitores de rendimiento,
sensores remotos y otros equipamientos. La llave del éxito de la implementación de
estos conceptos es el balance de la tecnología con el conocimiento agronómico para
la toma razonable de decisiones. Esta herramienta ha sido empleada para el ajuste de
labores, de aplicación de fertilizantes, encalado, densidad de siembra, aplicación de
herbicidas e insecticidas, drenaje y decisiones en riego.
Volviendo al tema del manejo de la variabilidad existente y a su manejo, uno de

los primeros aspectos a considerar es una adecuada caracterización de los
ambientes y ello implica utilizar técnicas de muestreo que permitan la caracterización
de la variabilidad presente. Por ellos se dice que:
-Tanto el tiempo, la frecuencia, la frecuencia y la profundidad de muestreo dependen
de la movilidad del nutriente que se va a considerar y para los de mayor movilidad (N

y), el muestreo debe ser realizado con una frecuencia anual o semestral (a la siembra
de cada cultivo) y a una profundidad de 0-60 cm. En cambio para nutrientes poco
móviles (P, K, Ca, Mg) es suficiente realizarlo a una profundidad de 20 cm y con una
frecuencia de cada tres años.
A continuación se comentarán algunos resultados de ensayos realizados en el
área pampeana de Argentina:
1- Area de Pergamino (Bs. As.).
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
Definimos solo tres zonas de manejo:

* con altos rindes en Rojo,
* similares al promedio en verde y
* bajos en azul,
(de los últimos 5 años años en estudio).

Se realizó en el mismo Aplicación Variable de Insumos en el cultivo de trigo 2005-06 variando la aplicación
de Sol UAN ( 28N-5S) a principios de macollaje.
Cultivo Lote Zona Rend esperado (kg/ha) Prof. (cm) N en suelo (kg/ha) Umbral de N (kg/ha)
Trigo C. Largo Santa Inés 1 azul 3900 0-60 58 100
Trigo C. Largo Santa Inés 1 verde 4500 0-60 58 130
Trigo C. Largo Santa Inés 1 rojo 5400 0-60 195 170
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

Análisis económico de Margen Bruto por hectárea
(Lote Sta Ines 1, sup: 155 ha. ; en U$S/ha sin IVA) (121 l/ha: dosis media)
Aplicación
Variable Sol UAN pus ( lt/ha) 114 195 54
Ambiente Bajo Intermedio Alto
Labores $26 $26 $26
Semilla $16 $16 $16
Fertilizantes Fosfato diamónico $43 $43 $43
Sol UAN plus $35 $60 $16
Agroquímicos $4 $4 $4
Total costo
directo $124 $149 $106
Rendimiento
tn/ha 4,942 5,374 5,345
Precio u$/tn $108 $108 $108
Ingreso Bruto $534 $580 $577
Gastos comercialización 14% $75 $81 $81
Cosecha $31 $31 $31

Ingreso Neto $428 $468 $466
Margen Bruto $304 $320 $360
Resultado sobre costo directo $/$ 2,5 2,1 3,4
Conclusiones:
1. Las aplicaciones variables permitieron obtener mayores MB en cada ambiente.

2- Area de Río Cuarto (Córdoba).
Zona de Río Cuarto (Cba.). Ensayos de A&T y Asociados.
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
Zona N (kg/ha) P (ppm) S (ppm) N V6
L 22 13 6 11
ML 29 18 6 14
B 42 22 5 17

Zona de Río Cuarto (Cba.). Ensayos de A&T y Asociados.
Margen Bruto en función de kg/ha PDA
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
Dosis de PDA a siembra (kg/ha) + N63-S12 en V6

PDA (kg/ha)
¿En qué punto decidiremos situarnos?:
- ¿En el de máximo M. B?.-
- ¿En otro/s, aplicando diferentes criterios de fertilización/reposición de nutrientes?.-
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.

DETECCIÓN Y MANEJO DEL ESTRÉS NITROGENADO EN MAÍZ MEDIANTE EL
USO DE SENSORES REMOTOS
Ing. Agr. Ph.D. Fernando Solari

Fernando.solari@monsanto.com
Introducción
La aplicación de nitrógeno (N) en dosis variable durante el período de rápido

crecimiento de los cultivos permite aumentar la eficiencia en el uso de N al atacar sus
tres principales determinantes. A saber: falta de coordinación entre la oferta de N y la
demanda del cultivo, aplicación uniforme a un cultivo/lote de condiciones variables, y
nula consideración de las condiciones climáticas cambiantes año a año.
Tradicionalmente la limitante para la adopción de esta estrategia eran dos: un método
lo suficientemente rápido, barato y confiable para estimar la disponibilidad de N en la
ventana V6-V12, y un sistema de aplicación variable, de alto despeje y gran
capacidad de trabajo que permita manejar grandes superficies en corto tiempo.
Avances recientes en sensores remotos permiten estimar el estado nutricional de los
cultivos de maíz en forma confiable (Solari, 2006). Esto ligado a la evolución de la
maquinaria agrícola hace posible la aplicación en dosis variable de fertilizantes donde
y cuando el cultivo lo necesita.
Una estrategia reactiva para el manejo de la fertilización debe descansar en la
certeza de que podemos detectar deficiencia de N antes de que estas produzcan
perdidas de rendimiento. Un indice de suficiencia (estado de un cultivo dado en
relación a otro sin limitaciones de N) basado en lecturas de SPAD (SISPAD) ha sido
usado como indicador del estado nutricional de cultivos (Blackmer and Schepers,
1995; Piekielek et al., 1995; Bausch and Duke, 1996; Varvel et al., 1997), y utilizado
para desarrollar estrategias de manejo (Varvel et al., 2007). Sin embargo, las lecturas
de SPAD son indicadores de la severidad de un estrés puntual, pero no proveen
información de cuanto podemos esperar para lo que resta del cultivo. Además
debemos sumarle que uno de los mayores desafíos al hacer recomendaciones de
fertilización es que el clima no puede ser predicho. Contar con 10 años de datos de
datos de SPAD y rendimiento permite integrar los efectos variables del clima tanto en
la provisión de N del suelo como en la demanda del cultivo. Si se pudiera establecer
una relación linear entre SISPAD y un índice de suficiencia basado en lecturas del
sensor (SISENSOR) podríamos adaptar lo que sabemos de manejo de la fertilización
usando SPAD a una tecnología basada en lecturas con sensores activos. Este trabajo
utiliza datos de ensayos de fertilización de larga duración y otros conducidos en
campos de productores para proponer un algoritmo que relacione un diagnóstico
basado en lecturas de un sensor remoto con la fertilización requerida.
Materiales y métodos
Datos de rendimiento y lecturas de SPAD de un ensayo de larga duración en

Nebraska, EEUU, correspondiente al período 1995-2004 fueron usados para estimar
la relación entre 1) N disponible a la siembra y rendimiento relativo, 2) Índice de
suficiencia basado en SPAD (SISPAD) y rendimiento relativo y 3) N disponible en suelo
y SISPAD. Detalles del diseño y conducción de este ensayo de larga duración se
brindan en Varvel, et al., (1997) y Varvel et al., (2007). Brevemente, cuatro híbridos de
maíz son sembrados anualmente en una monocultura con 5 niveles de fertilización: 0,
50, 100, 150 y 200 Kg. N/ha desde 1990 en un diseño split-plot con 4 repeticiones
donde la parcela principal es el híbrido y la subparcela el nivel de fertilización.

Para la calibración del algoritmo se utilizaron datos del experimento antes
mencionado correspondientes al año 2005 y de otro experimento conducido en un lote
vecino. En este caso el lote se encuentra en monocultivo de maíz desde antes de
1990 con manejo comercial, con lo que los valores de N residual dentro del lote fueron
uniformes y solo afectados por la variabilidad espacial en mineralización de N y
lixiviado inducido por diferencias de textura y/o materia orgánica. Los tratamientos de
N fueron impuestos de acuerdo a dos estrategias de manejo: 1) aplicación en V4 de 0,
45, 90, 180, o 270 Kg. N/ha o 2) aplicación en V4 de 45 o 90 Kg. N/ha seguido de 0,
45, 90, o 180 Kg. N/ha en V11o V16 (Ritchie et al., 1992). Este ensayo incluyo 3
repeticiones y un híbrido. El tamaño de las parcelas fue de 8 surcos por 15m de largo.
En ambos casos se tomaron lecturas con el sensor Crop CircleTM (Holland Scientific
Inc., Lincoln, NE; www.hollandscientific.com; model ACS-210) y un clorofilometro
SPAD en V11 y V15. El sensor fue montado en una pulverizadora autopropulsada de
gran despeje lo que permitió posicionarlo ~ 1 m por encima de del canopeo del cultivo.
El campo visual aumenta de tamaño a medida que aumenta la distancia entre el
sensor y el cultivo (v.g.“ve mas cultivo”), y es de aproximadamente 10 por 50cm a1.0-
m de altura. A una velocidad de 2m/s el sensor produjo unas 70 lecturas por parcela,
virtualmente 1 lectura por planta (que es a su vez el promedio de 4000 lecturas
recolectadas a lo largo de 18cm). Este sensor mide la reflectancia en dos bandas
(ámbar e infrarrojo cercano (NIR); 590 y 880 nm). Los valores de reflectancia fueron
convertidos a un índice de clorofila (CHLI) (Gitelson et al., 2005). Las lecturas de
SPAD se tomaron de acuerdo a Peterson et al.,(1993). Los valores promedio de
SPAD y CHLI de cada parcela fueron expresados en relación al valor promedio de la
parcelas sin limitaciones de N (por híbrido y repetición).También se determino
rendimiento cosechando tres surcos de cada parcela con una cosechadora
autopropulsada y balanza incorporada.
Resultados
El análisis de regresión de los datos combinados a través de los años para el

ensayo de larga duración (1995-2004) indicó que los rendimientos máximos (entre
10.4 y 13.6 Mg ha-1) ocurrían con 175 Kg. ha-1 N para este sitio (r2 = 0.65) (Fig. 1a).
Este valor es similar al reportado por Dobermann et al., (2006) para un estudio que
evaluó las respuestas a la fertilización en 34 sitios en Nebraska para el período 2002-
2004.
Se encontró además una relación linear entre SISPAD y rendimiento relativo (V8,
r2 = 0.53; V10, r2 = 0.61; V12 r2 = 0.61; Figure 1b). Como era de esperar, SISPAD
también mostró una respuesta cuadrática a la disponibilidad de N (Fig. 2a) con un r2 =
0.70 para los datos analizados a través de los años y estadios de crecimiento. Estos
resultados sugieren que el SPAD puede ser usado para estimar la condición
nutricional a través de distintas condiciones ambientales y estadios vegetativos y
determinar la cantidad de N necesaria para corregir deficiencias. Por ejemplo, usando
la función de la figura 2a, la cantidad de N necesaria para corregir una deficiencia
para un valor de SISPAD de 0.90 es alrededor de 125 Kg. N ha-1, sabiendo que 175 Kg.
N ha-1producen máximos rendimientos.

1.0 1.0
a b
V8
0.9
0.9 V10
V12
0.8
0.8
Relative Yield
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
N rate at planting (Kg ha-1) SISPAD
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]
La variación en verdor expresada como CHLI estuvo altamente correlacionada con

mediciones independientes hechas con el SPAD (Figura 2b) indicando que los
sensores activos pueden ser usados en lugar del SPAD para decidir cuanto N aplicar.
SI SPAD V11-V15 = 0.5549 SISENSOR V11-V15 + 0.4272; R2= 0.76*** [2]
Usando las ecuaciones 1 y 2, el N disponible para el cultivo (NESTIMADO) puede

calcularse como:
NESTIMADO V11-15 = {-0.002-[0.000004+0.0000224*(0.8073- (0.5549 SISENSOR V11-V15 +

0.4272))]1/2}/(-0.0000112) [3] (Fig. 2c)
Si asumimos 100% de eficiencia para el N aplicado durante el período de
rápido crecimiento, se desprende que la cantidad de N a aplicar para maximizar el
rendimiento en un año dado (NRECOMENDADO) será
NRECOMENDADO = 175 (kg/ha) - NESTIMADO [4]

1.00 1.1 200
y = 0.8073+0.002N-0.0000056N2 a SISPAD=0.5549SISENSOR+0.4272 c
0.98 b
R2= 0.70 R2=0.76***
0.96 1.0 150
0.94
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
N rate (kg ha-1) SISENSOR SISENSOR
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.

1.2
a
V11
1.1 V15
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
NSUPPLIED (Kg ha-1)

Referencias:
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.

REFLEXIONES SOBRE LOS DESAFÍOS DE LA AGRICULTURA DE PRECISIÓN
EN EL MARCO DE UNA AGRICULTURA MAS INTENSIVA Y SUSTENTABLE.
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.
El escenario actual presenta una serie de inquietudes.

Si bien los precios de los productos a mediano plazo están sostenidos por las
demandas de alimentos y la nueva demanda energética, los precios de la tierra llevan
el negocio a niveles críticos. Por ejemplo con datos de mayo de este año eran
necesarios 69 quintales de trigo y 32 quintales de soja de segunda para pagar 400
U$S/ha de arrendamiento en Gral. Pinto o 129 quintales de Maíz para obtener
rentabilidades del capital invertido del 15% (Cazenave 2007).
La expansión horizontal se presenta poco evidente y aparece la intensificación como
alternativa. ¿Cómo aumentar la facturación en la superficie disponible? ¿Cómo poner
en valor tierras de menor capacidad?
Numerosas alternativas plausibles no excluyentes aparecen en consecuencia:
- Intensificación en el manejo de los cultivos.
- explosión de proyectos de riego.
- especialidades-commodities.(oleico-colza-pisingallo-mav.etc.…)
- dobles cultivos y siembras sucesivas.
- ínter siembras.
- valorizaciones de granos comestibles y no comestibles para energía.
- proyectos de generación de biomasa.
El empresario se pregunta con tino:

¿Cómo uso eficientemente mi tiempo y el de mis equipos para ir detrás de los
proyectos más consistentes que me permitan seguir siendo competitivo?
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.

¿Donde poner el énfasis en desarrollo?
Dentro de la oferta de la agricultura de precisión es difícil identificar las que

tradicionalmente llamamos tecnologías de insumos y tecnologías de procesos, en
todo caso algunos se acercan más a unas que otras por ejemplo un sensor de flujo de
semillas en general lo adopto o no, pero no requiere procesos específicos a
desarrollar mientras que lo contrario sucede con la fertilización por ambientes. La
adopción de las tecnologías mas de insumo relativas a la agricultura de precisión será
prácticamente inmediata en la medida que menos procesos involucren y resuelvan
necesidades de control de procesos, así lo demuestra la adopción de banderilleros
satelitales, monitores de siembra y en breve pilotos automáticos de amplia adopción
en USA.
Sin duda cualquiera de los proyectos de intensificación planteados: sea riego,

generación de biomasa, ínter siembras o nuevos cultivos coinciden junto con los
manejos tradicionales eficientes de los cultivos en requerir mejores ambientaciones y
aquí las distintas escalas de la ambientación desde las imágenes satelitales a los
mapas de rendimiento a las posteriores verificaciones GPS en mano enriquecen a los
muy valorables mapas de suelo agregando una información de mejor escala y más
dinámica.
En este punto hemos puesto especial esfuerzo desde el movimiento CREA.
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.

En el otro extremo nos encontramos con heterogeneidades que presentan un patrón
tipo virósico donde toda la heterogeneidad se repite a esa escala generando
dificultades para el manejo sitio específico.
Definición de ambientes y aporte variable de insumos .
En Francia en trigo para aplicaciones medias de 50 kg de N se obtienen ganancias

de 0 a 3 quintales de ganancia, para experimentos con nula a alta variabilidad en el
ambiente.
En nuestras condiciones cuando los ambientes presentan heterogeneidades

aceptables para su manejo sitio específico (no virósico ni cuando la uniformidad sea
muy manifiesta) podemos señalar ejemplos donde se pueden esperar resultados
satisfactorios. Pero empecemos por analizar si existen las bases funcionales para
realizar dichos ajustes.
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)
MODELO NITROGENO DE RINDE MAXIMO Y PROFUNDIDAD

DE SUELO. Años 2000, 2001 y 2004
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)

Trigo. Nivel óptimo de N según ambientes
del oeste bonaerense
G.Venzano (2006)
Definición de ambientes para el ajuste

de recomendaciones
En el primer caso para tomar en cuenta la variabilidad de lluvias de los años y el

resultado se recurre a un modelo mas funcional que relaciona el agua en el perfil a la
siembra (en vez de la profundidad) mas las lluvias en el ciclo en relación con el
modelo óptimo de N a elegir.
MODELO N OPTIMO Y AGUA A LA SIEMBRA MAS LLUVIAS
JUNIO A NOVIEMBRE. Cacho Rita y Colinas de la Galia 2001
a 2005. Variedades
225
MODELO N (kgNs+Nf/ha)
200
175
150 -70cm
125 +70cm
100
75 100-125N 125-150N 150-175N

50
400 450 500 550 600 650 700 750 800
AGUA SBRA + LLUVIAS (mm)
De esta manera y a partir de las probabilidades de lluvia en cada región (confrontar

G.Montaner y Di Napoli Manfredi 2006) se determinó la elevada consistencia de las
aplicaciones variables de N para el sudoeste y una mucho menor para el sudeste ya
que en esta región las lomas con tosca en los años lluviosos son más demandantes
en N que los bajos (ya que estos suelen tener mayor cantidad de N que el evaluado 0-
60 cm y mayor horizonte A o menor degradación) lo que obliga a una estrategia por
etapas pero mas incierta al fin.

N suelo kg/ha 60
trigo libre U$S 100
Urea U$S 320
Variable Uniforme
Profundidad Porcentaje lote MODELO Respuesta Margen MODELO Respuesta Margen
% N-x kg/ha U$S N-x kg/ha U$S
30 33 100 700 42 141 850 29
60 33 150 1500 87 141 1200 64
100 33 175 2300 150 141 1887 132
92 74
U$S/ha
Diferencia a favor de variable 18
En el ejemplo para un lote con 1/3 de suelo con 30 cm 1/3 de 60 cm y 1/3 de 100 cm
podemos esperar una ganancia de 18 U$S pero solo en el 36% de los años en
Necochea (SE de Bs As) de partir con suelo seco en Necochea esa probabilidad sube
al 53% mientras que en el 82% de los años en C.Suarez (SW de Bs As).
Para Mar y Sierras el modelo mínimo elegido en lomas es 125-x y se aplicaría solo en
años donde se empieze con el perfil seco esperándose ganar 14U$S/ha en el 91% de
los casos.
Estas conclusiones llevaron a que el último año el proyecto Molinos Cazenave de

Candeal llevara adelante en el SW 2700 has de lotes con ambientación y aplicación
variable de Nitrógeno.
¿Con esta variabilidad que podemos hacer en Mar y Sierras con el N?
Si partimos de una situación de suelo seco (cercano a marchitez) usamos el modelo

profundidad para hacer las aplicaciones variables. (125-x para <50 cm de
profundidad; 150-x para 60-70 cm 175-x para +80 cm) (i). Como lo hago?
Inicialmente llevo toda la disponibilidad inicial a 125-x (entre siembra y 3 hojas).
En fin de septiembre principios de octubre (hasta 2 nudos) completo en función de las

lluvias. Si a fin de septiembre tengo < de 300 mm entre agua a la siembra y lluvia dejo
el modelo tal cual (i), o sea aplico N variable según (i).
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.
Si a fines de septiembre tengo 400 mm (disponible a la siembra + lluvias) 150 –x en

los suelos de <50 cm y 175 –x en los suelos de > 50 cm. Tambien podría al interior de
cada ambiente utilizar el sensor de N.
Si a fines de septiembre tengo 500 mm (disponible a la siembra + lluvias) todos los

ambientes 175-x. Aquí el sensor tendrá máximas chances de utilización.

Finalmente hacia hoja bandera expandida hasta ¼ de grano (fin de octubre-20 de
noviembre) se revisará el estado de nutrición. Hoy con SPAD y aplicaciones de 30 N
por regiones de lote en el futuro con la nueva herramienta en desarrollo.
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.
Modelo para aplicación variable de N en trigo en zonas húmedas (Ej: MyS)

Objetivo Condición Modelo N/ ambiente Modo
Disponibilidad H2O Modelo 125-x < 50 cm 125-x todos a siembra

Rinde a la siembra Modelo 150-x 50-80 cm Resto en fin Septiembre
+ pronóstico seco Modelo 175-x >80 cm
MODELO NITROGENO DE RINDE MAXIMO Y PROFUNDIDAD
DE SUELO. Años 2000, 2001 y 2004
250
MODELO N (Kg Ns+Nf)
200
150 2000
2001
100 2004
Condición Profundidad (cm)

50 y = 1,1387x + 68,552
2
R = 0,579
0
0 20 40 60 80 100 120
PROFUNDIDAD (cm)
Agua a la Posibilidad de uso de
siembra + <50 cm 50 a 80 +80 cm
Rinde Disponibilidad H2O lluvias hasta cm sensores de estrés N ön Go¨
a fin septiembre septiembre
(calidad) (mm)
Agua en e l suel o + l l uvi as f i n de septi embr e y mode l o opt i mo
300 125-x 150-x 175-x

200
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
(rinde) 11,0 R = 0,6183

15
13
y = 0,2746x - 1,4294
10,0 2
-5% 12 R = 0,4375
10
Porcentaje de proteína %
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
Nuevos indicadores en la respuesta a P
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.
RENDIMIENTO A DOS NIVELES DE P Y PROFUNDIDAD

DE SUELO. Variedades 2004-2005
(variedades promediadas)
7000
RENDIMIENTO (kg/ha)
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)

La repetición de resultados donde las altas respuetas a P se dieron no solo con
suelos profundos sino con ambientes con más historia agrícola con cierta
independencia de los niveles de P (K-Bray) nos hizo incorporar el indicador N an.(N
amoniacal mineralizado en condiciones anaeróbicas en 1 semana. Echeverria . INTA
Balcarce) como predictor de las elevadas respuestas.
RESPUESTAS ADICIONALES A P (150 PDA vs 80 PDA) Y

NITROGENO INCUBADO ANAEROBIO. PISTAS TRIGO 2005 Y
2006.
1200
2005
1000 2006
RESPUESTA MARGINAL
800
(kg/ha)
600
400
200
0
0 20 40 60 80 100 120
-200
N INCUBADO (ppm 0-20cm)
Las respuestas por aplicaciones variables de P no son mayores que las de N,

estamos (ver tabla) estimando del orden de 13 U$S, pero con un alta consistencia.
precio fertilizante 550
precio trigo 130
Profundidad Porcentaje Modelo Uniforme Respuesta quintales/ha

% kg PDA kg PDA Variable Uniforme Diferencia Costo Ingreso Diferencia
30 33 60 88 300 300 0 -15,4 0 15,4
60 33 85 88 550 550 0 -1,65 0 1,65
100 33 120 88 1200 900 300 17,6 39 21,4
88,3 12,8
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.
En el caso del S también hemos mostrado su relación con el potencial y las

posibilidades de su aplicación variable.
Vemos entonces que las posibilidades de márgenes significativos por aplicaciones

variables dependen de disponer de las relaciones que las expliquen y de una
variabilidad en el ambiente que resulte accesible.
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.

Las alternativas de culpar información satelital en tiempo real con toma de
decisión.
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.
El ejemplo de Farmstar en Francia :

Me parece interesante desarrollar este ejemplo ya que incorpora indicadores de
vegetación satelitales y modelos agronómicos con múltiples propósitos habiendo
logrado una gran adopción en lo que va de su historia (350000 has de trigo y de
colza) y creciendo en otros países.
Basados en las imágenes de SPOT se estima el LAI y la concentración en clorofila a
partir del Modelo vegetación atmósfera (SAIL + PROSPECT) por modelización
inversa.
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)

Farmstar permite:
i) Decidir la dosis a aplicar a fin de macollaje:
A partir de un modelo de balance:
Rinde x 3kg de N/q+N final= N suelo (medido) + Mineralización (estimada tablas) +

Nabsorbido a macollaje (a partir del LAI) se asume Nt no limitante + Dosis N
ii) Decidir la aplicación con hoja bandera expandida.
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:
Biomasa 8 ton Ntc % (2) x (0,9-0,8)= 16 kg de N
iii) Decidir la aplicación de un regulador.
En función de la biomasa estimada al fin de macollaje propone la aplicación de

reguladores para evitar el vuelco.
Farmstar en colza presenta resultados aún más atractivos ya que en general se

sobre fertilizan. Se usa la estimación de la dosis a utilizar en función del crecimiento
de las colzas, a más crecimiento precoz menor dosis recomendada (dado que se ha
demostrado el gran reciclaje del N ya absorbido en colza) permitiendo a los
agricultores mayores economías y prevenir la caída del aceite.
Los costos son:
Una carta 55 km x 55 km = 70000 Euros 300000 has 20% ocupación superficie x 4

cartas = 4,6 Euros/ha
Costo 8 a 10 Euros/ha colza 10 a 12 Euros/ha trigo
Ganancia estimada según variabilidad de 15 Euros a 75 Euros.
Conclusiones
El escenario futuro es de una alta demanda de conocimientos y la capacidad para

tomar decisiones de estrategias de producción en escenarios complejos asi como la
de auditar los procesos de producción y comercialización serán claves en el negocio
agrícola.
Las herramientas de precisión tendrán su participación desde los mejores controles

de los procesos productivos hasta la insersión en sistemas expertos que involucren el
cuplado de naturalezas diversas de información (como los ejemplos presentados).
Las contribuciones al manejo por ambientes deben basarse en principios funcionales

del comportamiento de los cultivos y la interacción con los ambientes o sea
interacciones sitio específicas, para evitar los fracasos de expandir hipótesis
generales.

La adopción seguirá ligada a los potenciales beneficios (en particular el ahorro de
tiempo), el nivel de simplicidad y de robustez de las herramientas.
Imagino en un futuro no muy lejano así como nuestras cosechadoras inteligentes,
sembradoras que vayan mapeando el ambiente por ej con sensores de conductividad.
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?
La intensificación requiere una fuerte interacción entre los actores, el empresario

animando numerosos grupos de trabajo en red.
Una tarea donde necesitamos muchos líderes, tractoristas, encargados, técnicos de
campo, empresarios, colaboradores extranjeros, investigadores de universidades,
INTA, CONICET.
Las nuevas capacidades pasan por saber gerenciar lo nuevo y lo que vendrá no se
parece a lo que ninguno de nosotros está viendo sino a un poquito de lo que cada uno
estamos viendo pero sobre todo a lo que seamos capaces de modificar.
Los invito a seguir inventándolo todos juntos.

RELACIÓN PROTEINA Y CALIDAD INDUSTRIAL EN VARIEDADES
ARGENTINAS DE TRIGO PAN
Jorge Fraschina, Beatriz Masiero, Dionisio Gómez y Martha Cuniberti

Grupo Mejoramiento de Trigo, EEA INTA Marcos Juárez.
jfraschina@mjuarez.inta.gov.ar
La calidad industrial del trigo (Triticum aestivum L.) es la resultante de un control

genético complejo y de una interacción entre esa genética y el ambiente. Por ejemplo, la
cantidad de proteína en grano se reconoce internacionalmente como una de las
principales variables de calidad del trigo y resulta ser un carácter con una fuerte
interacción con el ambiente agro climático. La relación negativa entre el rendimiento de
trigo y el porcentaje de proteína en el grano se manifiesta con el uso de niveles de
nitrógeno por debajo de los necesarios para maximizar el rendimiento. Esta situación de
manejo del cultivo, frecuentemente impone un límite para alcanzar los niveles de
proteína críticos demandados por la industria. Cabe destacar que a partir de 1995 el
porcentaje de proteína en grano se incluyó en el estándar de calidad comercial de trigo
en nuestro país y actualmente se opera con una base del 11 % sin descuento.
Con el objetivo de conocer la relación entre el contenido de proteina y algunos
atributos de calidad industrial se sembró un ensayo con ocho variedades de trigo pan
durante los años 2003, 2004 y 2005 en cuatro Estaciones Experimentales del INTA:
Balcarce en la sub región triguera IV, Pergamino y Marcos Juárez en la sub región
triguera II y Paraná en la sub región triguera III (Polidoro et al. 2006). Las variedades que
participaron fueron: Buck Arriero, Klein Sagitario, Buck Brasil y Klein Proteo, variedades
categorizadas como de grupo 1 de calidad (GC1) e INIA Tijetera, Klein Escorpión,
ProINTA Gaucho y ProINTA Granar categorizadas como de grupo 2 de calidad (GC2)
según el índice elaborado por el Comité de Cereales (SAGPyA - INASE 2003; Miranda
and Salomón 2005). En todos los casos los ambientes en que se instalaron los
experimentos fueron campos experimentales con adecuada disponibilidad de nutrientes
utilizando un diseño experimental de bloques completos aleatorizados con tres
repeticiones y parcelas de 5 metros cuadrados a cosecha.
Luego de la cosecha mecánica se evaluó el rendimiento (Rend) y las variables de
calidad comercial e industrial en el laboratorio de calidad de la EEA INTA Marcos Juárez
con métodos estandarizados (Cuniberti et al. 2003). Se analizaron las variables peso
hectolítrico (PHect), peso de mil granos (PMG), porcentaje de proteína en grano (Prot),
rendimiento de harina (RHarina), gluten húmedo (Gluten), valor W del alveograma (W),
relación tenacidad – extensibilidad del alveograma (P/L), relación tenacidad y grado de
hinchamiento del alveograma (P/G), y volumen de pan (VPan). En el Cuadro 1 se
muestran los valores promedio de cada variable para cada grupo de calidad, su desvío
estándar y el valor máximo y mínimo observado.

Cuadro 1. Promedio de las variables evaluadas en 8 variedades de trigo pan agrupadas por su grupo
de calidad según disposición de INASE, Comité de Cereales año 2003.
Grupo de calidad 1 Grupo de calidad 2
Variable Promedio D. Stand. Minimo Maximo Promedio D. Minimo Maximo

Stand.
Rend (kg/ha) 4847 1185 2080 7806 4939 1157 1900 7583
PHect 80,87 2,11 76,3 84,9 81,16 2,08 75,0 88,2
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
W 396,92 87,11 206 592 325,06 76,87 188 557
P/L 1,97 1,16 0,567 6,82 1,84 1,06 0,47 4,67
P/G 6,93 2,71 1,73 16,1 6,44 2,55 2,55 13,70
VPan (cc) 714,18 105,33 515 1005 688,12 82,95 475 880
Se encontró una correlación significativa entre las variables de calidad industrial,

mientras que se encontró una correlación no significativa entre las variables peso
hectolítrico y peso de mil granos con las variables de calidad industrial (datos no
presentados). Se encontró una correlación significativa entre la variable proteína en
grano y el contenido de gluten con un R2 90%, una correlación significativa entre
proteína del grano y el valor W del alveograma con un R2 57%, y una correlación
también significativa entre proteína en grano y volúmen de pan con un R2 32% (ver
Graficos 1, 2 y 3 respectivamente).
Grafico 1: Relación Gluten – Proteína

Grafico 2: Relación W del alveograma – Proteína
Grafico 3: Relación Volumen de pan – Proteína
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.

TECNOLOGIA DE ANALISIS DE GRANOS POR INFRARROJO (NIRS) Y SU ROL
EN LA AGRICULTURA DE PRECISION
Ing.Agr., PhD Néstor A. Juan

INTA, EEA Anguil (La Pampa)
njuan@anguil.inta.gov.ar
Qué es la tecnología NIRS
Dentro del marco actual de la producción y comercialización de alimentos se torna

fundamental el control de calidad, fundamentado en la demanda cada vez más
exigente de los mercados interno y externo. En este escenario, describir la
composición de los insumos y productos en forma precisa y confiable, implica llevar a
cabo análisis composicionales en laboratorio que, en muchos casos, son costosos,
lentos, contaminantes y destructivos de la muestra.
Para tratar de subsanar estos inconvenientes, en los últimos años ha sido
desarrollada una tecnología alternativa de análisis denominada NIRS (Near Infrared
Spectroscopy, o Espectroscopía en Infrarrojo Cercano). NIRS es un sistema
instrumental que permite estimar rápida y precisamente la composición química de
materiales orgánicos basándose en sus propiedades exclusivas de absorción de
radiación en una porción del espectro electromagnético denominado infrarrojo
cercano.
Un país pionero en el desarrollo y uso masivo de esta tecnología fue Canadá, que en
la década del ´70 reemplazó por NIRS a la técnica tradicional Kjeldahl usada para la
determinación de proteína en trigo. Una adopción similar se dió en nuestro país,
donde desde hace aproximadamente una década varias Cámaras Arbitrales utilizan
NIRS como método oficial para determinar proteína en grano en miles de muestras
por día.
En Argentina, si bien en los últimos años se está viendo una incipiente adopción de la
tecnología NIRS, la cantidad de instrumentos que hay en el país es, de todas
maneras, muy inferior a la de otros países productores de agroalimentos. En el sector
privado existen equipos en industrias de alimento balanceado, avícola, azucarera,
frigorífico, agroquímica y maltera. También se utilizan en laboratorios de agroanálisis,
en las Cámaras Arbitrales de Cereales, en acopios de granos, y en semilleros. En el
sector público de educación, servicios e investigación poseen equipos algunas
universidades nacionales, dependencias de la SAGPyA, el SENASA, y el INTA.
Principios del funcionamiento de la tecnología NIRS
El espectro electromagnético presente en nuestro universo está formado por

diferentes formas de energía, incluyendo rayos gama, rayos X, luz ultravioleta, luz
visible, luz infrarroja cercana, media y lejana, microondas, ondas UHF y ondas de
radio. La más obvia a nuestros ojos es la luz visible, responsable de formar, a partir de
su interacción con pigmentos específicos que la absorben, los colores de las cosas
que vemos. Esta luz visible, con longitudes de onda desde los 400 hasta los 700
nanómetros, provee la energía que hace posible la vida en el planeta.

Figura 1: Composición del espectro electromagnético. NIR: Infrarrojo cercano
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.
En forma resumida, cuando una muestra es iluminada mediante una lámpara de

tungsteno halógena o diodos emisores de luz (LEDs) con radiación que contiene
energía infrarroja cercana, una parte de ésta es absorbida por los componentes
orgánicos de la muestra. La radiación que no es absorbida por la muestra puede ser
cuantificada mediante sensores especiales, y por diferencia con la radiación recibida
se calcula la energía absorbida por la muestra. De acuerdo a lo establecido por la Ley
de Lambert-Beer, la energía absorbida en las diferentes longitudes de onda se
relaciona proporcionalmente a la composición química de la muestra, dado que son
las moléculas orgánicas que la componen las que absorben energía NIR. Todo este
proceso de iluminación, absorción y cuantificación de la porción no absorbida es
sumamente rápido, lo que permite que el tiempo de análisis de una muestra vaya
desde pocas décimas de segundo hasta 1-2 minutos, dependiendo del tipo de
instrumental.
Ventajas de la tecnología NIRS
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:

- Varios parámetros (ej.: % humedad, proteína, fibra, almidón, carbohidratos, materia
grasa, etc) pueden ser determinados simultáneamente en pocos minutos o segundos,
requiriendo una escasa preparación de la muestra
- El procedimiento es no contaminante, ya que no se utilizan reactivos químicos
- La muestra no es destruída por el análisis, factor importante para programas de
mejoramiento genético que manejan escasa cantidad de muestra
- Puede implementarse en el laboratorio, en el campo (equipos portátiles) o
incorporada a la línea de producción de una agroindustria (on-line)
Requerimientos y desventajas de la tecnología NIRS
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.
Tipos de instrumentos NIRS
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:
a) La forma en que iluminan la muestra:
Existen instrumentos no dispersivos o “de filtros”, y dispersivos, o de “espectro

continuo”. Los primeros irradian la muestra con un número reducido de longitudes de
onda prefijadas (generalmente menos de 20), normalmente dentro de un rango
reducido de la región NIR (por ejemplo, desde 850 a 1100 nm), generando un
espectro de absorción discontinuo. Son los equipos más simples y de menor costo,
pero dependen de que las longitudes de onda elegidas sean las apropiadas para ser
absorbidas por los componentes que nos interesa determinar. Generalmente tienen
sensibilidad para determinar componentes químicos mayores (agua, grasa, proteína,
fibra), pero no para, por ejemplo, ácidos grasos, aminoácidos, o parámetros que
dependen de la presencia de varios componentes, como digestibilidad de un grano o
un forraje.

Figura 2. Espectro de absorción NIRS de una muestra de grano entero de cebada analizada con un
equipo de 14 filtros en el rango de 893 a 1045 nanómetros
Los instrumentos dispersivos de la luz o de “barrido continuo” utilizan un prisma, una

red de difracción o una matriz de diodos para descomponer la luz e iluminar la
muestra con una gran cantidad de longitudes de onda, generalmente a intervalos de 1
o 2 nanómetros. Por ejemplo, un instrumento que barre toda la región NIR (700 a
2500 nm) a intervalos de 2 nm brinda 900 puntos de medición para conformar el
espectro de la muestra con alta precisión. Los instrumentos dispersivos tienen mayor
costo y complejidad que los de filtro, pero su sensibilidad es mucho mayor. No cubren
necesariamente la totalidad del espectro NIR, sino que su rango de trabajo en muchos
casos es parcial (ej: 1100 a 2500 nm, 850 a 1650 nm, etc). Algunos equipos trabajan
también en el rango de luz visible del espectro electromagnético, que va desde 400 a
700 nm, especialmente para evaluar caracteres de la muestra influenciados por el
color.

Figura 3. Espectros NIRS de un conjunto de muestras de harina de carne analizadas con un
equipo de barrido continuo en el rango de 400 a 2500 nanómetros.
Intervalo entre mediciones: 2 nm
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.
c) La forma en que la radiación NIRS interactúa con la muestra y la ubicación de los

detectores:
Los equipos pueden trabajar por transmitancia, reflectancia, o combinaciones de

éstas. En transmitancia, la radiación NIR atraviesa la muestra, interactuando en su

camino con las moléculas que la componen y siendo en parte absorbida por ellas. La
energía que no es absorbida pasa de largo y es cuantificada por los detectores
ubicados detrás de la muestra. El uso más común de este sistema es para analizar
granos enteros y muestras líquidas o semilíquidas.
En reflectancia, cuando la muestra es iluminada la radiación penetra en ella
(normalmente no más de 1 mm) interactuando con las partículas y siendo
selectivamente absorbida. La energía que no se absorbe es reflejada, y puede ser
cuantificada por detectores situados frente a la muestra. Este sistema es el más
común para muestras finamente molidas (ej.: forraje molido, harinas) o sólidas (ej.:
carne o queso en trozo), que forman una barrera difícil de atravesar en transmitancia.
Desarrollo de calibraciones NIRS
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.
La complejidad e interrelación de las moléculas que componen una muestra y la

superposición de sus bandas de absorción NIRS hace imposible deducir el contenido
de un determinado componente a partir de la observación visual de un espectro. Es
por esto que el desarrollo de la tecnología NIR ha sido paralelo al desarrollo de
computadoras personales de alta velocidad y capacidad de almacenamiento de datos.
Con estas herramientas fue posible desarrollar software quimiométrico que permite la
recolección y manejo de espectros, el almacenaje en bases de datos espectrales, y el
desarrollo de modelos matemáticos o calibraciones.
El desarrollo de software de estandarización o “clonación” entre equipos compatibles

ha significado un gran avance porque permite la transferencia de calibraciones, es
decir, el modelo matemático desarrollado en un equipo puede ser transferido y
utilizado en otro, para el mismo producto, sin necesidad de repetir el proceso de
calibración que implica la lectura de una colección de muestras y el desarrollo de las
ecuaciones predictivas. Este tipo de software permite compartir bases de datos y
resultados y además, asociado a Internet y el correo electrónico, permite la creación
de redes de instrumentos compatibles entre sí que comparten las calibraciones y cuyo
funcionamiento puede ser monitoreado y corregido desde una central. Abundan los
ejemplos en otros países que involucran a docenas y hasta cientos de equipos NIRS
formando redes, tanto en el sector de servicio de análisis, privado y público, como en
el sector productivo agroindustrial.

Una buena calibración debería tener dos cualidades básicas: alta precisión (es decir,
que las predicciones por NIRS se acerquen lo más posible a los datos de laboratorio),
y alta repetibilidad (una misma muestra debe dar resultados similares cada vez que se
la analice). La precisión de una calibración se evalúa utilizando parámetros
estadísticos tales como R (coeficiente de correlación entre laboratorio y NIRS), SEC y
SEV (errores estándar de calibración y validación), RPD (relación entre el SEC y la
variabilidad de los datos de laboratorio dada por su desvío estándar), y FM (Figura de
Mérito, relación entre el SEC y el rango del conjunto de muestras).
El valor SEC da una idea del desvío esperable, en promedio, entre los valores NIRS y
los de laboratorio tradicional. Por ejemplo, para % proteína de trigo un SEC=0,3
significa que, si se analizan 100 muestras desconocidas, en un 70% de los casos el
valor NIRS no va a estar alejado más de 3 décimas del valor “real” o de laboratorio, y
en un 95% de los casos esa diferencia va a ser menor a dos veces el SEC, o sea, 6
décimas.
Aplicación de tecnología NIRS en la producción agropecuaria y agroindustrial
Es creciente el número y la variedad de aplicaciones que ha encontrado la tecnología

NIRS en el campo de la producción agropecuaria y agroindustrial. En general se
pueden dividir en dos tipos, que dependerán del objetivo que tenga el usuario:
a) Análisis Cuantitativo
Se desarrolla cuando el objetivo de la calibración es la estimación del contenido

relativo de un determinado componente en una muestra a partir de su espectro de
absorción NIRS (ej.: % almidón, % proteína, etc).
Este tipo de análisis se aplica, por ejemplo, en programas de mejoramiento genético
vegetal, segregación de granos por calidad en el acopio, análisis de valor nutritivo de
forrajes para balance de dietas, control de calidad de insumos y productos en plantas
elaboradoras de alimentos balanceados, análisis ón line´ de productos cárnicos
elaborados, etc. En estos casos es imprescindible para desarrollar las calibraciones
contar con el análisis previo de las muestras por laboratorio convencional como
referencia.
b) Análisis Cualitativo
Cuando el objetivo es determinar, en base a su espectro de absorción NIRS, si una

muestra desconocida pertenece o no a un grupo de determinadas características, o
para dividir a una población de muestras en grupos con diferencias en su composición
físico-química. Ejemplos de análisis cualitativo serían la clasificación de cortes de
carne vacuna según provengan de animales con alimentación pastoril o de feedlot, y
la detección de miel adulterada o de aceite mezcla en lotes de productos puros, etc.
El análisis composicional del conjunto de calibración por laboratorio convencional
puede o no ser necesario en estos casos para utilizarlo como valor de referencia. Se
emplean procedimientos estadísticos discriminantes que permiten clasificar a las
muestras en grupos de acuerdo a la similitud de sus espectros NIR, y brindan también
una medida de la probabilidad de pertenencia de las muestras a cada grupo. Al igual
que en el análisis cuantitativo, es necesario evaluar la eficacia del modelo para
clasificar cualitativamente las muestras aplicándolo sobre un conjunto de validación
externo, es decir, un conjunto de muestras representativas de la población que no
hayan sido utilizadas en la generación del modelo.

La tecnología NIRS en la agricultura de precisión
El desarrollo de equipos portátiles, junto con la tecnología de posicionamiento

satelital, ha permitido que la tecnología NIRS empiece a integrarse al paquete
tecnológico de la Agricultura de Precisión. Hasta el momento los posibles usos que se
vislumbran incluyen la confección a nivel de lote de mapas de calidad de granos, y el
acceso a la información de calidad del grano en tiempo real, simultáneamente con la
cosecha. El primer caso posibilita la cosecha por separado de distintas fracciones del
lote en base a mapas preliminares de calidad (confeccionados previamente, por
ejemplo, cosechando un 10-20% del lote), y la planificación, ya en base al mapa
definitivo, de estrategias de fertilización y densidad de siembra variable para el cultivo
sucesor. En el segundo caso el operario puede visualizar en la cabina el promedio de
calidad (ej.: % proteína) que va teniendo en la tolva de la cosechadora, y en base a
eso puede decidir almacenar por separado tolvas de diferente calidad.
Para alcanzar estos objetivos, el equipo NIRS debe ir montado sobre la cosechadora,
analizando muestras a medida que avanza la trilla. Esto requiere de ciertas
condiciones que debe reunir el equipo para adecuarse a esta función: fortaleza en su
construcción, ausencia de partes móviles, estar relativamente aislado o ser poco
vulnerable a agentes externos (temperatura, vibraciones, polvillo), y ser capaz de
analizar una muestra en pocos segundos. Las limitantes que implica la instalación del
equipo en la cosechadora son la imposibilidad de compactar la muestra para lograr
una densidad uniforme de grano en la cámara de medición, y la presencia de materia
extraña que interfiere con la medición del grano propiamente dicho.
El Proyecto Agricultura de Precisión del INTA ha comenzado trabajos tendientes a

evaluar el funcionamiento de un equipo NIRS con estas características, denominado
AccuHarvest®, el primero en su tipo en llegar al país. El AccuHarvest® es un sistema
modular fabricado por Zeltex Inc. en los EE.UU. que se instala en la parte externa de
la noria de la cosechadora, y opera con 12 VDC. Obtiene los espectros de absorción
NIRS por transmitancia difusa, y tarda de 12 a 15 segundos para realizar 4 lecturas en
distintas porciones de una muestra de aproximadamente 300 gr. Esas lecturas se
promedian automáticamente para dar los valores de composición de la muestra. Los
granos no necesitan ninguna preparación y no sufren daños al ser analizados.
El equipo trabaja en 14 longitudes de onda prefijadas dentro del rango de 893 a 1045
nanómetros, y posee termistores para registrar la temperatura de la muestra y del
equipo en cada medición.
Antes de ser instalado en la cosechadora, este equipo "Zeltex" AccuHarvest® fue

calibrado en el laboratorio de la E.E.A. Anguil del INTA (La Pampa) para analizar
granos enteros de trigo y de soja argentinos.
Para trigo se utilizó un conjunto de calibración de 200 muestras, elegidas de una
colección de alrededor de 1500 muestras, y que representan distintas variedades,
regiones y años, con un amplio rango en % proteína. En la Figura 4 se muestran
algunos espectros de absorción NIRS típicos de grano de trigo. Para la calibración de
proteína se logró un Coeficiente de Correlación (R) laboratorio-NIRS de 0,97, y un
desvío promedio entre laboratorio y NIRS (SEC) de 0,45, en un rango de 7,9 a 17,5 %
(Figura 5). Para la calibración de humedad el R fue de 0,98, y el SEC de 0,33, con un
rango de 6,8 % a 17,9 %.

Figura 4. Espectros de absorción NIRS típicos de grano de trigo argentino en longitudes de onda
entre 893 y 1045 nanómetros
Figura 5: Relación entre determinación por método convencional y por NIRS de % proteína (base
tal cual) en grano entero de trigo
Para soja se utilizó un conjunto de calibración de alrededor de 190 muestras de

distintas variedades, regiones y años, con un amplio rango en % proteína y % aceite
(Figura 6). Para la calibración de proteína se logró un R laboratorio-NIRS de 0,95, y

un desvío promedio entre laboratorio y NIRS (SEC) de 0,56, en un rango de 29,0 a
38,9 % base tal cual (Figura 7). Para la calibración de aceite el R laboratorio-NIRS fue
de 0,95, y el SEC de 0,38, con un rango de 16,4 % a 24,3 % base tal cual (Figura 8).
Para la calibración de humedad el R laboratorio-NIRS fue de 0,97, y el SEC de 0,44,
con un rango de 6,1 % a 18,8 %.
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

Figura 8. Relación entre determinación por método convencional y por NIRS de % aceite (base tal
cual) en grano entero de soja
Terminada en el laboratorio la etapa de desarrollo y testeo de las calibraciones

locales, éstas fueron cargadas en la memoria del instrumento en reemplazo de las
calibraciones de fábrica, basadas mayoritariamente en muestras de EE.UU., y el
AccuHarvest® quedó listo para ser instalado en la cosechadora y probado a campo
en condiciones reales de trilla de trigo y de soja.

LA AGRICULTURA DE PRECISIÓN AVANZA HACIA EL MANEJO DE LA
CALIDAD DEL CULTIVO DE SOJA Y EL MEJORAMIENTO DE LA
PRODUCTIVIDAD DE LOS CAMPOS
INTA EEA Manfredi, Córdoba, Argentina:

• Ing. Agr. M.Sc. Mario Bragachini, Coord. del Proyecto Agricultura de Precisión
• Ing. Agr. Andrés Méndez, Proyecto Agricultura de Precisión
• Técnicos Juan Pablo Vélez y Diego Villarroel, Proyecto Agricultura de Precisión
• Ing. Agr. Fernando Scaramuzza, Proyecto Agricultura de Precisión
INTA EEA Marcos Juárez, Ing. Martha Cuniberti, Laboratorio de Granos
INTA EEA Anguil, La Pampa, Argentina • Ing. Agr. Néstor Juan
NIR S.A., Bs.As., Argentina • Ing. Horacio Woycik (Representante regional de Zeltex
Inc.)
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
Durante el mes de Mayo de 2007 el equipo de trabajo de Agricultura de

Precisión de INTA¹ EEA² Manfredi, Provincia de Córdoba, pudo efectuar una nueva
evaluación de la capacidad operativa del Sistema Multianalizador de granos enteros,
por radiación infrarroja, marca "Zeltex" AccuHarvest®, que se encuentra instalado en
una cosechadora "Vassalli" Modelo 1550E.
El objetivo fue analizar proteína, aceite y humedad del cultivo de soja en el
mismo momento que estaba siendo cosechado el grano. Cabe destacar que la
cosechadora también está equipada con un monitor de rendimiento PF Advantage Ag
Leader. La operación conjunta de estos elementos permiten obtener los mapas
productivos de los lotes cosechados indicando el contenido de proteína y de aceite de
la soja (en %) y los rendimientos (en tn/ha). En los mapas, tanto los resultados
porcentuales como los rendimientos, se presentan calculados a base seca. Estos
trabajos se realizaron en lotes del campo experimental que posee INTA Manfredi en la
Provincia de Córdoba, Argentina.
Obs.: INTA¹ = Instituto Nacional de Tecnología Agropecuaria; EEA²: = Estación

Experimental Agropecuaria
II.- DESCRIPCION DE LOS ELEMENTOS UTILIZADOS
El AccuHarvest® es un sistema modular fabricado por Zeltex Inc. en los

EE.UU. Este sistema se instala en la parte externa de la noria de cualquier
cosechadora en aproximadamente 5hs de trabajo y opera con 12VDC (Figuras nº 1 y
2). Es capaz de determinar, en forma simultánea, proteína, humedad y aceite en
granos enteros de cereales y oleaginosas. Opera por transmitancia difusa de la
radiación infrarroja a través de 300gr de muestra. Los granos no necesitan ninguna
preparación y no sufren daños al ser analizados. El tiempo de análisis es de 15seg
efectuando 4 lecturas sobre distintas partes de la muestra. Los resultados del aparato,
son el promedio automático de esas cuatro lecturas, que también pueden ampliarse a
más lecturas para conseguir promedios más representativos. El AccuHarvest® trabaja
en combinación con un GPS para obtener el posicionamiento satelital de los lugares
donde son analizadas las muestras y poder confeccionar el mapa. Los resultados

analíticos de las muestras y la ubicación de las mismas sobre el campo son
almacenados en la tarjeta de memoria del monitor DataLooger (Figura nº 3) que opera
con un programa específico y va instalado en la cabina de la cosechadora. Este
monitor posee un display que permite visualizar los resultados de las muestras que
van siendo analizadas. Al finalizar el trabajo, los datos de la tarjeta deben ser leídos y,
con el software provisto con el analizador y una PC, se pueden trazar los mapas de
calidad productiva de los campos cosechados indicando, por ejemplo, los % de
proteína y de aceite de las muestras analizadas con sus posicionamientos
geográficos.
Para los lotes de soja lo normal es que, además de obtenerse los mapas de
rendimientos (en tn/ha) en base seca, también se tracen los mapas de proteína y de
aceite con los resultados obtenidos con el AccuHarvest® expresados en % en base
seca. Es decir, recalculados para 0% de humedad, tomando como base la humedad
real de cada muestra. De esa manera los mapas indican los resultados de proteína,
aceite y rendimiento a humedad constante.
Cabe mencionar que, antes de ser instalado en la cosechadora, el "Zeltex"
AccuHarvest® fue calibrado en INTA EEA Anguil, La Pampa, para analizar porotos
enteros de sojas argentinas, usando un conjunto de 190 muestras de distintas
regiones, años y variedades locales, con amplios rangos en proteína y aceite para
conseguir la mejor calidad de resultados. Estas muestras, con sus respectivos datos
de laboratorio, fueron facilitadas por INTA EEA Marcos Juárez. En Anguil se logró lo
siguiente: a) para la calibración de proteína C.Correlación = 0.95, SEC = 0.56, en un
rango de 29.0 a 38.9%; b) para la calibración de aceite C.Correlación = 0.95, SEC =
0.38, en un rango de 16.4 a 24.3%; c) para la calibración de humedad C.Correlación =
0.97, SE = 0.44, en un rango de 6.1 a 18.8%. Estos rangos están expresados en % de
datos tal cual. Es decir, teniendo en cuenta la humedad real de las muestras. Las
performances de calibración conseguidas se consideran muy buenas para un aparato
que debe controlar muestras a pleno campo, operando en condiciones diferentes y
muy cambiantes en relación a un analizador convencional de laboratorio.
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,

además de proteína y el aceite, se lograron los mapas de rendimiento de los lotes
cosechados, expresados en tn/ha.
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
III.- DESARROLLO DEL TRABAJO
La cosechadora trabajó sobre diferentes lotes de soja. Se obtuvieron lo

resultados de proteína, humedad, aceite y las coordenadas GPS, que se fueron
almacenando en la tarjeta de memoria del monitor DataLooger para su posterior
utilización en el trazado de los mapas de calidad del campo. Lo mismo ocurrió con los
resultados del rendimiento que se almacenaron en el monitor PF Advantage.
El ensayo que se va analizar es con soja variedad 4209 de la empresa Nidera.
Durante el período de crecimiento del cultivo, para asegurar el aspecto sanitario, se

realizaron aplicaciones de fungicidas. En el Lote 20 se midieron 490 muestras. En
total, con el AccuHarvest® se analizaron 1029 muestras de soja.
El AccuHarvest® toma las muestras en forma automática y, luego de
analizarlas, las devuelve a la noria donde no pasa el flujo de granos ascendentes. La
velocidad de avance durante la cosecha fue de 5km/h, lo que permitió hacer las
mediciones cada 20/25 m. El funcionamiento de los aparatos instalados no afectó en
absoluto la cosecha normal del cultivo.
IV.- RESULTADOS OBTENIDOS
Los resultados del Sistema AccuHarvest® se pueden visualizar de varias maneras:

La primera, tal como se mencionó en el Punto II, es en el display del Monitor
DataLooger cuando las muestras están siendo cosechadas. Esos resultados van
cambiando, muestra a muestra, y pueden corresponder a una sola muestra (en el
mismo momento que está siendo medida) o al promedio automático de las últimas 3
muestras analizadas, según la decisión del operador.
La segunda forma de ver los resultados es bajando los datos que han sido
almacenados en la tarjeta de memoria del DataLooger, en el software específico
provisto por Zeltex Inc. Con estos elementos se puede lograr obtener: 1.- Los mapas
de calidad y de rendimiento de los campos cosechados; 2.- Los cuadros de resultados
correspondientes a las muestras, expresados en porcentajes (tal cual y en base
seca) para proteína, aceite y humedad; 3.- Los archivos de cada lote que permiten
visualizar los espectros infrarrojos de todas las muestras en gráficos X-Y y, además,
los datos ópticos, térmicos y los resultados porcentuales de cada muestra, en una
planilla Excel.
A continuación, se presentan las tres formas de visualización de los resultados.
1.- Mapas de Calidad y Rendimiento
Con los datos obtenidos se trazaron 12 mapas de los cuales pasaremos a

describir 3 de ellos que corresponden a un lote que, durante 10 años, se manejo con
riego complementario y en esta campaña de soja no se utilizó (por rotura). En los
mapas se puede apreciar la huella de 10 años de manejo con riego respecto al
secano y como ello impacta en el rendimiento y la calidad de los granos aún no
habiéndose regado. El mapa Nº 1 es de rendimiento (tn/ha), el Nº 2 es el de aceite (en
%) y el Nº 3 corresponde a proteína (en %). Todos estos datos están expresados en
base seca y se presentan como Figuras nº 6, 7 y 8

Mapa de rendimiento: las zonas rojas son
rendimientos más bajos y donde durante 10 años
nunca se regó y las zonas amarillas y verdes
donde el riego se realizó años anteriores y sigue
marcando mayores rindes aún sin riego.
Figura nº 6 - Mapa de rendimiento
Mapa de contenido de aceite donde se

puede notar el aumento en el contenido de
aceite a medida que aumentaba el
rendimiento del cultivo
Figura nº 7 - Mapa de contenido de Aceite

Mapa de contenido de proteína
donde se puede notar que a medida
que aumenta el rendimiento del
cultivo disminuye el porcentaje de
proteína en grano.
Figura nº 8 - Mapa de contenido de Proteína
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.
2.- Cuadros de Resultados
Se presenta un cuadro de resultados, correspondiente a la información sobre 22

muestras.

Bibliografía
- Instituto Tecnológico de Buenos Aires - Maestría en Ingeniería de las

Telecomunicaciones – Materia: Wireless Multimedia – Prof: Ing. Luís Valle.
Telecomunicaciones – Materia: Sistema de Telefonía Móvil Celular – Prof: Ing.
Alejandro Restuccia.
Telecomunicaciones – Materia: Medios de Enlace – Prof: Ing. Roberto Murguet.
- ZigBeeTM Alliance
- ZigBee™ Wireless Transceiver Engineering, White Paper, Cirronet, Inc. 2005.
- ITU Internet Reports, The Portable Internet. 2004.

AGRICULTURA DE PRECISIÓN Y APLICACIÓN DE AGROQUÍMICOS.
Ing Agr Ramiro Cid

Instituto de Ingeniería Rural, INTA Castelar
rcid@cnia.inta.gov.ar
1) Generalidades:
Podría definirse a la Agricultura de Precisión como la aplicación práctica de una serie

de técnicas y conocimientos que permiten la realización del denominado “manejo sitio
específico”. Entre estas técnicas y conocimientos, tienen un lugar preponderante el
GPS, los programas GIS y las nuevas técnicas de detección mediante sensores
cercanos.
A su vez, “el manejo sitio específico es la aplicación diferenciada de insumos según

las necesidades y rendimientos potenciales de los diferentes sitios del lote”.
Esto permite que cada área del lote exprese su máximo potencial económico posible
en base al uso racional de estos insumos.
Un axioma de agricultura de precisión afirma que cuanto mayor variabilidad haya en el

lote, mejores serán los resultados utilizando AP. De ello se desprende que, en el caso
de lotes muy homogéneos, puede no resultar conveniente su uso. En el caso de la
aplicación de agroquímicos, prácticamente no existe la homogeneidad en el lote. Las
plagas, las malezas y las enfermedades, salvo casos muy avanzados, siempre tienen
una distribución irregular, que en teoría, permitirían hacer aplicaciones variables. En el
caso de los fertilizantes, no necesariamente es así.
Eeste trabajo está preparado básicamente para ser presentado en el 7º Curso

Internacional de Agricultura de Precisión y Máquinas Precisas, a realizarse en la EEA
INTA Manfredi en Julio de 2007. Por lo tanto, se dejará de lado el análisis del
funcionamiento del GPS, de los sistemas GIS, del banderillero satelital, y del sistema
de autoguía (piloto automático) que, si bien tienen uso y aplicaciones dentro de la
metodología actual de aplicación de agroquímicos, serán objeto de otros trabajos
dedicados específicamente a ellos con mayor profundidad y puestos a consideración
de los participantes del curso por diversas empresas proveedoras de estos sistemas.
No obstante ello, no podemos dejar de mencionarlas como técnicas en constante
avance y, en el caso particular del banderillero satelital, reconocerlo como el sistema
de A.P más difundido en el sector por su innegable eficacia y practicidad.
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
En muchos casos puede resultar de suma utilidad el uso de “sensores cercanos”.

Estos son mecanismos que permiten tomar mediciones puntuales sobre parámetros
específicos

que son importantes para conocer adecuadamente los lotes y hacer un mejor manejo
sitio específico.
Normalmente, brindan la posibilidad de trabajar “en tiempo real”. Es decir que a
medida que la máquina, provista de los correspondientes sensores, va avanzando
sobre el lote, puede aplicar los insumos de acuerdo con las indicaciones que los
sensores envían a la consola de control. Es el caso, por ejemplo, del N Sensor, del
Weed Seeker y del Green Seeker, que veremos más adelante.
Por otra parte, si el equipo está conectado a un sistema GPS, permite la elaboración
de mapas georreferenciados que serán de suma utilidad en la planificación y
elaboración de ajustes en el sistema de producción de cada establecimiento.
Algunos de los sistemas basados en el uso de sensores son:
• Zeltex: Analizador de proteína y aceite en grano cosechado
• Veris: Medidor de la conductividad eléctrica del suelo.
• Sonda Enviroscan: medidor de la humedad edáfica a distintas profundidades.
• Sensor N y Green Seeker: evalúan la necesidad de N en función del contenido
de clorofila.
• Weed Seeker: detección de malezas.
• Cropmeter: medidor de biomasa en el cultivo.
Finalmente creemos importante mencionar el sistema de sensores para detección de

malezas que se está generando en el Instituto de Ingeniería Rural y que se encuentra
en una avanzada etapa de desarrollo.
Si bien el sistema, en una primera etapa se busca su aplicación solamente en lotes
en barbecho, existe la firme voluntad de perfeccionar los mecanismos a fin de poder
utilizarlo, también, con cultivos en pie, diferenciando malezas de cultivo
Los ensayos electrónicos están siendo llevados a cabo por el Ing. Andrés Moltoni
mientras que el análisis económico corresponde a la Lic. Luciana Moltoni. Los
trabajos publicados al respecto se encuentran disponibles.
3) Aplicación de agroquímicos en Agricultura de Precisión.
Tal como mencionaramos en la introducción, la Agricultura de Precisión implica un

manejo sitio específico a fin de aprovechar al máximo las potencialidades de cada
lugar del potrero. Por lo tanto, lo primero que se debe tener en claro es que si el lote
es muy uniforme puede ser que no resulte conveniente utilizar estas técnicas y
manejar el lote en forma uniforme, a la manera tradicional. Cuanto mayor sea la
desuniformidad dentro del lote, mejores serán los resultados obtenidos al utilizar A.P.
Siempre que hablamos de aplicación de agroquímicos, bajo los conceptos

“tradicionales”, hacemos hincapié en cuatro factores que definen el resultado:
• La calidad del agua de aplicación.

• Utilización del producto adecuado.
• El momento oportuno de aplicación.
• La distribución homogénea del producto.
Esta última consideración es, justamente, la que se contrapone a los conceptos de

Agricultura de Precisión, que busca, precisamente, la aplicación de dosis variables.

Mediante AP, los criterios son diferentes y es preciso cumplir con las siguientes
etapas:
• Identificar la variabilidad (dosis de fertilizante, distribución de una plaga o de

una enfermedad) claramente georreferenciada (GPS – GIS).
• En función de ello definir la estrategia de aplicación (el mapa de dosis
variable).
• Disponer, obviamente, de un equipo que me permita llevar adelante esa
aplicación con variaciones significativas de aplicación.
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.
4) Equipo necesario para Agricultura de Precisión:
Figura 1: Equipo para AP utilizando sistema de inyección directa.
Como puede verse en el esquema de la figura 7, necesitamos los siguientes

elementos.
• Un sistema de recepción GPS.

• Un sistema GIS con su correspondiente software, que permita variar las dosis
en los diferentes sitios del potrero según las prescripciones introducidas.
• Un controlador del sistema de pulverización compatible con los equipos
anteriores.
• Un mecanismo que nos permita, a la salida de los picos, variar efectivamente
el caudal o la concentración del agroquímico a fin de modificar la dosificación.

Ya hemos visto en la introducción como funciona el sistema GPS y GPS con
corrección diferencial.
Los sistemas GIS, con su correspondiente software, en sus primeras versiones debían
acoplarse a la consola de comando de la pulverizadora.
Figura 2: Consolas de comando con sus sistemas GIS
Pero también existen sistemas de monoconsola, que incluyen ambas funciones dentro
de un único equipo.
Ambas opciones se encuentran disponibles dentro del mercado y la elección del

equipo deberá basarse en las prestaciones de cada uno y en su precio.
Ahora bien, todas las computadoras de pulverización basan su funcionamiento en el

principio de modificar la presión de trabajo para ajustar el caudal. La relación entre
caudales y presiones está establecida en la fórmula siguiente:
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).

Esta norma fue dictada ante la aparición de las primeras computadoras de
pulverización.
Ahora bien, cuando estamos hablando, como en Agricultura de Precisión, de

variaciones que exceden muy largamente el 25% mencionado en la norma, debemos
concluir en que las pastillas hidráulicas utilizadas actualmente para
agroquímicos, no se adaptan al sistema de dosificación variable, ya que se
afecta tanto el tamaño de gota como la distribución
No sucede lo mismo con los dosificadores para fertilizantes, por cuanto no
producen gotas sino un chorreado. Se deberán respetar, en este caso, las
presiones máximas toleradas por cada equipo, lo que se constituye, por lo tanto, en
una nueva limitación.
4 1. Sistemas alternativos para dosificación variable en el botalón.
4.1.1. Selección y combinación automática de pastillas.
Supongamos que en nuestro barral, a la distancia en que habitualmente se

encuentran separadas nuestras pastillas “tradicionales”, colocamos una combinación
de tres pastillas A, B y C cuyos caudales a diferentes presiones son los que indica el
cuadro superior.
El sistema podría disponer automáticamente el funcionamiento de alguna de las tres
pastillas en forma individual, o bien la combinación de dos de ellas o, inclusive de las
tres. Con ello obtenemos un rango de caudales sumamente amplio.
Obviamente cada una de las pastillas debe trabajar dentro de su rango de presión
adecuado.
En este principio se basa el sistema “VarioSelect” de Lechler, así como también el

sistema 4063 recientemente desarrollado por ARAG.
Pastilla IDK 120 1,5 2 2,5 3 3,5 4 4,5 5 6

0,1 34,3 39,2 44,1 47,8 51,4 55,1 58,8 62,5 68,6
0,15 51,4 58,8 68,6 72,2 77,1 83,3 88,2 93,1 103
0,2 67,3 77,1 86,9 95,5 104,1 110,2 117,6 123,7 135,9
0,25 85,7 98 112,7 123,7 128,6 138,4 146,9 155,5 171,4
0,1+ 0,2 91,6 116,3 131 143,3 155,5 165,3 176,4 186,2 204,5
0,1+ 0,25 120 137,2 156,8 171,5 180 193,5 205,7 218 240
0,15 + 0,25 137,1 156,8 181,3 195,9 205,7 221,7 235,1 248,6 274,4
0,2 + 0,25 153 175,1 199,6 219,2 232,7 248,6 264,5 279,2 307,3
0,15+0,2+0,25 204,5 233,9 264,5 291,4 309,8 331,9 352,7 372,3 410,3
0,1+0,15+0,2+0,25 238,8 273,1 308,6 339,2 361,2 387 411,5 434,8 478,9

El cuadro que antecede muestra las posibilidades de variación de los caudales
mediante el sistema VarioSelect, expresados en litros por hectárea y para diferentes
presiones de trabajo.
4.1.2. Sistemas “Bifluído” AirJet con combinación de agua y aire a presión.
Estos sistemas se basan en la combinación de dos fluídos diferentes (aire y agua o

caldo de pulverización).
A la salida de la pastilla el líquido se encuentra influído no solamente por su propia
presión, sino tambien por la presión de aire generado por un compresor
especialmente
diseñado a tal fin
Figura 3: Sistema AirJet de TeeJet.
Cuando aumenta la presión del líquido, con su consiguiente disminución en el tamaño

general de las gotas, se disminuye la presión del aire para compensar este efecto.
Inversamente, cuando disminuye la presión del líquido, con el consiguiente aumento
en el tamaño de las gotas, se aumenta la presión del aire con el mismo objetivo que
en el caso anterior.
Una consola, especialmente desarrollada, controla automáticamente el
funcionamiento del sistema, debiendo añadirse a la consola de comando de la
pulverización.
4.1.3. Sistemas de inyección directa.
El principio de funcionamiento consiste en inyectar el agroquímico puro en forma

directa en el pico pulverizador. La inyección debe hacerse en ese punto y no en algún
punto anterior del circuito pulverizador a fin de evitar la demora necesaria para la
llegada al producto al pico, así como su posterior etapa de “limpiado”
El sistema permite aplicar más de un producto simultáneamente, pero para ello cada
uno de los agroquímicos debe contar con su propio tanque de carga, y con su
correspondiente bomba individual dosificadora.
El sistema tiene la gran ventaja de que, al cargarse el tanque principal solamente con
agua, el circuito trabaja “limpio”, no existiendo riesgo de contaminación al lavar los
equipos y no existiendo restos de agroquímicos sin aplicar en la pulverizadora al
finalizar las tareas cotidianas.

Figura 4: Sistema Jacto de Inyección directa.
La firma Jacto ofrece como un opcional en sus pulverizadoras un sistema de

inyección directa que permite trabajar en forma simultánea o individual con tres
agroquímicos diferentes. El sistema cuenta con su propia consola de comando.
Figura 5: Consola de comando del sistema de Inyección Directa Jacto de 3 canales.
La firma Raven provee un sistema, el Raven Sidekick, con las mismas

características, es decir tres tanques para producto, con sus correspondientes
bombas para inyección directa y su sistema de comando.
4.1.4. Sistema de Pulsos de Amplitud Modulada (Pulse Width Modulation)
Es un sistema que no ha alcanzado su fase comercial y que se inserta en la parte

superior de la pastilla, abriendo y cerrando el paso del líquido mediante oscilaciones
sumamente rápidas, que visualmente no llegan a detectarse.

Figura 6: Sistema PWM.
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.
4.2. Maquinaria disponible:
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) Aplicación de Fertilizantes Líquidos.
Tal como mencionáramos anteriormente, las pastillas para fertilizantes no presentan

limitantes a la aplicación de dosis variables, en tanto y en cuanto se cuente con el
correspondiente equipo GPS – GIS y la controladora de pulverización y se respete la
presión máxima de trabajo de la pulverizadora.
Debe recordarse, sin embargo, que una buena proporción de los fertilizantes son
aplicados en forma sólida al momento de la siembra.
Es importante, además, mencionar algunos equipos para la aplicación de fertilizantes

que funcionan en base a sensores.
5.1. N-Sensor.
Figura 7: N-Sensor

Es un sistema que consta de 4 sensores, dos a cada lado, que le permiten ir
sensando el estado del cultivo y su demanda de nitrógeno en base a la evaluación de
la masa verde y su contenido de clorofila. Estos dos últimos parámetros están
directamente relacionados con la cantidad de nitrógeno requerida.
Los sensores del sistema informan al procesador, que evalúa la cantidad de nitrógeno
que está consumiendo el cultivo en cada sitio y, en base a ello aplica la cantidad de
fertilizante requerido.
Su capacidad de sensado es de 50 m2 por segundo.
El sistema fue ensayado en nuestro país con resultados satisfactorios por los Ing. Agr.
Melchiori, Christiansen, Barbagelatta y Von Martini.
5.2. Green Seeker.
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.
Figura 8: Green Seeker

El Green Seeker puede funcionar tanto de día como de noche, ya que cuenta con
sensores lumínicos.
Los sensores reaccionan en base a los denominados “NDVI (Normalized Difference
Vegetative Index) o Indices Normalizados de Diferencia Vegetativa que les permiten
diferenciar y “decidir” la cantidad de nitrógeno a incorporar en tiempo real, o bien,
conectados a un sistema GPS-GIS, elaborar mapas de aplicación.
El principal inconveniente, además de su elevado costo, radica en que cada cultivo
tiene sus propios NDVI con sus correspondientes algoritmos y, a la fecha, sólo han
sido desarrollados para maíz y trigo.

6) Aplicación de Herbicidas.
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:
• ¿Es posible elaborar mapas con la distribución de las malezas en los

potreros?
Si esto es así: ¿son estos mapas lo suficientemente “estables” para un uso
confiable?
• ¿Es posible aplicar dosis variables para el combate de malezas?
• ¿Qué posibilidad existe de combatirlas mediante el uso de detección por
sensores?
En cuanto a la primera pregunta, no cabe ninguna duda de que la presencia de

malezas, así como también su conformación (cantidad-especies existentes), no es un
parámetro estable como, por ejemplo el tipo de suelo o la posición en el relieve.
No obstante ello, algunas opiniones autorizadas sostienen que las malezas,
especialmente las de tipo perenne, tienen una distribución relativamente estable y una
evolución predecible durante un número dado de años, eventualmente, con algún tipo
de correcciónes.
Ello permitiría la elaboración de mapas que, si bien no serían absolutamente estables,
de alguna manera conformarían una base confiable de trabajo, si se realizan los
ajustes correspondientes.
Lo más adecuado sería confeccionar el mapa con la mayor cercanía posible a la

fecha de aplicación. En este sentido, si bien podría disponerse de fotografías aéreas o
satelitales para su confección, las mismas no se encuentran fácilmente disponibles
para fechas cercanas al momento de aplicación.
Figura 10: Experiencia Jacto
La firma Jacto, ha realizado experiencias mediante fotografías aéreas de malezas,

obtenidas a través de vehículos aéreos no tripulados con conexión GPS y los
resultados han sido positivos desde el punto de vista técnico. También en el IIR están
realizándose los primeros trabajos en este sentido utilizando imágenes fotográficas de
altísima resolución obtenidas mediante UAV (Unmanaged Aerial Vehícles – Vehículos
Aéreos no tripulados)

Otra alternativa es el software Weedsite Beta Version 1.00.111 para el manejo sitio
específico de malezas. El sistema necesita en forma previa que el lote sea recorrido
por un tractor equipado con cámara fotográfica y GPS y sobre esa base elabora el
mapa de las malezas. Se puede descargar desde la página
http://arsagsoftware.ars.usda.gov/ correspondiente al Agricultural Research Service
del Departamento de Agricultura de EEUU.
En cuanto a la segunda pregunta, sobre si es posible aplicar dosis variables, la

respuesta es que a cada maleza le debe llegar la cantidad necesaria para su control,
ni más ni menos, y que actualmente, no disponemos de ningún mecanismo que
determine esto fehacientemente y de manera automatizada. Por lo tanto, hasta que
estos mecanismos no se desarrollen, las dosis serán homogéneas. Se podrá aplicar
en algunos lugares y en otros no, pero a la misma dosis por hectárea.
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.
En cuanto a la utilización de sensores, tercera pregunta formulada, la utilización de

sensores, nos detendremos en dos de ellos: el Weed Seeker y el sensor en desarrollo
en el IIR por el Ing. Moltoni.
Figura 11: Weed Seeker
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.

Figura 12: Desarrollo IIR
En cuanto al sistema en desarrollo en el IIR, a cargo del Ing. Andrés Moltoni, el

sistema funciona de manera muy parecida y, si bien los prototipos no están aún
finalizados, se ha constatado el correcto funcionamiento de los sensores.
En la actualidad se prevé su uso también en lotes en barbecho. Los análisis
económicos realizados marcan incrementos en los márgenes brutos del cultivo entre
el 1,26% y el 9,20% según el diferente nivel de enmalezamiento y la zona de
explotación.
La idea es perfeccionar el sistema hasta llegar al punto en que el sensor diferencie
malezas de cultivo, a fin de poder utilizarlo en cultivos en pie y no solamente en
barbechos.
7) Aplicación de insecticidas y fungicidas.
No es posible, en la actualidad, confeccionar mapas georreferenciados sobre la

presencia de insectos y enfermedades en los cultivos. El comportamiento de los
mismos es sumamente dinámico, variando de año en año e inclusive dentro del
mismo año durante periodos cortos cuando se presentan las condiciones favorables.
Tampoco existen sensores que permitan un manejo en tiempo real.
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:
• Existe, con mayor o menor grado de dificultad, disponibilidad de equipos para

hacer aplicaciones de agroquímicos dentro de los conceptos de Agricultura de
Precisión.
• Con la tecnología existente, se pueden aplicar fertilizantes en dosis variables
sin mayores inconvenientes.

• Existen dificultades objetivas, de índole mayormente biológica, que han
demorado el desarrollo de los mapas para aplicación de herbicidas. No
obstante ello, día a día se está trabajando en este aspecto y es probable que
se llegue a una difusión masiva.
• Mayores dificultades existen para la aplicación de los insecticidas y los
fungicidas, al punto de que, con la tecnología existente hoy, no es posible
elaborar mapas de aplicación ni existen sensores que los reemplacen.
• Probablemente, en un futuro no muy lejano, en la medida en que se
desarrollen medidores o sensores de biomasa vegetal, las aplicaciones sean
homogéneas en función de la biomasa vegetal y no en función de la superficie.
• Es de esperar que el uso de sensores de diferentes tipos se extienda. Quizás
en un futuro cercano nos permitan georreferenciar plagas insectiles o
enfermedades para utilizar dosis variables.

MEJORAR EL CONTROL DE ALGUNAS ACTIVIDADES ES EL PASO PREVIO A
LA APLICACIÓN DE INSUMOS VARIABLES
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
En los últimos años muchos productores y asesores trataron de incorporar la

dosificación variable (semilla y fertilizante) como si fuese el único fin de la aplicación
de la agricultura de precisión, sin tener en cuenta qué grado de variabilidad poseen
los campos y donde se quieren implementar.
Otra problemática actual es la necesidad que poseen de comenzar a trabajar
con la dosificación variable inducida por moda, presiones de venta o por creación
ficticia de necesidades insatisfechas.
Mediante este trabajo donde contamos con ensayos propios de los cuales se
consultó bibliografía americana, trataremos de demostrar algunos factores que
causan mermas de rendimiento potencial desde la siembra, y otros que causan
pérdidas de granos durante la cosecha que llevarían a mermas de rentabilidad por
parte del productor. Todo esto se lograría sin llegar al manejo variable de insumos.
Solo el control podría lograr interesantes ingresos.
Con este comentario no se pretende desestimar la importancia de la aplicación
variable de insumos, sino solamente indicar que de la dosificación variable de semilla
y fertilizante según ambientes se pueden obtener importantes beneficios económicos,
pero si en el mismo lote cometemos errores operativos del manejo de las máquinas
como ser alta velocidad de siembra y cosecha por ejemplo. Entonces las pérdidas de
rendimiento pueden ser mayores que los beneficios obtenidos en el manejo variable
de insumos, por lo tanto el objetivo siempre debe ser el mismo, colocar todos los
factores de manejo al máximo de su potencial.
Desarrollo de la problemática en la siembra
Uno de los factores condicionantes de rendimiento desde la siembra en el

cultivo de maíz es la velocidad a la que trabaja la sembradora, dado las deficiencias
que se producen en la distribución de las semillas y la profundidad de las mismas. Un
ejemplo de esta problemática es un mapa de rendimiento donde se comparan dos
velocidades de siembra en el cultivo de maíz 6 y 9 km/h. (Ver Tabla Nº 1).
Teniendo en cuenta los avances logrados en genética de maíz en los últimos
años con los híbridos simples y más recientemente a través de la incorporación de
resistencia a Lepidópteros (complejo de orugas) con el gen Bt, sumado a factores
como la fertilización balanceada, el aprovechamiento del agua a través de la
cobertura de la siembra directa, la secuencia de cultivos trigo/soja – maíz, el control
de malezas, sumado al adelantamiento de la fecha de siembra, han permitido elevar
el potencial de rendimiento de este cultivo a valores incalculables con respecto a años
anteriores.
Para que el rendimiento objetivo se logre no se debe fallar prácticamente en
ningún aspecto y es allí donde la eficiencia de implantación cobra un protagonismo
muy importante, y esto incluye el espaciamiento entre hileras, la uniformidad de
distribución de las plantas en la línea y la uniformidad de emergencia, y desarrollo de

Bibliografía

Telecomunicaciones – Materia: Wireless Multimedia – Prof: Ing. Luís Valle.
Telecomunicaciones – Materia: Sistema de Telefonía Móvil Celular – Prof: Ing.
Alejandro Restuccia.
Telecomunicaciones – Materia: Medios de Enlace – Prof: Ing. Roberto Murguet.
- ZigBeeTM Alliance
- ZigBee™ Wireless Transceiver Engineering, White Paper, Cirronet, Inc. 2005.
- ITU Internet Reports, The Portable Internet. 2004.

AGRICULTURA DE PRECISIÓN Y APLICACIÓN DE AGROQUÍMICOS.
Ing Agr Ramiro Cid

Instituto de Ingeniería Rural, INTA Castelar
rcid@cnia.inta.gov.ar
1) Generalidades:
Podría definirse a la Agricultura de Precisión como la aplicación práctica de una serie

de técnicas y conocimientos que permiten la realización del denominado “manejo sitio
específico”. Entre estas técnicas y conocimientos, tienen un lugar preponderante el
GPS, los programas GIS y las nuevas técnicas de detección mediante sensores
cercanos.
A su vez, “el manejo sitio específico es la aplicación diferenciada de insumos según

las necesidades y rendimientos potenciales de los diferentes sitios del lote”.
Esto permite que cada área del lote exprese su máximo potencial económico posible
en base al uso racional de estos insumos.
Un axioma de agricultura de precisión afirma que cuanto mayor variabilidad haya en el

lote, mejores serán los resultados utilizando AP. De ello se desprende que, en el caso
de lotes muy homogéneos, puede no resultar conveniente su uso. En el caso de la
aplicación de agroquímicos, prácticamente no existe la homogeneidad en el lote. Las
plagas, las malezas y las enfermedades, salvo casos muy avanzados, siempre tienen
una distribución irregular, que en teoría, permitirían hacer aplicaciones variables. En el
caso de los fertilizantes, no necesariamente es así.
Eeste trabajo está preparado básicamente para ser presentado en el 7º Curso

Internacional de Agricultura de Precisión y Máquinas Precisas, a realizarse en la EEA
INTA Manfredi en Julio de 2007. Por lo tanto, se dejará de lado el análisis del
funcionamiento del GPS, de los sistemas GIS, del banderillero satelital, y del sistema
de autoguía (piloto automático) que, si bien tienen uso y aplicaciones dentro de la
metodología actual de aplicación de agroquímicos, serán objeto de otros trabajos
dedicados específicamente a ellos con mayor profundidad y puestos a consideración
de los participantes del curso por diversas empresas proveedoras de estos sistemas.
No obstante ello, no podemos dejar de mencionarlas como técnicas en constante
avance y, en el caso particular del banderillero satelital, reconocerlo como el sistema
de A.P más difundido en el sector por su innegable eficacia y practicidad.
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
En muchos casos puede resultar de suma utilidad el uso de “sensores cercanos”.

Estos son mecanismos que permiten tomar mediciones puntuales sobre parámetros
específicos

que son importantes para conocer adecuadamente los lotes y hacer un mejor manejo
sitio específico.
Normalmente, brindan la posibilidad de trabajar “en tiempo real”. Es decir que a
medida que la máquina, provista de los correspondientes sensores, va avanzando
sobre el lote, puede aplicar los insumos de acuerdo con las indicaciones que los
sensores envían a la consola de control. Es el caso, por ejemplo, del N Sensor, del
Weed Seeker y del Green Seeker, que veremos más adelante.
Por otra parte, si el equipo está conectado a un sistema GPS, permite la elaboración
de mapas georreferenciados que serán de suma utilidad en la planificación y
elaboración de ajustes en el sistema de producción de cada establecimiento.
Algunos de los sistemas basados en el uso de sensores son:
• Zeltex: Analizador de proteína y aceite en grano cosechado
• Veris: Medidor de la conductividad eléctrica del suelo.
• Sonda Enviroscan: medidor de la humedad edáfica a distintas profundidades.
• Sensor N y Green Seeker: evalúan la necesidad de N en función del contenido
de clorofila.
• Weed Seeker: detección de malezas.
• Cropmeter: medidor de biomasa en el cultivo.
Finalmente creemos importante mencionar el sistema de sensores para detección de

malezas que se está generando en el Instituto de Ingeniería Rural y que se encuentra
en una avanzada etapa de desarrollo.
Si bien el sistema, en una primera etapa se busca su aplicación solamente en lotes
en barbecho, existe la firme voluntad de perfeccionar los mecanismos a fin de poder
utilizarlo, también, con cultivos en pie, diferenciando malezas de cultivo
Los ensayos electrónicos están siendo llevados a cabo por el Ing. Andrés Moltoni
mientras que el análisis económico corresponde a la Lic. Luciana Moltoni. Los
trabajos publicados al respecto se encuentran disponibles.
3) Aplicación de agroquímicos en Agricultura de Precisión.
Tal como mencionaramos en la introducción, la Agricultura de Precisión implica un

manejo sitio específico a fin de aprovechar al máximo las potencialidades de cada
lugar del potrero. Por lo tanto, lo primero que se debe tener en claro es que si el lote
es muy uniforme puede ser que no resulte conveniente utilizar estas técnicas y
manejar el lote en forma uniforme, a la manera tradicional. Cuanto mayor sea la
desuniformidad dentro del lote, mejores serán los resultados obtenidos al utilizar A.P.
Siempre que hablamos de aplicación de agroquímicos, bajo los conceptos

“tradicionales”, hacemos hincapié en cuatro factores que definen el resultado:
• La calidad del agua de aplicación.

• Utilización del producto adecuado.
• El momento oportuno de aplicación.
• La distribución homogénea del producto.
Esta última consideración es, justamente, la que se contrapone a los conceptos de

Agricultura de Precisión, que busca, precisamente, la aplicación de dosis variables.

Mediante AP, los criterios son diferentes y es preciso cumplir con las siguientes
etapas:
• Identificar la variabilidad (dosis de fertilizante, distribución de una plaga o de

una enfermedad) claramente georreferenciada (GPS – GIS).
• En función de ello definir la estrategia de aplicación (el mapa de dosis
variable).
• Disponer, obviamente, de un equipo que me permita llevar adelante esa
aplicación con variaciones significativas de aplicación.
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.
4) Equipo necesario para Agricultura de Precisión:
Figura 1: Equipo para AP utilizando sistema de inyección directa.
Como puede verse en el esquema de la figura 7, necesitamos los siguientes

elementos.
• Un sistema de recepción GPS.

• Un sistema GIS con su correspondiente software, que permita variar las dosis
en los diferentes sitios del potrero según las prescripciones introducidas.
• Un controlador del sistema de pulverización compatible con los equipos
anteriores.
• Un mecanismo que nos permita, a la salida de los picos, variar efectivamente
el caudal o la concentración del agroquímico a fin de modificar la dosificación.

Ya hemos visto en la introducción como funciona el sistema GPS y GPS con
corrección diferencial.
Los sistemas GIS, con su correspondiente software, en sus primeras versiones debían
acoplarse a la consola de comando de la pulverizadora.
Figura 2: Consolas de comando con sus sistemas GIS
Pero también existen sistemas de monoconsola, que incluyen ambas funciones dentro
de un único equipo.
Ambas opciones se encuentran disponibles dentro del mercado y la elección del

equipo deberá basarse en las prestaciones de cada uno y en su precio.
Ahora bien, todas las computadoras de pulverización basan su funcionamiento en el

principio de modificar la presión de trabajo para ajustar el caudal. La relación entre
caudales y presiones está establecida en la fórmula siguiente:
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).

Esta norma fue dictada ante la aparición de las primeras computadoras de
pulverización.
Ahora bien, cuando estamos hablando, como en Agricultura de Precisión, de

variaciones que exceden muy largamente el 25% mencionado en la norma, debemos
concluir en que las pastillas hidráulicas utilizadas actualmente para
agroquímicos, no se adaptan al sistema de dosificación variable, ya que se
afecta tanto el tamaño de gota como la distribución
No sucede lo mismo con los dosificadores para fertilizantes, por cuanto no
producen gotas sino un chorreado. Se deberán respetar, en este caso, las
presiones máximas toleradas por cada equipo, lo que se constituye, por lo tanto, en
una nueva limitación.
4 1. Sistemas alternativos para dosificación variable en el botalón.
4.1.1. Selección y combinación automática de pastillas.
Supongamos que en nuestro barral, a la distancia en que habitualmente se

encuentran separadas nuestras pastillas “tradicionales”, colocamos una combinación
de tres pastillas A, B y C cuyos caudales a diferentes presiones son los que indica el
cuadro superior.
El sistema podría disponer automáticamente el funcionamiento de alguna de las tres
pastillas en forma individual, o bien la combinación de dos de ellas o, inclusive de las
tres. Con ello obtenemos un rango de caudales sumamente amplio.
Obviamente cada una de las pastillas debe trabajar dentro de su rango de presión
adecuado.
En este principio se basa el sistema “VarioSelect” de Lechler, así como también el

sistema 4063 recientemente desarrollado por ARAG.
Pastilla IDK 120 1,5 2 2,5 3 3,5 4 4,5 5 6

0,1 34,3 39,2 44,1 47,8 51,4 55,1 58,8 62,5 68,6
0,15 51,4 58,8 68,6 72,2 77,1 83,3 88,2 93,1 103
0,2 67,3 77,1 86,9 95,5 104,1 110,2 117,6 123,7 135,9
0,25 85,7 98 112,7 123,7 128,6 138,4 146,9 155,5 171,4
0,1+ 0,2 91,6 116,3 131 143,3 155,5 165,3 176,4 186,2 204,5
0,1+ 0,25 120 137,2 156,8 171,5 180 193,5 205,7 218 240
0,15 + 0,25 137,1 156,8 181,3 195,9 205,7 221,7 235,1 248,6 274,4
0,2 + 0,25 153 175,1 199,6 219,2 232,7 248,6 264,5 279,2 307,3
0,15+0,2+0,25 204,5 233,9 264,5 291,4 309,8 331,9 352,7 372,3 410,3
0,1+0,15+0,2+0,25 238,8 273,1 308,6 339,2 361,2 387 411,5 434,8 478,9

El cuadro que antecede muestra las posibilidades de variación de los caudales
mediante el sistema VarioSelect, expresados en litros por hectárea y para diferentes
presiones de trabajo.
4.1.2. Sistemas “Bifluído” AirJet con combinación de agua y aire a presión.
Estos sistemas se basan en la combinación de dos fluídos diferentes (aire y agua o

caldo de pulverización).
A la salida de la pastilla el líquido se encuentra influído no solamente por su propia
presión, sino tambien por la presión de aire generado por un compresor
especialmente
diseñado a tal fin
Figura 3: Sistema AirJet de TeeJet.
Cuando aumenta la presión del líquido, con su consiguiente disminución en el tamaño

general de las gotas, se disminuye la presión del aire para compensar este efecto.
Inversamente, cuando disminuye la presión del líquido, con el consiguiente aumento
en el tamaño de las gotas, se aumenta la presión del aire con el mismo objetivo que
en el caso anterior.
Una consola, especialmente desarrollada, controla automáticamente el
funcionamiento del sistema, debiendo añadirse a la consola de comando de la
pulverización.
4.1.3. Sistemas de inyección directa.
El principio de funcionamiento consiste en inyectar el agroquímico puro en forma

directa en el pico pulverizador. La inyección debe hacerse en ese punto y no en algún
punto anterior del circuito pulverizador a fin de evitar la demora necesaria para la
llegada al producto al pico, así como su posterior etapa de “limpiado”
El sistema permite aplicar más de un producto simultáneamente, pero para ello cada
uno de los agroquímicos debe contar con su propio tanque de carga, y con su
correspondiente bomba individual dosificadora.
El sistema tiene la gran ventaja de que, al cargarse el tanque principal solamente con
agua, el circuito trabaja “limpio”, no existiendo riesgo de contaminación al lavar los
equipos y no existiendo restos de agroquímicos sin aplicar en la pulverizadora al
finalizar las tareas cotidianas.

Figura 4: Sistema Jacto de Inyección directa.
La firma Jacto ofrece como un opcional en sus pulverizadoras un sistema de

inyección directa que permite trabajar en forma simultánea o individual con tres
agroquímicos diferentes. El sistema cuenta con su propia consola de comando.
Figura 5: Consola de comando del sistema de Inyección Directa Jacto de 3 canales.
La firma Raven provee un sistema, el Raven Sidekick, con las mismas

características, es decir tres tanques para producto, con sus correspondientes
bombas para inyección directa y su sistema de comando.
4.1.4. Sistema de Pulsos de Amplitud Modulada (Pulse Width Modulation)
Es un sistema que no ha alcanzado su fase comercial y que se inserta en la parte

superior de la pastilla, abriendo y cerrando el paso del líquido mediante oscilaciones
sumamente rápidas, que visualmente no llegan a detectarse.

Figura 6: Sistema PWM.
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.
4.2. Maquinaria disponible:
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) Aplicación de Fertilizantes Líquidos.
Tal como mencionáramos anteriormente, las pastillas para fertilizantes no presentan

limitantes a la aplicación de dosis variables, en tanto y en cuanto se cuente con el
correspondiente equipo GPS – GIS y la controladora de pulverización y se respete la
presión máxima de trabajo de la pulverizadora.
Debe recordarse, sin embargo, que una buena proporción de los fertilizantes son
aplicados en forma sólida al momento de la siembra.
Es importante, además, mencionar algunos equipos para la aplicación de fertilizantes

que funcionan en base a sensores.
5.1. N-Sensor.
Figura 7: N-Sensor

Es un sistema que consta de 4 sensores, dos a cada lado, que le permiten ir
sensando el estado del cultivo y su demanda de nitrógeno en base a la evaluación de
la masa verde y su contenido de clorofila. Estos dos últimos parámetros están
directamente relacionados con la cantidad de nitrógeno requerida.
Los sensores del sistema informan al procesador, que evalúa la cantidad de nitrógeno
que está consumiendo el cultivo en cada sitio y, en base a ello aplica la cantidad de
fertilizante requerido.
Su capacidad de sensado es de 50 m2 por segundo.
El sistema fue ensayado en nuestro país con resultados satisfactorios por los Ing. Agr.
Melchiori, Christiansen, Barbagelatta y Von Martini.
5.2. Green Seeker.
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.

El Green Seeker puede funcionar tanto de día como de noche, ya que cuenta con
sensores lumínicos.
Los sensores reaccionan en base a los denominados “NDVI (Normalized Difference
Vegetative Index) o Indices Normalizados de Diferencia Vegetativa que les permiten
diferenciar y “decidir” la cantidad de nitrógeno a incorporar en tiempo real, o bien,
conectados a un sistema GPS-GIS, elaborar mapas de aplicación.
El principal inconveniente, además de su elevado costo, radica en que cada cultivo
tiene sus propios NDVI con sus correspondientes algoritmos y, a la fecha, sólo han
sido desarrollados para maíz y trigo.

6) Aplicación de Herbicidas.
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:
• ¿Es posible elaborar mapas con la distribución de las malezas en los

potreros?
Si esto es así: ¿son estos mapas lo suficientemente “estables” para un uso
confiable?
• ¿Es posible aplicar dosis variables para el combate de malezas?
• ¿Qué posibilidad existe de combatirlas mediante el uso de detección por
sensores?
En cuanto a la primera pregunta, no cabe ninguna duda de que la presencia de

malezas, así como también su conformación (cantidad-especies existentes), no es un
parámetro estable como, por ejemplo el tipo de suelo o la posición en el relieve.
No obstante ello, algunas opiniones autorizadas sostienen que las malezas,
especialmente las de tipo perenne, tienen una distribución relativamente estable y una
evolución predecible durante un número dado de años, eventualmente, con algún tipo
de correcciónes.
Ello permitiría la elaboración de mapas que, si bien no serían absolutamente estables,
de alguna manera conformarían una base confiable de trabajo, si se realizan los
ajustes correspondientes.
Lo más adecuado sería confeccionar el mapa con la mayor cercanía posible a la

fecha de aplicación. En este sentido, si bien podría disponerse de fotografías aéreas o
satelitales para su confección, las mismas no se encuentran fácilmente disponibles
para fechas cercanas al momento de aplicación.
Figura 10: Experiencia Jacto
La firma Jacto, ha realizado experiencias mediante fotografías aéreas de malezas,

obtenidas a través de vehículos aéreos no tripulados con conexión GPS y los
resultados han sido positivos desde el punto de vista técnico. También en el IIR están
realizándose los primeros trabajos en este sentido utilizando imágenes fotográficas de
altísima resolución obtenidas mediante UAV (Unmanaged Aerial Vehícles – Vehículos
Aéreos no tripulados)

Otra alternativa es el software Weedsite Beta Version 1.00.111 para el manejo sitio
específico de malezas. El sistema necesita en forma previa que el lote sea recorrido
por un tractor equipado con cámara fotográfica y GPS y sobre esa base elabora el
mapa de las malezas. Se puede descargar desde la página
http://arsagsoftware.ars.usda.gov/ correspondiente al Agricultural Research Service
del Departamento de Agricultura de EEUU.
En cuanto a la segunda pregunta, sobre si es posible aplicar dosis variables, la

respuesta es que a cada maleza le debe llegar la cantidad necesaria para su control,
ni más ni menos, y que actualmente, no disponemos de ningún mecanismo que
determine esto fehacientemente y de manera automatizada. Por lo tanto, hasta que
estos mecanismos no se desarrollen, las dosis serán homogéneas. Se podrá aplicar
en algunos lugares y en otros no, pero a la misma dosis por hectárea.
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.
En cuanto a la utilización de sensores, tercera pregunta formulada, la utilización de

sensores, nos detendremos en dos de ellos: el Weed Seeker y el sensor en desarrollo
en el IIR por el Ing. Moltoni.
Figura 11: Weed Seeker
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.

Figura 12: Desarrollo IIR
En cuanto al sistema en desarrollo en el IIR, a cargo del Ing. Andrés Moltoni, el

sistema funciona de manera muy parecida y, si bien los prototipos no están aún
finalizados, se ha constatado el correcto funcionamiento de los sensores.
En la actualidad se prevé su uso también en lotes en barbecho. Los análisis
económicos realizados marcan incrementos en los márgenes brutos del cultivo entre
el 1,26% y el 9,20% según el diferente nivel de enmalezamiento y la zona de
explotación.
La idea es perfeccionar el sistema hasta llegar al punto en que el sensor diferencie
malezas de cultivo, a fin de poder utilizarlo en cultivos en pie y no solamente en
barbechos.
7) Aplicación de insecticidas y fungicidas.
No es posible, en la actualidad, confeccionar mapas georreferenciados sobre la

presencia de insectos y enfermedades en los cultivos. El comportamiento de los
mismos es sumamente dinámico, variando de año en año e inclusive dentro del
mismo año durante periodos cortos cuando se presentan las condiciones favorables.
Tampoco existen sensores que permitan un manejo en tiempo real.
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:
• Existe, con mayor o menor grado de dificultad, disponibilidad de equipos para

hacer aplicaciones de agroquímicos dentro de los conceptos de Agricultura de
Precisión.
• Con la tecnología existente, se pueden aplicar fertilizantes en dosis variables
sin mayores inconvenientes.

• Existen dificultades objetivas, de índole mayormente biológica, que han
demorado el desarrollo de los mapas para aplicación de herbicidas. No
obstante ello, día a día se está trabajando en este aspecto y es probable que
se llegue a una difusión masiva.
• Mayores dificultades existen para la aplicación de los insecticidas y los
fungicidas, al punto de que, con la tecnología existente hoy, no es posible
elaborar mapas de aplicación ni existen sensores que los reemplacen.
• Probablemente, en un futuro no muy lejano, en la medida en que se
desarrollen medidores o sensores de biomasa vegetal, las aplicaciones sean
homogéneas en función de la biomasa vegetal y no en función de la superficie.
• Es de esperar que el uso de sensores de diferentes tipos se extienda. Quizás
en un futuro cercano nos permitan georreferenciar plagas insectiles o
enfermedades para utilizar dosis variables.

MEJORAR EL CONTROL DE ALGUNAS ACTIVIDADES ES EL PASO PREVIO A
LA APLICACIÓN DE INSUMOS VARIABLES
Agradecimiento: Técnico Christoph Luis Darfeld (Claas).
Introducción
En los últimos años muchos productores y asesores trataron de incorporar la

dosificación variable (semilla y fertilizante) como si fuese el único fin de la aplicación
de la agricultura de precisión, sin tener en cuenta qué grado de variabilidad poseen
los campos y donde se quieren implementar.
Otra problemática actual es la necesidad que poseen de comenzar a trabajar
con la dosificación variable inducida por moda, presiones de venta o por creación
ficticia de necesidades insatisfechas.
Mediante este trabajo donde contamos con ensayos propios de los cuales se
consultó bibliografía americana, trataremos de demostrar algunos factores que
causan mermas de rendimiento potencial desde la siembra, y otros que causan
pérdidas de granos durante la cosecha que llevarían a mermas de rentabilidad por
parte del productor. Todo esto se lograría sin llegar al manejo variable de insumos.
Solo el control podría lograr interesantes ingresos.
Con este comentario no se pretende desestimar la importancia de la aplicación
variable de insumos, sino solamente indicar que de la dosificación variable de semilla
y fertilizante según ambientes se pueden obtener importantes beneficios económicos,
pero si en el mismo lote cometemos errores operativos del manejo de las máquinas
como ser alta velocidad de siembra y cosecha por ejemplo. Entonces las pérdidas de
rendimiento pueden ser mayores que los beneficios obtenidos en el manejo variable
de insumos, por lo tanto el objetivo siempre debe ser el mismo, colocar todos los
factores de manejo al máximo de su potencial.
Desarrollo de la problemática en la siembra
Uno de los factores condicionantes de rendimiento desde la siembra en el

cultivo de maíz es la velocidad a la que trabaja la sembradora, dado las deficiencias
que se producen en la distribución de las semillas y la profundidad de las mismas. Un
ejemplo de esta problemática es un mapa de rendimiento donde se comparan dos
velocidades de siembra en el cultivo de maíz 6 y 9 km/h. (Ver Tabla Nº 1).
Teniendo en cuenta los avances logrados en genética de maíz en los últimos
años con los híbridos simples y más recientemente a través de la incorporación de
resistencia a Lepidópteros (complejo de orugas) con el gen Bt, sumado a factores
como la fertilización balanceada, el aprovechamiento del agua a través de la
cobertura de la siembra directa, la secuencia de cultivos trigo/soja – maíz, el control
de malezas, sumado al adelantamiento de la fecha de siembra, han permitido elevar
el potencial de rendimiento de este cultivo a valores incalculables con respecto a años
anteriores.
Para que el rendimiento objetivo se logre no se debe fallar prácticamente en
ningún aspecto y es allí donde la eficiencia de implantación cobra un protagonismo
muy importante, y esto incluye el espaciamiento entre hileras, la uniformidad de
distribución de las plantas en la línea y la uniformidad de emergencia, y desarrollo de

las plantas para evitar la dominancia entre plantas que ocasionan caídas hasta del
10% del rendimiento.
Tabla Nº 1: Evaluaciones realizadas en INTA Manfredi Campaña 2001/2002.

Tratamientos
Mediciones
9 km/h 6 km/h
Densidad teórica
80.000 80.000
Semilla/ha
Plantas reales/ha 68.100 73.900
Distanciamiento medio
27,9 25,7
entre plantas (cm)
Desvío estándar medio (cm) 12,4 cm. 7,7 cm.
pulgada 4,88 pulg. 3,03 pulg.

Coeficiente de variación medio % 44,3 31,5
Rendimiento medio en kg/ha real
10.245 kg/ha 10.905 kg/ha
ensayo INTA
Pérdida teórica de rendimiento
potencial según la fórmula de Nielsen 460,8 kg/ha 164,8 kg/ha
(kg/ha)
Diferencia teórica de rendimiento
según la fórmula de Nielsen (kg/ha) 286 kg/ha
Diferencia real de rendimiento según 660 kg/ha

ensayo de INTA Manfredi (kg/ha y %) (6 %)
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.
Las sembradoras de siembra directa nacionales correctamente equipadas en

cuanto a su tren de siembra, el distribuidor neumático de succión, con semilla
uniforme, buena regulación del enrasador y funcionamiento a una velocidad de
siembra de 6 km/h, pueden realizar una implantación de maíz muy eficiente.
Estos valores dejan un claro mensaje y es que las sembradoras argentinas
poseen un buen potencial de eficiencia de implantación de maíz cuando la velocidad
de avance es normal; y que el incremento de velocidad afecta en forma importante la
eficiencia de implantación.

Mapa de rendimiento
Ensayo de velocidad de siembra en maíz: 6 km/h versus 9 km/h

Campaña 2001/2002 INTA Manfredi
N Ubicación espacial del lote con menor

fertilidad:
1º rep. a 9 km/h: 91.9 qq/ha
1º rep. a 6 km/h: 97 qq/ha
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
Diferencia: 8.1 qq/ha que

representan el 6.6% de caída del
rendimiento a 9 km/h.
Diferencia promedio de 2 repeticiones: 660 kg/ha equivalente al

6% de caída de rendimiento a 9 km/h.
Densidad teórica: 80.000 semillas/ha (secano).
Fecha de siembra: 12/10/01.
Híbrido: Dekalb 696 Bt. con 85 kg/ha de fosfato monoamónico.
Sembradora MX 9/52,5 Mega, neumática por succión.
Fecha de cosecha: 1/4/02
Cosechadora: CASE 2388 Axial con monitor de rendimiento AFS
CASE, GPS Trimble 132, software Farm Works y precisión del
monitor 97%.
Figura 1: Mapa de rendimiento de maíz de las 2 repeticiones del ensayo de velocidad de siembra.
Desarrollo de la problemática en la cosecha
Como mencionamos la problemática de la siembra, también existe otra dificultad que

aparece durante la cosecha y para ello poseemos algunos ejemplos que demuestran
dicha importancia.
Las cosechadoras poseen una determinada capacidad de trilla que se expresa
mediante el flujo, en las unidades toneladas por hora (tn/h). Esta capacidad de trilla
tn/h varía según cada máquina en particular. Es decir, no es lo mismo una máquina
con cilindro de trilla chico (125 cm ancho x 52 cm de diámetro de cilindro ej: Don
Roque 125) que una con un cilindro grande (170 cm ancho x 60 cm de diámetro de
cilindro ej: Don Roque 170) y muchas veces esta característica se desestima a la hora
que entra una cosechadora al lote. Por lo general se cosecha, no por la capacidad de
trilla, sino por la velocidad de avance de la cosechadora sin tener en cuenta el tamaño
del cabezal, el estado particular de mantenimiento de la cosechadora, el estado del
cultivo y el rendimiento del mismo. Todos estos factores de manera conjunta
determinan la velocidad de avance que podrá desarrollar la cosechadora durante la
operación de cosecha.

Teniendo en cuenta que la cosecha es el momento clave donde el productor
está apresurado para recolectar el grano producido, es también justamente el
momento donde menos apurado se debe actuar, dado que se puede perder gran
parte de la ganancia esperada.
Mediciones realizadas por el Proyecto Agricultura de Precisión de INTA
Manfredi pueden demostrar que las pérdidas durante la cosecha cuando la velocidad
de la cosechadora supera su capacidad de trilla (separación y limpieza) suelen ser
muy importantes.
En el siguiente ejemplo (Figura 6) se quiere demostrar que el exceso de
velocidad (de 0,8 km/h), en este caso en el cultivo de maíz, una vez que la
cosechadora se encontraba al máximo de su capacidad de trilla, produjo pérdidas
excesivas y exponenciales. Cuando la cosechadora trabajo a 6,1 km/h perdió por cola
80 kg/ha las cuales eran tolerables, pero al aumentar a 0,8 km/h las pérdidas por cola
fueron de 700 kg/ha.
Figura 2:
Rendimiento Ton/ha Velocidad km/h
Tabla 2: El incremento de las pérdidas cuando aumenta la velocidad por encima de la

capacidad de la cosechadora.
Velocidad (km/h) Rendimiento (tn/ha)

Pasada 1 6,1 11,4
Pasada 2 6,9 10,7
Diferencia 0,8 0,7
Perdidas kg/ha - 700
Análisis de Resultados
Si se tratan de adaptar estos resultados obtenidos a situaciones que suelen

ocurrirle al productor que siembra maíz y como rendimiento objetivo se propone lograr
12.000 kg/ha, entonces se podría hacer una estimación de dos tipos de ineficiencias
que podrían suceder dentro del proceso productivo.
Para el logro de esos 12.000 kg/ha el productor elige el mejor híbrido, una
dosis de fertilización alta, una sembradora neumática, etc.; pero a la hora de sembrar
la velocidad es de 9 km/h y en el momento de cosechar la capacidad de trilla es
superada, solamente en estas dos operaciones puede obtener mermas muy

importantes dentro de su negocio. O sea que en la siembra partiría con una merma
potencial de rendimiento de 660 kg/ha y en la cosecha podría perder 700 kg/ha, lo
que sumarían entre esos dos eventos (alta velocidad de siembra más velocidad de
cosecha excesiva) 1.360 kg/ha y que representan en total el 11,3% de merma por
excesos de velocidad.
Algunas alternativas para mejorar las eficiencias
En Argentina, la empresa “Relevar Gis” posee un sistema muy simple y con

un potencial de utilización muy importante para lograr evitar en el mismo tiempo en
que se estarían desarrollando las diferentes actividades (siembra, pulverización,
fertilización, cosecha, almacenaje de granos, transporte, etc) el control y poder actuar
en el momento justo.
Estos módulos que poseen autonomía propia y un sistema transmisor de datos
por medio de un GPRS y unido a un GPS, permiten comunicar lo que está pasando
con la sembradora, pulverizadora, estación metereológica, cosechadora, almacenaje
de granos, transporte, entre otros, en el momento adecuado y permite evitar
problemas que causan mermas en los ingresos del productor.
Todos estos datos se transmiten a una página en tiempo real y el usuario que
posee una clave de acceso puede ingresar y ver lo que está realizando cualquier
maquinaria en sus lotes y así controlar a todos los móviles que desea para hacer más
eficientes los procesos productivos. Si el usuario no estuviera conectado en la página
también cuenta con la posibilidad de que cada vez que alguna maquinaria supere los
parámetros deseados, el productor, asesor o encargado del campo reciba un mensaje
de texto avisando lo que esta sucediendo en dicho momento con la maquinaria
controlada. También el sistema prevee que, en los lugares donde la señal GPRS no
llega, se vayan almacenando todos los datos de la maquinaria y en algún momento
que posea señal el sistema emite todos los datos almacenados.
Además la página almacena datos de todas las labores y de todos los años
que el usuario puede consultar y bajar para realizar sus propios mapas de velocidad
y, próximamente, rendimiento y calidad de grano.
Figura 3: Mapa de velocidad que se va confeccionando en tiempo real

en Internet. Donde el usuario puede visualizar la velocidad de trabajo de
la maquinaria (en este caso una cosechadora).

Claas un ejemplo de capacitación y de transferencia de datos por GPRS
La capacitación “0n Line” para lograr optimizar el trabajo.
La empresa alemana Claas, con sede en nuestro país, tiene un nuevo sistema de
monitoreo y control que busca lograr dos objetivos principales:
1. Optimizar el rendimiento de la cosecha.

2. Obtener una mejor calidad de trilla (mejor calidad de grano, menores pérdidas,
etc.)
“Optimizar el rendimiento de la cosecha”, significa lograr que la cosechadora

circule a la mayor velocidad que las condiciones del cultivo le permitan, de modo que
se aprovechen al máximo todos los sistemas internos de trilla, separación y limpieza,
siempre manteniendo las pérdidas de cosecha dentro de la tolerancia y con un
objetivo claro: “Obtener la mejor calidad de trabajo”.
“Optimizar el rendimiento de la cosecha” también significa lograr que la logística
se desarrolle con la mayor precisión posible a la hora de referirse al movimiento del
grano dentro y fuera del lote. El costo operativo de una cosechadora parada en el
medio del campo esperando para descargar su tolva es muy alto, por lo que estos
tiempos deben ser casi nulos.
Funcionamiento:
El sistema Telematics, funciona con una computadora preexistente en la

cabina, la cual controla el estado de todos los dispositivos de regulación (de los
sistemas de trilla, separación y limpieza, altura de plataforma, etc) y del estado del
motor a cada instante. De esta manera, el módulo Telematics registra, cada 5
segundos, toda esta información en la computadora mencionada, que almacena en la
memoria junto con los datos precisos de ubicación (por medio de coordenadas GPS
del receptor de señal satelital) y momento (fecha y hora).
Este módulo además posee en su interior un teléfono celular que, a intervalos
de tiempo programables (desde en directo hasta una semana o un mes), envía toda la
información registrada a un servidor propio de la empresa Claas (Claas Telematics
Web Server).
Dicha información, que sólo puede ser vista, consultada y analizada por el
propietario de la máquina y por algunas personas autorizadas en Claas, está
disponible en todo momento, lo cual permite hacer un control estricto de cada
máquina sin necesidad de estar en el lote todo el tiempo.
Si el propietario posee más de un equipo conectado con esta tecnología, luego
de ingresar al servidor, puede observar la información correspondiente a cada una de
sus máquinas en forma independiente, y así comparar la performance de una y otra.
Si posee una sola máquina, puede evaluar su equipo con valores de referencia
provistos por Claas.

Funciones del Telematics:
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
Analizar la eficiencia de la máquina

• 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
• Ranking comparativo de un grupo de cosechadoras
• Optimizar el rendimiento del equipo
Diagnóstico On Line
• Monitoreo de Mantenimiento
• Monitoreo de Fallas

Reporte Diario
Cada noche el usuario recibirá en su casilla de mail, un informe con datos

recolectados diariamente que reflejará el rendimiento de su cosechadora y al cual se
le agregará un análisis de la eficiencia.
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
El incremento de la velocidad de siembra en maíz de 6 a 9 km/h en

situaciones de siembra directa con rastrojo en superficie y equipamiento normal
(cuchilla turbo, barredor de rastrojo, doble disco plantador, lengüeta fijadora de
semilla, doble rueda tapadora angular, con distribuidor neumático de succión y caño
de bajada curvo), puede provocar una disminución de la ineficiencia de implantación
(profundidad, tapado y fijación de la semilla) que aumenta las pérdidas de emergencia
reflejadas en la caída en el stand de plantas real del orden del 7,8% a 9 km/h,
desmejora la uniformidad de distanciamiento entre plantas reflejado por el aumento
del desvío estándar, desuniformiza la altura de las plantas (generando plantas
dominantes y dominadas), provocando una sumatoria de factores perjudiciales
reflejados en este ensayo con una caída del rendimiento potencial del 6%, esto
manifiesta una parte de la realidad de lo que ocurre en los campos de los productores
ya que este ensayo fue realizado con distribuidores de semilla neumático que en
teoría se ven mucho menos afectados que los mecánicos por su eficiencia de trabajo
frente a incrementos de velocidad de siembra. El incremento de velocidad de siembra
de 6 a 9 km/h puede aumentar la capacidad teórica de siembra en un 50% pero esto
se paga con kg/ha de caída del potencial de rendimiento del cultivo de maíz, aspecto
que los productores deben tener muy en cuenta, al contratar un servicio o bien
programar una siembra eficiente.

Si tenemos en cuenta el momento de la cosecha, entonces se podría concluir
que la solución se encuentra en algunos casos en la tecnología que posee la
cosechadora porque ya existen en dos marcas de cosechadoras (Claas y John Deere)
mecanismos donde el control de la velocidad de avance esta dado por un sistema de
sensores que se encuentran en distintos sitios de la cosechadora (ej: embocador,
esfuerzo del cilindro de trilla, sensores de pérdidas en cola de la cosechadora y otros
según la marca). Estas dos marcas poseen mucha tecnología pero sus modelos no
son los más difundidos en nuestro país, además de sufrir otra problemática que es la
falta de capacitación del operario que muchas veces no lo utiliza porque no lo sabe
manejar.
En la actualidad existen en nuestro país sistemas de transmisión de datos en
tiempo real a través de una página web donde cualquier usuario por medio de una
clave puede visualizar lo que están realizando las maquinarias que poseen un aparato
específico para recibir y emitir datos. Los módulos consisten en un chip GPRS y un
GPS para poder mapear lo realizado. Estos sistemas constituyen una buena
herramienta para poder realizar un seguimiento en tiempo real de un número ilimitado
de máquinas que se encuentren trabajando en el campo, sin tener que estar
controlando permanentemente en el lote, pudiendo evitar en tiempo real las pérdidas
mencionadas en este trabajo y a bajo costo.
Bibliografía
Bechman T. J. 2002. Más rendimientos con mejor espaciamiento. Praire Farmer.

AGRICULTURA DE PRECISIÓN: 9 AÑOS DE EXPERIENCIAS.
A&T Servicios y Negocios Agropecuarios Departamento Técnico (*)

Ing. Agr. Federico Espina
(*)
• Responsable Dpto. Técnico: Ing. Agr. Gabriel Tellería.
• Coordinador Depto. Técnico: Ing. Agr. Martín Artigue.
• Responsable Depto Agric. de Precisión: Ing. Agr. Federico Espina
• Técnicos:
Ing. Agr. Luis Verri
Ing. Agr. Martín Cavanagh
Ing. Agr. Esteban Vissio.
Lic. en Cs. de la Comp. Marcelo Uva
A&T y Asociados S.A.
Humberto Primo 157.Río Cuarto – Córdoba.
TE: 0358 - 4636638
email: aytyasociados@arnet.com.ar
Introducción:
A&T y asociados se ha posicionado como una de las empresas de negocios y

servicios agropecuarios, que desarrolla una permanente búsqueda de caminos o
alternativas para mejorar el resultado económico de la empresa agropecuaria.
Es por esto que hemos necesitado incorporar nuevas herramientas, que al
igual que la adopción de otras tecnologías ha requerido de un continuo proceso de
aprendizaje.
Toda esta experiencia lograda a través de 9 años de crecimiento junto con la
Agricultura de Precisión la ofrecemos en nuestros servicios al cliente:
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.
INTRODUCCIÓN AL MANEJO DE LA HETEROGENEIDAD AMBIENTAL:
La unidad básica de manejo en los campos de nuestro país es el de lote. Por

lo general nos conformábamos con aplicar el manejo que mejor se adaptaba al
promedio de los ambientes o situaciones que se presentaban en cada lote. Hoy con la
Agricultura de Precisión podemos determinar objetivamente que niveles de
variabilidad tenemos presente en nuestro lote y realizar un manejo diferencial.
A continuación desarrollaremos los pasos a seguir para el manejo de la
heterogeneidad ambiental.

Primer paso:
DETERMINAR Y CUANTIFICAR EL GRADO DE HETEROGENEIDAD
Todos los campos de nuestro país poseen algún nivel de heterogeneidad

ambiental que determinan variaciones en los niveles de producción. El primer paso es
delimitar y cuantificar estas variaciones ambientales.
Para realizar esto, contamos con diferentes herramientas como el mapeo de
rendimiento, imágenes satelitales, mapas de altimetría, fotografía aérea, mapas de
CE y sensores en tiempo real.
Según nuestra experiencia, el mapeo de rendimiento es la herramienta que
mejor se adapta a nuestra zona, permitiendo identificar y cuantificar la variabilidad
ambiental presente en los lotes.
Es necesario que los mapas de rendimiento estén correctamente
confeccionados. Para lo cual se debe realizar la calibración de los monitores y la
posterior corrección de errores (puntos extremos, ajuste de ancho de labor, etc)
Inicialmente comenzamos con 3000 ha de mapeo, para llegar a la ultima
campaña con 48.000 ha mapeadas en diferentes zonas, no solo en la provincia de
Córdoba sino también en San Luis, Bs. As. y La Pampa. De esta forma hemos
logrando identificar numerosas situaciones de heterogeneidad ambiental. Por lo
general se trabaja con 2 a 4 ambientes por lote que presentan diferencias
significativas de producción entre si, encontrándose ambientes con niveles de 10-15%
y hasta del 40% por encima o por debajo del promedio de producción del lote.
Por otra parte la variabilidad expresada en cada ambiente presenta una
dinámica estacional en función del año y del cultivo. Un caso típico en nuestra zona
puede ser el de un ambiente bajo, de alta producción para trigo, que luego puede
pasar a ser de muy baja producción para el cultivo de segunda si las lluvias son
abundantes y el ascenso de la napa produce anegamiento durante gran parte del ciclo
del cultivo.
Segundo paso:
DIAGNOSTICAR LAS CAUSAS DE LA HETEROGENEIDAD OBSERVADA.
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.

Uno de los ejemplos típicos es el caso de la fertilización con dosis variable,
que nos permite hacer ajustes en función de los niveles de nutrientes del suelo y de
los niveles de producción esperados para cada ambiente identificado.
Tercer paso:
DEFINIR ESTRATEGIAS DE MANEJO POR AMBIENTE
Una vez realizado el diagnostico e identificado los factores más importantes

que determinan la variabilidad de la producción, pasamos a diseñar diferentes
estrategias de manejo para cada ambiente. Las estrategias de manejo a aplicar deben
estar en sintonía con las posibilidades técnicas y practicas que disponemos. La
Fertilización variable es una de las prácticas en la que más estamos trabajando. Por
lo general combinamos criterios de reposición y de suficiencia, con el objetivo de
obtener el mejor resultado económico en el corto y mediano plazo y pensando en la
rotación de cultivos y no solo en el cultivo que tenemos por delante.
Para comprender mejor los ambientes y su manejo realizamos convenios con
las Facultades de Agronomía, con INTA, empresas y con especialistas en distintas
materias para desarrollar ensayos en franjas cruzando diferentes ambientes, para
poder observar el comportamiento de los mismos a variaciones en estructura de
cultivos, genética, dosis de fertilizantes, etc. De esta forma generamos información
adicional necesaria (sintonía fina) para ajustar aún más los paquetes tecnológicos que
vamos a aplicar en cada caso (Figura N° 1).
15000
Rendimiento (kg/ha)
13000
11000
Polinómica (Alta Prod.)

9000
Polinómica (Prod. Prom.)
Polinómica (Baja Prod.)
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.
Muchas veces los criterios de manejo para un determinado ambiente de un

determinado lote cambian de año en año en función de cambios en las condiciones
meteorológicas, cambios de precios de insumos y productos, cambios en los niveles
de fertilidad del suelo como consecuencia de la aplicación variable de fertilizantes, el
potencial genético de los cultivos, profundidad de la napa, etc.
Es por todo esto que podemos concluir que la tecnología de dosis variable se
presenta como más rentable que una aplicación de dosis fija pero tiene una alta
sensibilidad al diagnostico y la implementación de diferentes estrategias por ambiente.

Cuarto paso:
DISEÑAR LA FORMA EN QUE SE VAN A IMPLEMENTAR DICHAS ESTRATEGIAS
Consiste en implementar en forma práctica, exacta y automática las distintas

estrategias de manejo elegidas por ambiente dentro de un mismo lote, mediante
nuevas herramientas tecnológicas.
En la última campaña se realizaron 9.500 ha de Prescripciones. Las mismas
permiten indicar en forma georeferenciada diferentes dosis o densidades para los
diferentes ambiente del lote. Dichas prescripciones han sido utilizadas para realizar
Dosis Variable de Fertilizante a la siembra en Trigo y Maíz; Densidad Variable de
Semilla en siembra de Trigo y Maíz; y Refertilizaciones Sólidas y Líquidas en Maíz.
En total trabajamos con 13 equipos de aplicación variable en siembra y
fertilización sólida; y 2 equipos de aplicación variable de Fertilización Liquida. Dichos
equipos cumplen diferentes funciones en 23 maquinas. Equipos de VRT que se
encuentran instaladas en Sembradoras de Grano Grueso que pasan a Grano Fino o a
una barra refertilizadora. O bien en equipos autopropulsados de pulverización para la
aplicación de fertilizantes líquidos.
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.
Es muy importante realizar calibraciones y controles periódicos de la aplicación

de insumos variable, para asegurarnos que las estrategias de manejo seleccionadas
para cada ambiente se cumplan a campo.
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

sumamente necesario almacenar todas estas capas de información georeferenciada
en forma ordenada y clasificada, pero a la vez deberá estar rápidamente disponible
para poder ser usada y relacionada entre sí. Es aquí donde el uso de SIG pasa a ser
la herramienta fundamental para la gestión de información y se hace imprescindible la
ayuda de softwars potentes para almacenar y administrar dicha información. A medida
que vamos ajustando paquetes tecnológicos por ambientes se generan resultados
que potencialmente representa información cada vez más precisa. Por ejemplo
obteniendo respuesta de diferentes fertilizantes en un determinado ambiente con
determinadas condiciones climáticas, profundidad de napa, características de
textura, %MO, P, etc. Lo que hace pensar que a un futuro no muy lejano se generaran
modelos de simulación que permitan ajustar con mayor certeza paquetes tecnológicos
según el escenario al cual nos enfrentemos.
CONCLUSIONES:
- La agricultura de precisión hoy se aplica en forma generalizada en gran

número de productores como una alternativa más para ser más eficientes y
consecuentemente mejorar el resultado económico.
- Hasta hace poco tiempo diferentes ambientes de producción que se

presentaban dentro de un mismo lote recibían el mismo manejo. Hoy en día
es posible hacer ajustes de manejo para cada ambiente tratando de maximizar
el resultado económico.
- En cuanto a la aparatología que estamos usando, contamos con muy buenos

equipamientos Nacionales e Importados. Con una gran adaptabilidad.
- Los resultados de manejar la heterogeneidad ambiental a nivel de lote ha

permitido incrementar el margen económico de nuestros cultivos. Resultados
logrados por diferentes mecanismos, ya sea por reducción de costos de
producción o por incrementar fuertemente los ingresos por mayores
producciones.
- La tecnología de dosis variable se presenta como más rentable que una

aplicación de dosis fija pero tiene una alta sensibilidad al diagnostico y la
implementación de diferentes estrategias por ambiente.
- El éxito de esta tecnología se debe a que estamos manejando cada ambiente

como se debe y no como se puede

AGRICULTURA DE PRECISIÓN
RESULTADOS DE ENSAYOS DE MANEJO DE INSUMOS VARIABLES
SEGÚN AMBIENTES COSECHADOS CON MONITOR DE RENDIMIENTO.
Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Lic. Federico Proietti; Ing.
Agr. Fernando Scaramuzza; Técnico Juan Pablo Vélez; Técnico Diego Villarroel.
Introducción
El comienzo de la Agricultura de Precisión en Argentina se basaba en poder

manejar la variabilidad, la cual, puede ser según algunos autores natural (topografía,
génesis de suelo, etc.) e inducida (manejo de la fertilidad, rotaciones, etc.) o la
combinación de las dos variabilidades. En este momento la Agricultura de Precisión
en Argentina posee todas las herramientas que se encuentran disponibles para el
resto del mundo, desde la base de esta herramienta que es el GPS, continuando con
el monitor de rendimiento, software, monitores de siembra, equipamiento para la
aplicación de semilla y fertilizante variable, banderilleros satelitales, sensores remotos
(como fotografía aérea, imágenes satelitales, etc). Otros monitores que sirven para el
control de actividades son los registradores de eventos y estos pueden utilizarse en
cualquier maquinaria (sembradora, pulverizadora, cosechadora, etc.), brindando
información sobre velocidad, hora y día en que se realizó el trabajo, también
poseemos en Argentina sistemas de guía (como lo son el autoguía y el volante
hidráulico), NIRS sensores en tiempo real de proteína en grano (toman mediciones en
la noria de la cosechadora), N sensor (sensores que leen biomasa e índice verde del
cultivo y tienen la posibilidad de hacer la aplicación variable de fertilizante nitrogenado
a medida que atraviesa la variabilidad). Estas son prácticamente todas las
herramientas que se encuentran en el mercado argentino, algunas más costosas que
otras, y con mayor o menor aplicación a los diferentes tipos de variabilidad que
poseen los campos de nuestro país.
En la actualidad, la utilización del monitor de rendimiento con GPS incorporado

en la cosechadora es la herramienta que brinda mejor y mayor calidad de información
cuando se requiere evaluar ensayos. Para poder evaluar los resultados que se
cosecharon con el monitor de rendimiento se debe poseer algún software adecuado
para el manejo de datos georeferenciados. El monitor de rendimiento brinda alrededor
de 600 datos georeferenciados por hectárea a diferencia del dato de rendimiento
promedio que obteníamos de los diferentes lotes que se cosechaban de manera
tradicional (donde se dividía la cantidad de kg cosechados en el lote por el número de
hectáreas que posee).
Respecto al manejo de insumos variables merecen un análisis particular de

cada situación, dado que puede no ser rentable en lotes donde la variabilidad no sea
bien definida y/o de escasa magnitud, o donde se hagan recomendaciones sin tener
el conocimiento adecuado sobre respuesta a fertilidad, densidades óptimas, etc. Las
imágenes satelitales y las fotografías aéreas son muy útiles siempre que se pueda
leer lo que ellas expresan con las variaciones de colores reflejadas, y dependerá
también del tipo de información que se quiera recabar.

Otras herramientas como son el N Sensor o el NIRS, el autoguía o el volante
hidráulico, necesitan un análisis más detallado de costos / beneficios, según la
situación que se pueda plantear en cada campo en particular.
Seguramente en un país donde se subfertiliza, no se rotan adecuadamente los

cultivos, hablar de manejo de la variabilidad dentro de un lote no parece adecuado,
sin embargo conocer los resultados de ensayos exploratorios e iniciarse en el tema
resulta como prioritario a corto plazo por parte de asesores y productores argentinos.
Debido a esta necesidad cada vez más creciente de manejar de manera sitio
específico los insumos, es que se pretende mostrar resultados de dos ensayos
realizados (uno bajo riego y otro en secano), en la Provincia de Córdoba. Otro factor
que marca la necesidad de los productores argentinos de trabajar en la búsqueda de
la eficiencia productiva está dado por el aumento significativo del valor en dólares de
la hectárea de campo agrícola, lo cual, orienta a todos los sistemas productivos a
mejorar la eficiencia de su uso, dejando solo como alternativa de evolución el
crecimiento vertical en vez del horizontal.
Situación de manejo de insumos variables en un campo de 40 hectáreas

en secano y con problemas de sodio.
Este ejemplo describe un ensayo realizado en un campo de la localidad de

Pampayasta donde la variabilidad es muy notoria por problemas de génesis de suelo
como el alto contenido de sodio en una de las zonas del lote. Básicamente la
variación contempla desde suelos muy productivos Argiustoles a suelos de bajo
potencial de producción como lo es un Complejo Indeterminado de suelos arenosos y
limosos con alcalinidad y mal drenaje.
En la localidad de Pampayasta (Córdoba, Argentina), durante la campaña
2004/05. Se determinaron 5 sitios de potencial de rendimiento diferente en función de
mapas de rendimiento anteriores (uno de soja campaña 2001/02 y otro de maíz
2002/03). Los tratamientos consistieron en franjas que atravesaban la variabilidad del
lote, uno con la dosis de nitrógeno y densidad de siembra ajustados según el
potencial de rendimiento esperado en cada zona (manejo de insumos variables) y un
testigo con la dosis de fertilizante y densidad de siembra que usualmente aplica el
productor (dosis uniforme), este tratamiento se situaba paralelo a los tratamientos de
dosis variable, con el objetivo de poderlos comparar entre ellos.
Los objetivos del ensayo fueron dos: 1- Comparar la respuesta económica
entre un manejo (densidad de siembra y fertilización) uniforme frente a un manejo
variable dentro del mismo lote cuya principal fuente de variación es la concentración
de sodio (Na) en los primeros 20 cm de suelo, basándose en la utilización de las
herramientas de agricultura de precisión.
2- Comparar el rendimiento que produjeron los diferentes tipos de manejo de insumos
(variables versus fijos) y algunos supuestos sobre como repercute este manejo en la
productividad futura del lote (manejo agronómico).
Los resultados para el primer objetivo indicaron que la utilización de dosis
variable según zonas de manejo aumenta el margen económico y que los resultados
positivos se debieron a una disminución de costos en los insumos de la aplicación
variable y no a un mayor ingreso por rendimiento. Los resultados para el segundo
objetivo se describirán debajo del cuadro de resultados y para cada caso en
particular.
La secuencia de captura de información se basó en los siguientes pasos:
Paso 1: Análisis de 2 mapas de rendimiento, en este caso uno de soja y otro
de maíz, para definir áreas diferentes.

Soja 2001/02 Maíz 2002/03
Figuras 1 y 2: mapa de rendimiento de soja y de maíz donde se pueden observar las m

ismas zonas de menores y mayores rendimientos tanto para soja como para maíz. La
escala está expresada en quintales / ha.
Paso 2: Se planificó el muestreo dirigido de suelos a las zonas que marcaron

diferencias de rendimiento en los mapas anteriores (soja y maíz).
Los círculos blancos marcan los lugares de donde se

extrajeron las muestras de suelo (muestras de suelo
compuestas por 10 submuestras en las profundidades de 0-
20 cm y 20-40 cm)
Paso 3: Con los resultados de las muestras de suelos compuestas por

ambientes se caracterizaron los sitios y se determinaron las recomendaciones para la
aplicación de insumos por ambientes. Se realizaron 3 franjas testigo o dosis fija
(siembra como realizaba el productor años anteriores) que atravesaban la variabilidad
del campo como marca el mapa anterior. De esta manera la dosis fija o tratamiento
testigo sirve para comparar con los resultados de la dosis variable.
El siguiente cuadro muestra la superficie en hectáreas que ocupaba cada zona
de manejo. Los insumos de la dosis fija o testigo (que es la que el productor realizaba
otros años), los insumos variables según zonas y las diferencias en cantidad de
insumos aplicados por zonas.

Paso 4: Se compararon los rendimientos de la aplicación variable con respecto
a la dosis fija (siembra como realizaba el productor años anteriores) en el mapa de
rendimiento correspondiente (cosechado año 2005) y se extrajeron los siguientes
resultados económicos.
Maíz 2004/05
Figuras 3: Mapas de rendimiento de donde se extrajeron resultados del ensayo

de insumos variables en maíz año 2004/05.
El siguiente cuadro muestra los rendimientos por zonas de aplicación variable

versus los de la dosis fija y las diferencias de rendimiento en toneladas por hectárea a
favor o en contra.
En el siguiente cuadro se pueden observar los resultados económicos

relacionados con los insumos aplicados y el rendimiento logrado por zonas. Nótese
que la zona 4 causo perdidas económicas debido a que no fue caracterizada por el
muestreo dirigido porque no se tomaron en cuenta por las escasas hectáreas que
significaba.

Punto de vista económico.
Superficie en % 15,9 34 20.7 8 21.3

Ingresos/ha $ 307.8 $ 44.1 $ 175.5 $ (75.6) $ 125.3
Ingreso ponderado $ 49 $ 15 $ 36.4 $ (6) $ 26.7
En el cuadro anterior se muestra el porcentaje de ocupación de cada zona en el total

del lote (40 has), el ingreso por hectárea aportado por esa zona, y el ingreso
ponderado por la superficie (en otras palabras es el ingreso que aporta la zona si los
cálculos se hicieran por hectárea del total del lote).
Sumando el ingreso ponderado aportado por cada zona es que se obtiene el
monto de la ganancia de la dosis variable sobre la dosis fija, que en este caso el
mismo fue de 121.27 $/ha (el precio de la tonelada de maíz al momento de hacer el
análisis fue de 230 pesos).
Incremento Dosis Variable $121.27
Punto de vista agronómico

Si se analizaran dos de las cinco zonas por ser las más contrastantes, se
podría deducir lo siguiente:
Zona 1: Desde el punto de vista agronómico, se puede notar que la menor

cantidad de insumos no causó una merma extrema en el rendimiento del cultivo (o
sea 510 kg/ha menos para el manejo de insumos variables respecto al fijo, mientras
que los insumos disminuyeron considerablemente). Esto permitiría inferir algunas
otras posibilidades para el manejo de insumos variables en esta zona: 1- que se
podría identificar cual de los tres insumos (semilla, nitrógeno o fósforo) es el que está
limitando el logro de estos 510 kg/ha más de producción. Si nos basáramos en
información proveniente de EE.UU donde se indica que para producir 1.000 kg de
maíz se necesitan 20 kg/ha de N (Mallarino, et al) se podría deducir que en N no haría
falta mas de 10 kg/ha de N para lograr producir esos 500 kg/ha de grano. Con lo cual
los 46 kg/ha de N que se pusieron en el tratamiento de manejo fijo serían demasiado
y deberían ser ajustados a futuro para esa zona. Este análisis permitiría para el año
que viene ajustar mejor ese insumo y poderlo descartar a futuro si no se lograra
aumentar el rendimiento. 2- si analizamos la densidad de siembra, podemos deducir
por ensayos realizados por semilleros, que para lograr ese rendimiento no sería la
limitante 40.000 plantas/ha, entonces estaríamos eliminando una segunda variable. 3-
la última variable a discutir y ensayar sería la fertilización con 80 kg/ha de fosfato
monoamonico y se podría tomar a futuro como la alternativa a corregir.
Zona 2: es la zona de mayor potencialidad de rendimiento y donde los

insumos se manejaron variables, pero con el objetivo de lograr un mayor rendimiento
en grano (o sea con mayor cantidad de insumos semilla y fertilizante nitrogenado en
el tratamiento variable respecto al tratamiento de manejo uniforme). El objetivo antes
de la siembra era obtener a cosecha 12.000 kg/ha en esa zona y se lograron 10.540
kg/ha con lo cual estaríamos dándole mayor peso a 2 variables y descartando
nuevamente otras variables de rendimiento.
1- Se podría descartar a las variables semilla (porque las densidades son similares y
con 80.000 plantas/ha se lograrían los 12.000 kg/ha), también se podría descartar al
fósforo (porque ese ambiente posee más de 20 ppm de P) y se descartaría el
nitrógeno debido a que para aumentar 680 kg/ha de producción de grano se
necesitarían alrededor de 13 kg/ha de N; y como se puede observar se aplicaron
alrededor de 40 kg/ha de N más con el manejo de insumos variables que con la dosis
fija y no se lograron las diferencias que se pretendieron como objetivo.
2- Entre las variables que se pueden considerar con mayor peso al momento de
analizar rendimientos objetivos no logrados pueden aparecer la radiación y el agua
disponible, las cuales son de gran importancia cuando se deciden realizar
prescripciones y técnicamente son el punto débil para el manejo sitio específico de
insumos.
Zona 4: se podrían deducir varias alternativas del porque se dieron estos

resultados, pero la mayor explicación es que dicha zona no fue caracterizada (o sea,
no se tomaron muestras de suelo por ambiente, lo que no permitió conocer mejor las
características físicas y químicas en ese sitio).

Situación de manejo de insumos variables en un campo de 54 hectáreas
que posee variación en la fertilidad de suelos, conducido bajo riego
complementario (pívot central).
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.
Dosis de Dosis de fosfato Dosis de N con

Tratamiento Zonas Semillas/ha
urea kg/ha diamonico kg/ha fertiriego kg/ha
80.000 0
Bajo potencial
Dosis variable de Potencial 90.000 80 80 90

semilla y fertilizante medio
Alto potencial 105.000 170
Bajo potencial
Potencial 100.000 80 80 90
Dosis uniforme
medio
Alto potencial

Cuadro 2: el siguiente cuadro muestra los objetivos de rendimiento que se esperaban antes de la
siembra para cada zona o ambiente (con diferentes potencialidades).
Rendimientos objetivos antes de la siembra

Zonas
(qq/ha)
Bajo potencial 110
Potencial medio 150
Alto potencial 180
Rendimiento promedio esperado del

150
lote
Cuadro 3: Rendimientos logrados a cosecha para cada ambiente.

Bajo potencial Potencial medio Alto potencial
Rendimientos
(toneladas/ha) (toneladas/ha) (toneladas/ha)
Manejo variable 9.64 10.33 12.37
Manejo fijo 9.88 10.27 12.05
Diferencias ( - 0.24 ) 0.06 0.32
Como se puede observar los rendimientos esperados no se lograron, con lo

cual, pasa a tener mayor relevancia en el análisis, el ahorro de insumos en cada zona.
Zona 1: el rendimiento logrado para la dosis variable fue de 240 kg/ha menos
de maíz (61.4 $/ha). La densidad de siembra en el tratamiento variable disminuyó en
20.000 semillas/ha (75,8 $/ha) y el fertilizante aplicado fue de 80 kg/ha de urea (111,7
$/ha) menos que el tratamiento uniforme. Estos resultados de cada uno de los
insumos, si se los promedia, indican un incremento a favor del manejo de insumos
variables de 126 $/ha.
Zona 2: es una situación similar a la zona 1, con la diferencia que la dosis de
fertilización del tratamiento uniforme fue igual a la del tratamiento variable. En esta
zona se logró una leve tendencia en el aumento de rendimiento que se podría obviar
porque representan tan solo 60 kg/ha más de producción (15,4 $/ha). Pero se logró
una disminución en el insumo semilla a favor del tratamiento variable de 10.000
semillas/ha (37,9 $/ha). Estos resultados de cada uno de los insumos, si se los
promedia, indican un incremento a favor del manejo de insumos variables de 53,3
$/ha.
Zona 3: este ambiente donde el potencial de rendimiento planteado como
objetivo antes de la siembra no se logró por cuestiones climáticas muestra resultados
en contra del manejo de insumos variables. Esto se dio debido a la menor cantidad de
insumos que poseía el tratamiento uniforme y a que el objetivo de rendimiento fue

muy inferior al estimado. Los resultados económicos en definitiva sea para los
tratamientos de insumos variables como para los de manejo uniforme se lograron pero
para la menor aplicación de insumos (o sea para el ahorro de insumos por ambiente).
Si se promedian los resultados económicos ponderados por hectárea y por los tres
ambientes, la dosis variable logró un incremento de 39 $/ha más que la dosis fija
(cuadro 5).
Cuadro 4: Resultados económicos de cada insumo para cada ambiente comparados entre el
manejo de insumos variable versus el fijo y por ambientes o zonas.
Insumo Bajo potencial Potencial medio Alto potencial
Ingreso ($ 61.4) $ 15.4 $ 81.9
Semilla ($ 75.8) ($ 37.9) $ 19
Urea ($ 111.7) $0 $ 125.6
Resultados $ 126 $ 53.3 ($ 62.6)
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
Dosis variable $ 39 $ 2.065
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
Dosis variable de 90.000 80 80 90

Potencial medio
fertilizante
Alto potencial 170
Bajo potencial
Dosis uniforme Potencial medio 100.000 80 80 90
Alto potencial

Cuadro 7: Rendimientos logrados a cosecha para cada ambiente.
Bajo potencial Potencial medio

Rendimientos
(toneladas/ha) (toneladas/ha)
Manejo variable 8.67 9.78
Manejo fijo 9.12 9.52
Diferencias ( - 0.45 ) 0.26
En este ensayo donde se mantuvo la densidad fija pero se varió el fertilizante

por ambientes se pudo notar un incremento mayor para la zona 1 y zona 2. La zona 3
no se pudo comparar porque dicho ambiente se terminaba y los tratamientos no
ingresaban allí. De todas maneras si se hubiese analizado seguramente los
resultados hubieran sido favorables por el ahorro que significaba poner 10.000
semillas/ha menos en la dosis variable.
Cuadro 8: 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 (zona 1) Potencial medio (zona 2)
Ingreso ($ 105.7) $ 61.1
Semilla ($ 37.9) ($ 37.9)
Urea ($ 111.7) $0
Resultados $ 43.9 $ 99.0
Zona 1: el rendimiento en grano del manejo de insumos variables fue menor en

450 kg/ha (105.7 $/ha) pero se logró ahorrar en la densidad de siembra en 10.000
semillas/ha (37.9 $/ha). En el caso del fertilizante se aplicaron 80 kg/ha menos de
urea (111.7 $/ha). El resultado económico de dicha zona teniendo en cuenta los
rendimientos logrados con los insumos aplicados fueron positivos para el manejo
variable en 43.9 $/ha.
Zona 2: el rendimiento en grano fue mayor para el manejo de insumos variable
en 260 kg/ha (61.1 $/ha). La densidad de siembra fue de 10.000 semillas/ha menos
(37.9 $/ha) para el manejo variable que para el tratamiento uniforme y respecto a la
aplicación de fertilizantes fue igual para ambos tratamientos. El resultado económico
logrado fue de 99 $/ha más para la aplicación de fertilizante variable, debido al ahorro
de semillas y a un rendimiento mayor (tal vez no significativo).

Cuadro 9: Resultados económicos ponderados por hectárea donde la dosis variable logró un
incremento de 69 $/ha más que la dosis fija.
Ingreso diferencial ponderado $/ha Total
Dosis variable $ 69 $ 2.383
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.

USO DE HERRAMIENTAS DE AGRICULTURA DE PRECISIÓN EN ACEITERA
GENERAL DEHEZA. USO PROPIO Y VISIÓN DE SERVICIO.
Ing. Agr. Muguerza Julián

Aeitera General Deheza SA. Proyecto de Agricultura de Precisión.
muguerza@agro.uba.ar
Introducción:
Aceitera General Deheza es una empresa fuertemente integrada en la

cadena de producción agroindustrial más importante del país. Produciendo aceite
hace mas de 50 años AGD a generado vínculos con todos los actores de la cadena,
siendo el más importante el que hoy tiene con el generador de la materia prima, EL
PRODUCTOR. Así como en las fabricas de aceite de AGD la tecnología, los recursos
humanos, la mejora continua y el cuidado del ambiente son las claves del éxito, en su
integración en la cadena desde la producción primaria hasta la exportación se
cumplen los mismos principios. Es por ello que AGD trabaja hace 10 años con
tecnologías de Agricultura de precisión involucrando desde GPS, monitores de
rendimiento, monitores de siembra, uso de banderilleros satelitales, muestreo
intensivo de suelo, mediciones de electroconductividad de suelo, biomasa de cultivos,
imágenes satelitales para relevamientos zonales, dosis variable de insumos y
seguimiento de insectos según fotografías aéreas.
Uso de la tecnología dentro de AGD.
• Sistemas de Posicionamiento Global (GPS):
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:
Las Imágenes satelitales para evaluar nuevas zonas productivas, cambios

en la frontera agrícola y la participación de mercados de los Acopios de AGD es una
practica con igual antigüedad que el uso de DGPS para la medición de campos. Estos
servicios se toman de terceros participando AGD en parte de la corroboración a
campo de los datos (Verdad de Campo). Estas tecnologías han tenido y tienen
grandes beneficios en la planificación del crecimiento de la empresa en rubros como
Siembras, Acopio y Venta de Insumos. El uso mas común es la escala regional a
partir de Imágenes Lansat, aunque también se han usado imágenes SPOT para la
planificación de desmontes e instalación de equipos de riego.
• Mapeo de Rendimiento:
El monitoreo de rendimiento en el negocio de siembras tiene una historia

mas reciente ya que en los campos que pertenecen a la empresa se monitorea hace 5

campañas y hace 3 que se realiza en las siembras que los acopios llevan adelante en
sociedad con Clientes. En este último caso el uso del monitor de rendimiento es parte
de un control de cosecha que involucra también anexos a la carta de porte, balanzas
en las tolvas y pesado en destino. Este es un control de trazabilidad donde se controla
que el total de la superficie sea cosechada, que todos los kilogramos cosechados
sean cargados en los camiones y que dichos kilogramos sean los mismos que llegan
a destino.
Los beneficios obtenidos son varios, desde el control hasta el descubrir la
respuesta que los cultivos tienen a los diferentes ambientes. En la actualidad AGD da
trabajo a más de 30 contratistas con monitor de rendimiento y se mapean casi 45000
hectáreas por año.
• 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:
Hace 3 años se trabaja en la caracterización de los ambientes productivos

utilizando diferentes escalas de análisis. A escala regional se utilizan Imágenes
satelitales, mapas de suelo e información climática, cuando se reduce la escala a
nivel de lote los mapas de rendimiento, los mapas de elevación, el muestreo intensivo
de suelo y mas recientemente el uso de la electroconductividad medida con el Veris
3100 son herramientas que nos permiten mejorar el manejo de los lotes ya sea en
promedio o según sitio específico.
• Manejo de la variabilidad ambiental:
La dosis variable de insumos y principalmente la de fertilizante es una

practica que crece año tras año en Aceitera. Esta practica se realiza mediante la
paralelización de ambientes, el cambio de la velocidad de trabajo en equipos para
voleo de fertilizante o por medio de equipos automáticos como la fertilizadora
francesa Sulky que puede ser controlada a partir de un mapa de recomendación o
equipos como el N-Sensor. Este último es un equipo que fue desarrollado para las
condiciones de fertilización de Eurapa, pero AGD y YARA en un convenio de
colaboración lo han calibrado para las condiciones nacionales.
La dosis variable de semilla es una práctica nueva en la empresa aunque su
respuesta esta bien documentada y sus posibilidades son grandísimas, siendo el
siguiente paso el espaciamiento variable para ambientes topográficamente
contrastantes, esto es menor espaciamiento en lomas y mayor espaciamiento en
bajos.
Uso de la tecnología para brindar servicios a productores.
La visión de AGD en su relación con la producción primaria se basa en

fortalecer los lazos con sus cliente y para ello es necesario estar a su lado durante
todo el año, todos los años. Ante la dinámica de cambios y avances que ocurren en la
producción de granos, AGD decide acompañar y brindar las herramientas para la
adopción de tecnologías de producción tales como la fertilización, la genética, el
manejo y protección de cultivos. Es en este esquema que en la actualidad se esta

desarrolla un servicio de Agricultura de Precisión para productores, donde el objetivo
principal es diseñar formas de trabajo que permitan a productores de cualquier
tamaño acceder a los beneficio de la tecnología de AP.
• Identificación y cuantificación de la Variabilidad Ambiental.
Con este fin AGD utiliza la electroconductividad (EC) de suelos medida

mediante el Veris 3100, la elevación relativa de los lotes y el muestreo intensivo de
suelo. El Veris 3100 es un sistema de mapeo de propiedades intrínsecas del suelo
que permite identificar áreas con tipos de suelo contrastantes dentro de un lote.
Usando un GPS geodésico o DGPS y la tecnología de EC de suelo se identifican y
separan zonas homogéneas con características texturales diferentes, generando un
preciso mapa de tipos de suelo. De esta forma se descubre la variabilidad en suelos
de un lote en un solo paso y con altísima precisión. Los tipos de suelo y la topografía
de un lote son constantes en el tiempo.
La alta precisión de los mapas de suelos generados por Veris se debe a que
consolida características intrínsecas del suelo como los porcentaje de arcilla, limo,
arena y Materia Orgánica, la Capacidad de intercambio Catiónico y en algunos casos
el pH y los niveles de algunos elementos, a demás de limitaciones permanentes para
los cultivos como la salinidad, la profundidad efectiva de suelo y la profundidad hasta
la tosca.
Utilizando el Veris sobre el lote con un GPS geodésico o DGPS el sistema
recolecta simultáneamente un dato por segundo de EC superficial (0 a 30 cm),
subsuperficial (0 a 90 cm) y la altura relativa. La EC superficial es afectada por todas
las características de suelo antes mencionadas y la subsuperfical principalmente por
la profundidad de suelo y la capacidad de retención hídrica. Con la información de
este sistema se caracterizan los potencialidades de los ambientes y se brindan
herramientas para la toma de decisiones productivas básicas: Genotipo – Fecha de
siembra – estructura de cultivo (densidad y espaciamiento).
Los mapas de EC permiten un muestreo de suelo intensivo, minimizando los
costos del mismo. En nuestro servició el muestreo intensivo consta de una muestra
compuesta por 12 a 15 submuestras por cada 3 hectáreas. El muestreo se hace en
forma dirigida a partir de la EC y mediante un GPS de precisión. Con la información
del laboratorio se realizan los mapas de contorno de materia orgánica, pH,
Conductividad, fósforo, nitratos y azufre. Cumplidos los pasos antes mencionados lo
que se logra es Identificar y localizar espacialmente la variabilidad de suelo así como
también cuantificarla en términos de estado nutricional del lote.
• Manejo de la Variabilidad Ambiental.
Con la información generada de la variabilidad ambiental se realizan

recomendaciones agronómicas de manejo tanto para tecnologías de costo cero como
genotipo, densidad y fecha de siembra hasta la recordación de dosis variable en
aquellos casos que se justifican. En tal caso de que fuera conveniente el uso de la
dosis variable AGD promueve el trabajo conjunto con contratistas zonales que se
están equipando con fertilizadoras de dosis variables para brindar el servicio
completo. AGD realiza los muestreos y elabora las recomendaciones y los contratistas
las aplicaciones. En el caso de las adaptaciones para las sembradoras los clientes de
AGD tienen acceso a prestamos que les puede facilitar el acceso a dichas
tecnologías.
El desafió de AGD es generar los procesos de trabajo para lograr que
cualquier productor independientemente de su escala pueda acceder a la tecnología.

CLAAS
¿QUÉ HACE CLAAS PARA UNA AGRICULTURA PRECISA?
Agricultura de precisión no empieza sólo con un medidor de Rendimiento, con una

antena GPS o con la fertilización variable. Agricultura de precisión tiene mucho que
ver con el manejo de ésta tecnología y por lo tanto el operador que utiliza las
diferentes alternativas deberá estar capacitado para la buena implementación y
manejo. También deberá tener la cultura necesaria para poder desarrollar con éxito la
utilización de éstos sistemas.
1.) MAPEO de RENDIMIENTO
En un mapa de rendimiento se reflejan dos datos fundamentales: RENDIMIENTO

SECO y POSICIÓN
El medidor de Rendimiento CLAAS

transforma en kilos el volumen que
pasa por la noria, denominado Sistema
de Volumen.
Los sensores ópticos están instalados
en la noria de la cosechadora y se
encuentran protegidos por lentes de
vidrio. Dichos sensores miden a través
de un rayo láser el volumen de granos que pasa y calculan el
rendimiento a cada momento, independientemente de la
inclinación de la cosechadora. Las diferentes situaciones de
cosecha hacen que el volumen de los granos que cargan los
baldes se modifiquen (la humedad y el polvo agrandan los
baldes).
Medidor de rendimiento
• El volumen que se mide en la noria depende también de la inclinación de la

máquina (posee sensor de nivelación).
• Peso hectolitrito para calcular el rinde en peso.
• Mide la humedad del grano cada 20 seg.
• Punto cero rendimiento (elimina las fallas en el cambio del tamaños de
los baldes).

Facil para Calibrar:
• Una vez por año ANGULO CERO. (Sensor de inclinación)

• Cada mañana y/o antes de realizar la calibración se debe estirar la cadena.
(posee un sistema de tensión automático).
• Cada mañana y/o antes de realizar la calibración PUNTO CERO
RENDIMIENTO.
• Se deberá cosechar una pasada.
• Calibrar la balanza (peso hectrolítrico) medir peso hectolitrito. Controlar la
humedad (Corección de humedad).
• Vaciar la tolva.
Contrapesar
• Inicio del contrapeso

• Se deberá cosechar lo más posible.
• Luego detenerse, vaciar y parar el contrapeso.
• Continuar cosechando.
• Pesar la tolva o el camión y luego ingresarlo en PESO COMPROBADO.
• El factor de calibrado cambia automáticamente.
9 Si cambia el volumen cambia el rendimiento automáticamente

9 Si cambia la inclinación hace la corrección automáticamente.
9 Si cambia la humedad hace la corrección automáticamente.
• Chequear cada dia el desgaste de los lentes (700-2000ha)
MAPA DE RENDIMENTO PARA PICADORAS
Para complementar la recolección de datos en la

cosecha Claas desarrolló un sistema para medir el
rendimiento en sus picadoras.
A partir de Octubre de 2007 Claas ofrecerá para
todas sus picadoras Jaguar la posibilidad de
mapear el rendimiento. Un sistema de volumen
medirá la heterogeneidad dentro del lote.
MAPAS DE BANDERAS
El mapa de banderas CLAAS le da al

productor la posibilidad de almacenar
un mapa georeferenciado hecho con
los propios ojos de conductor. De
esta manera se pueden memorizar
hasta cuatro ambientes diferentes por
lote. Por ejemplo, puede ser muy útil
para marcar manchones de malezas, fallas en la siembra y otros factores que son
transitorios y no se deben a la calidad del lote

1. Malezas
2. Bajos
3. Tosca
4. Falla de sembradora
Este es un MAPA de visión que lo poseen las cosechadoras Lexion 570, Lexion 580 y
Lexion 600 de serie.
2.) MUESTREO DE SUELO y MAPA DE PRESCRIPCIÓN
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.
3.) PILOTO AUTOMATICO
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.
Claas posee dos tipos diferentes de pilotos automáticos:

1. Piloto óptico o mecánico, con la mejor relación costo
beneficio.
El Piloto Láser (óptico) está instalado en ambos lados de
las plataformas de las máquinas LEXION 570, LEXION
580 y LEXION 600 de serie.
Posee una precisión de +- 5/10 cm.
CLAAS utiliza el piloto mecánico para los cabezales
maiceros. Los palpadores guian la máquina
automáticamente por las surcos.

2. Piloto GPS. La precisión se encuentra entre +-
2/10 cm.
Existen tres posibilidades de Piloto GPS para
las cosechadoras LEXION de CLAAS:
• BASELINE HD – antena aparte para la
correción; cubre un radio de 3-5km
(corrección diferencial). Precisión de +-
5cm. Sin costo de licencia. Costo alto
del equipamiento
• RTK – antena aparte; cubre un radio de
20 km (corrección diferencial). Precisión de +-2/3cm. Sin costo de
licencia. Costo alto del equipamiento
• OmbiSTAR HP – sin antena a parte (corrección diferencial). Precisión
entre +-5/10cm. Con costo de licencia.
Máquinas guiadas satelitalmente significan un costo mayor con la precisión igual o
menor que los sensores ópticos.
4.) CRUISE PILOT
Luego del piloto automático es

importante automatizar la velocidad
dependiendo del caudal de material
que ingresa, la potencia utilizada del
motor y las pérdidas. Claas logra esto
con la utilización del sistema de piloto
crucero.
Esta es una herramienta más para
desarrollar la agricultura de precisión porque el sistema adecúa la velocidad de
avance al rendimiento del cultivo. (Cosechadora inteligente de carga constante). “Mas
tiempo para que el operador pueda optimizar la regulación de la cosechadora”.
5.) CROP METER – simplemente genial
Medidor de Biomasa
• Detecta la variabilidad de biomasa en el cultivo. Esto permite realizar

aplicaciones de insumos variables en tiempo real o en forma combinada:
• Aplicar cantidades adecuadas
1. Nitrógeno
2. Fungicidas
3. Micronutrientes
• Fácil de calibrar.
• Éxitos en forma
inmediata.
• Alta Relación entre
biomasa y rendimiento
en gramíneas
• Sistema mecánico

6.) CONSERVACIÓN DEL SUELO
Un pilar importante para lograr una buena agricultura de precisión es la conservación

del suelo. En este punto, Claas
utiliza en sus cosechadoras más
grandes, un sistema de orugas de
goma que logra menor
compactación del suelo que las
cubiertas radiales o diagonales.
También posee el trote de perro
del Tractor Xerion. El cual es un
fiel ejemplo de distribuición de
peso en diferentes huellas.
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.
8.) CONTROL DE LA COSECHA
La agricultura de precisión necesita fundamentalmente una adecuada recolección de

datos.
Los mismos deben ser ordenados correctamente y archivados en un sitio seguro.
Dicha información será muy valiosa para organizarnos. Con el sólo hecho de
controlarla se podría generar interesantes ingresos.
Por eso CLAAS desarrolló un nuevo sistema de monitoreo y control en tiempo real:
TELEMATICS
La capacitación “0n Line” para lograr optimizar el trabajo.
CLAAS busca lograr dos objetivos principales:
3. Optimizar el rendimiento de la cosecha.

4. Obtener una mejor calidad de trilla (mejor calidad de grano, menores pérdidas,
etc.)
“Optimizar el rendimiento de la cosecha”, significa lograr que la cosechadora circule a

mayor velocidad que las condiciones del cultivo le permitan, de modo que se
aprovechen al máximo todos los sistemas internos de trilla, separación y limpieza;
siempre manteniendo las pérdidas de cosecha dentro de la tolerancia y con un
objetivo claro: “Obtener la mejor calidad de trabajo”.

“Optimizar el rendimiento de la cosecha” también significa lograr que la logística se
desarrolle con la mayor precisión posible a la hora de referirse al movimiento del
grano dentro y fuera del lote. El costo operativo de una cosechadora parada en el
medio del campo esperando para descargar su tolva es muy alto, por lo que estos
tiempos deben ser casi nulos.
Funcionamiento:
El sistema Telematics, funciona con una computadora preexistente en la cabina, la

cual controla el estado de todos los dispositivos de regulación (de los sistemas de
trilla, separación y limpieza, altura de plataforma, etc) y del estado del motor a cada
instante. De esta manera, el módulo Telematics registra, cada 5 segundos, toda esta
información en la computadora mencionada, que almacena en la memoria junto con
datos precisos de ubicación (por medio de coordenadas GPS del receptor de señal
satelital) y momento (fecha y hora).
Este módulo además posee en su interior un teléfono celular que, a intervalos de
tiempo programables (desde en directo hasta una semana o un mes), envía toda la
información registrada a un servidor propio de la empresa Claas (Claas Telematics
Web Server).
Dicha información, que sólo puede ser vista, consultada y analizada por el propietario
de la máquina y por algunas personas autorizadas en Claas, está disponible en todo
momento, lo cual permite hacer un control estricto de cada máquina sin necesidad de
estar en el lote todo el tiempo.
Si el propietario posee más de un equipo conectado con esta tecnología, luego de
ingresar al servidor, puede observar la información correspondiente a cada una de
sus máquinas en forma independiente, y así comparar la performance de una y otra.
Si posee una sola máquina, puede evaluar su equipo con valores de referencia
provistos por Claas.

Funciones del Telematics:
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
Analizar la eficiencia de la máquina
• 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
• Ranking comparativo de un grupo de cosechadoras

• Optimizar el rendimiento del equipo
Diagnóstico On Line
• Monitoreo de Mantenimiento
• Monitoreo de Fallas
Reporte Diario
Cada noche el usuario recibirá en su casilla de mail, un informe con datos

recolectados diariamente que reflejará el rendimiento de su cosechadora y al cual se
le agregará un análisis de la eficiencia.
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.

LA GESTIÓN DE CONOCIMIENTOS COMO CLAVE DEL CRECIMIENTO.
LOS APORTES DEL GIS COMO LENGUAJE.
Ricardo Peralta, GeoAgro.

info@geoagro.com
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.
Tecnificar e innovar: Toda empresa que quiera prolongar su expansión en el

tiempo debe tecnificarse para crecer y destacarse en el mercado. La
innovación es el germen imprescindible de la evolución.
Implementación y cambio: la implementación de nuevas formas de trabajo e

interacción demanda un período de tiempo, que suele acarrear complicaciones
por la resistencia típica al cambio. Sin embargo, alcanzados los objetivos los
meritos justifican el esfuerzo.
Crecimiento conjunto y en red: la gestión de información requiere que la

empresa sea concebida como una red, involucrando a todos sus actores. La
articulación, la interdisciplinariedad y el trabajo en equipo son fundamentales y
enriquecen no sólo al conjunto sino a cada uno de los individuos que
intervienen en el proceso.
Visión de futuro: La planificación a corto, mediano y largo plazo resultan

imprescindibles paro los logros propuestos y la existencia de imprevistos que
surgirán naturalmente en el avance de la planificación mencionada lo tornan,
por inesperado, aún más interesante.
Lo indispensable: Respeto mutuo, compromiso, honestidad y

profesionalismo.
Gestionando conocimientos en el agro: la oportunidad de la AP

Este proceso evolutivo se está dando en organizaciones de todo tipo, y las empresas
agronómicas no están exentas del desafío que, a la vez, es una enorme oportunidad.
Sin ir más lejos, la agricultura de precisión demanda, además de la inversión en
maquinaria y tecnología de punta, el esfuerzo imprescindible de reconocer la

variabilidad espacial, estudiar sus causas y definir las estrategias de manejo más
convenientes.
En otras palabras, la agricultura de precisión requiere de nuevas formas de
gestionar el conocimiento de nuestros campos para aprovechar su verdadero
potencial.
El cambio de paradigma está planteado (avalado por experiencias pioneras) y las
herramientas están disponibles. Frente a esto, muchos productores avizoran los
beneficios de implementar nuevos procesos pero… ¿por donde empezar?
GeoAgro propone trabajar por proyectos, integrando el conocimiento agronómico de

cada empresa y sus asesores a la plataforma tecnológica de GeoAgro GIS, con el
respaldo de consultores locales que garantizan la implementación y el aporte de
saberes específicos.
El lenguaje GIS como integrador de conocimientos y tecnologías

La metodología planteada requiere una interacción permanente entre la empresa
agronómica y GeoAgro, que funciona como una oficina de soporte y actualización
tecnológica y como un proveedor de servicios de recopilación y procesamiento de
datos.
GeoAgro GIS es un sistema de información geográfica desarrollado especialmente
para el agro que permite:
Ordenar información histórica por capas: monitores de rendimientos,

altimetrías, croquis, fotos aéreas, etc.
Integrar nueva información geográfica provista por GeoAgro: imágenes

satelitales, NDVI, topografía y cartas de suelo digitalizadas, mapas de
productividad en base a análisis de cluster, etc.

Se integran a GeoAgro GIS capas de información histórica. En cada campaña se incorporan datos actualizados.

Visualizar y compartir información mapeada, más fácil de comprender. Se
abren nuevas perspectivas de análisis de la realidad, por contar con más y
mejor información para reconocer zonas de diferente potencial productivo y
buscar las causas de tal variabilidad.
El análisis de la información permite reconocer zonas homogéneas y confeccionar mapas de ambientes.
Generar conocimientos, planificar: Se planifican y definen en GIS

estrategias de rotación de cultivos, siembra variable, fertilización variable, etc.
Se definen estrategias de manejo y se representan y registran en mapas.

Interactuar con GPS: los puntos tomados con GPS pueden descargarse en
GIS, permitiendo generar nuevas capas de relevamientos a campo, etc. Del
mismo modo, se pueden transferir puntos del GIS al GPS, haciendo posible
planificar muestreos dirigidos de suelo, monitoreos de plagas y cultivos
georeferenciados, etc.
Se planifican muestreos dirigidos por ambientes y se transfieren al GPS para ir a tomar las muestras a campo.

Interactuar con máquinas de aplicación variable: se elaboran en GIS los
mapas de prescripción para indicar a las máquinas en qué lugar del lote deben
variar las dosis. Al realizar el trabajo, las máquinas registran datos de
aplicación que pueden mapearse para realizar controles de laboreos
(comparar dosis aplicada vs dosis prescripta, zonas de sub o sobre aplicación,
detectar chanchos, etc.)
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.
Dependiendo de cada proyecto, GeoAgro acompaña en mayor o menor medida la

implementación de los procesos, garantizando la capacitación y el soporte tecnológico
y poniendo a disposición toda una serie de servicios de AP, como procesamiento y
mapeo de archivos de rindes, confección de mapas para VRT, generación de mapas
de ambientes por análisis de cluster o teledetección, asistencia a campo en la
calibración y puesta a punto de maquinaria, etc.
De esta forma, surgen para las empresas ineludibles oportunidades de evolucionar en

el acceso y la gestión de información, para tomar decisiones ajustadas al potencial
productivo de sus campos en busca de una mayor rentabilidad y competitividad.
Año tras año la agricultura de precisión se impone con más fuerza en el mercado
argentino, retroalimentándose con nuevas investigaciones y experiencias, plasmadas
en análisis de campaña, redes de ensayos, protocolos de manejo, etc.
La clave está en transformar la información en conocimiento gracias a la
integración de metodologías y tecnologías. Las herramientas están disponibles.
El desafío de las empresas pasa ahora por apostar al crecimiento.

RECONOCIMIENTO Y MANEJO DE LA HETEROGENEIDAD AMBIENTAL.
Fernando J. Menéndez 1
1
Área de Tecnología, AACREA.
1. Introducción
Un establecimiento agropecuario, o incluso cualquiera de los lotes de

producción en los que se encuentra dividido, presenta normalmente variabilidad en
diferentes factores que afectan el crecimiento y el rendimiento de los cultivos.
Generalmente, estos factores están relacionados con el tipo de suelo y sus
características físicas y químicas (Profundidad, textura, pH, infiltración de agua, etc.).
Además, la posición en el paisaje puede también contribuir a generar variabilidad en
el rendimiento de los cultivos como consecuencia de diferencias en factores como el
escurrimiento de agua (que determina tanto perdidas como ganancias según la
posición relativa en la toposecuencia), la profundidad de la napa freática (que afecta
tanto la disponibilidad de agua en años secos como el riesgo de encharcamiento o
inundación en años húmedos), o las temperaturas y el riesgo de heladas. De esta
manera, se generan ¨zonas¨ o ämbientes¨ dentro del lote que presentan grandes
diferencias en su productividad.
Existe una gran cantidad de evidencia en la literatura que muestra que la

respuesta a la aplicación de tecnologías es mayor en los ambientes de alta
productividad que en los de baja productividad (de Wit, 1992), en los casos en que la
tecnología aplicada no remueve la principal limitante para el crecimiento. Sumado a
esto, se sabe que los umbrales de disponibilidad de diferentes insumos hasta los
cuales se observan incrementos en los rendimientos varían dependiendo del
ambiente considerado. Las diferencias en la potencialidad de los ambientes y la
respuesta a la tecnología generan la oportunidad de reordenar espacialmente los
recursos con el objetivo de (i) aumentar la eficiencia de uso de los insumos, (ii) evitar
efectos no deseados de la aplicación de tecnologías (p.ej. contaminación de napas
freáticas) y (iii) mejorar los resultados económicos de las empresas.
Este reordenamiento espacial de los recursos o manejo de los cultivos

considerando las diferencias ambientales a escala de intra-lote, es lo que se conoce
como ¨Manejo de la heterogeneidad ambiental¨ o Ägricultura por ambientes¨.
2- Los pilares de la Agricultura por ambientes.
La agricultura por ambientes se apoya sobre tres pilares básicos: (i) El

reconocimiento de la heterogeneidad ambiental, (ii) la generación de reglas de
decisión de manejo de los cultivos por ambiente y (iii) la gestión de la tecnología por
ambientes.
En este trabajo repasaremos los conceptos y las metodologías de los dos

primeros y solamente haremos una breve mención al tercero de los puntos
mencionados.
2.1 – Reconocimiento de la Heterogeneidad Ambiental.
El reconocimiento y delimitación de los ambientes es una etapa que adquiere

una gran importancia en un plan de manejo de la agricultura por ambientes, dado que

los resultados obtenidos en esta etapa determinarán cuántas y cuáles son las zonas
que deberían ser manejadas de manera diferencial.
Existen dos enfoques principales para el reconocimiento y la delimitación de

ambientes.
El primero de ellos y el más utilizado en el pasado, consiste en tratar de

asociar los ambientes de producción con elementos conocidos del paisaje. Este
enfoque parte de dos premisas: (i) que conocemos cuál es el factor que en mayor
medida afecta los rendimientos en la zona y (ii) que sabemos cómo es el arreglo
espacial de este factor y podemos ubicarlo con facilidad.
En el Oeste de la provincia de Buenos Aires, por ejemplo, existe suficiente

evidencia que muestra que la textura de los suelos es un factor importante en la
determinación de los rendimientos de los cultivos. El patrón de distribución de suelos
en la Región muestra que los suelos más arenosos y con menor desarrollo – y menor
productividad – están ubicados en las lomas o partes más altas del paisaje. Por el
contrario, los suelos de mayor productividad se asocian con las partes más bajas del
paisaje. La presencia de sales o suelos sódicos, en suelos bajos con alto riesgo
hídrico, generan una limitante adicional para el crecimiento de los cultivos. En el Sur
de la provincia de Buenos Aires, la profundidad efectiva del suelo se encuentra
asociada con la posición topográfica, así como en el Norte de la misma provincia y en
la provincia de Entre Ríos el tipo de suelo y el grado de erosión que presentan podría
asociarse con cierta facilidad a su posición en la toposecuencia y el nivel de las
pendientes. De esta manera, podríamos asociar directamente los ambientes de
producción a la posición topográfica
Este enfoque, que podríamos llamar de “causa conocida” presenta algunas

ventajas y otras desventajas.
Entre las ventajas se encuentra, sin lugar a dudas, la simplicidad metodológica

que supone la delimitación de los ambientes. De hecho, cualquier persona que
recorriera el campo podría hacer una delimitación ambiental si contara con el mínimo
conocimiento acerca de la asociación entre los factores que determinan el rendimiento
y la topografía de la región.
La principal desventaja de este método radica en que los criterios utilizados

para la delimitación ambiental no reproducen exactamente lo que el cultivo ¨lee¨ del
ambiente sino nuestras ideas previas acerca de cómo el cultivo debería ¨leer¨ ese
ambiente. Podrían existir factores que no estamos teniendo en cuenta – no forman
parte de nuestras ideas previas – y que afectan significativamente el rendimiento de
los cultivos. Por ejemplo, esto se ha visto en suelos de media loma con altos niveles
de compactación en el Oeste de Buenos Aires. También se ha observado en sitios
con forma cóncava en lomas erosionadas del norte de Buenos Aires. En estos
ambientes, a los que se consideraba de bajo potencial, los cultivos obtienen altos
rendimientos debido a que su posición relativa les permite capturar el agua que se
escurre desde otras zonas. Por último, resulta muchas veces difícil establecer cuáles
son los límites de los diferentes ambientes y cuántos ambientes distintos deberían
manejarse.
Otro enfoque utilizado para reconocer y delimitar ambientes es el que

podríamos llamar de ¨causa desconocida¨ o ¨fitocentrico¨. Este enfoque no parte de
las causas que generan la variabilidad ambiental sino de sus consecuencias, i.e. el
crecimiento y rendimiento de los cultivos.

Existen diferentes técnicas que permiten conocer el estado de un cultivo en un
lugar determinado de un campo. Las dos mas utilizadas son las imágenes satelitales y
los monitores de rendimiento.
Las imágenes satelitales provienen de sensores montados en satélites que

captan la radiación emitida desde la superficie de la tierra en diferentes bandas del
espectro lumínico. De este modo, podemos saber cuánta radiación de determinada
longitud de onda – p.ej. la correspondiente al rojo y al rojo lejano – emite la superficie
en un determinado lugar de la Tierra. Utilizando distintos índices generados con esta
información podemos estimar la cantidad de biomasa de un cultivo en el lugar de
interés. El índice verde normalizado (IVN) integra los efectos de la biomasa vegetal
sobre la reflexión de radiación en la banda del rojo y el rojo lejano:
IVN = (RL – R) / (RL + R).
Donde RL es la reflexión en la longitud de onda correspondiente al rojo lejano

y R es la reflexión en la longitud de onda del rojo.
Las plantas verdes presentan un pico de absorción (baja reflexión) en el rojo y

un pico de reflexión (baja absorción) en el rojo lejano. De este modo, cuanto mayor es
el IVN mayor es la biomasa presente en ese lugar.
Los monitores de rendimiento cuentan con sensores de flujos de grano que se

ubican en las cosechadoras y miden, conforme la cosechadora avanza en el campo y
a intervalos de tiempo determinados (normalmente de 2 o 3 segundos) la cantidad de
grano cosechado. El sistema tiene además un GPS que posiciona en el espacio todos
los datos que registra el sensor. De esta manera, se puede obtener un mapa bastante
detallado de la variabilidad de los rendimientos en un lote de producción.
El hecho de contar con datos cuantitativos que nos permiten conocer la

variabilidad en el crecimiento y el rendimiento de los cultivos le suma una enorme
potencia al análisis y la delimitación de los ambientes.
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.).
El nivel de detalle con el que se delimitarán los ambientes dependerá de (i) la

resolución del píxel o unidad mínima de superficie utilizada y (ii) la cantidad de
ambientes delimitados. Estos dos aspectos son decisiones importantes que deben
tenerse en cuenta. Cuando se trabaja con imágenes satelitales, la resolución mínima
está dada por la resolución de la imagen. Por ejemplo, las imágenes Landsat tienen
una resolución de 30 m x 30 m. Si se trabaja con estas imágenes, la unidad mínima
de superficie será de 900 m2 o 0,09 has. Los monitores de rendimiento que graban
datos cada 2 o 3 segundos permiten trabajar con resoluciones menores. Trabajar con
menores resoluciones nos asegura que no estaremos mezclando zonas que son
diferentes en su potencialidad. Sin embargo, y al mismo tiempo, es muy probable que
los mapas que se obtengan estén sumamente fragmentados y resulte muy difícil llevar
a la práctica un plan de manejo por ambientes. Este problema solamente puede ser
solucionado incorporando una gran cantidad de variables (años) al análisis.
La cantidad de ambientes delimitados también influye en la calidad del mapa

de ambientes obtenido y en el beneficio que se obtendrá a partir de la implementación

de la agricultura por ambientes. Una mayor cantidad de ambientes redundara en
mapas más fragmentados y difíciles de manejar (Figura 1). Por otro lado, a medida
que se incorporan ambientes las diferencias entre ellos disminuyen y esto hace que
cambie la relación costo-beneficio del manejo por ambientes.
a c
b
Figura 1: Mapa de un lote de producción de un campo en el Oeste de Buenos Aires en el

cual se han delimitado 2 (a), 3 (b) o 4 ambientes (c). Nótese la fragmentación creciente del mapa al
incrementarse el número de ambientes. Se utilizaron para la confección del mapa datos de IVN
(2000), rendimiento de Maíz (2001), Soja (2002) y Trigo (2003).
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.
Profundidad efectiva del

suelo
Topografia,
Textura,
profundidad de
la napa
Figura 2: Principales factores que determinan la variabilidad ambiental en distintas zonas de la

Región Pampeana.

En la figura 3 se muestra un ejemplo en el que los ambientes delimitados en
fueron caracterizados según su textura y su posición en el paisaje y el patrón de
rendimientos de Maíz y Trigo fueron analizados. El ambiente 1 correspondía a lomas
arenosas con 88% de arena en superficie. Este ambiente mostró bajos rendimientos
de Maíz y Trigo. El ambiente 2 correspondía a ambientes de medias lomas con 72%
de arena en el horizonte de 0-20 cm. Este ambiente mostró altos rendimientos de
ambos cultivos. El ambiente 3 es un ambiente de transición entre los dos anteriores y
es de esperar que sea el más inestable de todos los ambientes delimitados. El
contenido de arena de este ambiente vario entre 75 y 84%. Por ultimo, el ambiente 4
fue caracterizado como un suelo bajo con 69% de arena. Este ambiente no presenta
limitantes de salinidad o sodicidad, lo que determinó que fuera el ambiente en el que
se obtuvieron los mayores rendimientos de Trigo. Sin embargo, el año que el lote tuvo
Maíz este ambiente sufrió encharcamientos e inundaciones y el cultivo rindió muy
poco en los sitios en los que no se perdió definitivamente.
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.
2.2 – Manejo de los cultivos por ambiente.
Como ya fue mencionado, existe una clara interacción entre la respuesta a la

tecnología y la productividad del ambiente. En la Región Pampeana se han llevado a
cabo un número de trabajos que muestran que existe la oportunidad de ajustar la
tecnología teniendo en cuenta el ambiente de producción.
Por ejemplo, en cultivos de Trigo en el sudeste de la Provincia de Buenos

Aires se vio que tanto la respuesta a la fertilización nitrogenada como el umbral de
disponibilidad de nitrógeno hasta el cual responden los cultivos era mayor en suelos
profundos que en suelos someros (Calviño P., comunicación personal). Similares
conclusiones se observaron en el Oeste de la Provincia de Buenos Aires comparando
suelos con diferente contenido de arena (Menéndez et al., 2005a) y en el Sur de la
Provincia de Santa Fé entre suelos de diferente capacidad productiva (Sánchez M. y
Ascheri L.M., 2005).
En Maíz, la fertilización nitrogenada también muestra interacción con el

ambiente de producción. En el Oeste de la provincia de Buenos Aires los cultivos de
Maíz creciendo en ambientes de media loma con napa freática cercana mostraron

mayores respuestas a la aplicación de nitrógeno y rendimientos más estables en dos
años que aquellos que crecían en lomas arenosas (Menéndez et al., 2005b) (figura 4).
En la zona norte de Buenos Aires, Ruiz et. al. (2001) mostraron que la probabilidad
de respuesta del cultivo de Maíz a la fertilización con Nitrógeno cambiaba según el
grado de deterioro del suelo, estimado a partir de la cantidad de años de agricultura
continua.
14.000 y = -14,353x + 9674,8

14.000
12.000 a b 2
R = 0,0304
Rendimiento (kg/ha)
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)
Figura 4: Relación entre el rendimiento y la disponibilidad de nitrógeno (suelo +

fertilizante, 0-60 cm.) en cultivos de Maíz creciendo en ambientes de media loma (a) y loma (b) en
el Oeste de la Provincia de Buenos Aires.
Otras tecnologías como la fertilización con fósforo y azufre, la densidad de

siembra – sobre todo en Maíz -, la distancia entre hileras o el híbrido o variedad
utilizado muestran fuertes interacciones con el ambiente de producción. En el Oeste
de Buenos Aires, la fecha de siembra y el grupo de madurez de soja afectan de
manera diferente a los rendimientos del cultivo dependiendo del ambiente en el que
se lo siembre. En ambientes de lomas arenosas se obtuvieron hasta 1000 Kg. ha-1
más en siembras tardías de principios de Diciembre que en siembras de Octubre.
Esta mejora en los rindes estaría determinada por las mejores condiciones hídricas
exploradas por el cultivo durante el periodo crítico en siembras tardías. Reglas de
decisión similares se utilizan en el Norte de Buenos Aires en suelos degradados (J.
Lethier, comunicación personal).
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).
Por último, resulta fundamental aclarar que, en el marco de la agricultura por

ambientes, no solamente existe la posibilidad de cambiar las tecnologías aplicadas a
los diferentes cultivos sino también la de cambiar los cultivos o las rotaciones que se
realizan en los distintos ambientes. En campos del CREA Tandil, por ejemplo, el
cultivo de Maíz fue reemplazado en suelos de baja productividad, incrementando la

proporción del doble cultivo Trigo-Soja. En lomas arenosas del Oeste se está
siguiendo la misma tendencia, sumando además la realización de cultivos de
cobertura o abonos verdes con el fin de mejorar la dinámica del agua en esos
ambientes.
3- Bibliografía.
1- de Wit, C.T. (1992). Resource Use efficiency in agriculture. Agricultural

Systems 40: 125-151.
2- Doberman A., and J.L. Ping (2004). Geoestatistical integration of yield monitor
and remote sensing improve yield maps. Agron. J. 96:285-297.
3- Menéndez F.J., González Venzano S., Tamburrino M., Maqueda, C, Barattini
A., Pereda M., Perego P., Ballve R., Halliburton M.J, de Forteza S. (2004).
Caracterización de la Interacción tecnología x ambiente en la zona Oeste de
AACREA. Informe de Avance. Servicio de Informaciones de AACREA.
4- Menéndez F.J., Blanchard G. Gonzalez Venzano S. (2005a). Análisis de la
Campaña de Trigo 2004-2005 en los CREA Henderson-Daireaux, Pirovano-La
Larga y La vía.
5- Menéndez F.J., Tamburrino M.J., Maqueda C., Alonso J.I., Guell S y Barattini
A. (2005b). Caracterización de la Interacción tecnología x ambiente en la zona
Oeste de AACREA. Informe Final. Servicio de Informaciones de AACREA.
6- Ruiz R., E.H. Satorre, G.A. Maddonni, J. Carcova y M.E. Otegui.(2001)
Umbrales de decisión para la decisión nitrogenada en Maíz. En Actas del VII
Congreso Nacional de Maíz, Pergamino.

CARACTERIZACIÓN Y MAPEO DIGITAL DE AMBIENTES EDÁFICOS EN EL
ÁREA CENTRAL DE LA REGIÓN PAMPEANA ARGENTINA
Martín M. Silva Rossi1, Luis Negruchi2 , Sergio Marinelli2, Tomás Liendo2

1 Estudio agronómico - info@eagronomico.com.ar, Venado Tuerto Santa Fe
2 L&S Group - l&s@enredes.com.ar, Venado Tuerto Santa Fe.
INTRODUCCIÓN
En el área central de la región pampeana Argentina los suelos se han

desarrollado sobre un mismo material original (Loess Pampeano) y el principal
proceso formador regulador de diferencias en la pedogénesis ha sido el relieve.
En los últimos 20 años se ha intensificado el uso de la tierra. Esta condición
junto al relieve fuertemente ondulado, han generado procesos de erosión hídrica y
eólica, afectando en forma diferencial a un mismo tipo de suelo e incrementado la
variabilidad en su condición físico química y en el rendimiento de los cultivos.
Debido a estas razones se requiere evaluar y cuantificar la variabilidad edáfica,
como un paso inicial en la valoración de la calidad de las tierras, lo cual va a permitir
realizar un uso racional y sustentable de los recursos disponibles, como así también
implementar las prácticas necesarias para la recuperación de aquellas situaciones
con síntomas de degradación.
Como hipótesis se planteó que la caracterización de la calidad de las tierras y
su representación digital, es una herramienta fundamental para establecer e
implementar prácticas de manejo adecuadas a cada situación. A efectos de
corroborarla se formularon los siguientes objetivos: i) Delimitar áreas ó ambientes
edáficos homogéneos en su condición física y química ii) Establecer metodologías
aptas para la agrupación de ambientes edáficos homogéneos iii) Elaborar un mapa
digital de suelos detallado.

MATERIALES Y MÉTODOS
El área en estudio comprendió una superficie de 6800 has, ubicado en la

localidad de Sampacho, Provincia de Córdoba, Argentina. Los suelos predominantes
poseen aptitud agrícola y son de textura franco arenosa.
En una primera etapa se diferenciaron áreas fisiográficas, a través del análisis
multiespectral de imágenes satelitales e índice verde; dentro de cada una de ellas se
aumentó la escala de detalle definiendo unidades de muestreo, como aquellas áreas
dentro de cada lote con características de paisaje homogéneo.
En cada unidad de muestreo se evalúo el estado de la condición física y
química, a través de indicadores de la calidad de suelo: materia orgánica total y sus
fracciones: lábil y estable, reacción de pH, fósforo disponible por Bray1, calcio,
magnesio y potasio intercambiable, capacidad de intercambio catiónico, espesor del
horizonte A, capacidad de almacenaje de agua útil hasta los 150 cm. de profundidad y
velocidad de infiltración. Estas variables se evaluaron en 161 unidades de muestreo y
la representación digital se realizó con el software Arc View.
Los datos relevados se analizaron con técnicas de análisis multivariado de
conglomerados, componentes principales y análisis de correlación para establecer la
relación entre variables.
RESULTADOS Y DISCUSIÓN
El área en estudio presenta una gran variabilidad edáfica, la cual se observa

por los distintos tipos de suelos presentes (figura 1).
Los tipos de suelo se distribuyen de acuerdo a la variación topográfica la cual
posee una pendiente predominante noroeste sudeste. De acuerdo a la posición en el
relieve que ocupan, se han desarrollado bajo distintas condiciones de humedad; así
en las zonas más elevadas se han desarrollado Haplustoles énticos y Uptipsaments y
en los sectores más deprimidos Haplustoles údicos y suelos afectados por procesos
hidromórficos (excesos hídricos) o hidrohalomorficos (excesos hídricos y salinos), en
aquellos sectores con napa freática cercana a la superficie.
Figura 1. Distribución geográfica de los grandes grupos de suelos.

La distinta historia de uso y manejo a la cual fueron sometidos estos suelos,
han incrementado la variabilidad edáfica la cual se manifiesta en el análisis
multiespectral de las imágenes satelitales e índice verde (figura 2), lo cual permite
realizar una primera diferenciación de unidades de muestreo.

Figura 2. Diferenciación de unidades fisiográficas con análisis multiespectral e índice
verde.
La escala de detalle para definir la unidad de muestreo se incrementó, de
acuerdo a la observación visual en el terreno de las variaciones fisiográficas
existentes, no diferenciadas con el análisis de las imágenes satelitales. Esta nueva
escala de trabajo, permitió diferenciar 161 unidades de muestreo y en cada una de las
cuales se cuantificó el estado actual de los parámetros edáficos indicados
anteriormente.
Los resultados para las variables evaluadas en cada una de las unidades de
muestreo, se agruparon en ambientes edáficos utilizando análisis de conglomerado,
utilizando como criterio de clasificación la mínima heterogeneidad dentro de cada
grupo. Como resultado se definieron 17 ambientes edáficos, de los cuales 3
representan a los suelos con aptitud ganadera y el resto a los agrícolas (figura 3).
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
0,0 23,6 47,2 70,7 94,3

Figura 3. Agrupación de las unidades de muestreo en ambientes edáficos.

La línea de corte vertical permite separar los grupos de unidades de muestreo
en ambientes edáficos. Si se quisiera incrementar el nivel de detalles, se podría
diferenciar un mayor número de ambientes, los cuales tendrían mayor homogeneidad
dentro de cada uno de ello, para todas las variables analizadas.
La distribución geográfica de los distintos ambientes edáficos se observa en la
figura 4.
Figura 4. Distribución geográfica de los ambientes edáficos.
Como se observa en la figura, los límites de los distintos ambientes muchas

veces no son continuos, no respetan diferencias topográficas, ni de clase taxonómica
de suelo; esto indica una gran variabilidad en la condición física y química de las
tierras, por efectos de la historia de uso y manejo a la cual han sido sometidos, ya que
la división por alambrados marca cambios significativos en el estado actual de las
variables evaluadas.
La relación entre variables y entre estas y los ambientes edáficos, se evalúa a
través de análisis de componentes principales, como se observa en la figura 5. En
este análisis se observa una correlación negativa (r = 0,85), la cual esta dada por la
dirección opuesta de los vectores, como por ejemplo entre la tasa de infiltración (Ks) y
los tenores de materia orgánica, lo cual es lógico ya que los ambientes con mayores
tasas de infiltración son las lomas más arenosas, con menores tenores de materia
orgánica. En contraposición se observa una correlación positiva (r = 0,87 y 0,61),
ángulo agudo entre los vectores, entre materia orgánica, disponibilidad de fósforo y
capacidad de almacenaje de agua útil, por lo cual práctica que favorezca incrementos
de compuestos orgánicos va a aumentar la disponibilidad de fósforo y la capacidad de
almacenaje de agua útil.
Por otro lado se puede observar la existencia de ambientes edáficos, con alta
capacidad de infiltración y baja fertilidad química como el 10, 11, 15 y 8 y otros de alta
productividad como el 2 y 5 los cuales poseen los mayores valores para la mayoría de
las variables. Este tipo de análisis permite diferenciar la calidad de las tierras en cada
uno de los ambientes.

5,00
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%)
Figura 5. Análisis de componentes principales para los ambientes edáficos evaluados.
Este mismo análisis se puede realizar dentro de cada ambiente y observar

como varían la relación entre las variables evaluadas y la posición relativa que ocupa
cada unidad de muestreo con respecto a los parámetros evaluados y así aumentar la
escala de detalle.
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.

FERTILIZACION EN MAIZ: RESPUESTA AL AGREGADO DE AZUFRE. EFECTO
RESIDUAL EN EL CULTIVO POSTERIOR DE SOJA.
Ing. Agr. Saavedra, Alejandro E.

INTA J. Posse. EEA Marcos Juárez
intajpos@nodosud.com.ar
precopjposs@nodosud.com.ar
Introducción
En los últimos años en el área de influencia de la AER J Posse se ha producido un

marcado incremento en la practica de la fertilización para lograr aumentos de
productividad en diferentes cultivos, medido por los volúmenes de fertilizantes que se
aplican y por la realización de planteos con incorporación del azufre (S) en el balance
de nutrientes del sistema de producción, involucrando además del cultivo de trigo y
soja, al cultivo de maíz.
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.
El criterio de fertilización ha evolucionado y en la actualidad es cada vez más válido el

concepto de evaluar la fertilización en el mediano y largo plazo, más que por sus
efectos puntuales en el cultivo del año. Esto se fundamenta entre otras cosas, en los
posibles efectos residuales o aditivos de los diferentes nutrientes sobre los cultivos
posteriores. Muchos trabajos de investigación y experimentación adaptativa muestran
resultados positivos de residualidad en el doble cultivo trigo / soja, no así en el efecto
en el cultivo de soja que sucede a maíz.
En el proceso de extensión y transferencia, la experimentación adaptativa constituye

una de las actividades sustanciales que se desarrollan a nivel de las Agencias de
Extensión del INTA y que permite valorar las tecnologías disponibles en condiciones
de campo de productores con el objetivo de ajustar componentes tecnológicos y
mejorar la recomendación de uso según características de producción, de ambientes,
etc. Pero, el llevar una práctica al gran cultivo en evaluaciones con macro parcelas
merecen especial atención la ubicación del ensayo por la gran variabilidad dentro del
lote. De allí que la información generada es de gran valor local, al permitir elaborar
recomendaciones de manejo de la fertilización, como la de proponer ajustes sobre la
tecnología modal empleada en la zona.
Durante las ultimas campañas en el área de la Agencia de J. Posse se realizaron en

campo de productores ensayos de fertilización de maíz en macro parcelas, con el
objetivo de evaluar y ajustar la respuesta al agregado de azufre (S) en los planteos de
maíz de alta producción.
Posteriormente, el año siguiente, sobre esos mismos tratamientos realizados en el
cultivo de maíz se evaluó el rendimiento de soja, con el objetivo de evaluar la
respuesta residual del fertilizante azufrado aplicado en el maíz.
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.

El primer ensayo se realizo en la campaña 2003/2004, en el lote 3, con antecesor
trigo / soja 2ª. La siembra del maíz se realizó el 11/9 con el híbrido P32F07 a 52 cm
entre hileras. El diseño consistió en cuatro tratamientos de fertilización que fueron:
testigo, 55 kg/ha de fosfato monoamónico (PMA) en la línea mas 55 kg/ha de PMA la
fertilización entre líneas, un tercero ídem al anterior + 140 lts/ha de UAN y un curto
tratamiento igual al tercero, mas 70 kg/ha de sulfato de amonio (SA) entre
líneas.(Cuadro1) Los tratamientos se realizaron en macro parcelas sin repetición.
Sobre el mismo ensayo en la campaña 04/05 se sembró el 13/10 la soja P94B76,
cruzando todos los tratamientos en maíz para evaluar el efecto residual para los
tratamientos con y sin azufre realizados en maíz.
Se calculo, con el mapa de rendimiento y el software especifico (Farm Works), el

rendimiento promedio de cada uno de los tratamiento en maíz, y con el mapa de
rendimientos de soja, los rendimientos del tratamiento que tenia azufre vs. Los
tratamientos sin azufre para evaluar su efecto residual en el cultivo de soja. También
se evaluó en maíz el rendimiento de cada tratamiento en las fracciones norte y sur del
lote para mostrar para mostrar la diferente respuesta a la fertilización por efecto de la
variabilidad del suelo (Cuadro 2).
El segundo ensayo se realizo en la campaña 04/05, en el lote 8, con antecesor soja

2ª, la siembra del maíz se realizó el 9/9 con el híbrido DK 682 a 52 cm entre hileras.
Los tres tratamientos de fertilización, con dos repeticiones, fueron: testigo, fertilización
con 50 kg/ha de PMA en la línea + 50 kg/ha de PMA la fertilización entre líneas y el
tercer tratamiento (con azufre) se realizo igual al segundo mas 70 kg/ha de sulfato de
amonio entre líneas. Posteriormente se realizo la aplicación de 160 lts/ha de SolMix
entre líneas, incorporado, para todos los tratamientos menos el testigo.(Cuadro 3).
La cosecha se realizo el 18/03/05. Sobre el mismo ensayo en la campaña 05/06, se

sembró el 18/10/05 La soja P94B73 fertilizada con 90 kg/ha de superfosfato simple,
mitad en línea y mitad fuera de la línea. Se calculo, al igual que en el lote anterior, con
el mapa de rendimiento y el software especifico (Farm Works) el rendimiento
promedio de cada uno de los tratamiento en maíz y con el mapa de rendimiento de
soja, los rendimientos de los tratamientos con azufre. Se evaluó el efecto residual
para los tratamientos con diferentes niveles de azufre. (cuadro 4)
Finalmente, se calculó el margen bruto (MB) por hectárea y por dólares gastado en el
cultivo, los costos totales (incluido fertilizantes), la eficiencia o efecto marginal del
fertilizante, medidos como u$s gan/u$s invertidos en fertilizantes. Los costos y el MB
se calculó para un precio efectivo del maíz de 7,3 u$s/qq.
Resultados y discusión
La cosecha de la soja del lote 3 se realizó el 15/03/05 con un rendimiento promedio

del lote de 48 qq y en el lote 8 se cosechó el 22/03/06 con un rendimiento promedio
del lote de 49 qq.

Cuadro1: Rendimiento de maíz, eficiencia de la fertilización y MB para el lote 3.
Nutrientes kg/ha Rend qq dif Ef fert u$s Costo u$s MB MB/cos
TRATAMIENTO qq/ha c/test gan/u$s fert /ha u$s/ha
N P2O5 S
Testigo 0 0 0 86.0 0.0 206.7 421.1 2.04
110kg/ha PMA 12 52 0 95.0 9.0 0.57 254.6 438.9 1.72
110kg/ha PMA + 140 lts/ha UAN 67 52 0.0 124.3 38.3 2.13 321.1 586.3 1.83
110kg/ha PMA +70 kg/ha SA+ 140 lts/ha UAN 81 52 16.8 129.1 43.1 1.91 352.5 590.0 1.67
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
Testigo 86.0 83.0 89.0

110kg/ha PMA 95.0 95.2 95.8
110kg/ha PMA + 140 lts/ha UAN 124.3 49.6 122.2 49.7 126.7 49.5
110kg/ha PMA +70 kg/ha SA+ 140 lts/ha UAN 129.1 49.4 122.4 49.4 136.2 50.6
RENDIMIENTO MAIZ Y SOJA RESIDUAL

qq/ha
LOTE 3 (Campaña 03/04 y 04/05 )
140 129,1
124,3
120
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
Gráfico 1: Rendimiento de maíz y soja

“residual” en el lote 3.
qq/ha RENDIMIENTO MAIZ

LOTE 3 (Sector Norte-Sector Sur) 136,2
140
122,2 126,7 122,4
120
Norte
95,2 95,8 Sur
100
89,0
83,0
80
60
40
N 0 12 67 81
P2O3 0 52 52 52
0
kg nutrientes S 0 0 0 0 16,8
Gráfico 2: Rendimiento de maíz y soja “residual” franjas lado sur y norte

ENSAYO DE FERTILIZACION CON AZUFRE
MAIZ LOTE 3
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
SOJA LOTE 3 Camp 04/05

Efecto residual fertilizante con S
aplicado en maíz
Mapa de rendimiento
de Soja PMA+UAN
PMA+UAN
PMA+SA+UAN
PMA+SA+UAN

Cuadro 3 Análisis de rendimientos de maíz, Eficiencia de la fertilización y MB. Lote 8
Nutrientes kg/ha Rend qq/ha qq dif Ef fert u$s Costo MB MB/cos
TRATAMIENTO Maiz c/test gan/u$s fert u$s /ha u$s/ha
N P2O5 S
Testigo 0 0 0 87.0 0.0 0.0 207.4 427.7 2.1
100kg/ha PMA + 160 lts/ha Sol Mix 69 52 5 115.0 28.0 1,22 318.0 521.5 1.6
100kg/ha PMA +70 kg/ha SA+ 160 lts/ha Sol Mix 84 52 22 123.4 36.4 1,40 351.3 549.6 1.6
Diseño estadístico: 2 parcelas con dos repeticiones. Diferencia significativa entre

tratamientos con Coeff Var: 0.84 y R2: 0.99
Para cada uno de los tratamientos se calculó el MB por hectárea y por dólares
gastado en el cultivo, los costos totales (incluido fertilizantes), la eficiencia o efecto
marginal del fertilizante, medidos como u$s gan/u$s invertidos en fertilizantes. Los
costos y el MB se calculó para un precio efectivo del maíz de 7,3 u$s/qq.
Cuadro 4 Rendimientos de los distintos tratamientos de Maíz y Soja residual. Lote 8

Nutrientes kg/ha Rend qq/ha Rend qq/ha
TRATAMIENTO Maiz 0405 Soja 0506
N P2O5 S
Testigo 0 0 0 87.0 0.0
100kg/ha PMA + 160 lts/ha Sol Mix 69 52 5 115.0 45.9
100kg/ha PMA +70 kg/ha SA+ 160 lts/ha Sol Mix 84 52 22 123.4 47.5
qq/ha RENDIMIENTO MAIZ Y SOJA RESIDUAL

LOTE 8 (Campaña 04/05 y 05/06 )
140
123,4
120 115,0
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
Gráfico 4: Rendimiento de maíz y soja residual en el lote 8.

ENSAYO DE FERTILIZACION CON AZUFRE
MAIZ LOTE 8

Tanto en el lote 3 como el lote 8 hubo respuesta al agregado de azufre en la
fertilización con N y P como fuentes. El lote 8 muestra diferencias significativas con
respecto al tratamiento con bajo nivel de S (aporte bajo del SolMix)

Ambos lotes, en las diferentes campañas, tuvieron buenas eficiencias de fertilizantes
o sea lo que se gano por peso invertido en fertilizantes, después de pagar el mismo.
(Lote 3: 2,13 -1,91 y en el lote 8: 1,22 - 1,40). En los dos ensayos se incremento el
MB por el agregado de S (Lote 3: 438,9 - 586,3 - 590,0 u$s/ha y en el lote 8: 427,7 -
521,5 - 549,6 u$s/ha
En ambos casos no se observaron efectos residuales en el rendimiento de soja de

primera, posterior al maíz en la secuencia maiz/soja 1*, como suele observarse el
cultivo de soja de 2* en la secuencia trigo/ soja 2*.
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
El agregado de S como fuente en la fertilización con N y P en maíz, no solo

incrementa el rendimiento (en muchos casos con diferencias significativas) sino que
ese aumento en el rendimiento cubre los costos del fertilizante dando una ganancia
de acuerdo a los u$s invertidos en la practica. Del mismo modo, se incrementó el
Margen Bruto del cultivo.
La aplicación del fertilizante con S en el cultivo maíz, no mostró diferencias de

rendimiento en el cultivo de soja de primera siguiente, atribuibles a efectos residuales,
o aditivos esperados, con los niveles de nutrientes aplicados. Al respecto, en el lote 8
hubo indicios de un aumento de rendimiento, en el tratamiento con S pero no es
significativo.
La agricultura de precisión es una herramienta valida y sensible en el análisis y

evaluación de la fertilización en el largo plazo, en macro parcelas en campo de
productores
Un análisis por medio de los mapas de rendimiento y georeferenciacion de parcelas,

alerta sobre la necesidad de una elección correcta de los sitios de los ensayos de
Experimentación Adaptativa en campo de productores, por la frecuente variabilidad
dentro del lote. Esto resultados de respuesta, poco significativos tomando la totalidad
del tratamiento, cuando son analizados por ambiente pasan muchas veces a ser
significativos como en el lote 3.

COMUNIDAD AP
PROYECTO DE DIFUSIÓN DE LA AGRICULTURA DE PRECISIÓN
INTA Manfredi – Agro TV – GeoAgro
Comunidad AP es una iniciativa conjunta

de INTA Manfredi, Agro TV y GeoAgro,
para contribuir a la difusión de la
Agricultura de Precisión en nuestro país.
Se trata de una compilación de material
informativo sobre el tema, solo que en
lugar de entregarse impreso, está
contenido en un CD interactivo y
desarrollado sobre un GIS, incluyendo
diferentes niveles de información
geográfica.
A su vez, la mayoría de las capas
contiene material audiovisual (videos)
sobre las diferentes etapas del proceso de AP: entrevistas producidas por Agro TV,
realizadas a productores y asesores que comentan su experiencia en el tema,
contribuyendo a hacer de Comunidad AP una pieza de difusión sumamente original,
útil y didáctica.
Introducción
La Agricultura de Precisión (AP) es una realidad en nuestro país. El interés de

productores y asesores por las nuevas tecnologías y técnicas de manejo aumenta año
tras año marcando tendencias y abriendo un mercado con múltiples potencialidades.
Sin embargo, es importante tener en cuenta que la AP aporta metodologías
superadoras pero a la vez implica cambios en las prácticas de los diversos actores
involucrados en el proceso productivo, demandando necesariamente una
transformación en los mecanismos de gestión de conocimientos dentro de las
empresas agronómicas.
El uso de estas nuevas tecnologías será rentable y exitoso siempre y cuando el

capital humano se involucre en el proceso de innovación y crecimiento.
En este contexto, es fundamental generar y difundir información sobre las

herramientas y procesos existentes, así como también comunicar los resultados y
el valor de la implementación de esta nueva técnica.
Informar y promocionar la AP implica, por esto, un esfuerzo mucho más amplio y
ambicioso que la venta de un producto específico. Ese es el trabajo que viene
realizando el INTA Manfredi desde hace varios años y con el que Agro TV y
GeoAgro pretenden contribuir.

Objetivos
• Comunicar el valor de la Agricultura de Precisión: Las experiencias

desarrolladas hasta la fecha arrojan resultados muy contundentes, pero es preciso
brindar información sobre sus características, necesidades y beneficios para
impulsar una adopción más masiva por parte de los productores y lograr una
correcta incorporación de tecnologías, evitando pérdidas de tiempo y dinero.
• Difundir las experiencias y resultados de “pioneros”: Las prácticas

innovadoras y las nuevas tecnologías necesitan siempre de los primeros usuarios
para que actúen como voceros naturales de la conveniencia de su
implementación, desempeñando un rol clave en la divulgación de las cualidades y
los beneficios de haberlos experimentado y funcionando como referentes para
lograr “entusiasmar” al resto del mercado.
• Entregar diferentes capas de información geográfica para favorecer su

interpretación por parte de los destinatarios.
• Propiciar el conocimiento y uso básico de GIS por parte de los destinatarios.
Sobre el soporte GIS
La interfase de Comunidad AP es similar a la de GeoAgro GIS, el programa GIS

desarrollado por GeoAgro que permite almacenar y visualizar información geográfica
por capas.
La versión de GeoAgro GIS empleada en Comunidad AP permitirá al usuario realizar
funciones básicas, con el objetivo de generar un primer contacto con la herramienta y
un reconocimiento de sus funciones más simples.

¿Cómo utilizar Comunidad AP?
Para iniciar Comunidad AP, deberá primero instalar la aplicación. Al ingresar al

sistema podrá visualizar una serie de capas de información del país y del
establecimiento “Don Pedro”, propiedad del Ing. Iván Lubatti, quien gentilmente ha
puesto a disposición el historial de su campo. En el mismo se han realizado diferentes
experiencias de AP en coordinación con el Ing. Andrés Méndez y el equipo de
investigación de INTA Manfredi.
La información de “Don Pedro” está dividida por campañas e incluye imágenes
satelitales y mapas de rendimientos de diferentes años, mapas de zonas
homogéneas, de prescripción y rotación de cultivos, etc.

Además, cada una de las capas posee material audiovisual asociado, producido por
Agro TV, que se indica en el mapa con este símbolo. A hacer clic sobre el mismo,
aparecerá el titulo del video que UD. podrá visualizar si le interesa el tema.

Los videos y reportajes incluidos en cada capa son los siguientes:
Antes de instalar Comunidad AP, recomendamos observar el tutorial de uso, donde

se explican las nociones básicas del manejo de GIS que UD. deberá conocer para
poder utilizarlo.
Sin mayores dificultades, y mientras accede a información valiosa e interesante sobre

las experiencias de Agricultura de Precisión en nuestro país, estará aprendiendo a
utilizar algunas funciones del lenguaje GIS, el nuevo idioma del campo argentino.

SISTEMAS GLOBALES DE NAVEGACION POR SATELITES (GNSS)
Recopilación de textos
“Copiar de una persona es plagio, copiar de varias, es investigación”
Ing. Gabino Cid Jiménez, M.Sc.

Jefe Grupo Técnico (CNS)
Dirección de Aeronavegación - IACC
TEMAS
1.- Sistemas Globales de Navegación por Satélite (GNSS).

1.1.- Generalidades.
1.2.- Sistemas de Posicionamiento por Satélites (SPS) actuales y en proyecto
(GPS, GLONASS y GALILEO). Características generales.
1.2.1.- Estado actual y futuro del GPS.
1.2.1.1.- GPS Diferencia (DGPS)
1.2.2.- Estado actual y futuro del GLONASS.
1.2.3.- GALILEO
1.3.- Vulnerabilidades de los SPS (Sistemas de Posicionamiento por Satélites).
Formas de mitigarlas.
2.- Sistemas de Aumentación GNSS. Características generales.
2.1.- Aumentación basada en la aeronave (ABAS)
2.2.- Aumentación basada en Tierra (GBAS)
2.3.- Aumentación basada en Satélites (SBAS).
2.3.1.- Sistemas SBAS (WAAS-norteamericano, EGNOS-europeo, MSAS-
japonés, GAGAN-indio).
2.3.2.- SACCSA (Sistema de Aumentación para el Caribe, Centro y
Sudamérica).
3.- Aspectos jurídicos e institucionales sobre el GNSS.
4.- ANEXO: Principio de funcionamiento del GPS.
1.- Sistemas Globales de Navegación por Satélite (GNSS).
1.1.- Generalidades.
Los Sistemas de Posicionamiento por Satélites (SPS) permiten determinar las

coordenadas geográficas de un punto dado como resultado de la recepción de señales
provenientes de constelaciones de satélites artificiales de la Tierra para fines de
navegación, transporte, geodésicos, hidrográficos, agrícolas y otras actividades afines.
Un sistema de navegación basado en estaciones satelitales, puede proporcionar a los

usuarios información sobre la posición y la hora (cuatro dimensiones) con una gran
exactitud, en cualquier parte del mundo, las 24 horas del día y en todas las
condiciones climatológicas.
La radionavegación por satélite se basa en el cálculo de una posición midiendo las

distancias de un mínimo de tres satélites de posición conocida. La precisión de las
mediciones de distancia determina la exactitud de la ubicación final. En la práctica, un
receptor capta las señales de sincronización de los satélites y las convierte en las
distancias respectivas. Con el sistema de mejora de señales locales, se puede lograr
una precisión en el orden de centímetros.

La precisión de la posición depende de la exactitud de la información de tiempo. Sólo
los cronómetros atómicos proveen la precisión requerida, del orden de nanosegundos
(10-9 s). Estos cronómetros constituyen un elemento tecnológico fundamental a bordo
de los satélites que conforman las constelaciones de SPS y pueden contribuir a definir
patrones de tiempo internacionales. La sincronización se mejorará con la inclusión de
la señal emitida por un cuarto satélite. Se ha prestado atención especial a la selección
del número de satélites y sus órbitas para que siempre estén visibles en cantidad
suficiente desde cualquier lugar del mundo y así asegurar la disponibilidad de señal y
la precisión.
La navegación aérea utiliza, dentro del concepto de Sistemas Globales de Navegación

por Satélites (GNSS) implementado por la Organización de la Aviación Civil Internacional
(OACI), a los SPS, reconociéndose como un elemento clave en los sistemas de
Comunicaciones, Navegación y Vigilancia que apoyan la Gestión del Tránsito Aéreo
(CNS/ATM), así como un fundamento sobre el cual los Estados pueden suministrar
servicios de navegación aeronáutica mejorados. Los Estados que autorizan operaciones
GNSS son los responsables de determinar si el mismo satisface los requisitos de
actuación requeridos para esta actividad (de acuerdo a lo especificado por la OACI) en el
espacio aéreo de su competencia y de notificar a los usuarios cuando dicha actuación no
cumple con los estos.
Por concepto, el GNSS es un sistema mundial de determinación de la posición y la

hora, que incluye constelaciones principales de satélites, receptores de aeronave,
supervisión de integridad del sistema, y sistemas de aumentación que mejoran la
actuación de las constelaciones centrales.
En síntesis, el GNSS es un término general que comprende a todos los sistemas de

navegación por satélites, los que ya han sido implementados (GPS, GLONASS) y los
que están en desarrollo (GALILEO), proponiendo la utilización de satélites como
soporte a la navegación, ofreciendo localización precisa de las aeronaves y cobertura
en todo el globo terrestre.
Se está implantando el GNSS de una manera evolutiva a medida que este preparado
para acoger el gran volumen del trafico aéreo civil existente en la actualidad, y pueda
responder a las necesidades de seguridad que requiere el sector, uno de los más
exigentes del mundo.
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.
1.2.- Sistemas de Posicionamiento por Satélites (SPS) actuales y en proyecto

(GPS, GLONASS y GALILEO). Características generales.
En la actualidad (2006), el Sistema de Posicionamiento Global (GPS) de los Estados

Unidos de América y el Sistema Orbital Mundial de Navegación por Satélite
(GLONASS) de la Federación Rusa forman parte del concepto GNSS. Se espera que
el sistema GALILEO se incorpore al GNSS antes del 2015.
De manera general, los Sistemas de Posicionamiento por Satélites (SPS) tienen el

mismo principio de funcionamiento, por lo que en el ANEXO a este material,
analizaremos con más detalles a uno de ellos, el GPS.

1.2.1.- Estado actual y futuro del GPS.
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.
La Marina Estadounidense rápidamente aplicó esta tecnología para proveer a los

sistemas de navegación de sus flotas de observaciones de posición actualizadas y
precisas. Así surgió el sistema TRANSIT, que quedó operativo en 1964 y hacia 1967
quedó disponible, además, para el uso comercial.
Las actualizaciones de posición, en ese entonces, se encontraban disponibles cada

40 minutos y el observador debía permanecer casi estático para poder obtener
información adecuada.
Posteriormente en esa misma década y gracias al desarrollo de los relojes atómicos,

se diseñó una constelación de satélites, portando cada uno de ellos uno de estos
relojes y estando todos sincronizados en base a una referencia de tiempo
determinada.
En 1973, se combinaron los programas de la Marina de EE.UU. y el de la USAF (este

último consistente en una técnica de transmisión codificada que proveía data precisa
usando una señal modulada con un código de sonidos pseudo-random (PRN =
Pseudo-Random Noise), en lo que se conoció como Navigation Technology Program,
posteriormente devenido en el NAVSTAR GPS.
Entre 1978 y 1985 se desarrollaron y lanzaron once satélites prototipo experimentales

NAVSTAR, a los que siguieron otras generaciones de satélites, hasta completar la
constelación actual, a la que se declaró con “capacidad operacional inicial” en
Diciembre de 1993 y con “capacidad operacional total” en Abril de 1995.
El NAVSTAR-GPS (NAVigation System and Ranging - Global Position System) o

conocido simplemente como GPS, es un sistema de radionavegación basado en
satélites que utiliza mediciones de distancia precisas de satélites GPS para
determinar la posición (el GPS posee un error nominal en el cálculo de la posición de
aproximadamente 15 mts) y la hora en cualquier parte del mundo. El sistema es
operado para el Gobierno de los EEUU por su Departamento de Defensa (DoD). En
1994, este país ofreció el servicio normalizado de determinación de la posición para
apoyar las necesidades de la OACI, y ésta acepto el ofrecimiento.
Teniendo en cuenta que el GPS fue diseñado y desarrollado para aplicaciones

militares, el DoD necesitaba tener una manera de limitar la precisión del sistema para
prevenir que esta tecnología fuera usada de una manera no pacífica por parte de
usuarios civiles que accedieran a la tecnología de manera comercial a partir de ese
momento.
Para limitar su exactitud, se incorporaron errores aleatorios a la señal, es decir, que

los receptores civiles (no los militares) estarían sujetos a una degradación de la
precisión, en función de las circunstancias geoestratégicas y geopolíticas del
momento, que queda regulada por el Programa de Disponibilidad Selectiva o SA
(Selective Availability).

Esta limitación fue “removida” del sistema en el año 2000, y aunque los EEUU
reiteraron en el 2005 que esto no sería implementado nuevamente, el error nominal
en el cálculo de la posición de los receptores GPS puede aumentar hasta los 100 mts
cuando el DoD lo estime oportuno (incorporando la SA).
Además, la posibilidad de que una aplicación de usuario aproveche plenamente la

eliminación de SA depende de ciertas características del receptor y del tipo de
integración del sistema de navegación. Es importante resaltar que la eliminación del
componente de error SA no elimina otros errores, lo que se verá más adelante en este
material.
Características técnicas y performance del GPS:
1.- Segmento Espacial

Satélites en la constelación: 24 (4 X 6 órbitas)
- Altitud: 20,200 km
- Período: 11 h 56 min
- Inclinación: 55 grados (respecto al ecuador terrestre).
- Vida útil: 7,5 años
2.- Segmento de Control (estaciones terrestres)

- Estación principal: 1
- Antena de tierra: 4
- Estación monitora (de seguimiento): 5
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
5.- Cobertura: Mundial
6.- Capacidad de usuarios: Ilimitada
7.- Sistema de coordenadas:

- Sistema Geodésico Mundial 1984 (WGS 84)
- centrado en la Tierra, fijo.
8.- Integridad: Tiempo de notificación 15 min. o mayor. NO SUFICIENTE PARA LA

AVIACION CIVIL
9.- Disponibilidad: 24 satélites - 70 % y 21 satélites - 98 % NO SUFICIENTE COMO
MEDIO PRIMARIO DE NAVEGACIÓN
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.

- Adición de una tercera señal civil (L5): 1176.45 MHz
- Protección y disponibilidad de una de las dos nuevas señales para servicios de
Seguridad Para la Vida (SOL).
- Mejora en la estructura de señales.
- Incremento en la potencia de señal (L5 tendrá un nivel de potencia de -154 dB).
- Mejora en la precisión (1.2 – 4.8 mts).
- Aumento en el número de estaciones monitoras: 12 (el doble)
- Permitir mejor interoperabilidad con la frecuencia L1 de GALILEO
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.
1.2.1.1.- GPS Diferencial (DGPS)
El GPS Diferencial (DGPS) se concibió fundamentalmente por la introducción de la

disponibilidad selectiva (SA). Es un sistema a través del cual se intenta mejorar la
precisión obtenida a través del sistema GPS.
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.
Un receptor GPS fijo en tierra (referencia) que conoce exactamente su posición

basándose en otras técnicas, recibe la posición dada por el sistema GPS, y puede
calcular los errores producidos por el sistema GPS, comparándola con la suya
conocida de antemano. Este receptor transmite la corrección de errores a los
receptores próximos a él, y así estos pueden a su vez corregir también los errores
producidos por el sistema dentro del área de cobertura de transmisión de señales del
equipo GPS de referencia.
Con el DGPS se pueden corregir en parte los errores debidos a:

- Disponibilidad selectiva (eliminada a partir del 2000).
- Propagación por la ionosfera - troposfera.
- Errores en la posición del satélite (efemérides).
- Errores producidos por problemas en el reloj del satélite
Estructura del DGPS
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.

- Transmisor para establecer un enlace de datos unidireccional hacia los
receptores de los usuarios finales.
2.- Equipo de usuario:
- Receptor DGPS (GPS + receptor del enlace de datos desde la estación
monitora)
En los mensajes que se envían a los receptores próximos se pueden incluir dos tipos
de correcciones:
- Una corrección directamente aplicada a la posición. Esto tiene el inconveniente de

que tanto el usuario como la estación monitora deberán emplear los mismos
satélites, pues las correcciones se basan en esos mismos satélites.
- Una corrección aplicada a las pseudodistancias de cada uno de los satélites visibles.
En este caso el usuario podrá hacer la corrección con los 4 satélites de mejor
relación señal-a-ruido (S/N). Esta corrección es más flexible.
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.
Si se deseara incrementar el área de cobertura de correcciones DGPS y, al mismo

tiempo, minimizar el número de receptores de referencia fijos, será necesario modelar
las variaciones espaciales y temporales de los errores. En tal caso estaríamos
hablando del GPS diferencial de área amplia.
1.2.2.- Estado actual y futuro del GLONASS.
El Sistema Mundial de Navegación por Satélites (GLONASS) proporciona

determinaciones tridimensionales de posición y velocidad basadas en las mediciones
del tiempo de tránsito y de desviación Doppler de las señales de Radio frecuencia
(RF) transmitidas por los satélites GLONASS. El sistema es operado por el Ministerio
de Defensa de la Federación de Rusia. En 1996, la federación de Rusia ofreció el
canal de exactitud normalizada (CSA) del GLONASS para apoyar las necesidades de
la OACI, y ésta aceptó el ofrecimiento.
Características técnicas y performance del GLONASS:
1.- Segmento Espacial:

Satélites en la constelación: 24 (8 X 3 órbitas)
- Altitud: 19 100 km.
- Período: 11 h 15 min.
- Inclinación: 64,8 grados y separación de 120 grados..
- Vida útil: 3 - 5 años
2.- Segmento de Control (Estaciones terrestres)

- Estación principal: 1
- Antena de tierra: 4
- Estación de seguimiento láser: 1
- Estación monitora: 2
3.- Señal RF
- Frec. portadora: 24 frecs. de L1: 1 602,5625 MHz (C1) (FDMA). Transmite
códigos P y C/A.

- Nivel de potencia de la señal: -160 dBW (en superficie tierra)
- Polarización: Circular dextrógira
4.- Exactitud
- Posición: 50-70m (99,7%) (1999)
- Hora: 1 ns
5.- Cobertura: Mundial
6.- Capacidad de usuarios: Ilimitada
7.- Sistema de coordenadas:

- Parámetros de la Tierra 1990 (PE-90)
- centrado en la Tierra, fijo en la tierra
El segmento orbital del sistema GLONASS actualmente es incompleto. En Septiembre

de 2005, existían solo 12 satélites GLONASS en operación (con 3 años de vida útil), y
2 satélites GLONASS-M (2da generación) con 7 años de vida útil (1 operacional y otro
en fase de pruebas).
En agosto de 2001, el Gobierno de la Federación de Rusia adoptó un programa

especial federal a largo plazo “Sistema Mundial de Navegación” por 10 años. Los
principales objetivos del programa son:
- Restablecer el segmento orbital del sistema GLONASS a 24 satélites para el

período 2007-2008;
- Modernizar los satélites de navegación, comenzando con la segunda generación
de satélites (GLONASS-M) que tienen mejor performance y una vida útil que se
ha elevado a siete años. Se incorpora en estos satélites la señal L2 en 2005.
- Después de 2007 (se prevé completar la constelación en 2012), remplazar
gradualmente los satélites con los de la tercera generación (GLONASS-K) que,
junto con una mejor performance y una vida útil de 10 a 12 años, tendrán la
posibilidad de emitir la señal de navegación en la frecuencia L3 (además de L1 y
L2) por la banda de radionavegación aeronáutica.
- Proveer al GLONASS con capacidades de Búsqueda y Salvamento (SAR) a
partir de GLONASS-Km de manera similar al sistema COSPAS –SARSAT.
Los satélites de segunda generación GLONASS-M, además incorporar la nueva señal

civil L2 (mejorando con esto la exactitud y fiabilidad de la navegación y mejora la
inmunidad frente a interferencias en el receptor para uso civil), posee radioenlaces
entre satélites para realizar el control en línea de la integridad del sistema y aumentar
la duración de la operación autónoma de la constelación de satélites sin pérdida de la
exactitud de navegación.
Los satélites de tercera generación GLONASS-K tendrán parámetros de tamaño y

masa considerablemente mejores. Su masa no excederá de 700 kg, lo que permitirá
lanzar estos satélites empleando el vehículo de lanzamiento Proton con seis satélites
en un solo lanzamiento; a su vez, esto permitirá restablecer el segmento orbital en un
corto período de tiempo y el vehículo de lanzamiento Soyuz, con dos satélites en un
lanzamiento, permitirá mantener el segmento orbital en el futuro. Estas capacidades
permitirán reducir varias veces los costos de despliegue y mantenimiento del
segmento orbital del sistema GLONASS.

La señal L3 de GLONASS-K tiene prevista su implementación para el 2008, y tendrá
división de frecuencias en los canales y ocupará una anchura de banda de 26 MHz en
la banda de 1189-1215 MHz (L3).
El programa prevé también realizar tareas de investigación científica y de diseño

experimental para el desarrollo de la nueva generación de satélites, a fin de
modernizar el complejo de control de tierra del sistema GLONASS y para iniciar la
producción de equipo de usuario, aumentaciones y un sistema de vigilancia del
estado del segmento orbital.
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 es la iniciativa europea para desarrollar un sistema de radionavegación por

satélite de última generación y de alcance mundial, que brinda un servicio de
ubicación en el espacio preciso y garantizado, bajo control civil. Galileo comprende
una constelación de 30 satélites divididos en tres órbitas circulares, a una altitud de
aproximadamente 24.000 Km, que cubren toda la superficie del planeta. Éstos estarán
apoyados por una red mundial de estaciones terrestres.
Además de prestar servicios de autonomía en radionavegación y ubicación en el

espacio, Galileo será interoperable con GPS y GLONASS. El usuario podrá calcular
su posición con un receptor que utilizará satélites de distintas constelaciones. Al
ofrecer dos frecuencias en su versión estándar, Galileo brindará ubicación en el
espacio en tiempo real con una precisión del orden de metros, algo sin precedentes
en los sistemas públicos.
Asimismo, garantizará la disponibilidad continua del servicio, excepto en

circunstancias extremas, e informará a los usuarios en segundos en caso del fallo de
un satélite. Esto lo hace conveniente para aplicaciones donde la seguridad es crucial,
tal como las aplicaciones ferroviarias, la conducción de automóviles o el aterrizaje de
aviones. El uso combinado de Galileo y otros sistemas GNSS ofrecerá un gran nivel
de prestaciones para todas las comunidades de usuarios del mundo entero.
Una preocupación importante de los actuales usuarios de la radionavegación por

satélite es la fiabilidad y vulnerabilidad de la señal. En los últimos años, se han
producido varios casos de interrupción del servicio por causas tales como
interferencia accidental, fallos de los satélites, denegación o degradación de la señal.
En este contexto, Galileo realizará una importante contribución a la reducción de
estos problemas al proveer en forma independiente la transmisión de señales
suplementarias de radionavegación en diferentes bandas de frecuencia. En total,
utilizará 10 frecuencias, de la siguiente manera:
- 4 frecuencias en el rango de 1164-1215 MHz (E5A-E5B)

- 3 frecuencias en el rango de 1260-1300 MHz (E6),
- 3 frecuencias en el rango de 1559-1591 MHz (L1).
GALILEO será está concebido para usuarios multimodales. A fin de responder a las
diferentes necesidades, el sistema proveerá cinco servicios:

1. El servicio abierto (Open Service – OS): GALILEO está orientado a aplicaciones
para el público en general. Proveerá señales para proporcionar información
precisa de tiempo y posicionamiento en forma gratuita. Cualquier usuario
equipado con un receptor podrá acceder a este servicio, sin necesidad de ninguna
autorización. La precisión de posición y la disponibilidad serán superiores a las de
GPS y sus versiones futuras. El servicio abierto permitirá a los usuarios que
posean receptores pequeños de poco valor determinar su posición con un margen
de error de pocos metros. Se estima que la mayoría de los receptores utilizarán
señales GALILEO y GPS —esto ofrecerá a los usuarios una notable mejora en la
prestación de servicios en áreas urbanas. Frecuencias: E5A, E5B, L1.
2. El servicio para aplicaciones críticas (Safety-of-Life - SoL) se utilizará para la

mayoría de las aplicaciones de transporte, donde la vida humana se podría poner
en peligro si la prestación de los servicios del sistema de radionavegación se viera
degradada sin notificación en tiempo real. Este servicio proporcionará la misma
precisión en posicionamiento y en información precisa de tiempo que el servicio
abierto. La diferencia principal es el alto nivel de integridad de cobertura mundial
para las aplicaciones donde la seguridad es crítica, por ejemplo, navegación aérea
y las aplicaciones ferroviariarias donde la precisión garantizada es esencial. Este
servicio aumentará la seguridad, especialmente donde no hay servicios
tradicionales de infraestructura terrestre. Este servicio de alcance mundial
aumentará la eficiencia de las compañías que operan a escala mundial aerolíneas
y compañías marítimas transoceánicas. Este servicio está certificado y sus
prestaciones se obtendrán mediante el uso de receptores certificados de doble
frecuencia. En tales condiciones, la futura Sociedad de Explotación GALILEO
(GALILEO Operating Company – GOC) garantizará el servicio SOL. Frecuencias:
E5A, E5B, L1.
3. El Servicio Comercial (Commercial Service – CS) está orientado a aplicaciones de

mercado que requieren un nivel superior de prestaciones en que las que ofrece el
servicio abierto. Brindará servicios de valor añadido a cambio del pago de un
canon. El servicio comercial agrega dos señales a las señales de acceso abierto.
Este par de señales está protegido mediante cifrado comercial el cual será
gestionado por los prestadores de servicios y la futura GOC. El acceso será
controlado a nivel de receptor con claves de protección de acceso. Ejemplos de
servicios típicos de valor añadido incluyen difusión de datos, garantías de servicio,
servicios de información precisa de tiempo provisión de modelos de ionosféricos y
señales locales de corrección diferencial para determinar proporcionar gran
precisión. Varios de estos servicios serán desarrollados por terceros —
prestadores regionales— quienes comprarán a la GOC el derecho de uso de las
señales comerciales. Frecuencia: E6.
4. Servicio público regulado (Public Regulated Service – PRS). GALILEO es un

sistema civil que incluye un servicio “robusto” y de acceso controlado para
aplicaciones gubernamentales. El servicio PRS será utilizado por usuarios tales
como la policía y la aduana. Instituciones civiles controlarán el acceso al servicio
PRS cifrado. El acceso por región o grupo de usuarios cumplirá las políticas de
seguridad aplicables en toda Europa. El servicio PRS debe estar operativo en todo
momento y en cualquier circunstancia, especialmente en períodos de crisis o
cuando otros servicios puedan estar interferidos intencionadamente. El PRS es un
servicio independiente, en forma tal que otros servicios pueden ser denegados sin
que esto afecte a la disponibilidad del servicio PRS. Una característica que
destaca a al servicio PRS es la robustez de su señal, lo cual lo protege contra los
efectos de las interferencias intencionadas y de los intentos de emisión
intencionada de una señal modificada. Frecuencias: E6, L1.

5. El servicio de búsqueda y salvamento (Search and Rescue Service – SAR): Este
servicio brindará importantes mejoras al sistema SAR existente, como por
ejemplo: recepción casi en tiempo real de mensajes de socorro transmitidos desde
cualquier punto de la Tierra (el tiempo medio de espera es actualmente de una
hora); localización precisa de alertas (pocos metros, en lugar de los 5 Km
actualmente especificados); detección por múltiples satélites para evitar el bloqueo
en condiciones de poca visibilidad de los satélites; mayor disponibilidad del
segmento espacial (30 satélites en órbita terrestre media que se añaden a los
cuatro satélites en órbita terrestre baja y los tres satélites geoestacionarios del
actual sistema). Por otra parte GALILEO introducirá nuevas funciones, tales como
enlace de retorno (del operador del SAR a la baliza emisora de socorro); de esta
forma, facilitará las operaciones de rescate y ayudará a reducir el índice de falsas
alarmas. Este servicio se está definiendo en cooperación con los responsables del
sistema COSPAS-SARSAT, y sus características y operaciones se regulan bajo el
control de la Organización Marítima Internacional (OMI) y la OACI.
El sistema GALILEO se basa en una constelación mundial de 30 satélites en órbita

terrestre media distribuidos en tres planos inclinados con un ángulo de 56° hacia el
ecuador, a 23.616 Km de altitud. Se van a distribuir diez satélites alrededor de cada
plano y cada uno tardará 14 horas para completar la órbita de la Tierra. Cada plano
tiene un satélite de reserva activo, capaz de reemplazar a cualquier satélite que falle
en ese plano.
Los satélites emplearán tecnologías de gran fiabilidad a la vez que innovadoras . El

cuerpo rotará sobre el eje que mira a la Tierra para que sus paneles solares roten y
apunten al Sol (generando un pico de energía de 1500 W). Después de que se
establezca la constelación inicial, los demás satélites que se lancen reemplazarán a
los dañados y completarán el sistema a medida que la vida útil de los satélites
originales se extinga.
Dos centros de control Galileo, ubicados en Europa, controlarán la constelación y la

sincronización de los cronómetros atómicos satelitales, el procesamiento de señales
de integridad y el manejo de datos de todos los elementos internos y externos. Una
red comunicaciones dedicada de alcance mundial interconectará todas las estaciones
y las instalaciones terrestres mediante enlaces terrestres y satelitales (VSAT).
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.
Los componentes regionales proveerán, en forma independiente, la integridad de las

señales de GALILEO. Los prestadores de servicios regionales difundirán los datos de
integridad regionales usando los canales de enlace ascendente autorizados provistos
por el sistema. Se garantizará que los usuarios siempre reciban datos de integridad a
través de dos satélites con un ángulo mínimo de elevación de 25º.
Los componentes locales mejorarán las prestaciones mencionadas anteriormente con

distribución de datos locales por medio de radioenlaces terrestres o redes de
comunicación existentes a fin de aumentar la precisión o la integridad alrededor de
aeropuertos, puertos cabeza de líneas ferroviarias y en áreas urbanas. Los

componentes locales también se desplegarán para ampliar los servicios de
radionavegación a los usuarios situados dentro de edificios.
La infraestructura de GALILEO se está implementando en varias fases:
- Definición (2000-2003)
- Desarrollo y validación en órbita (2004-2008)
- Despliegue (2008-2010)
- Explotación comercial (a partir de 2010)
1.3.- Vulnerabilidades de los SPS (Sistemas de Posicionamiento por Satélites).

Formas de mitigarlas.
La vulnerabilidad más notable de los SPS es la posibilidad de ser interferida (la

interferencia existe en todas las bandas de radionavegación). Existen varias fuentes
de posible interferencia a los SPS, tanto dentro de la banda como fuera de esta,
particularmente por enlaces de microondas terrestres punto a punto permitidos por
varios Estados (1559 – 1610 MHz. Estos enlaces se irían eliminando gradualmente
entre el 2005 y el 2015.
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.
Las normas y métodos recomendados (SARPS) de la OACI para el GNSS exigen un

nivel de rendimiento específico en presencia de niveles de interferencia definidos por
la máscara de interferencia del receptor. Estos niveles de interferencia son
generalmente acordes al reglamento de la Unión Internacional de
Telecomunicaciones (UIT). La interferencia de niveles superiores a la máscara puede
causar pérdida de servicio pero no se permite que tal interferencia resulte en
información peligrosa o que induzca a error.
Tipos de interferencia:
1.- Interferencia involuntaria.
La probabilidad y consecuencias operacionales de esta interferencia varían con el

medio. No se considera una amenaza importante siempre que los Estados ejerzan el
control y protección adecuados del espectro electromagnético tanto para las
atribuciones de frecuencias existentes como nuevas. Además, la introducción de
nuevas señales SPS en nuevas frecuencias asegurará que la interferencia no
intencional no provoque la pérdida completa del servicio (salida), aunque sí
experimente cierto deterioro en su performance.
Se ha determinado que la mayor parte de los casos de interferencia de GNSS

notificados proviene de los sistemas de a bordo y la experiencia con la instalación del
GNSS ha permitido identificar varias fuentes de interferencia involuntaria (ej.,
emisiones no deseadas o armónicas del equipo de comunicaciones VHF y emisiones
fuera de la banda y no deseadas del equipo de comunicaciones por satélite). Los
dispositivos electrónicos portátiles también pueden causar interferencia al GNSS y a
otros sistemas de navegación.
Las fuentes terrestres de interferencia incluyen actualmente las comunicaciones VHF

móviles y fijas (para sistemas GNSS que utilizan también frecuencias en estas
bandas, como el GBAS), enlaces de radio punto a punto en la banda de frecuencias

GNSS, armónicas de estaciones de televisión, ciertos sistemas de radar, sistemas de
comunicaciones móviles por satélite y sistemas militares. Las ciudades grandes con
fuentes considerables de interferencia de radiofrecuencias (RF), los sitios industriales,
etc., son más propensos a la interferencia involuntaria que las regiones remotas,
donde esta interferencia es muy poco probable. La probabilidad de esa interferencia
depende de la reglamentación estatal del espectro, de la administración de
frecuencias y de su cumplimiento en cada Estado o región.
2.- Interferencia intencional.
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
La interferencia por simulación de señales (spoofing) es la corrupción intencional de

señales de navegación para que la aeronave se desvíe y siga una trayectoria de vuelo
falsa. La simulación de señales de GNSS por satélite es tecnológicamente mucho
más compleja que la simulación de radioayudas a la navegación convencionales
basadas en tierra. La simulación de radiodifusión de datos GBAS es tan difícil como la
simulación de radioayudas de aterrizaje convencionales.
Aunque la interferencia por simulación de señales teóricamente puede inducir a una

aeronave determinada a errores de navegación, es muy probable que se detecte con
procedimientos normales (p.ej., vigilando la trayectoria de vuelo y la distancia a los
puntos de recorrido, y por vigilancia radar). Los sistemas de advertencia de
proximidad del terreno (GPWS) y anticolisión de a bordo (ACAS) dan protección
adicional contra colisiones con el terreno y con otras aeronaves. En vista de la
dificultad de interferir por simulación con el GNSS, no se consideran necesarias
medidas operacionales singulares para mitigarla.
3.- Efectos ionósfericos y otros efectos atmosféricos
Las precipitaciones fuertes sólo atenúan las señales de satélite GNSS una pequeña
fracción de dB y no afecta las operaciones.
Los efectos troposféricos se tratan mediante el diseño del sistema y no representan

un aspecto de vulnerabilidad. Pero hay dos fenómenos ionosféricos que sí deben
considerarse: los cambios ionosféricos rápidos y grandes y el centelleo.
Cerca del ecuador geomagnético se observan frecuentemente cambios rápidos y

grandes en la ionosfera, pero su efecto no es lo suficientemente grande como para
afectar las operaciones en ruta ni las de aproximaciones que no son de precisión. Los
cambios ionosféricos causan errores de telemetría que deben tenerse en cuenta en el
diseño del sistema, que se pueden mitigar con el uso de sistemas de aumentación
GNSS (SBAS, ABAS, GBAS), aunque pueden limitar los servicios GBAS y SBAS que
se proporcionen en la región ecuatorial y utilicen una frecuencia GNSS única.
El centelleo ionosférico es insignificante en las latitudes medias. En las regiones

ecuatoriales, y en menor grado en las altas latitudes, el centelleo puede causar la
pérdida temporal de las señales de uno o más satélites. La experiencia operacional en
las regiones ecuatoriales ha demostrado que la probabilidad de pérdida del servicio

GNSS actual es poca debido al número relativamente grande de satélites a la vista. El
centelleo puede interrumpir la recepción de las radiodifusiones de los satélites de
órbita geoestacionaria (GEO) del SBAS, pero es poco probable que provoque la
pérdida completa del servicio GNSS y puede mitigarse con el agregado de nuevas
señales y satélites GNSS.
4.- Otras vulnerabilidades
También es necesario considerar las vulnerabilidades de los segmentos terrestre y

espacial del GNSS. Existe el riesgo de número insuficiente de satélites en una
constelación dada debido a la falta de recursos para mantener la constelación, fallas
de lanzamiento(s) o de satélite. Una falla del segmento de control de la constelación o
un error humano pueden llegar a causar la falla de múltiples satélites de una
constelación.
Otro riesgo es la interrupción del servicio o su degradación durante una situación de

emergencia nacional, en la que cada Estado tiene la libertad de acción que autoriza el
Convenio sobre Aviación Civil Internacional (Artículo 89). Si la denegación de señal es
regional, se bloquearían todas las señales civiles de GNSS pero, de todas maneras,
el espacio aéreo afectado estaría cerrado al tránsito aéreo civil.
Otra situación menos probable sería la degradación o denegación de las señales de

los satélites principales o de los satélites de aumento en toda el área de cobertura.
En la evaluación de los riesgos operacionales relacionados con las vulnerabilidades

del GNSS hay que considerar dos aspectos principales:
- la probabilidad de interrupción del GNSS

- el efecto de la interrupción
Al considerar estos aspectos en función del espacio aéreo, los proveedores de

servicios de navegación aérea pueden determinar si se necesita mitigarlos y, de ser
así, a qué nivel. Se requiere mitigación para las interrupciones que tengan efectos
importantes y probabilidades de ocurrir de moderadas a altas.
Las nuevas señales y constelaciones principales de satélites reducirán

considerablemente la vulnerabilidad del GNSS. La utilización de señales más fuertes
y las frecuencias diversas planeadas para el GPS, el GLONASS y GALILEO
eliminarán efectivamente el riesgo de interferencia involuntaria, pues es muy poco
probable que una fuente de tal interferencia afecte simultáneamente a más de una
frecuencia.
Más satélites (incluso constelaciones múltiples) eliminarán el riesgo de interrupciones

completas del GNSS debidas al centelleo y la multiplicidad de frecuencias mitigará el
efecto de los cambios ionosféricos. Los futuros satélites GEO mitigarán el efecto de la
ionosfera en el SBAS usando satélites cuyas líneas visuales estén separadas cuando
menos a 45º.
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.

La administración y el financiamiento sólidos del sistema son esenciales para la
operación continua de los servicios GNSS y para mitigar las vulnerabilidades del
sistema mencionadas, excepto la posible interrupción global del servicio debida a una
emergencia nacional. Un medio efectivo de mitigar la vulnerabilidad de interrupción
global es que los proveedores de servicios adopten una política de denegación
regional en caso de emergencia nacional.
2.- Sistemas de Aumentación GNSS. Características generales.
Las constelaciones de GPS y GLONASS no se elaboraron para satisfacer los

requisitos estrictos (precisión, integridad, disponibilidad y continuidad) de la
navegación por instrumentos (IFR). Una explicación breve del significado de los
requisitos operacionales es la siguiente:
• Exactitud: diferencia entre la posición estimada y la real (medición de

errores).
• Integridad: confianza sobre la información total proporcionada (alertas de no
utilización).
• Continuidad: funcionamiento sin interrupciones no programadas.
• Disponibilidad:. Es la parte del tiempo durante la cual el sistema presenta
simultáneamente la exactitud, integridad y continuidad requeridas.
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.
Tres sistemas de aumentación, el sistema basado en la aeronave (Aircraft Based

Augmentation System – ABAS), el basado en tierra (Ground Based Augmentation
System - GBAS), y el basado en satélites (Satellite Based Augmentation System –
SBAS), se han diseñado y normalizado para superar las limitaciones inherentes a los
SPS.
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).
2.1.- Aumentación basada en la aeronave (ABAS)

Entre los sistemas que otorgan esta aumentación a los receptores GPS tenemos:
- Los sistemas de Monitoreo de Integridad Autónoma (RAIM) y
- El Sistema de Identificación y Exclusión de Fallas (FDE),
Estos sistemas proporcionan la integridad requerida para utilizar el GPS como medio
único suplementario y principal de navegación durante la salida, en ruta, la llegada y
para aproximaciones de precisión y no-precisión.
Sistema Monitor de Integridad Autónoma del Receptor (RAIM)
El sistema RAIM detecta la falla de la señal de un satélite del GPS comparando la
información sobre posición y tiempo obtenida de diversas combinaciones de cuatro (4)
satélites en un conjunto de por lo menos cinco (5) satélites visibles. De esta manera,
puede detectarse un satélite defectuoso y dar una advertencia al piloto. Puesto que el
sistema RAIM no incorpora la capacidad de cancelar la señal de un satélite

defectuoso, no debe seguir usándose la navegación GPS cuando el RAIM detecta un
satélite con problemas. El sistema FDE es el que efectúa la cancelación de un satélite
defectuoso.
Puede prestarse asistencia al sistema RAIM mediante un proceso conocido como
ayuda barométrica. La información sobre la altitud barométrica de las aeronaves se
proporciona al equipo de GPS, el cual puede entonces simular a un satélite ubicado
directamente arriba del usuario. Con la ayuda barométrica, el requisito del RAIM (con
respecto a los cinco o seis satélites) se reduce a cuatro o cinco, respectivamente.
Sistema de Identificación y Exclusión de Fallas (FDE)
El sistema FDE es una técnica para excluir al satélite defectuoso y así permitir que se
siga navegando con el GPS, siempre y cuando existan suficientes satélites
disponibles. Aunque la norma vigente no requiere la incorporación del sistema FDE en
los equipos GPS de a bordo, la mayoría de los nuevos receptores incorporan
funcionalidad FDE.
2.2.- Aumentación basada en Tierra (GBAS)

Los sistemas GPS/GLONASS, aumentados con el sistema SBAS, están limitados a
aproximaciones de Categoría I (CAT I). En la actualidad, con los recursos técnicos
disponibles, sólo se puede garantizar con ese sistema aproximaciones con guiado
vertical APV-I, y APV-II (menor categoría que la CAT I). Consecuentemente, se está
desarrollando otro sistema de aumentación más preciso, el GBAS, para permitir la
ejecución de aproximaciones de precisión CAT I, II y III.
El funcionamiento básico del GBAS es el siguiente:
Una estación terrena GBAS es instalada sobre o cerca de un aeropuerto, con un
conocimiento muy preciso de su posición. El GBAS vigila las señales GPS ó
GLONASS en un aeródromo y transmite correcciones diferenciales de
pseudodistancia, mensajes de integridad locales y datos de aproximación (esto lo
diferencia ampliamente del DGPS convencional) directamente al receptor de a bordo
mediante una radiodifusión (broadcast) de datos VHF (VDB).
Se están desarrollando los sistemas GBAS para uso local con coberturas de hasta
aproximadamente 20 o 30 millas de la estación GBAS, que puede proporcionar guía
para hasta 49 aproximaciones de precisión (hasta CAT III, aunque esto está todavía
bajo estudio) dentro de su cobertura VDB, prestando servicio a varias pistas y
posiblemente a más de un aeródromo.
Los sistemas GBAS se diferencian de los SBAS en que ellos no dependen de los
satélites Geoestacionarios (GEO), debido a que el GBAS no esta diseñado para
brindar su servicio sobre amplias regiones geográficas. Las correcciones que el
sistema GBAS envía a las aeronaves pierden validez a medida que las aeronaves se
alejan de los aeropuertos donde los equipos GBAS están instalados. Sin embargo, la
performance del sistema GBAS en las inmediaciones del aeropuerto (20 a 30 millas)
es mucho mejor que la del SBAS, probablemente tan buena que soportaría aterrizajes
de Categoría II y III e inclusive sería capaz de guiar a las aeronaves en aterrizajes
automáticos (autoland). Esta performance esta más allá de las posibilidades de los
sistemas de aumentación basados en los satélites GEO. Por otro lado, el GBAS
también puede proporcionar correcciones a la señal telemétrica GEO del SBAS.
Actualmente la FAA (Federal Aviation Administration –USA)se encuentra
desarrollando este sistema con el nombre de LAAS (Local Area Augmentation
System). El Departamento de Defensa (DoD) de U.S.A. ha autorizado el desarrollo de
la tecnología GBAS para las áreas locales (coberturas menores a 30 millas). Se está
implantando esta tecnología denominándola LAAS en los EEUU. Numerosos avances

en el LAAS están siendo actualmente desarrollados en todo el mundo para
aproximación de precisión.
La etapa final para el LAAS consiste en proporcionar servicio de aproximación y
aterrizaje de Categorías II y III; la mayoría de los esfuerzos de desarrollo a largo plazo
estaban encaminados a alcanzar este objetivo. Las medidas a corto plazo estaban
encaminadas a alcanzar la Categoría III sin usar una segunda frecuencia en el
receptor de a bordo.
A esto seguiría la incorporación de las ventajas de la modernización del GPS, en

particular la frecuencia L5 adicional. Además, se prevé que el examen de la manera
en que el LAAS haría posible llevar a cabo operaciones de área terminal más
eficientes, dará lugar a futuras aplicaciones LAAS tales como las salidas con guía, las
trayectorias de aproximación complejas, las aproximaciones frustradas con guiado y la
guía y control del movimiento en la superficie.
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.
2.3.- Aumentación basada en Satélites (SBAS).
SBAS es un término que comprende todos los sistemas de aumentación basadas en

satélites que están en desarrollo actualmente, más cualquier otro que sea
desarrollado en el futuro. Las entidades que han desarrollado actualmente sistemas
SBAS son los EEUU (el WAAS), Europa (el EGNOS) y Japón (el MSAS). Se
encuentran en proceso de desarrollo la India (GAGAN), y en proyecto China (SNAS),
y Latinoamérica (SACCSA).
Los objetivos de los sistemas SBAS son:
Incrementar la integridad del sistema para cumplir con los requisitos de un sistema de
navegación único. Los estándares civiles requieren el aviso de falla del sistema dentro
de 30 segundos cuando se está en ruta, 10 segundos en una aproximación de no-
precisión, y 6 segundos en una aproximación de precisión. En contraste, el sistema
GPS puede tomar de 15 hasta 30 minutos para notificarle al usuario que ha fallado un
satélite.
Incrementar la exactitud del sistema GPS para cumplir con los requisitos de un medio
único de navegación para aproximaciones de precisión. Sin aumentación de ningún
tipo, el GPS o GLONASS pueden ser utilizados únicamente para aproximaciones de
no-precisión (NPA).
Incrementar la disponibilidad del sistema para cumplir con requisitos de un medio de
navegación único. Actualmente la disponibilidad del sistema GPS varía entre 95-98%.
Por consecuencia, actualmente es necesario confirmar, antes de cada vuelo en el
cual se desea utilizar el GPS como medio de navegación primario, la disponibilidad de
los satélites a lo largo de la ruta del GPS porque previo a los SBAS ha sido necesario
dedicar un satélite a la vista a la sola función de monitoreo de la integridad.
La arquitectura básica de todos los sistemas SBAS esta conformado por: una red de
estaciones terrestres de referencia distribuidas por una amplia zona geográfica
(países o continentes enteros) que monitorean a las constelaciones de SPS. Estas
estaciones retransmiten los datos a una instalación de procesamiento central que

evalúa la validez de las señales y calcula correcciones a los datos de efemérides y
reloj radiodifundidos de cada satélite a la vista. Para cada satélite GPS o GLONASS
vigilado, el SBAS estima los errores en los parámetros, y a su vez estas correcciones
son transmitidas al avión por medio de satélites GEO. Luego el receptor de a bordo
ajusta la información recibida directamente de los satélites GPS con las correcciones
recibidas de los satélites GEO, para así navegar con más seguridad.
Los mensajes de integridad y correcciones para cada fuente telemétrica GPS o
GLONASS vigilada se transmiten en la frecuencia GPS L1 de los satélites GEO
SBAS, situados en puntos orbitales fijos sobre el Ecuador terrestre. Los mensajes
SBAS aseguran la integridad, mejoran la disponibilidad y proporcionan la actuación
necesaria para aproximaciones con guiado vertical APV, y en un futuro, a CAT I.
El SBAS utiliza mediciones de distancia en dos (2) frecuencias para calcular el retardo
de la medición de distancia introducido por la ionosfera y radiodifunde las
correcciones aplicables en puntos de la cuadrícula ionosférica (grid points)
predeterminados. El receptor SBAS del usuario interpola entre los puntos de la
cuadrícula para calcular la corrección ionosférica a o largo de su línea de alcance
óptico a cada satélite.
Además de correcciones de reloj, efemérides e ionosféricas, el SBAS evalúa y
transmite parámetros que limitan la incertidumbre en las correcciones. Combinando
estos cálculos de incertidumbre en las correcciones, con cálculos de las
incertidumbres en su propia exactitud de mediciones de pseudodistancia, el receptor
SBAS de usuario modela un error para su solución de navegación propia.
Es importante distinguir entre las zonas de cobertura y las zonas de servicio SBAS. La
zona de cobertura se define por las huellas en tierra (foot prints) de las señales de los
satélites GEO. Las zonas de servicio para un SBAS determinado se establecen por el
Estado dentro de la zona de cobertura SBAS. El Estado es el responsable de
designar los tipos de operaciones que pueden apoyarse dentro de una zona de
servicio determinada.
Entre las ventajas del SBAS se encuentran:

1.- Provee una guía tridimensional para aproximaciones de precisión a las aeronaves
dentro del área de servicio. Este método de operación del SBAS mejora
significativamente los instrumentos bidimensionales de navegación existentes que no
pueden proveer referencias verticales precisas a los pilotos.
2.- Provee gran precisión (hasta 5 mts vertical y hasta 2 mts horizontal) y
disponibilidad (radiodifunde señales similares al GPS por varios GEO) para
aproximaciones de Categoría I, además de integridad (alto nivel de redundancia en el
sistema y notificación de fallas en 6 segundos) para la seguridad del sistema GPS y
apoyo a las operaciones de vuelo.
3.- Reduce las posibilidades de accidentes contra tierra durante vuelos controlados y
aproximaciones.
4.- Eliminará los costos asociados en el mantenimiento de los instrumentos de
navegación más antiguos con base terrestre tal como los NDB, VOR, DME y los ILS
para la Categoría I.
5.- Reducirá el número de piezas de equipos a bordo de la aeronave y requerirá sólo
un pequeño receptor montado en la cabina y una antena.
6.- Permitirá reducir los estándares que gobiernan la separación entre aeronaves en
vuelo, permitiendo alojar un mayor número de ellas en un espacio dado, sin aumentar
los riesgos.

7.- Ahorros de combustible haciendo posible vuelos más directos y aproximaciones
más seguras.
2.3.1.- Sistemas SBAS (WAAS-norteamericano, EGNOS-europeo, MSAS-japonés,

GAGAN-indio).
WAAS (Wide Area Augmentation System) - EEUU

El WAAS consiste de 24 estaciones de vigilancia llamadas estaciones de referencia
de área amplia o WRS (Wide-area Reference Stations), 2 estaciones maestras o
WMS (Wide-area Master Stations), 6 antenas para la retransmisión de datos GES
(Ground Earth Stations) y 3 satélites geoestacionarios GEO (Geostationary Earth
Satelites).
Las 24 estaciones de vigilancia están instaladas con aproximadamente 500 millas de

separación a lo largo de los Estados Unidos, Alaska, Hawai y Puerto Rico.
Elementos que componen el Sistema WAAS :
1.- Estaciones de Referencia de Área Amplia (WRS)

Este sistema usa estaciones de referencia esparcidas con aproximadamente 500
a 1000 Km. de separación a lo largo de la región a cubrir, la separación de las
estaciones influirá en el grado de precisión del sistema WAAS. Esto se
corresponde de alguna manera con las estaciones de corrección diferenciales del
sistema DGPS marino de los Guardacostas de EE.UU., pero no transmiten las
señales de corrección ellas mismas. Lo que hacen es observar las señales GPS,
las condiciones ionosféricas y la señal de corrección WAAS y transmitir los datos a
las estaciones maestras. Cada una de las estaciones bases estará compuesta
por una unidad principal y dos de reserva para dar un alto grado de fiabilidad por
medio de la redundancia.
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.
2.- Estaciones Maestras de Área Amplia (WMS)

Las estaciones maestras del sistema WAAS toman los datos de las estaciones de
referencia (WRS), verifican las señales de corrección anteriores y generan una
nueva señal de corrección WAAS. Esta señal de corrección es transmitida através
de las estaciones terrenas a los satélites geoestacionarios, como los de InMarSat
o satélites exclusivos, para ser enviadas a los receptores.
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.

3.- Estaciones de Comunicaciones (GES)
Son estaciones terrenas encargadas de recibir los mensajes WAAS de corrección
de la WMS y retransmitirla a los satélites GEO, los que a su vez transmitirán las
correcciones hacia los receptores WAAS.
4.- Satélites Geoestacionarios (GEOs)

Los satélites GEO transmiten la señal de corrección en la banda de frecuencia L1
del GPS, pero usan un código pseudo-aleatorio (PRC) diferente al de los satélites
GPS. Las antenas receptoras del WAAS podrían aparentemente ser incorporadas
directamente en el receptor GPS.
Debido a que el sistema debe brindar integridad, disponibilidad, continuidad y

precisión sé esta pensando en el uso de satélites GEO de uso exclusivo para este
sistema, estos satélites además de transmitir las correcciones en radiodifusión,
también realizarán funciones de satélites GPS GEO garantizando contar con el
mínimo número de satélites las 24 horas del día, para esto se planea usar otra
banda como la L5 para evitar la interferencia con la constelación de 24 satélites no
estacionarios del GPS.
5.- Receptores del WAAS

Son equipos receptores GPS con la capacidad de poder recibir la información de
corrección WAAS de los satélites GEO del sistema WAAS. Las correcciones
WAAS (mensajes de 250 bits) recibidas serán aplicados a los resultados de los
cálculos del pseudodistancia para luego determinar la posición.
EGNOS (European Geostationary Navigation and Overlay System) – Europa
El sistema EGNOS está compuesto por 34 Estaciones Monitoras de Referencia e

Integridad (RIMS), desplegadas para supervisar los satélites de las constelaciones
SPS. Cada satélite tiene que ser supervisado por múltiples RIMS antes de que se
genere las correcciones y los mensajes de integridad. Existen 4 Centros de Control de
Misión (MCC), que procesan los datos de las RIMS para generar las correcciones
WAD (Wide Aerea Differential) y mensajes de integridad para cada satélite. Solo uno
de estos MCCs está activo y operacional, los otros MCCs permanecen como "reserva
caliente" que pueden activarse si un problema ocurre.
Las Estaciones Terrestres de Navegación (Navigation Land Earth Stations -NLES)

transmiten los mensajes de corrección e integridad desde el MCC a los satélites GEO,
encargados de radiar finalmente la señal SBAS a los usuarios finales. El sistema
desplegará dos NLES (una principal y una de reserva), y una tercera NLES con fines
de pruebas y validación.
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.
MSAS (Multitransport Satellite Augmentation System) - Japón
En paralelo con el sistema de Estados Unidos y el de Europa, Japón ha desarrollado

un sistema de aumentación llamado el Sistema de Aumentación Basado en Satélites
MTSAT (MSAS). MSAS esta basado en un satélite GEO de transporte multifuncional

(MTSAT), el cual tiene también una función metereológica (además de la
aeronáutica). El MTSAT-1 fue lanzado en 2000, y subsecuentes lanzamientos serán
programados cada 5 años.
Aunque el sistema de software del MSAS esta basado en el WAAS presenta
diferentes capacidades que los sistemas WAAS y del EGNOS, porque incluirá dos
modos de comunicación, voz y data. Esta capacidad de comunicación será usada
para brindar Vigilancia Automática Dependiente (ADS). Específicamente, MSAS esta
basado en el concepto FANS de la OACI incluyendo: GNSS para navegación; y
Servicio Satelital Móvil Aeronáutico (AMSS) para dos modos voz/data incluyendo
ADS.
La aplicación aeronáutica consistía en dos funciones: servicio móvil aeronáutico por
satélite (SMAS) y sistema de aumentación basado en satélite (SBAS) del GNSS para
proporcionar a las aeronaves información sobre aumentación GPS por enlace
ascendiente a partir de las instalaciones terrestres. La función MSAS del MTSAT
cumpliría plenamente con las normas y métodos recomendados (SARPS) de la OACI.
Los detalles técnicos no especificados en los SARPS se coordinaron mediante las
actividades del Grupo Técnico de Trabajo sobre Interfuncionamiento (IWG) SBAS.
Así, el MSAS permitía el pleno interfuncionamiento con otros servicios SBAS.
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.

GAGAN (GPS And GEO Augmentatio System) – India
La India ha emprendido un programa para desarrollar e implantar el sistema de

navegación aumentada con GPS y GEO (GAGAN) a fin de satisfacer los requisitos de
aumentación de navegación por satélite de los explotadores de aeronaves y los
proveedores de servicios de tránsito aéreo (ATS) en el espacio aéreo de la India,
incluyendo el espacio del océano Indico,así como amplias partes de la Región
Asia/Pacífico.
El programa GAGAN se implantaría en tres fases:
- Primera fase: Sistema de demostración de tecnología (TDS): Un sistema de

configuración mínima que demostraría la capacidad del sistema para
aproximaciones de precisión (Categoría I) en una región limitada del espacio
aéreo de la India y constituiría una prueba del concepto. La fase TDS concluiría
hacia 2005.
- 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.
Actualmente, habiendo llevado a cabo un examen detallado del diseño de la carga

útil, la ISRO estaba en la etapa de adquisición de los componentes críticos para
fabricar la carga útil de navegación que se instalará en el satélite GSAT-4, que se
lanzará en 2005 en una órbita situada en 82º Este. Dado que la India está situada
cerca de la línea del Ecuador, las actividades ionosféricas tendrían un efecto
importante en las señales GPS recibidas encima del espacio aéreo de la India.
Con objeto de evaluar adecuadamente el efecto de la ionosfera en las señales GPS y

reducir su efecto, se ha iniciado la elaboración de un modelo ionosférico basado en
los datos compilados en gran número de localidades durante un amplio período de
tiempo. Teniendo presente lo expuesto, se preveía establecer 20 estaciones para
compilar datos ionosféricos cubriendo la totalidad del país.
GAGAN se ha diseñado para satisfacer los SARPS de la OACI y para que permita el
interfuncionamiento con WAAS, EGNOS y MSAS.
2.3.2.- Proyecto SACCSA (Sistema de Aumentación para el Caribe, Centro y

Sudamérica).
El Proyecto de Cooperación Técnica de la OACI RLA/03/902, comenzó en el 2003 en

una primera Fase con el nombre de EDISA (EGNOS Demonstrations In South
America), la cual perseguía una serie de ensayos y demostraciones de la señal SBAS
del sistema europeo EGNOS, extendida a las regiones del Caribe, Centro y
Sudamérica.

Para ello, se desplegó una infraestructura de ensayos basada en la implantación de la
señal EGNOS en la Región CAR (Caribe) y en la zona Noroeste de la Región SAM
(Suramérica), para lo cual se instalaron tres estaciones RIMS en Colombia (Bogotá),
Cuba (La Habana) y COCESNA – Honduras (Tegucigalpa). Estas estaciones se
conectaron con Madrid a través del satélite HISPASAT y de ahí al ESTB (EGNOS
System Test Bed). Una vez desplegada la infraestructura, se realizaron tomas de
datos en estático durante un periodo de 2,5 meses y se llevaron a efecto ensayos en
vuelo.
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.
Basado en los resultados obtenidos en la primera fase del Proyecto y teniendo en

cuenta el desarrollo evolutivo del GNSS, se planificó la realización de una segunda
fase cuyo objetivo era “estudiar, desarrollar y planificar los aspectos técnicos,
financieros, operacionales e institucionales, de alternativas posibles para implantar un
sistema preoperacional SBAS para las Regiones CAR/SAM.
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.

3.- Aspectos jurídicos e institucionales sobre el GNSS.
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.
Es importante que ciertas cuestiones institucionales y jurídicas se aclaren a fin de

facilitar la implantación del sistema. Por una parte, se ha dedicado atención a las
consideraciones jurídicas respecto a los sistemas actuales y por otra a la elaboración
de un marco jurídico e institucional más completo y duradero para el futuro a largo
plazo.
Una instalación o servicio de navegación aérea multinacional ha sido definido como

instalación o servicio que figura en un plan regional de navegación aérea de la OACI
para auxiliar a la navegación aérea internacional en el espacio aéreo que se extiende
más allá del espacio aéreo donde sólo un Estado presta los servicios previstos en el
correspondiente plan regional de navegación aérea.
Cuando se suministre un componente GNSS con carácter de instalación o servicio

multinacional, los estados participantes necesitarían formalizar en un acuerdo los
términos bajo los cuales se suministrará dicho componente o instalación o servicio
multinacional. Un objetivo principal del acuerdo sería asegurar que los costos
involucrados se comporten entre los Estados participantes en forma justa y equitativa.
Seguridad de la Aviación Civil Internacional.
La seguridad de la aviación civil internacional es un principio importantísimo

incorporado en el Preámbulo y en el párrafo h) del Artículo 44 del Convenio de
Chicago. Por lo tanto, la seguridad de la aviación civil internacional debería
salvaguardarse plenamente durante la explotación del GNSS, incluso en las
modificaciones del sistema.
Accesibilidad universal de los servicios GNSS
La accesibilidad universal se refiere al derecho de todo Estado y de las aeronaves de

todos los estados de tener acceso a los servicios de manera no discriminatoria y en
condiciones uniformes.

Continuidad, disponibilidad, integridad, y confiabilidad
Cuando se proporcionan servicios GNSS, es necesario asegurar que estos servicios

estén disponibles de forma continua. Las normas técnicas deben cumplirse a fin de
asegurar que los servicios estén disponibles de forma continua. Las normas técnicas
deben cumplirse a fin de asegurar la integridad, exactitud y confiabilidad de los
servicios.
Soberanía.
Se reafirma el principio de soberanía plena y exclusiva de los Estados en el espacio

aéreo sobre sus territorios. De conformidad con este principio, cada Estado puede,
entre otras cosas, conservar su autoridad y responsabilidad de controlar las
operaciones de aeronaves y de hacer cumplir los reglamentos sobre seguridad y de
otro tipo dentro del espacio aéreo de su 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)

MONITOREO DE RENDIMIENTO
Ing. Agr. MSc. Mario Bragachini; Ing. Agr. Axel von Martín; Ing. Agr. Andrés Méndez
El monitoreo de rendimiento incluye la medición de la porción cosechada de un

cultivo en el espacio y el tiempo, y la síntesis de esas medidas en forma de mapa
gráfico. El monitoreo de rendimiento abarca la adquisición, análisis y síntesis de datos
de rendimiento de los cultivos y su ubicación dentro de los lotes, y ha sido posible
gracias al advenimiento de sensores apropiados, sistemas de posicionamiento
precisos, y avances en la tecnología de las computadoras. El producto final es
usualmente un mapa con distintos colores o tonos que muestra rangos de rendimiento
dentro de un lote.
Dentro de un lote se espera tener variación de rendimiento, pero hasta el
reciente desarrollo del manejo de sitio específico, los productores aceptaban esta
variabilidad en vez de manejarla. Con los mapas de rendimiento es posible identificar
áreas dentro de un lote donde los rendimientos pueden ser mejorados o donde es
necesario ajustar los insumos para optimizar la rentabilidad y minimizar la
contaminación. Debido a que el rendimiento de los cultivos es la base para la
recomendación de insumos y un determinante de la rentabilidad, el monitoreo de
rendimiento es esencial para el éxito del manejo de sitio específico.
En el caso de tener algún lote de escasa variabilidad, demostrada por mapas
de rendimiento anteriores, se lo puede utilizar para comparar distintos factores de
manejo que inciden en el rendimiento, por ejemplo fecha de siembra, espaciamiento
entre hileras, densidad de siembra, híbridos o variedades, dosis de fertilizantes,
tipos, localización, momentos, etc. Mediante el monitoreo de rendimiento se puede
evaluar este tipo de ensayos en el gran cultivo, con la ventaja de tener resultados
representativos ya que se obtienen en el mismo ambiente. Esto es posible solamente
si se cumplen algunas condiciones:
♦ La variabilidad del suelo es reducida o nula, lo que se podría deducir de mapas

de rendimiento de varios años. De esta forma se tiene la seguridad de que los
resultados obtenidos son atribuibles al factor comparado.
♦ Se debe realizar una cuidadosa planificación y seguimiento del cultivo para
conocer exactamente los factores involucrados y las posibles fuentes de variación.
♦ Se debe uniformizar todos los factores menos el que se desee evaluar, para poder
aislar la influencia de éste y obtener resultados confiables.
Hay una cantidad de formas de medición de rendimiento. La mayoría de los

métodos desarrollados a través de los años han involucrado pesada del grano luego
que ha sido trillado, separado y limpiado. El rendimiento en grano es expresado en
términos de kilogramos o quintales por hectárea. Esto quiere decir que debe haber
alguna manera de asociar las cantidades de grano medidas con áreas cosechadas en
un lote. Por supuesto, el contenido de humedad del grano tiene un alto impacto en los
rendimientos medidos. Contenidos diferentes de humedad harán que un mismo
volumen de dos muestras de un mismo grano tengan distintos pesos, los
rendimientos de granos son, por ende, establecidos en términos de peso por unidad
de área a un contenido de humedad específico.

Componentes básicos del monitor de rendimiento
Para determinar el rendimiento instantáneo de los cultivos, se deben conocer

tres cosas: el flujo de grano a través del sistema de grano limpio de la cosechadora, la
velocidad de avance de la cosechadora, y el ancho de corte del cabezal. El flujo de
grano es medido en la cosechadora cerca de la tolva de grano. El flujo es medido en
unidades de volumen o masa por unidad de tiempo. La velocidad de avance puede
ser medida en un número diferente de maneras, y tiene unidades de distancia por
unidad de tiempo. El ancho de corte puede ser medido (en metros o número de
surcos), pero es frecuentemente manejado por el operario de la cosechadora. Si la
velocidad de avance y el ancho de corte son conocidos, el área cosechada por unidad
de tiempo puede ser calculada. Si el peso o el volumen de grano cosechado por
unidad de tiempo y el área cosechada por unidad de tiempo son conocidos, luego el
rendimiento puede ser determinado.
Sensores
Monitor de rendimiento Instantáneo o de tiempo real

Estos monitores miden y graban los rendimientos sobre la marcha.
Los datos necesarios para que trabaje un monitor son los siguientes:
1. Flujo de grano por unidad de tiempo.
2. Humedad del grano por unidad de tiempo
3. Velocidad de avance de la cosechadora.
4. Ancho de corte del cabezal.
Componentes necesarios de un monitor de rendimiento.

1. Sensor de flujo de grano.
2. Sensor de humedad del grano.
3. Sensor de velocidad de avance.
4. Switch de posición del cabezal.
5. Consola del monitor.
6. Receptor DGPS.
Fig. 3: Representación esquemática de los componentes de un monitor de rendimiento con

posicionamiento satelital y su ubicación en la cosechadora.

Flujo de Ancho de Rend. Rend.
Velocidad % de
Lat. Long grano corte Húmedo Seco
Km/h Humedad
(ton/hs) (m) (kg/ha) (kg/ha)
Dato
GPS Sensor Sensor Calculado Sensor Calculado
ingresado
El mapa de rendimiento permite cuantificar la variabilidad de rendimiento

existente de un cultivo dentro de un lote, quedando grabado espacialmente.
Cuando estos componentes trabajan en equipo pueden medir el flujo de grano
y los rangos de trabajo, calcular, mostrar y grabar los rendimientos del cultivo.
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.
2. Sensor de rendimiento RDS Cerestm
El sistema volumétrico Ceres, es vendido por

RDS Technology, UK, está basado en un diseño de
Claas GmbH, Alemania, que es dueño de los
derechos de patente. Este sistema no está integrado
a una cosechadora específica sino que se puede
adaptar a cualquier máquina. Se instala una fuente
de luz, lo más alto posible, de un lado de la noria, y
en lado opuesto se monta un fotosensor, que
determina cuanta luz puede detectar de la
proveniente de la fuente. A través de este sistema se
mide indirectamente la altura de grano que contiene

cada balde a medida que sube por la noria, (a mayor rendimiento mayor altura de
grano sobre cada balde y menos tiempo detecta luz el sensor cuando pasa el balde.
Grabando el tiempo que el fotosensor no recibe luz, la computadora transforma esta
medida de tiempo en un valor igual a la altura del grano sobre el balde de la noria.
Luego la computadora, conociendo la superficie del balde, calcula el volumen de
grano, que finalmente es transformado en masa utilizando la densidad del grano, que
debe ser preprogramada.
Sensores de detección de masa
1. Massey Ferguson (Flow Controltm)

El sistema Flow Control utilizado por Massey Ferguson para medir
rendimiento está completamente integrado al sistema electrónico de la cosechadora.
Utiliza una fuente de rayos Gamma montada debajo de la cabeza de la noria,
formando una ventana de rayos gamma a través de la cual fluye el grano. Montado en
el lado opuesto de la noria se ubica la unidad detectora que mide el nivel de rayos
gamma incidente. Cuando no fluye grano por la cosechadora el detector recibe el
nivel máximo de rayos, y cuando se empieza a cosechar el grano que fluye bloquea
parte de la radiación, y el nivel de rayos gamma incidente en el detector disminuye.
Esta reducción es medida por el detector.
La radiación es absorbida de acuerdo a la siguiente ecuación:
Lo = li exp(-u p x)
Donde: lo= radiación que llega al detector

Li= radiación que sale de la fuente
U= coeficiente de absorción de masa
P= densidad del material
X= distancia entre fuente y detector
En situaciones de cosecha, el coeficiente de absorción de la masa y la

distancia entre la fuente y el receptor se mantienen constantes, en consecuencia, la
intensidad es función exclusiva de la densidad.

2. Micro- Traktm
El sensor de rendimiento
Micro- Trak es un sistema que
puede ser instalado en un gran
número de modelos y marcas de
cosechadoras. El sensor de
rendimiento está instalado en la
noria, graba el flujo de grano
midiendo la fuerza aplicada a una
celda de carga sellada. A medida
que el grano pasa a través de la
horquilla, desde la noria hacia el
sinfín de la tolva, se aplica una
fuerza al sensor.
La cantidad de fuerza
depende del flujo de grano, a mayor
flujo mayor fuerza. Esto también
depende de la velocidad de la noria,
a mayor velocidad, mayor fuerza. A medida que se aplica la fuerza se genera una
frecuencia que es enviada a un módulo electrónico, donde es comparada con los
valores de calibración y convertida en rendimiento.
Como el sistema no es una parte integral de la cosechadora, es importante
que la instalación y calibración sean correctas para lograr mediciones de rendimiento
precisas. El fabricante también sugiere que se deben realizar calibraciones regulares
a través de una campaña de cosecha, para mantener la precisión.
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.
4. Sensor de fuerza de impacto, AgLeader (estos son los más confiables en

cuanto a precisión)
El rendimiento puede medirse poniendo una placa de impacto en el camino del
flujo de grano. La fuerza es medida por una celda de carga, que es un dispositivo que
transforma una carga incidente en una señal eléctrica. Esta conversión es lograda a
través de un “strain gage” adosado a la celda. Una muy pequeña deformación de la
celda de carga ocasiona un cambio medible en la resistencia ofrecida por el “strain
gage” al flujo de corriente eléctrica.
Este sistema presenta muy poco desgaste con el uso al no tener piezas
móviles, lo que significa que no ocurrirán cambios en la calibración debido al desgaste
de las piezas del sensor. Si pueden ocurrir cambios en la calibración, y de hecho
ocurren y son de importancia, por desgaste de las piezas de la cosechadora, como
por ejemplo de los baldes de la noria que modifica la luz entre estos y la pared de la
noria, o de la tensión de la cadena de la noria.

5. Sensor de desplazamiento de placa, John Deere
Este sistema es similar al anterior, con la diferencia de que se utiliza un
potenciómetro para medir el desplazamiento de la placa donde impacta el flujo de
grano. Un potenciómetro es un dispositivo que produce una resistencia variable a un
flujo de corriente eléctrica a medida que las posiciones relativas de sus componentes
cambian. La distancia que se desplaza la placa de impacto es proporcional al flujo de
grano, y es transformada en rendimiento comparándola con los valores de la curva de
calibración.
Este sistema tiene partes móviles, lo que implica que puede existir desgaste
con el uso y por ende cambios en la calibración necesaria para mantener la precisión
de los datos estimados de rendimiento.
Fig. 4: sensor de flujo de grano.
Sensor de humedad de grano

Los granos son una compleja mezcla de componentes que incluyen proteínas,
almidón, agua y aceites. La calidad del grano, que está determinada por estos
componentes, es de importancia creciente en el mercado. De cualquier modo, en
tiempo de cosecha, el agricultor está más interesado en solo dos componentes del
grano: materia seca y humedad. El contenido de humedad del grano afectará el
momento de cosecha, afecta la cantidad de grano dañado que ocurrirá durante la
cosecha y cómo el grano debe ser manipulado y almacenado luego de la misma. De
gran importancia es su efecto en el peso y volumen de la misma.
El contenido de humedad de grano también afecta la habilidad del productor
para comparar la performance del cultivo dentro y entre lotes. Los contenidos de
humedad pueden variar mucho dentro de un lote y ciertamente variarán con el tiempo.
Es necesario grabarlo en el momento de la cosecha para que todos los datos de
rendimiento puedan ser convertidos a valores estándar. Para maíz, el contenido base
de humedad es de 14.5 % (peso del agua dividido el peso del agua más la materia
seca). La mayoría de los sistemas de monitoreo de rendimiento incluyen alguna
manera de medición del contenido de humedad de grano automáticamente, sobre la
marcha. Esto permite que cada dato de rendimiento tenga un valor de contenido de
humedad asociado.
Sensor de humedad del tipo capacitancia

Estos sensores generalmente son ubicados en el sistema de grano limpio de la
cosechadora cerca del sensor de flujo. Puede ubicarse en el elevador de grano limpio
o en el sinfín de alimentación de la tolva.
El sensor de capacitancia mide las propiedades dieléctricas del grano que
fluye entre las placas metálicas, mientras más alto es el contenido de humedad del
grano, más alta es la constante dieléctrica, y ello indica la cantidad de humedad del
grano.

Para la situación de cosecha Argentina, estos sistemas colocados en el sinfín
de alimentación de la tolva, han presentado algunos problemas de pérdida de
exactitud de medición por acumulación de tierra sobre el sensor, el cual por más que
sea limpiado frecuentemente, para sojas verdes con malezas, con hormigueros, y
trigos con malezas verdes, deja de ser confiable.
Afortunadamente, ya existe la solución al problema, y consiste en colocar el
sensor en el elevador de grano con entrada en la zona de elevación y salida regulada
por un motor eléctrico en el regreso de la noria. Este equipamiento no presenta
problemas de pérdida de sensibilidad y es el equipo original de John Deere y
AgLeader en la actualidad.
Fig. 5: Sensores de humedad de grano tipo John Deere (izquierda) y Ag Leader (derecha)
Como cualquier sensor de humedad de grano, para ser preciso, necesita de

una calibración, por ello se debe tomar simultáneamente la humedad de grano
indicada por el monitor y las muestras de humedad de la tolva, para cargar el dato
real y también leer la humedad promedio para luego sacar muestras representativas
de varios lugares del lote y compararla para ingresar el dato real, luego de calibrado y
de no ocurrir un empastado del sensor, el mismo medirá con precisión.
Sensor de velocidad de avance

1. Sensor magnético: mide las vueltas del palier o de las ruedas delanteras de la
cosechadora. Generalmente es el medidor original de la cosechadora, son exactos
cuando existen condiciones de buen piso y el neumático no se entierra ni patina.
Calibrando este sensor en las mismas condiciones que de la cosecha se
independiza del patinamiento y de las diferencias de diámetro de la rueda por
enterramiento de los tacos.
2. Radar: emite una señal de micro ondas que es dirigida al suelo y vuelve al sensor
reflejado por el suelo. Por ello estos deben estar ubicados cerca del suelo y
orientados con un ángulo de 30º. Estos sensores resultan más precisos que los
magnéticos cuando la cosechadora trabaja en cultivos de arróz debido al patinaje
de las ruedas de tracción en el barro.
Sensor de posición del cabezal

El sensor de posición del cabezal controla el cálculo de superficie realizada por
la cosechadora.
Cuando se levanta el cabezal, el sensor suspende la medición de área, cuando
el cabezal baja a una altura razonable y regulable el equipo comienza a contar
distancia recorrida y área.
Los nuevos monitores de rendimiento tienen un software que le permite al
operador estimar el retraso de paso, hasta que el grano llega desde el cabezal hasta
el sensor de flujo. Otros ya incluyen un comienzo de retraso de paso para permitir que
el flujo inicial de grano dentro de la cosechadora sea ignorado en los cómputos del
monitor de rendimiento. Ese retraso de tiempo generalmente significa una cantidad de

metros recorridos dependiendo de la velocidad de avance, ese es el error que puede
leer el operario en el monitor, pero que luego en el mapa de rendimiento, será
corregido por el software colocando el dato en el lugar lo más aproximado posible de
donde fue tomado.
En la otra punta del lote cuando la máquina levanta el cabezal, también existe
un final de retraso de paso que permite que el flujo de grano que ingresó en el
cabezal cuando éste fue levantado pueda ser incluido en los cómputos del monitoreo
de rendimiento y el proceso de conteo de superficie sea suspendido.
Consola del monitor

La consola está conectada a todos los sensores que suministran la información
para calcular el rendimiento de grano en tiempo real.
Existen datos que deben ser incorporados por el operario, para lo cual no
existen sensores instalados (lote, carga, número de hileras y distanciamiento,
humedad base a la que se quiere corregir el rendimiento, cargas de calibración de
peso real, calibración de humedad real, o cualquier referencia del lote).
Información suministrada por el operario:

1. Nombre del lote.
2. Nombre o número de la carga.
3. Ancho de corte (número de hileras y distanciamiento).
Información suministrada por el monitor:

1. Mide y muestra en el display continuamente el rendimiento instantáneo (Tn/ha),
humedad de grano instantánea (%), velocidad de avance (Km/h.), flujo de grano
(Tn/h.), superficie cosechada y calidad de recepción de la señal DGPS.
2. Calcula, muestra en el display y graba rendimiento promedio y máximo, humedad
promedio y máxima, superficie, distancia, toneladas de grano húmedo y seco, día
y hora de cosecha para cada lote.
3. Si el monitor está recibiendo señal DGPS a través de un receptor, se pueden
confeccionar mapas de rendimiento y humedad de grano.
Monitores disponibles en Argentina: AFS (CASE), AG LEADER (D&E), GREEN STAR
(JOHN DEERE), FIELD STAR (AGCO) y RDS (METALTECNICA).
A B
Fig. 6 Monitores de rendimiento:

(A) Green Star (John Deere), (B) AgLeader y (C) RDS

Todos los monitores de rendimiento que se venden en Argentina tienen
su sistema en unidades métricas, es decir Km./h., ton/ha., distancia en m.
Existe otro opcional llamado marcador de campo, el mismo consiste en
un control remoto conectado a la consola del monitor que permite marcar
espacialmente en el lote diferentes situaciones.
Por ejemplo: 1-Maleza A.
2-Maleza B.
3-Mala implantación.
4-Presencia de una enfermedad.
Fig 7: monitor con marcador de

campo. CASE
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.

La calibración comprende la selección de constantes y procedimientos para
determinar coeficientes de calibración y convertir las señales eléctricas medidas en
parámetros deseados.
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.
Calibración por vibración

El monitor de rendimiento debe ser calibrado para eliminar falsas lecturas de
flujo de grano causadas por las fuerzas de vibración cuando la cosechadora está
funcionando a régimen.
Para llevar a cabo esta operación se debe poner en funcionamiento la máquina
en vacío con el cabezal embragado, a las revoluciones de régimen, y mover el valor
de calibración hacia arriba o hacia abajo hasta que el monitor no produzca lecturas de
rendimiento. Como las fuerzas de vibración no son constantes se puede no lograr una
lectura de flujo 0 constante, en ese caso se debe ajustar el valor de calibración a un
valor en el que se produzca una lectura de flujo mayor que cero en un período de 10
segundos.
Estas tres calibraciones son independientes del cultivo que se coseche, o sea
que no se deben realizar para cada tipo de grano distinto. En cambio las calibraciones
de humedad y flujo deben ser realizadas por cultivo independientemente.

Calibraciones durante la cosecha
Calibración del sensor de altura del cabezal

El sensor de altura del cabezal le indica al monitor cuando la máquina está
cosechando y cuando no. Para cada cultivo hay una altura diferente de cosecha, y
para un mismo cultivo puede diferencias en la altura de cosecha según las
condiciones. Cada vez que se ingresa a un lote se debe regular la altura de corte de
este sensor, esto se hace poniendo el cabezal a la altura de trabajo y se mueve la
constante hacia arriba o hacia abajo hasta que la luz indicadora de conteo de
superficie este apagada. Luego se levanta el cabezal a la altura que generalmente lo
hace el operario al llegar a los extremos del lote, en este caso la luz debe estar
prendida indicando que no cuenta superficie.
Si al llegar a los extremos del lote no se levanta el cabezal lo suficiente como
para que prenda la luz indicadora, el monitor interpretará que hay zonas de
rendimiento cero, porque la máquina estaría cosechando pero no ingresa grano. Esto
arruinaría los promedios al aumentar la superficie para una misma cantidad de grano,
y figuraría en el mapa como zonas de puntos de rendimiento cero; estos ruidos en los
mapas podrán ser limpiados a través de un operario con experiencia en el manejo del
software.
Calibración de humedad de grano

Para calibrar la humedad se debe comparar la medida determinada por el
monitor con una serie de determinaciones de algún otro medidor de humedad cuyas
medidas hayan sido verificadas en su precisión. Para lograr una calibración precisa de
humedad se aconseja iniciar una carga nueva en el monitor y cosechar una pequeña
cantidad de grano para evitar variaciones en la muestra testigo. El hecho de llevar a
cabo esta operación cosechando poco grano hace menos probable que la humedad
varíe dentro de la carga, lo que resultará en una calibración más precisa.
En los sensores de humedad colocados en el sinfín de descarga dentro de la
tolva puede ocurrir que la placa se empaste, especialmente en soja, por ende hay que
tener la precaución de que cuando se realice la calibración esta esté limpia. En el
caso de que debido al empaste del sensor las mediciones de humedad tienen un error
muy grande se puede indicar al monitor que no trabaje con humedad automática sino
que corrija en base a una humedad manual que le ingresamos como dato constante.
Por eso se aconseja el uso de los nuevos sensores de humedad colocados en la
noria, que solo sensan una muestra del grano, y no sufren la fricción del torbellino del
total del grano que ingresa a la tolva, lo que causa el empaste del sensor
especialmente en soja en siembra directa donde ingresa tierra de las cuevas de
peludo y hormigueros, y el jugo de las malezas.
La calibración de humedad es retroactiva, lo que significa que corregirá todos
los lotes y cargas anteriores a la calibración de ese cultivo.
Calibración del peso del grano

Antes de realizar esta operación se debe haber realizado la calibración de
humedad. El monitor se calibra sobre la base de pesos actuales que se le ingresan,
estos se obtienen pesando el grano cosechado en una carga, en una balanza precisa.
La calibración del monitor puede ser muy precisa porque este genera un valor de
calibración para cada nivel de flujo de grano o cantidad de grano que pasa por la
cosechadora que el sensor está midiendo. El flujo de grano varía cuando se cambia la
velocidad de avance o cambia el rendimiento del cultivo. Sin embrago, el monitor
puede calibrarse solo para el rango de flujos de grano que pasaron por el sensor
cuando se cosecharon las cargas de calibración. Por eso, para lograr una calibración
precisa en todo el rango de flujo de granos, se debe cambiar en forma programada el
flujo de grano, variando la velocidad de avance y/o el ancho del cabezal, de una carga

de calibración a la otra. Para obtener resultados precisos de la calibración se deben
cosechar por lo menos 6 cargas de calibración (con pesos actuales), y cada una de
estas cargas debe ser cosechada a un diferente flujo de grano variando la velocidad
de avance y/o el ancho del cabezal, y contener por lo menos 2000 kg de grano
recolectado dentro de la tolva en cada pasada.
Carga 1 Carga 2 Carga 3 Carga 4 Carga 5 Carga 6

Velocidad
12 10 8 6 4 2
Km/h
Ancho de
10 10 8 8 6 6
cabezal
Ejemplo de Cargas de Calibración variando Velocidad y Número de hileras.

Para cosechar cada carga de calibración se debe comenzar a cosechar dentro
de una carga nueva, y con la tolva de la cosechadora vacía. Una vez recolectada la
cantidad de grano suficiente se descarga en una tolva, que luego es pesada. A
continuación se ingresa el peso real en el monitor, y se comienza una nueva carga a
un flujo de grano diferente. Una vez que se completaron las 6 cargas el monitor nos
da la opción de realizar la calibración total, en la que promedia las cargas realizadas y
genera la curva de calibración en la que van a estar representados todos los flujos de
grano.
Se pueden agregar o quitar cargas de calibración y recalibrar el monitor en
cualquier momento durante la cosecha. También se recomienda realizar chequeos
permanentes a lo largo de la campaña de cosecha, pesando cargas y controlando con
el peso deducido por el monitor. Si se descubre que el monitor perdió precisión se
puede ingresar el peso actual o real de esa carga y recalibrar el monitor.
Si se ajusta la cadena de baldes de la noria durante la cosecha se debe hacer
mediante el tensor inferior, ya que si se mueve la parte superior de la noria la
calibración se volverá imprecisa y se requerirá una nueva calibración.
Si todos estos pasos son realizados correctamente estaremos en un nivel de
precisión del rendimiento corregido por humedad menor al 5 %, lo que ubica a los
datos obtenidos como muy útiles para ser utilizados en el diagnóstico del gran cultivo.
Receptor DGPS para monitores de rendimiento

La antena DGPS debe ir al centro de la máquina para que las sucesivas
pasadas queden a la misma distancia unas de otras; además los cables, antenas y el
motor no debe interferir con la señal de DGPS o en caso de no tener señal correctora
nada debe interferir a la señal que debe recibir los satelites.
Como presentar los datos para la elaboración de un buen mapa de rendimiento

La selección de rangos de rendimientos y esquema de colores correctos tiene
una gran influencia sobre el aspecto estético, calidad, facilidad de interpretación y
utilidad de los mapas.
Los tres aspectos más críticos para una presentación adecuada de los datos de
rendimiento son:
1. Agrupamiento de los datos: a) Números iguales, b)Intervalos iguales,

c) Desviación estándar, d) Intervalos naturales
2 Números de rangos: es el número apropiado de intervalos en el que se

distribuyen los datos.
En general cuando se eligen pocos rangos de rendimiento se enmascara la
variación real, mientras que la elección de demasiados rangos resulta en un mapa

complicado para que un observador humano lo procese virtualmente. Los
cartógrafos recomiendan entre 4 y 10 rangos, con un óptimo de 6.
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.
Los mapas de rendimiento deben ser confiables, precisos, claros y fundamentalmente

útiles en cuanto a la información brindada.
Precisos: gran parte de la precisión depende de la calidad y correcta calibración de

los sensores de flujo de grano (pesada exacta en un amplio rango de flujo) y del grado
de conocimiento y motivación del operador
El monitor de rendimiento reflejará con precisión la variación espacial del rendimiento
del lote si funciona correctamente y se encuentran bien calibrados los siguientes
componentes:
1) Sensor de flujo de grano, 2) Sensor de humedad de grano, 3) Sensor de velocidad
de avance, 4) Sensor de posición del cabezal, 5) Consola del monitor, 6) Receptor
de DGPS
El operador deberá cargar exactamente:

a) Nombre y número del lote
b) Nombre y número de carga (si necesita parcializar franjas o tratamientos)
c) Ancho de corte (número de hileras y distanciamiento)
d) Como opcional el operario puede disponer de un marcador de campo, el mismo
consiste en un control remoto conectado a la consola del monitor que permite
marcar espacialmente en el lote diferentes situaciones. Por ejemplo:
• Maleza A
• Maleza B
• Mala implantación
• Presencia de enfermedades
Es fundamental que el operario se capacite acerca del manejo correcto de

toda la instrumentación, calibración y que además conozca la utilidad y necesidad que
los datos cosechados y grabados tienen dado que a partir de ellos se diagnosticará la
futura aplicación de insumos y que si no son precisos reflejaran una situación que no
representa exactamente la realidad del lote.
Si todo lo anterior mencionado funciona correctamente y el procesamiento de los
datos y elaboración del mapa se realizó con criterio obtendremos un mapa que refleja
claramente la realidad.
La tarea siguiente es la más difícil y es la interpretación de la realidad y como
aislar correctamente los factores separando las variaciones propias del lote de las
inducidas por factores de manejo y es ahí donde el mapa será de utilidad para extraer
conclusiones que puedan ayudar en la toma de decisiones de manejo. Por ejemplo:
un rendimiento mayor en una parte del lote debido al cambio de híbrido de maíz, otra
situación podría ser el notorio cambio de rendimiento fuera de un círculo de riego.
El mapa de rendimiento será de utilidad cuando refleja con precisión la
variabilidad espacial del rendimiento y la persona que realizó el análisis puede aislar
con datos reales todas las posibles influencias de manejo, a través de una planilla de

cultivo que contenga los datos necesarios de cada zona del lote, como ayuda para
comprender las variaciones de rendimiento.
Ejemplo: como se expreso en el inicio un mapa de rendimiento puede expresar
variabilidad natural y variabilidad inducida por manejo, o bien la respuesta en el
rendimiento de ensayos a campo correctamente programados.
Variabilidad natural: si el objetivo es utilizar el mapa de rendimiento de un cultivo

para conocer los sitios de diferentes potenciales de rendimiento dentro de un lote que
ya se supone presenta variabilidad topográfica, historia, estructuras anteriores o bien
por la misma génesis del suelo. El mapa se debe programar la siembra y el manejo
tratando de eliminar todos los factores componentes del rendimiento que el hombre
puede alterar.
Ejemplo: sembrar igual cultivar, con la misma sembradora, igual profundidad,
densidad, igual dosis de fertilizante, igual control de malezas, igual control de plagas y
enfermedades e igual momento y cosechadora utilizada. Solo de esta manera
podremos diferenciar sitios de rendimientos de potenciales diferentes, no más de 4 en
un lote, para posteriormente, si las variaciones de rendimiento de un lote no menor a
60 has., resulta interesante continuar definiendo causas con análisis de suelo
diferencial y luego proseguir si se justifica con un manejo por sitios o bien
programando ensayos que clarifiquen la respuesta variable de uno o dos insumos
prioritarios.
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.

Ensayos a campo programados para ser evaluados con monitoreo de
rendimiento satelital
En todo sistema de producción el productor y el técnico asesor poseen una
serie de incógnitas sobre los factores de rendimiento que gravitan con mayor
incidencia en el rendimiento; mediante una buena planificación podría utilizar la
técnica del mapa de rendimiento para evaluar la respuesta agronómica y económica
de la aplicación de los diferentes insumos.
Para encontrar respuestas útiles a la cuantificación de los factores de
rendimiento se deben planificar al igual que un ensayo tradicional, modificando solo
un factor por ensayo, tratando siempre de cruzar la variabilidad del suelo, topografía,
o sea que todos los tratamientos tengan igual incidencia del bajo, media loma y loma
y que el área cosechada de cada tratamiento supere los 2500 kg. de pesada por
tratamiento durante la cosecha y en lo posible con no mas de 2 entradas y salidas de
cosechadora.
Si se busca mayor precisión, los tratamientos deberían tener 3 repeticiones.
Con el mapa de rendimientos podríamos no solo saber en promedio las diferencias
entre tratamientos y las respuestas variables de ese factor en los sitios evaluados.
Luego de obtenido el mapa se podría evaluar cual variedad o híbrido, o la
dosis de fertilizante, o el uso de sembradora neumática, o tratamiento de control de
malezas, plagas o enfermedades, o el sistema de cosecha del cultivo anterior
(cosechar con cabezal stripper en trigo), etc.
Con los datos físicos de incremento de rendimiento de cada factor evaluado en
cada sitio, se podrá hacer un calculo de ingreso neto, restando el incremento de
costo en los casos que exista, para luego extraer la mejor respuesta económica en
cuanto a las diferencias económicas de cada tratamiento y para cada sitio.
Una metodología muy utilizada por los productores y empresas semilleras de
EEUU para evaluar nuevos cultivos de soja o maíz consiste en utilizar una
sembradora de 12 o 16 hileras para sembrar con dos cultivares dividiendo en dos
mitades la sembradora, con ello se consiguen ensayos de franjas en una ida y vuelta
de 12 o 16 hileras para luego cosecharlos con cabezales de 6 u 8 hileras
respectivamente.
La mitad derecha con el cultivar A (el mejor y más conocido en la zona), y en la
mitad izquierda el cultivar B (uno nuevo y más promisorio de los ensayos de parcela
para la zona). Luego de cosechado con el mapa de rendimiento y utilizando un
programa GIS se podrá confeccionar un mapa de diferencia de rendimiento por zonas
del lote, extrayendo una gran cantidad de datos con mucha certeza en los resultados
y mucha claridad de interpretación.
Esta metodología de dividir la sembradora en 2 tratamientos se puede realizar
también con fertilizantes arrancadores y nitrógeno a la siembra y también para
densidad de siembra de un mismo híbrido.

COSECHANDO DATOS GEOPOSICIONADOS
Monitor de Rendimiento con DGPS
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
Ejemplo de los datos obtenidos con el monitor de rendimiento donde se

planificó la siembra
Antecesor Soja Antecesor Maíz

Riego Secano Riego Secano
Cultivar de trigo
kg/ha Kg/ha Kg/ha Kg/ha
Pro- INTA Oasis 4.600 2.300 4.160 2.080
Pro- INTA Imperial 4.810 2.300 4.490 2.300
Buck Guaraní 4.810 2.080 5.030 2.300
Pro- INTA Quintal 5.030 2.190 4.600 2.730
Pro- INTA Isla Verde 6.240 2.520 5.470 2.950
Pro- INTA Federal 5.250 2.630 5.250 2.950
Promedio 5.030 2.530 4.700 2.840
Tipos de variabilidad reflejada por los mapas de rendimiento
Variabilidad Natural:
- Relieve/ Pendiente
- Climática
- Relación suelo-clima
- Propiedades físicas y químicas del suelo
- Infestación de malezas, insectos y enfermedades

Variabilidad Inducida:
1) Manejos anteriores:
- Apotreramiento
- Rotaciones
- Prácticas anteriores
2) Manejo actual
- Cultivares
- Fechas de siembra
- Densidad
- Fertilización
- Herbicidas
- Laboreos
- Riegos, etc.
El mapeo de rendimiento es realmente valorable cuando la información lograda

permite que el productor tome mejores decisiones de manejo.
Para que los mapas de rendimiento puedan ser de utilidad concreta en el
diagnóstico agronómico acertado, debe existir un profundo conocimiento de los
alcances de la información georreferenciada y además de la cuantificación de la
variabilidad del rendimiento de un cultivo que posee un lote, a partir de ello se pueden
planificar ensayos en el gran cultivo que pueden ser analizados con alguna ventaja
sobre los métodos tradicionales de evaluación:
¾ El mapa de rendimiento ofrece una vista en planta, similar a una imagen aérea.
¾ Permite la obtención de mayor cantidad de resultados (promedios totales,
parciales, datos puntuales, etc.)
¾ Permite analizar factores de manejo con testigos apareados cruzando la
variabilidad (relieve, fertilidad) con una cantidad de información desde 180 hasta
1500 datos por hectárea, de ambos tratamientos en forma cruzada con otros
factores.
¾ Permite el análisis de factores de manejo no planteados, que se manifiesten
espontáneamente al realizar el mapa y al retroceder en la información con la
planilla del cultivo del lote, encontrar la posible causa de manejo y cuantificarla.
¾ Permite realizar seguimientos a través del tiempo.
¾ Posibilita realizar correlaciones con otras bases de datos georreferenciadas.

Como experimentar en forma eficiente en el gran cultivo utilizando el monitor de
rendimiento
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.
1. Planificar el ensayo: es importante para el éxito de los resultados en el campo y

el posterior análisis de gabinete. Se debe tener en claro cuales son los objetivos,

cuales son los tratamientos, cuales los datos que se deben tomar y quien los va a
tomar.
2. Determinar los objetivos: el objetivo de un ensayo en el campo puede ser
evaluar un nuevo producto o práctica. Lo lógico sería adoptar la técnica o producto
que tuvo el mejor resultado, en la totalidad del campo o en la parte similar a donde
se hizo el ensayo. Este tipo de ensayos puede dar confianza o no a la adopción de
nuevas tecnologías.
3. Elegir la ubicación: se debe elegir un área del campo que sea representativa de
la situación general del campo. El tipo de suelo, pendiente, fertilidad, etc. deben
ser lo más uniforme posible (a menos que sean los factores a evaluar), para que la
variabilidad observada se deba a la diferencia entre los tratamientos y no a otro
factor.
4. Seleccionar los tratamientos: si se desea evaluar una nueva técnica o producto
se debe comparar a este con el manejo tradicional como testigo. También se
pueden comparar tratamientos como fechas de siembra, densidades,
espaciamiento, fertilizantes, localización, momentos, etc.
5. Número de tratamientos: debido a que la regla debería ser mantener los
ensayos lo más simple posible, se aconseja mantener el número de tratamientos
lo más bajo posible. Cuanto mayor sea el número de tratamientos más difícil será
el seguimiento y la interpretación de los resultados.
6. Mantenerse imparcial: se debería codificar con números o letras la ubicación de
cada tratamiento para mantenerse imparcial al momento de tomar datos o
mediciones y no sesgar la información por preferencias personales.
7. Repetir: se deben hacer por lo menos tres repeticiones contemporáneas del
ensayo para poder analizar los datos estadísticamente y de esta forma disponer
una mejor estimación del efecto de los tratamientos. Ver figura 1.
8. Almacenar los datos: se deben guardar reportes detallados de la ubicación de
los ensayos, y de todos los eventos que ocurren durante la estación de
crecimiento, como fechas de siembra y aplicaciones, condiciones climáticas, etc.,
porque estos pueden llegar a explicar los rendimientos grabados durante la
cosecha.
9. Analizar estadísticamente: el propósito de analizar estadísticamente es
determinar si los resultados del efecto del tratamiento son repetibles.
Sin repeticiones Con 3 repeticiones
Repetición 1
Tratamiento 1
Testigo
Tratamiento 1 Repetición 2
Testigo Tratamiento 1
Testigo
Repetición 3
Tratamiento 1
Testigo
Figura 12: esquema de ensayos con y sin repeticiones.

Dependiendo del nivel de precisión del dato se realizará con o sin repeticiones,
pero siempre que se disponga de tiempo se aconseja realizarlas como lo muestra el
esquema anterior, para mejorar la repetibilidad de los resultados.
Ejemplo de metodología específica para evaluar híbridos de maíz o cultivares de

soja.
La habilidad de predecir como un híbrido o variedad pueda repetir los
rendimientos relativos depende de muchos factores, pero al disponer de los datos de
muchos ambientes la probabilidad de error disminuye. Como regla general se indica
que la comparación entre híbridos y variedades deben incluir por lo menos 10
situaciones diferentes para predecir como reaccionará en el futuro.
Con el monitor de rendimiento el productor puede ampliar el número de
ambientes evaluados al tener 3 o 4 situaciones de rendimiento relativo en un mismo
lote, y si realiza 3 o 4 mapas de rendimiento en una campaña con cierta variación
climática ya puede disponer de una información muy valiosa: para ser utilizada en la
próxima siembra.
Con el ritmo de evolución de los avances genéticos apartir de la biotecnología,
realizar ensayos de cultivares para luego adoptar el mejor después de haberlo
probado 4 años siempre en un ambiente, resulta lento y se termina llegando en
muchos casos tarde no siendo un método eficiente para el productor, como ejemplo
en el año 1997 se sembraron a nivel de productor las primeras sojas RR y en la
próxima campaña se estima que cubrirá el 90% del área sembrada.
Un método muy utilizado en EEUU para evaluar híbridos o variedades es el
llamado de franjas apareadas con repeticiones.
El método consiste en utilizar una sembradora de 12, 14, 16, 18 o 20 hileras
para luego cosechar con cabezal de 6, 7, 8, o 10 hileras respectivamente.
Sembradora dividida
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Mando ½ sembradora para fertilizante y semilla
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
Cosechadora con cabezal de 9 hileras

Fig. 13: Esquema de metodología de trabajo de franjas apareadas para la posterior
confección de mapas de diferencias.

Se carga la mitad de la sembradora con un híbrido o variedad, y la otra mitad
con un testigo que generalmente es el híbrido o variedad más conocida y de mejor
comportamiento hasta el momento. Por ejemplo puede ser un híbrido de maíz
convencional contra un Bt. Luego se podrá en otra parte del lote evaluar otros híbridos
nuevos pero siempre con el mismo testigo obteniendo el rendimiento relativo con
respecto al testigo, con una variación espacial de respuesta a los diferentes
ambientes que cruce la franja como ser loma, media loma y bajo.
De esta manera en la ida y vuelta de la sembradora quedaran franjas de 12,
16, 18 y 20 hileras de cada híbrido apareadas que podrán ser cosechados en una ida
y vuelta de la cosechadora.
Precauciones para este tipo de ensayo

• Comparar siempre híbridos o variedades de una madurez similar, para maíz
de no más de 5 días de diferencia de ciclo y no más de 2 % de diferencia de
humedad a cosecha.
• Ajustar los otros factores componentes de rendimiento tan uniforme como
sea posible dentro de la tirada (densidad, profundidad, PG de la semilla,
fertilizante arrancador y refertilización, control de malezas, insectos y
enfermedades.
• Seguir minuciosamente un registro del cultivo que luego pueda explicar el
comportamiento del híbrido, o cualquier factor que haya podido modificar su
comportamiento.
Esta metodología de sembrar con media máquina se puede utilizar también
para comparar diferentes dosis de arrancadores y nitrógeno a la siembra, como así
también el Azufre ahora tan de moda. Existen máquinas como por ejemplo las
Agrometal MX 33/21 o MX 46/21 de fino-soja o las Agrometal TX3 18/70 o 22/52 que
poseen dos mandos con cajas de semilla y fertilizante individuales para cada mitad de
sembradora, por lo que se puede mantener la densidad de semilla y usar dos dosis de
fertilizante distintas en cada mitad de la máquina y luego evaluar la respuesta en
situaciones diferentes, o bien mantener la dosis de fertilizante y variar la densidad de
semilla.
Muchos ensayos se pueden realizar para acumular datos confiables, la ventaja
del monitor de rendimiento en la evaluación de franjas frente a la balanza tradicional
consiste en la facilidad de recolección de datos, la grabación espacial con una
cantidad de 180 a 1200 datos/ha que luego mediante un programa GIS como, por
ejemplo el SSToolbox, poder confeccionar mapas de diferencias de rendimiento.
(figura 14)
En las siguientes figuras se observa un mapa de rendimiento de soja (A)
realizado sobre un lote donde se sembró con la mitad de la sembradora con la
A. B.
Figura 14: para pasar de

Bushels por acre (Bu/ac)
a qq/ha multiplicar por
0,6736.

variedad 3335 y la otra mitad con la variedad 3375. Luego se confecci onó el mapa de
diferencias de rendimiento (B).
Con estos datos uno puede llegar a la conclusión que solo en la parte rojo
pálido la variedad 3335 tuvo un rendimiento superior de 1200 kg/ha con respecto al
testigo y que una pequeña zona en rojo intenso la diferencia superó los 1800 kg/ha y
en el resto de las zonas amarilla y blanca solo existió una diferencia inferior a los 700
kg/ha.
En el próximo mapa de rendimiento (figura 15) realizado en un cultivo de maíz

con dos híbridos diferentes se puede observar la diferencia de respuesta existente por
tipo de suelo. En el tipo de suelo A, de menor fertilidad, no hay diferencias
significativas en sembrar cualquiera de los dos híbridos; sin embargo en el tipo de
suelo B de mayor fertilidad, se alternan líneas de rendimiento verdes con líneas
combinadas de amarillo y azul, lo que indica un comportamiento superior de uno de
los híbridos. Algunos otros ejemplos de ensayos de respuesta al rendimiento de maíz
pueden realizarse con franjas apareadas como la densidad de siembra alterando la
caja de velocidad de la sembradora una vez por vuelta, o bien variar la velocidad de
siembra para observar como afecta la dispersión en la línea de siembra, situación
característica de las sembradoras mecánicas cuando se superan los 7 km/h, la
profundidad de siembra, o también la utilización de barredores de rastrojo en
siembra directa continua para fecha temprana de siembra de maíz, etc. Cada
productor luego de un análisis con su técnico asesor podrá priorizar las evaluaciones
de factores de rendimiento que crean pueden estar explicando los rendimientos en
ese campo en particular.
Figura 15: Mapa de rendimiento de un ensayo de híbridos de maíz realizado dividiendo la

sembradora en dos: 6+6= 12 hileras en una ida y vuelta. Cosechado con cabezal de 6 hileras.

Fig. 16: Mapa de rendimiento y diferencias entre una isolínea de maíz Bt y otra tradicional,
realizado en el INTA Manfredi.

Ejemplo de ensayo exploratorio en lotes de alta variabilidad de rendimiento
Cuando existen lotes de alta variabilidad de suelo a lo largo de la tirada de

cosecha, se tenga o no el mapa de rendimiento, se pueden encarar trabajos
exploratorios tratando de aportar datos que mejoren la información sobre las causas y
luego atacar el problema con mayor posibilidad de éxito.
Si ya se cuenta con mapa de rendimiento, lo primero será delimitar 3 o 4 zonas
de rendimientos homogéneos y muy distintos entre ellos. Luego, en lo posible, realizar
un muestreo de suelo en los diferentes sitios, con una metodología que nos de una
representatividad de las 3 o 4 zonas. (una muestra compuesta de varias submuestras
extraídas lo más representativo posible de cada uno de los 3 o 4 sitios)
Luego con los resultados de laboratorio ajustar el diagnóstico. Suponiendo
como ejemplo que el contenido de fósforo esté por debajo de los niveles de respuesta
a la fertilización y antes de tomar una decisión costosa de aportar una gran cantidad
de fósforo en fertilización de base se realiza un ensayo exploratorio que clarifique en
cierta medida la respuesta en el rendimiento en los diferentes sitios, para ajustar la
dosis y ver si económicamente conviene o no hacerla variable.
DISEÑO DEL ENSAYO EXPLORATORIO
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

600 m.
SITIO 1 SITIO 2 SITIO 3

20 m
Tratamiento con 100 kg/ha de FDA
80 m
Testigo 0 kg/ha de FDA
Detalle del ensayo
También se podría utilizar como fuente de fósforo “Superfosfato Triple” que en

muchos casos resulta más barato que el FDA, no posee nitrógeno y contiene 13% de
calcio.
Se siembra con el arrancador convencional todo de la misma forma, la misma
semilla, igual sembradora y el mismo día. Uniformando el control de malezas y plagas,
eliminando todo factor extra que pueda enmascarar la respuesta al fósforo que es el
objetivo. La fertilización adicional de nitrógeno se realizará en forma pareja en todo el
lote.
Luego se cosecha con la misma cosechadora los 15 m. centrales para evitar el
efecto traslape de la fertilizadora centrífuga al voleo.
Suponiendo que el cultivo testeado fue maíz y el mapa indica los siguientes
rendimientos (estos resultados se extraen del mapa de rendimiento en forma muy
rápida y sencilla):
Rendimiento Rendimiento Rendimiento Rendimiento

Tratamiento
Promedio Sitio 1 Sitio 2 Sitio 3
0 kg./ha FDA 60 qq/ha 45 qq/ha 65 qq/ha 75 qq/ha

Con este ensayo exploratorio y si los resultados fuesen tan claros como los
obtenidos en el ejemplo se podría estar definiendo la aplicación de fósforo previo a la
siembra en franjas cruzadas paralelas con una fertilizadora convencional. Como
información adicional al ejemplo, datos muy similares fueron extraídos en un ensayo
exploratorio realizado la campaña 1998/99 en la zona de Río IV en lotes con alta
variabilidad topográfica.
600 m
LOMA MEDIA LOMA BAJO

Pronunciada y Larga, medianamente Fértil por
degradada degradada acumulación
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
El análisis económico de los resultados a través de una planilla Excel (que se

adjunta al final del trabajo) puede indicar con claridad que en el sitio 1 puede ser
conveniente aplicar (300 kg/ha) de FDA, que en el sitio 2 (200 kg/ha) es lo ideal y que
en el sitio 3 solo (100 kg/ha) serían suficiente. De esta manera se podrá realizar la
aplicación diferencializada y paralelizada para una mejor respuesta a la solución del
problema con una buena respuesta económica al dinero invertido en fertilizante,
reduciendo la complicación mecánica/electrónica de la dosificación variable.
Como aclaración de este ejemplo teórico se puede indicar que un maíz de
8000 kg/ha extraería 32 unidades de fósforo y nosotros en el sitio 1 y 2 estaríamos
aplicando (250 x 0,46=115 unidades de fósforo), quedando el efecto residual por lo
menos por 3 años, significando todas cuotas de ganancia por el incremento de
rendimiento del fósforo residual.

DOSIS VARIABLE DE SEMILLA Y FERTILIZANTE PARA EL CULTIVO DE MAÍZ
BAJO RIEGO
Ing. Agr. M.Sc. Mario Bragachini; Ing. Agr. Andrés Méndez; Lic. Federico Proietti; Ing.
Agr. Fernando Scaramuzza.
Página Web: www.agriculturadeprecision.org
Desde el año 1999 este establecimiento viene mapeando con monitor de

rendimiento los ensayos exploratorios de manejo variable de insumos según
ambientes. El campo posee 3 círculos de riego. El proyecto Agricultura de Precisión
de INTA utiliza 2 de los círculos de 54 hectáreas cada uno, en los cuales se llevaron a
cabo más de 10 ensayos de los cuales se obtuvieron datos de manejo de insumos
variables, elección de híbridos, densidades más apropiadas y fundamentalmente se
buscaba encontrar la mejor dosis económica y agronómica de nitrógeno en los
cultivos de trigo y maíz.
La siembra de estos ensayos que pasaremos a describir se realizó a mediados
del mes de setiembre de 2005 en el Establecimiento El Paraíso, ubicado en las
cercanías de Pilar (Provincia de Cba.). Allí se sembraron 54 has de maíz bajo riego,
con un manejo de fertilización y densidad de siembra variable según la potencialidad
productiva de los diferentes ambientes del lote.
Ubicación: Establecimiento "El Paraíso" (Barrilli – Borletto SH), círculo 4 - bajo

riego, ubicado en la localidad de Pilar (Córdoba – Argentina) a 31º 38' 46'' de latitud
sur y 63º 49' 40'' de longitud oeste.
Suelo: Complejo de Series Matorrales 40 %, Costa Sacate 30 % y Villa Rosario
30%. Símbolo Mt6. Capacidad de uso: III C
Historial productivo del potrero: Monocultivo de maní (20 – 25 años) y
monocultivo de soja (15 – 20 años). Desde el año 1994 se realiza en un 100% la
siembra directa con fertilización y se incorporó el maíz. Las campañas anteriores
fueron: maíz (1999/2000), trigo (2000), soja (2000/01), barbecho verde de trigo (2001)
que fue secado 15 días antes de la siembra de los ensayos de maíz (2001/02), trigo
(2002), soja (2002/03), avena para barbecho verde, soja (2003/04), trigo barbecho
verde que fue secado 10 días antes de la siembra de maíz 2005/06.
Riego: Posee un sistema de riego por aspersión con un equipo de pivot
central, de avance hidráulico, sin cañón, marca T&L. El equipo posee un largo de 400
m y riega 4 círculos de 50 ha cada uno (riego complementario).
Forma de trabajo
Los ensayos consistieron en la variación de fertilizante nitrogenado

manteniendo constante la densidad de siembra, y posteriormente, se varió los dos
insumos a la vez. Además, se dejaron 7 franjas testigo (de 12 metros de ancho)
distribuidas cada 100 metros aproximadamente, donde se mantuvo la densidad de
siembra y dosis de fertilizante fija para poderla comparar a la dosis variable realizada
para el resto del lote. Las comparaciones entre rendimiento de dosis fija y dosis
variable fueron evaluadas utilizando software específicos con los datos obtenidos del
monitor de rendimiento en la cosecha.

Fig. 1: Esquema que muestra las franjas testigo (en
color verde) atravesando el lote sembrado con dosis
variable.
Características de la sembradora utilizada para el ensayo de insumos variables

en tiempo real
o Sembradora IOM Agrometal TX Mega de 12 surcos a 52,5 cm de separación

entre cuerpos.
o Doble Fertilización (al costado entre ambos cuerpos de siembra y en la línea
2x2)
o Distribuidor neumático de semilla por succión, con accionamiento de turbina en
forma hidráulica por bomba acoplada a la TDP.
o Distribuidor de semilla (un motor hidráulico produce el giro del tren cinemático)
o Distribuidor de fertilizante en la línea (ídem distribuidor de semilla).
o Distribuidor de fertilizante lateral (ídem distribuidor de semilla).
Regulación de la sembradora para manejo de insumos variables en tiempo real
La programación se inicia confeccionando la prescripción (recomendación) de

semilla y/o fertilizante variable, con sus correspondientes coordenadas GPS, de
acuerdo a la información geoposicionada disponible del lote a sembrar y al
conocimiento agronómico del asesor.
Para realizar la prescripción se utilizan software que pueden leer archivos
Excel o archivos de texto (extensión .txt) o (extensión .shp), y luego crear archivos de
puntos georeferenciados (latitud y longitud), donde cada punto posea la información
acerca de los cambios de dosis y densidad correspondientes. El último paso consiste
en ingresarle al monitor -ubicado en la cabina del tractor (Fig. 2)-, los datos
elaborados en la computadora.
• Prescripción: Se refiere a la cantidad que se debe colocar de semilla y
fertilizante a medida que la sembradora se desplaza por los diferentes
ambientes del lote.

Figura 2: Detalle del monitor Verion Figura 3: Motor hidráulico variador de
para realizar dosis variable manual o vueltas del tren cinemática que dosifica
satelital en tiempo real. variable. La máquina posee 3 motores
(semilla, fertilizante en la línea y fertilizante
al costado)
Figura 4: Ejemplo de la prescripción del lote de maíz, campaña 2005 / 06.
El mapa de la figura 4, fue generado por el software MapEdit. En él, pueden

observarse diferencias de colores debido a la variación de la densidad de siembra o
de la dosis de fertilizante que se aplicó en el lote. El punto blanco visible en los mapas
muestra en la zona que se encontraba la sembradora en el momento de la medición,
y en los casilleros laterales se representan las aplicaciones numéricas. En los mapas
pueden notarse claramente los cambios en la densidad de siembra expresada en nº
de semillas cada 10 m (casillero nº1), la dosis de urea en kg/ha que se aplicó por sitio
(casillero nº2) y la dosis de fosfato diamónico en kg/ha aplicada en la línea (2x2
pulgadas).
Recomendaciones de aplicación de dosis variable en base a mapas de

rendimiento, mapa de MO y muestreo de suelos dirigidos para determinar N
disponible en el momento de la siembra.
Rendimiento en
Figura 5

Figura 6
Las dosis de fertilización y la densidad de siembra variable observables por las

diferencias en los colores del mapa de aplicación (prescripción figs. 4) del lote
sembrado, se determinaron según tres factores: el potencial de rendimiento de mapas
de rendimiento anteriores, datos de ensayos anteriores realizados en el mismo cultivo,
el muestreo de suelos y la caracterización de los ambientes según los resultados
obtenidos de los análisis físicos y químicos de los mismos.
Luego de conocer las causas de las diferencias en el rendimiento, se planificó
la densidad de siembra variable y la dosis de nitrógeno según el método de balance.
En el mapa de rendimiento de la figura nº 5 puede observarse cómo el potencial de
rendimiento tuvo sus variaciones según las zonas (definidas en 3 zonas):
o zona de bajo potencial 110 qq/ha,

o zona de potencial medio 150 qq/ha
o zona de alto potencial de rendimiento 180 qq/ha.
Las 3 zonas quedaron caracterizadas en forma separada por potencial

de rendimiento, según el muestreo de suelo realizado posteriormente. En el
mapa de la figura 6, pueden comprobarse las diferencias en el contenido de
materia orgánica del lote.
o zona de bajo potencial de rendimiento menos de 1,7% de MO.

o zona intermedia entre 2.3 y 2,7% MO.
o zona de alto potencial más de 3% MO.
Puede verse de esta forma, cómo se corresponden los datos de mayor

cantidad de MO con los de mayor rendimiento del cultivo de maíz.

Diferentes ensayos realizados de dosis variable
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
Aclaración: A la cantidad de nitrógeno colocada en forma variable y a la dosis

uniforme como urea también se le debe agregar 90 kg de N/ha en forma uniforme
aplicada con el fertiriego como UAN como se ve en la última columna del cuadro 1.
Cuadro 2
Zonas Rendimiento Esperado (qq/ha)

Bajo potencial (1) 110
Potencial medio (2) 150
Alto potencial (3) 180
Rendimiento promedio
esperado del lote
150
Análisis de datos y discusión
El ensayo fue analizado utilizando el método de presupuestos parciales, el

cual consiste en hacer una sustracción entre los resultados de una situación nueva
(dosis variable) y los resultados de la situación base (dosis fija). El método de
presupuestos parciales se aplica a cada zona de manejo y a cada ensayo en
particular, comparando los rendimientos de un mapa de rendimiento.
Se obtuvieron los resultados de estas dos situaciones analizando los ensayos
mediante el programa SSToolbox 3.5.1, de esta manera se determinaron los
rendimientos medios de cada tratamiento (dosis variable y dosis fija) en cada zona (1,
2, 3) donde la zona 1 (bajo potencial de rendimiento), la 2 (potencial de rendimiento
medio) y la 3 (alto potencial de rendimiento). Tarea que se ve simplificada al identificar
cada tratamiento mediante la creación de “cargas” en el monitor de rendimiento al
momento de realizar la cosecha. Las zonas de manejo ya están previamente
establecidas por lo que, para determinar el rendimiento de cada tratamiento por zona,
solo es necesario superponer los mapas de cosecha y el de zonas de manejo y
atribuirle a cada punto del mapa de rendimiento la zona correspondiente.

Realizado este tipo de análisis y determinando cada parte del tratamiento a
que zona pertenece, se realiza un análisis estadístico para determinar las medias con
la mayor precisión posible para evitar realizar este paso manualmente se utiliza el
programa Infostat.
Al realizar el análisis se obtienen las medias por tratamiento y por zona, datos
fundamentales para realizar el análisis económico del ensayo.
Tabla 1 de rendimientos por zona y por tratamiento

Zona 1 Zona 2 Zona 3
Rendimiento
Ton/ha Ton/ha Ton/ha
Manejo Variable 9.64 10.33 12.37
Manejo Fijo 9.88 10.27 12.05
Diferencias -0.24 0.06 0.32
Tabla 2 de ingresos diferenciales
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)
Al utilizar este método de análisis en el primer ensayo (Nitrógeno y Semilla

Variable) (Tabla 1) se observo que salvo en la zona 3, en el resto de las zonas el
resultado fue positivo para la dosis variable. La zona 1, de menor potencial de
rendimiento, si bien tuvo un ingreso negativo (Tabla 1) (o sea menor rendimiento en la
dosis variable que en la fija), la diferencia en los costos también fue negativa (menor
en la dosis variable) (Tabla 2) por lo tanto el resultado final de la zona fue positivo. El
resultado negativo en la zona 3 se debió a que el aumento en el ingreso debido a un
mayor rendimiento, no compenso el mayor gasto ocasionado por la mayor aplicación
de insumos.
Por consiguiente a través del calculo de presupuestos parciales para cada
tratamiento por zona se obtuvo, que en todas las zonas, (excepto en la zona 1), el
ingreso (rendimiento x precio del maíz) fue mayor en la dosis variable que en la dosis
fija pero los costos ocasionados por los insumos aplicados fueron en casi todas las
zonas menores en la dosis variable que en la dosis fija, excepto en la zona 3 (gráfico
2).

Ingreso Diferencial
$150.00
$100.00
$50.00
Ingreso Diferencial
$0.00
1 2 3
($50.00)
($100.00)
Gráfico 1: Diferencias de resultado económico entre tratamientos por zona
$150.0
$100.0
$50.0
Semilla
$0.0
Urea
1 2 3
($50.0)
($100.0)
($150.0)
Gráfico 2: Diferencias de Gastos en insumos (dosis fija = 0)
Ponderando los resultados de cada zona por el porcentaje de superficie que

ocupa cada una, se obtiene un resultado diferencial positivo para la dosis variable del
orden de 38 $/ha. El resultado negativo de la zona 3, aminora el resultado total ya que
en este ensayo las tres zonas de manejo tienen una composición similar del total del
lote. Vale la pena aclarar que este resultado podría haberse mejorado si los objetivos
de rendimiento hubiesen sido menos exigentes para cada zona; pero en la zona 3 con
mayor incidencia (dado que se pensaba obtener 180 qq/ha). Con los ensayos
realizados en este campo se ha mejorado año tras año la precisión de aplicación de
insumos variables desde el punto de vista económico. Para los rendimientos
estimados objetivos en la zona de mayor potencial se tuvieron en cuenta que todos
los factores ambientales sean favorables y se desestimaron los riesgos de heladas y
el déficit hídrico (por tener riego). La realidad indica que en 3 de 4 años que se
sembró maíz en este campo ocurrieron heladas, lo cual mermo el potencial de
rendimiento del cultivo. El rendimiento al que se apuntaba en la zona de mayor

potencial fue 180 qq/ha y se lograron 125 qq/ha promedio, lo cual está mostrando
exceso de insumos en esa zona lo cual hace que el resultado económico sea
negativo. Además las mayores densidades de siembra poco llegaban a influir en el
rendimiento a esas densidades tan elevadas (ver cuadro 1) y se pueden emparejar a
la densidad promedio sin aumentar los costos.
Aclaración: El rendimiento objetivo no fue logrado por una caída de potencial
(10% más o menos) debido a la genética utilizada y por efecto de las heladas en
estado de plántulas. Este efecto adverso se vio potenciado también por un cambio de
híbrido a último momento por parte del productor, utilizando un Maíz MAV Bt DK682,
que presenta un 10% menos de rendimiento potencial y un 10% más de valor por
incremento de proteína.
Ingreso Diferencial ponderado $/ha Total
Dosis Variable $39 $2,065
Estos ensayos en general nos ayudan a concluir que la utilización de dosis

variable según zonas de manejo aumentaron el margen económico y que los
resultados positivos se deben en mayor medida a una disminución de los costos
cuando se aplicaba dosis variable más que a un mayor ingreso por incremento de
rendimiento, lo que implica un manejo más eficiente de los recursos. Pero el mayor
resultado económico se dio en la zona de menor potencial de rendimiento, ya que en
ésta el impacto de disminuir la cantidad de insumos en relación a la dosis fija provoca
un importante ahorro en los costos lo que genera un significativo resultado positivo a
favor de la dosis variable.
Segundo ensayo: Variación de dosis de Nitrógeno manteniendo la densidad de

siembra constante
En el segundo ensayo realizado donde se varió solamente la dosis de

nitrógeno (N variable) se analizó de la misma forma que el ensayo anterior (dosis y
densidad variable).
La diferencia es que en este ensayo la zona de mayor potencial de
rendimiento no entró en el análisis debido a que las franjas no llegaban a tomar dicha
zona.
En este ensayo se observo que en las dos zonas el resultado fue positivo para
la dosis variable. La zona 1, se comporto igual que en el primer ensayo, el beneficio
se dio por la reducción de costos, por lo que el resultado final de la zona fue positivo.
En la zona 2 el resultado positivo se debe tanto a un mayor ingreso por aumento de
rendimiento como así también al ahorro de insumos por la disminución de costos. El
análisis se realizó por los insumos que se detallan en el cuadro 1 para dosis fija
comparándola con dosis variable de nitrógeno.
Rendimiento Zona 1 Zona 2

Variable 8.67 9.78
Fija 9.12 9.52
Dif -0.45 0.26
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

Si se ponderan los resultados de cada zona se obtiene una ganancia de 69 $/ha.
Ingreso Diferencial ponderado $/ha Total

Dosis Variable $69 $2,383
Consideraciones finales
Las dosis de fertilizante y las densidades de siembra utilizadas estuvieron

basadas en ensayos realizados en este lote durante años anteriores (año 1999/200 y
2001/02), pero este ensayo permite observar que se pueden ajustar aún más. Los
datos de rendimiento para cada zona del círculo de riego y la caracterización física y
química de las 3 zonas mediante muestreo de suelo dirigido con GPS fueron de suma
importancia para definir los insumos aplicados. Esa información se complementó con
la carta de suelo e imágenes satelitales.
El objetivo, fue comprobar si dosificando en forma variable, existía una mayor
eficiencia en el uso de los insumos y un mayor aprovechamiento de los rendimientos
potenciales de los 3 sitios en forma independiente. Para evaluar esto, se realizaron
los análisis ya detallados anteriormente, los cuales demostraron que el ajuste de los
insumos en lotes no tan variables (como es este caso) demandan de mayores datos y
ensayos, los cuales permiten ir ajustando estos insumos con mayor eficiencia y
mayores probabilidades de obtención de resultados económicos positivos.
Cabe destacar que en campos manejados en secano donde se persiga un
objetivo meramente económico, deberá contarse con un conocimiento muy amplio
acerca de las causas que manifiestan variabilidad en los cultivos, además de realizar
ensayos exploratorios sobre el factor que se quiera manejar –ej.: dosis de fertilización,
densidad de siembra, teniendo también muy en cuenta la opinión técnica del asesor /
productor-, dado que factores como el contenido hídrico durante el ciclo son mas
difíciles de predecir. Iniciarse en aplicación de manejo de insumos variables sin contar
con información de mapas de rendimiento, resultados de ensayos, caracterización de
ambientes y algún otro factor determinante del rendimiento. En aquellos lotes donde
se posee mayor variabilidad de rendimiento entre ambientes, y donde esa variabilidad
se debe a génesis de suelo bien caracterizada y donde la magnitud de la variabilidad
es mayor al 50% entre ambientes (máximo y mínimo) las variaciones en las
densidades de siembra y fertilización arrojan importantes diferencias de rentabilidad.
Por ej., ambientes donde existen rindes de 40 qq/ha de maíz y de 130 qq/ha en el
mismo lote-, y donde la causa de esa variabilidad es fácil de diferenciar (por ej., lomas
medanosas y bajos fértiles). Cualquier variación de dosis o densidad de siembra que
se realice en estos lotes con tanta variabilidad seguramente se obtendrá rédito
económico.

ENSAYO DE UNIFORMIDAD DE SIEMBRA EN SOJA.
DOSIFICADOR A CHORRILLO VS PLACA MONOGRANO.
Introducción:
Desde hace unos años el Proyecto Agricultura de Precisión viene trabajando

en el principal cultivo desarrollado en Argentina “Soja”, esto deriva en la inquietud e
importancia de desarrollar nuevas investigaciones y técnicas agronómicas que
permitan incrementar la producción de dicho cultivo. Esto sumado a los costos
manejados en los cultivos extensivos y principalmente en el cultivo soja, permiten que
pequeños incrementos de rendimiento signifiquen un gran aumento en el margen
bruto del cultivo soja.
El presente trabajo describe un ensayo de soja a realiza en un lote de la
Estación Experimental Manfredi, persiguiendo objetivos que a continuación se
detallan.
Objetivos:
• Evaluar la variación de rendimiento debido a una probable desuniformidad de

implantación por ambiente (Loma y Bajo) con 2 dosificadores de diferente precisión
(chorrillo vs placa vertical monograno con menor recorrido de caño de conducción
respectivamente) en su eficiencia de implantación.
• Analizar densidad y uniformidad de implantación con dos conceptos en
dosificación muy distintos y su repercusión en el rendimiento.
Metodología del ensayo
De acuerdo con la necesidad planteada por las empresas Nidera y Agrometal

junto al interés de INTA más precisamente el Proyecto Agricultura de Precisión, se
realizo un ensayo en Soja persiguiendo el objetivo anteriormente planteado. La
siembra se realizo el día 22 de diciembre de 2006, en un lote ubicado en la EEA
Manfredi el cual venia de un antecesor soja de segunda con muy buena cobertura de
rastrojo, ya que el lote mantiene una rotación de maíz / trigo / soja 2da. La variedad
implantada es NA4209RG (ciclo de maduración IV indeterminada de porte bajo y
compacto con alto potencial de rendimiento).
En el ensayo se evaluó el rendimiento del cultivo soja en respuesta a una
probable desuniformidad de siembra lograda por una sembradora que a continuación
se describe: AGROMETAL MXY 37 con distanciamiento entre líneas de 35cm. La
misma presento la característica de tener la mitad de los cuerpos con distribuidores a
roldana de entrega de caudal homogéneo y la otra mitad de la sembradora con
distribuidores de placa vertical (Plus Meter), posee mandos individuales con el
objetivo de calibrar la maquina para una misma densidad (Ver Figura Nº 1).

Con esta dispocision se logro realizar franjas con la metodología de
sembradora dividida, logrando de esta manera anular muchas variables que pueden
influenciar y alterar los datos logrados. El ensayo consiste en franjas apareadas de 20
surcos a chorrillo y 18 con Plus Meter como se describe a continuación (ver Cuadro
Nº 1).
Cuadro Nº 1: esquema de ensayo a comparar en dos variedades con dos dosificadores en

ambientes de Bajo y Loma.
Variedad NA4209RG
Plus Meter
Plus Meter
Plus Meter
Chorrillo
Chorrillo
Chorrillo
Diseño
Rueda de mando 1 Rueda de mando 2

Caja de mando 1 Caja de mando 2
19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Dosificadores a roldada Dosificadores a placa

vertical Dosificador Plus Meterer
Caño de goma corrugado para

conducción de semilla
Ida y vuelta de sembradora quedan los

18 surcos apareados del tratamiento
Figura Nº 1 Esquema de ensayo con sembradora dividida, ½ con dosificadores tipo chorrillo y la
otra ½ con dosificadores Plus Meter.

Siembra:
Previo a la siembra la semilla se inoculo con unos días de anterioridad a la

siembra, a los fines de que el producto este seco y la semilla no complique a los
sistemas dosificadores (ver figura Nº 2). Este tratamiento se llevo a cabo con una
inoculadora para lograr mayor uniformidad de las semillas tratadas, el inoculante
utilizado fue liquido acuoso concentrado, sumado un Preservador desarrollado para
maximizar la protección de los Rizobios y Curasemillas Vendaval Thi-Carb. (Pre
Noctin TC) el cual ofrece todos los elementos necesarios para lograr una buena
preinoculación (hasta 21 días previos a la siembra) y nos asegura un buen control de
enfermedades.
Figura Nº 2 Inoculadora Dascanio para tratamiento de semilla.
Se llevo a cabo una calibración de cada mitad de maquina a los fines de

obtener la misma densidad tanto a roldana como con los dosificadores de placa (Ver
Cuadro Nº 2).
Cuadro Nº 2: Cuadro de calibración según dosificador.
Chorrillo - Variedad NA4209RG (Ciclo IV Indeterminada)

Calibre PMS (kg) PG (%) Densidad (sem/ha) Densidad (kg/ha) Marcha Placa
S/C 0.13295 0.88 397727 53 50 Chorrillo
S/C 0.13295 0.88 397727 53 37 3100-3800
La siembra se realizo el día 22 de diciembre de 2006 con la sembradora que

se muestra en el esquema de la figura Nº 1.a una velocidad de siembra de 7,5 km/hs.
También se realizo un muestreo de agua edáfica hasta los 2 metros de
profundidad, con el objetivo de ir viendo el contenido de agua útil edáfica a lo largo de
toda la ontogenia del cultivo (ver Cuadro Nº 3), el cuadro nos muestra la buena
provisión de agua que tuvo el lote en todo el ciclo del cultivo, terminando el mismo con
un 93% de agua útil en el ambiente bajo y 61% de agua útil en el ambiente loma.
Cuadro Nº 3: Cuadro de Contenido de agua útil edáfica (en mm hasta los 2m) durante la ontogenia
del cultivo.
AMBIENTE BAJO LOMA
Siembra 385.4 244.7

R3 305.4 233.3
Cosecha 284.9 188.6

En el estado fisiológico de V1 (una hoja trifoliada totalmente desplegada) se
realizo un muestreo de stand de plantas con el objetivo de determinar no solo la
densidad de plantas sino también la distribución de las mismas.
El muestreo se llevo a cabo el día 4 de enero de 2006, este consistió en
colocar una cinta métrica bien pegada a la línea de siembra donde se contabilizo el
espaciamiento entre una planta y otra a lo largo de 3m lineales sobre la misma línea
de siembra, este procedimiento se llevo a cabo con 5 repeticiones al azar en cada uno
de los tratamientos (Chorrillo vs Placa) y a su vez se repitió en cada uno de los
ambientes según relieve del lote (Loma / Bajo).
Una vez obtenidos los datos se procedió al análisis de los mismos con
diferentes software, con una planilla de cálculos Excel y otro análisis estadístico con
InfoStat, de los cuales se obtuvieron los siguientes resultados (ver Cuadro Nº 4).
Resultados:
Cuadro Nº 4: Cuadro de resultados según dosificador y ambiente.
Loma Bajo General

Variedad
NA4209RG Plus Chorrill Plus Chorrill Plus Chorrill
meter o meter o meter o
Plantas/m lineal 10.17 10.61 10.72 9.56 10.44 10.08
Plantas/ha 290767 303478 306656 273289 298711 288383
Eficiencia siembra 83.08 86.71 87.62 78.08 85.35 82.40
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
A demás de los datos obtenidos se realizo el calculo de eficiencia de siembra

teniendo en cuenta el Poder Germinativo (PG %) y el peso de mil semillas (PMS)
(datos presentados en Cuadro Nº 2).
Por los datos presentados se determinó que el nivel de influencia en el la
uniformidad causado por los distintos dosificadores se concuerdan con los resultados
esperados ya que el dosificador de chorrillo presenta un mayor nivel de
desuniformidad y esto lo podemos observar en los datos de Desvió estándar (DV) y
Coeficiente de variación (CV) del cuadro Nº 4.
En estado de R3 – R4 se realizo una aplicación de fungicida con el objetivo de
eliminar el efecto de enfermedades por ambiente (Loma vs Bajo) donde los
contenidos de humedad y masa foliar son diferentes.
Cosecha.
La cosecha se realizo el día 9 de mayo con una cosechadora Jhon Deere

1185A Hydro, con un cabezal de 19 pies para poder trabajar a cabezal lleno dentro de
cada franja de tratamiento. La cosechadora estaba provista de un monitor de
rendimiento Ag Leader Advantage el cual fue calibrado previo a la cosecha del
ensayo, del mapa de rendimiento se obtuvo el archivo de datos de cosecha que luego
se proceso con software especifico (Farm Works ver figura 3) de este se exportaron
los datos limpios para poder ser analizados con el programa estadístico Info Stat
(resultados mostrados mas abajo).

Franjas con dosificadores a Franjas con dosificadores
roldana Plus Meter
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.
Análisis de resultados de cosecha em ambiente considerado para el ensayo Bajo

(com mayor fertilidad y contenido de agua útil)
Variable N R² R² Aj CV
Bajo YIELD 580 0.52 0.51 6.67
Cuadro de Análisis de la Varianza (SC tipo III)

F.V. SC gl CM F p-valor
Modelo 2707.07 5 541.41 123.43 <0.0001
LOAD 2707.07 5 541.41 123.43 <0.0001
Error 2517.74 574 4.39
Total 5224.81 579
Test:Tukey Alfa:=0.05 DMS:=0.87741

Error: 4.3863 gl: 574
LOAD Medias n
L 7: A 26.69 98 A
L 9: C 31.89 96 B
L10: D 32.10 92 B
L12: F 32.12 96 B
L 8: B 32.62 102 B C
L11: E 33.07 96 C
Letras distintas indican diferencias significativas(p<= 0.05)

En el cuadro de resultados los tratamientos marcados en grises son los resultados de
chorrillo (Load L 7, 9 y 11) y los tratamientos sin sombrear son los que corresponden
al dosificador Plus Meter (Load L 8, 10 y 12), en el cuadro se puede observar que
existe diferencia significativa de los datos identificados por diferentes letras (letras
diferentes indican que existe diferencia significativa con una probabilidad menor al
0.05%).
Los resultados muestran una diferencia promedio de las 3 repeticiones de 173
kg/ha en favor de la dosificación con placa vertical Plus Meter en relación al chorrillo.
También se puede apreciar en dicho cuadro que los rendimientos del Plus Meter son
mas uniformes y constantes entre si que los tratamientos de chorrillo, esto se
explicaría en parte debido a que en el ambiente “bajo” presentaba mucho mas
cobertura en la siembra, lo cual provoca que los cuerpos con rueda limitadoras
solidarias al disco copien la cobertura, provocan movimiento excesivo del caño de
goma corrugado que conduce la semilla del distribuidores de chorrillo.
Análisis de resultados de cosecha em ambiente considerado para el ensayo Loma

(com menor fertilidad y contenido de agua útil)
Variable N R² R² Aj CV
Loma YIELD 586 0.35 0.34 5.33
Cuadro de Análisis de la Varianza (SC tipo III)

F.V. SC gl CM F p-valor
Modelo 982.65 5 196.53 62.30 <0.0001
LOAD 982.65 5 196.53 62.30 <0.0001
Error 1829.58 580 3.15
Total 2812.23 585
Test:Tukey Alfa:=0.05 DMS:=0.74042

Error: 3.1545 gl: 580
LOAD Medias n
L 7: A 30.72 102 A
L 9: C 33.01 96 B
L11: E 33.65 92 B C
L12: F 34.00 98 C D
L 8: B 34.36 104 C D
L10: D 34.42 94 D
Letras distintas indican diferencias significativas(p<= 0.05)
En el cuadro de resultados los tratamientos marcados en grises son los

resultados de chorrillo (Load L 7, 9 y 11) y los tratamientos sin sombrear son los que
corresponden al dosificador Plus Meter (Load L 8, 10 y 12), en el cuadro se puede
observar que existe diferencia significativa de los datos identificados por diferentes
letras (letras diferentes indican que existe diferencia significativa con una probabilidad
menor al 0.05%).
Los resultados muestran una diferencia promedio de las 3 repeticiones de 180
kg/ha en favor del tratamiento con placa vertical Plus Meter en relación al chorrillo.

PLUS METER CHORRILLO
Uniformidad de implantación en estado V5 entre los tratamientos Chorrillo vs Plus Meter
Aclaración: como se puede observar en los cuadro de los resultados los

rendimientos promedios del cultivo de soja en el ambiente de Loma, menos fértil y con
menor contenido de agua útil, fueron levemente superiores a los del ambiente Bajo
con mas agua y mayor fertilidad, se supone que eso ocurrió debido a que el año fue
lluvioso no falto agua para el desarrollo vegetativo que fue exuberante y en ese caso
el distanciamiento entre hileras a 35 cm fue muy estrecho en el bajo originando una
ineficiencia en la captación de la radiación por un excesivo sombreado de las hojas
inferiores. En el ambiente de loma el arreglo espacial de las plantas (35 cm entre
surcos) fue el mas adecuado, pudiendo en este caso lograr una mayor eficiencia en el
uso de la radiación.
Rendimiento= Biomasa total x Índice de Cosecha
IAF x RI x EUR
Nota: IAF= Índice de Área foliar, RI= Radiación Interceptada y EUR= Eficiencia en el Uso de la
Radiación
Conclusiones
Por los resultados obtenidos y teniendo en cuenta el trabajo llevado a campo

se puede señalar que si bien el comportamiento de ambos dosificadores fue bueno
los resultados obtenidos no fueron los que se esperaban (se esperaba una mayor
diferencia en la uniformidad de distribución del distribuidor de placa respecto al
dosificador de chorrillo).

Como se puede ver en el cuadro 4 los valores de CV y DV son diferentes entre
los tratamientos siendo menores en el tratamiento de placa monograno Plus Meter,
esto se vio reflejado en los datos de rendimiento durante la cosecha como se pueden
observar en el análisis estadístico. Se muestra una diferencia significativa entre
tratamientos y en cada uno de los ambientes (loma vs bajo) probablemente este
resultado se debe a una falla en el descenso de la semilla, una vez que es entregada
por el dosificador al caño de bajada.
En ambos dosificadores los caños de bajada afectan la precisión del
dosificador siendo muy penalizada la uniformidad de llegada de la semilla al fondo del
surco en el caso del dosificador a chorrillo, dado que el caño de goma corrugado que
conduce la semilla entregada por el dosificador de roldada con los movimientos propio
del tren de siembra y la velocidad, produce un giro de la semilla dentro del caño lo
cual acentúa la desuniformidad, o la precisión lograda por el dosificador Plus Meter
también puede mejorarse y esos datos se ven reflejado tanto en el cuadro 4 como en
el análisis estadístico de los datos de cosecha. El caño de conducción de semilla del
Plus Meter debería tener un diseño rectangular cónico en lugar de ser redondo como
en el caso ensayado.
A campo se observo que la profundidad de siembra era correcta y uniforme.
Otros de los problemas observados a campo fueron que en los alvéolos de las placas
del Plus Meter existían algunos de ellos ocupados por semillas partidas que quedaban
atascadas impidiendo que este alveolo tuviese la oportunidad de volver a cargar y
depositar una semilla nuevamente en el fondo del surco lo cual lógicamente
disminuyo su prestación (otro punto a mejorar) y también a considerar, ya que ese
problema se agrava a medida que la superficie sembrada se acumulan, cosa que no
quedo reflejada en los resultados del ensayo ya que el distribuidor se utilizo en 3
pasadas solamente.
Esto indica la necesidad de hacer estudios en bancos de pruebas para lograr
una mejor y mas precisa aclaración de lo sucedido a campo con el fin de realizar
correcciones en la entrega de semillas al fondo del surco de esta manera se
obtendrían mayores diferencias entre tipo de dosificadores, resultados que se
esperaban en cuanto a uniformidad de implantación en el tratamiento con placa
vertical.
También se debería estudiar la colocación de un extractor de semilla que
impida que las mismas queden atascadas en los alvéolos o copitas, logrando de esta
manera solucionar el inconveniente de dicho dosificador mejorando aun mas su
prestación.
Las diferencias de rendimiento observadas en este ensayo exploratorio entre
siembra a chorrillo y placa de precisión Plus Meter de 173 kg/ha en ambiente Bajo
(alta fertilidad) y de 180 kg/ha en ambiente de Loma (menor Fertilidad), demuestra sin
realizar un análisis económico que la precisión lograda por un dosificador de placa,
justifica la inversión por parte de los productores en sembradoras de mayor eficiencia
en lo que respecta a uniformidad de siembra, ya que las empresas tanto de
maquinaria como los semilleros trabajan pensando en la precisión de implantación de
los cultivos buscando una mejora en la productividad.
Aquí también podemos ver la prestación de la herramienta de monitor de
rendimiento sumado los programas GIS específicos de econometría espacial, sin
estos no se podría haber llegado a análisis de tal precisión.
Agradecimientos.
Se agradece la colaboración de las empresas Nidera, Agrometal, Dascanio y

Vanderhoeven por su aporte en dicho ensayo, ya que sin ellas no se podría haber
realizado de este tipo de ensayos de tan útil para el sector agropecuario.

Técnicas de Producción
Glosario
Actuador / Actuator: Dispositivo utilizado en una aplicación de dosis variable que

físicamente mueve en respuesta a señales de un controlador para regular la cantidad
de material aplicado al lote.
Agencia de Servicio Agropecuario / Farm Service Agency (FSA): Agencia del
Departamento de Agricultura de USA. El FSA usa fotografía aérea para la
administración de los programas agropecuarios del gobierno.
Agricultura de Precisión / Precision Farming: Manejo de uno o más insumos para
la producción de cultivos - fertilizantes, cal, herbicidas, insecticidas, semillas, etc. - con
una base de aplicación de sitios específicos para reducir residuos, incrementar
beneficios y mantener la calidad del ambiente. Modernas herramientas que permiten
la obtención y análisis de datos georreferenciados, mejorando el diagnóstico, la toma
de desiciones y la eficiencia en el uso de los insumos.
Algoritmo / Algorithm: Fórmula que relaciona la entrada (de datos) del sensor con la
salida (de datos) del actuador.
Altitud / Altitude: Elevación.
Aplicación de Dosis Variable (VRA) / Variable-Rate-Application (VRA): Ajuste de
la cantidad de insumos para cultivos, tales como semillas, fertilizantes y agroquímicos
para equiparar las condiciones en un lote.
Archivos de Codificación Geográfica Topológicamente Integrada y
Referenciación (TIGER) / Topologically Integrated Geographic Encoding and
Referencing (TIGER) Files: Base de datos digital de toda la nación conteniendo
direcciones de calles y límites sensados con el acompañamiento de estadísticas de
poblacionales.
Array / (Conjunto): Colección de sensores colocados en un espacio particular que
colecta datos simultáneamente.
Asociación Internacional de Tarjetas de Memoria para Computadoras
personales (PCMCIA) / Personal Computer Memory Card International
Association (PCMCIA): Interfaz estándar utilizada por las tarjetas para PC.
Atributo / Attribute: Descripción característica de un ítem.
Banda - L / L - Band: Segmento del espectro de radio con rango de frecuencia desde
1.000 a 2.000 MHZ.
Banda / Band: Intervalo discreto del espectro electromagnético entre dos valores de
longitud de onda.
Banda Termal / Thermal Band: Longitudes de onda infrarrojas de la energía
electromagnética.
Base de Datos / Database: Colección de archivos manejados como una unidad. Una
base de datos GIS incluye datos de ambas, la posición y los atributos de referencias
geográficas.
Canal / Channel: Circuito necesario para un receptor GPS para recibir la señal de un
simple satélite GPS.
Capacidad de Intercambio Catiónico (CIC) / cation Exchange Capacity (CEC):
Representa la cantidad total de carga negativa disponible en el suelo para atraer
iones cargados positivamente en la solución del suelo.
Carácter Estático / Static Features: Objetos que no cambian en reflectancia.
Carrier / (Portador): Frecuencia base de radio en la que la información de señal es
decodificada y luego transmitida.
Carrier Tracking Loop / (Onda Portadora de Localización): Módulo en un receptor
GPS que extrae el mensaje del satélite mediante la alineación de la señal generada
internamente por los receptores con la fase de la señal GPS recibida. Usado para
proveer una observación de fase portadora.

Carrier-Phase Tracking / Localización de fase portadora: Método preciso y
sofisticado para determinar posiciones, requiriendo de dos receptores especiales que
miden pequeñas diferencias en las señales de radio.
Celda de Peso / Load Cell: Aparato que convierte una fuerza o peso en una señal
eléctrica.
Ciclo de Repetición / Repeat Cycle: Tiempo que toma a un satélite de sensado
remoto ver a la tierra completa.
Cinemática en Tiempo Real (RTK) / Real Time Kinematic (RTK): Procedimiento en
el que las correcciones porta fases son transmitidas en tiempo real desde un receptor
de referencia al receptor del usuario.
Código de Adquisición Vulgar / Coarse Acquisition Code (C/A): Código único para
cada satélite GPS. Código estandar usado por receptores civiles.
Código Estandar Americano para Intercambio de Información / American
Standard Code for Information Interchange (ASCII): Código predominante usado
por las computadoras actuales para identificación de caracteres tales como números
o letras.
Código Preciso (P) / Precise (P) Code: Código de pseudorango de sonido
transmitido por satélites de GPS. Cada satélite tiene asignado un segmento único del
código. Reservado principalmente para receptores militares de GPS.
Colecto y Peso / Colect and Weigh: Método para determinar rendimiento de un
cultivo típicamente en base a un lote completo. Cada camión-báscula o carro-báscula
de granos es pesada cuando sale del lote y el contenido de humedad es determinado
mediante el muestreo de la carga.
Combinar / Merge: Tomar dos o más archivos de datos y combinarlos en un mapa
simple o una base de datos.
Comisión Federal de Comunicaciones / Federal Communications CVommission
(FCC): Agencia del gobierno que es responsable de hacer cumplir los estándares de
comunicación y del uso de bandas de frecuencia.
Contorneado / Contouring: Método de interpolación originalmente usado para
mostrar los cambios de elevación en un mapa topográfico. Las líneas de contorno son
líneas que unen puntos de igual elevación o rendimiento.
Controlador / Controller: Aparato electrónico usado para cambiar la dosis de
aplicación de un producto sobre la marcha, enviando la información al actuador en
tiempo real (VRT).
Corrección Diferencial / Differential Correction (DGPS): Corrección de una señal
GPS para mejorar su precisión. La corrección es provista usando un segundo receptor
GPS estacionario posicionado en un lugar conocido. El segundo receptor computa el
error en la señal mediante una comparación entre la distancia real desde los satélites
y la distancia medida por el GPS. Tres tipos comunes de corrección diferencial son:
Señal de Corrección de los Faros Costeros, Señal de Corrección con Torres de FM y
Solución de Satélites.
Corrección en Tiempo Real / Real - Time Correction: Corrección de una señal de
GPS mediante el envío inmediato de la información de corrección diferencial al
receptor móvil sobre la marcha.
Corrección Geométrica / Geometric Correction: Corrección para alinear puntos de
control medidos en el terreno en una imagen de sensado remoto con los puntos de
control del terreno en un mapa establecido del área.
Corrección Radiométrica / Radiometric Correction: Corrección para reducir la
distorsión de imágenes de sensado remoto de variaciones en los niveles de radiación
en el momento del sensado.
Datos Espaciales / Spatial Data: Ver Datos Geográficos.
Datos Geográficos / Geographic Data: Datos que contienen no sólo el atributo que
está siendo monitoreado, sino también la ubicación espacial del atributo. También
conocido como datos espaciales.

Datos Georreferenciados / Georeferenced Data: Datos espaciales que pertenecen
a ubicaciones específicas en la superficie terrestre.
Demora de Fin de Paso / End-of-Pass Delay: Demora que permite a cualquier grano
que pasa por el sensor de flujo del monitor de rendimiento después de que el cabezal
de la cosechadora ha sido levantado, ser incluído en los cálculos de rendimiento.
Demora de Operación / Operation Delay: Tiempo requerido por el grano para viajar
desde la plataforma de la cosechadora hasta el sensor de flujo de grano.
Demora en el Inicio del Paso / Start-of-Pass Delay: Demora que permite el flujo
inicial de grano antes de que el flujo completo esté obtenido para ser ignorado en los
cálculos de rendimiento cuando comienza el paso.
Departamento de Defensa / Department of Defense (DOD): Organismo
responsable de la creación y operación del Sistema de Posicionamiento Global
(GPS).
Desplazamiento de Relieve / Relief Displacement: Diferencias en la elevación que
causan que los objetos aparezcan posicionados diferencialmente cuando son vistos
desde un ángulo en vez que desde arriba.
Desviación Estándar / Standard Deviation: Medición de la distribución de las
mediciones alrededor del promedio.
Dieléctrico / Dielectric: Material que puede sostener un campo eléctrico pero no
conduce corriente eléctrica.
Dilución de Precisión Geométrica / Geometric Dilution of Precision (GDOP):
Término para cuantificar el efecto de la geometría de satélites (posiciones relativas de
varios satélites) es la magnitud del error en una medición de posición de GPS.
Disponibilidad Selectiva (SA) / Selective Availability (SA): Procedimiento de
introducción intencional de error en señales de GPS, creando así un error de
pseudorango. La SA es usada por el Departamento de Defensa como una medida de
seguridad nacional para tener receptores no-militares para obtención de información
de posición de alta precisión.
Energía Electromagnética / Electromagnetic Energy: Energía que es reflejada o
emitida desde objetos en forma de ondas eléctricas y magnéticas que pueden viajar a
través del espacio.
Error Circular Probable / Circular Error Probable (CEP): Medida de la precisión de
posición provista por un receptor GPS. CEP es el radio del círculo interno donde la
posición medida tiene un 50 % de probabilidad de ser ubicada.
Error Esférico Probable / Spherical Error Probable: Medida de la precisión de una
estimación de una posición tridimensional producida por un receptor de GPS.
Escaners / Scanners: 1) Sensores usados para colectar datos mediante sensores
remotos en pasos paralelos. 2) Equipo de computación usado para convertir
información de papel a formato digital que puede ser leído por una computadora.
Espectro Electromagnético / Electromagnetic Spectrum: Todas las longitudes de
onda de la energía electromagnética incluyendo rayos X, rayos ultravioletas, luz
visible, luz infrarroja, micro-ondas y ondas de radio.
Estandarización de Datos / Data Standardization: Proceso de acuerdo de ejecución
en el reconocimiento de definiciones de datos comunes, representación y estructura.
Firmware: Programa de computación que conduce el funcionamiento de algún
componente eléctrico.
Formato Raster / Raster Format: Formato para almacenaje de datos espaciales de
GIS en los que los datos son almacenados en celdas que están ubicadas mediante la
fila y la columna de la celda
Formato Vectorial / Vector Format: Formato para almacenar y mostrar datos
espaciales de GIS en los que los datos son almacenados como puntos, líneas, o
áreas que crean los objetos en el terreno o el mapa. Mediante el uso de un sistema de
coordenadas aproximadamente continuas, los datos vectoriales pueden ser mas
precisamente georreferenciados que datos raster.

Fósforo (P) / Phosphorus (P): Elemento no metálico que es uno de los tres
nutrientes primarios de las plantas, junto con el Nitrógeno (N) y el Potacio (K).
Fotografía Aérea / Aerial Photography: Técnica de sensado remoto en la que una
foto de una porción de la superficie terrestre es tomada desde un avión o satélite en
vuelo.
Fotosensor / Photosensor: Aparato que es utilizado para detectar luz.
Frecuencia de Cobertura / Frequency of Coverage: Medida de cada cuánto tiempo
un sistema de sensado, como un satélite, puede estar disponible para colectar datos
de un sitio particular en el terreno.
Frecuencia Modulada / Frequency Modulation (FM): Método para transmisión de
información en ondas de radio mediante la codificación de la información como un
cambio de frecuencia o número de ciclos por segundo.
Generación de Imágenes Satelitales / Satellite Imaging: Procesos involucrados en
la formación de una imagen colectada por un aparato de sensado remoto basado en
satélites.
Generación de Rangos Satelitales / Satellite Ranging: Método para determinar la
posición mediante la medición de las distancias desde varios satélites diferentes.
Georreferenciación / Georreferenciación: Proceso de asociación de puntos de
datos con ubicaciones específicas en la superficie terrestre.
GLONASS (GLObal'naya NAvigatsionnaya Sputnikovaya Sistema): Sistema de
navegación satelital global ruso.
Grilla / Grid: Estructura de datos que divide un área como un lote en unidades
rectangulares. Estas unidades son luego ordenadas en filas y columnas.
Histogramas / Histograms: Gráficos de la frecuencia de ocurrencia de diferentes
rangos de mediciones.
Indice de Vegetación Verde / Green Vegetation Index (GVI): Escala de color
absoluto usada para observar los efectos de la humedad, residuos y ángulo solar en
imágenes de sensado remoto.
Indices de Vegetación / Vegetation Indexes: Herramienta para identificar los niveles
de sanidad de la biomasa vegetal. Un índice de vegetación puede ser usado para
evaluar o predecir las características de plantas tales como área foliar, biomasa total,
y stress. Un índice de vegetación reduce varias longitudes de onda de los datos del
sensor en un simple número.
Interpolación / Interpolation: Procedimiento para predecir los valores desconocidos
entre valores de datos vecinos conocidos.
Ionósfera / Ionosphere: Franja de partículas cargadas eléctricamente de 50 a 250
millas (80 a 400 Km.) por encima de la tierra.
Kriging: Técnica de interpolación para obtener estadísticamente estimaciones
imparciales de características del lote, tales como elevación de la superficie, niveles
de nutrientes, o rendimientos de cultivos, de un conjunto de puntos vecinos.
LANDSAT (LAND SATellite): Nombre dado a una serie de satélites científicos
norteamericanos usados para estudiar la superficie de la tierra usando técnicas de
sensado remoto.
Latitud / Longitud (LAT/LONG) / Latitude / Longitude (LAT/LONG): Sistema de
coordenadas que identifica una posición en la tierra. La latitud es la posición de norte
a sur. La longitud es la posición de este a oeste. Las ubicaciones son descriptas en
unidades de grados, minutos, y segundos.
Línea de Contorno / Contour Line: Línea o conjunto de puntos, representando el
mismo valor de un atributo. Comúnmente usado para líneas que ilustran la misma
elevación en un mapa topográfico.
Llave de Cambio Mínimo / Minimum Shift Keying (MSK): Método de codificación
digital usado para transmitir datos de corrección diferencial desde los Guarda Costas
de USA para usar con DGPS.
Macronutrientes / Macronutrients: Elementos o nutrientes requeridos por las
plantas en grandes cantidades.

Manejo del Cultivo con Dosis Variable / Site-Specific Crop Management: Uso de
la variabilidad del suelo y parámetros de cultivo para tomar decisiones en la aplicación
de insumos.
Mapa Base / Base Map: Mapa conteniendo contornos de lotes y datos usados para
ubicación de referencia.
Mapa Calibrado de Vegetación / Calibrated Vegetation Map: Mapa confeccionado
para representar la vegetación en un lote en términos de colores por medio del Indice
de Vegetación Verde. La calibración de los mapas permite hacer dos mapas
diferentes para que sean comparados el uno con el otro, desde que las escalas
resultantes serán las mismas en ambos mapas.
Mapa de Cambio Vegetativo / Vegetative Change Map: Mapa usado para identificar
lugares en el lote que han sufrido cambios en la respuesta espectral vegetativa entre
dos vuelos consecutivos de sensado remoto.
Mapa de Color de Suelo / Soil Color Map: Mapa que provee información de la
textura del suelo y los niveles de materia orgánica del suelo (SOM) que pueden
indicar diferencias en los parámetros edáficos en los lotes.
Mapa de Parámetro / Map Layer: Tipo simple de dato mostrado en un forma de
mapa como una capa del mapa base. Mapas comunes de parámetros con
rendimiento, tipo de suelo, fertilidad, dosis de aplicación de insumos, etc.
Mapa de Rendimiento / Yield Map: Ver Mapa de Rendimiento Mediante Sitios
Específicos.
Mapa de Rendimiento mediante Sitios Específicos / Site-Specific Yield Map:
Representación de los rendimientos de un cultivo en un lote colectados sobre la
marcha por una cosechadora equipada con un monitor de rendimientos instantáneo.
Cada locación/sitio en un lote tiene asignado un valor específico de rendimiento de
cultivo.
Mapa de Vegetación Mejorado / Enhanced Vegetation Map: Mapa producido para
acentuar las pequeñas variaciones en el color de la canopia del cultivo. Dos mapas de
vegetación mejorados no pueden ser comparados, ya que las escalas en cada mapa
serán diferentes.
Mapeador Temático (TM)/ Thematic Mapper (TM): Sensor remoto designado para
crear mapas de diferentes categorías de parámetros de superficie o "temas". El
sensor de TM tiene una resolución espacial de 98 pies (30 m.) y es capaz de colectar
datos en siete bandas diferentes, incluyendo una banda termal. El sensor de TM fue
enviado en los LANDSATs 4 y 5.
Mapeador Temático Mejorado / Enhanced Thematic Mapper (ETM): Aparato que
sensa bandas multiespectrales a una resolución espacial de 98 pies (30 m.), bandas
termales de onda corta a una resolución de 394 pies (120 m.), bandas termales
multiespectrales a una resolución de 197 pies (60 m.) y banda pancromática a una
resolución de 49 pies (15 m.). El ETM está posicionado para ser usado en LANDSAT -
7.
Mapeo con Grilla / Grid Mapping: Técnica de mapeo usada para organizar datos
colectados del lote mediante muestreo de suelos. Un mapa de un parámetro es
dividido en filas y columnas de unidades rectangulares. Cada unidad rectangular se
corresponde con algún área del lote y determinando características del suelo.
Mapeo de Rendimiento / Yield Mapping: Método de medición y grabado de
rendimiento e información de posición a medida que el grano es cosechado. La
información grabada es luego usada para producir mapas de rendimiento y registros
de rendimiento.
Medidor de Peso / Strain Gauge: Equipo que tiene una resistencia eléctrica
cambiante a medida que es deformado. Usado es celdas de carga para convertir
fuerzas en señales eléctricas.
Memoria de Acceso de Azar Estático (SRAM) / Static Random Acces Memory
(SRAM): Equipo de almacenamiento electrónico de datos al que se puede acceder
por azar, como opuesto al acceso secuencial. Estático se refiere a la habilidad que

tiene para retener los datos durante tanto tiempo como la energía es provista al
equipo, ya sea a través de una batería o una computadora.
Método de Centro de Grilla / Grid Center Method: Método de muestreo de suelos
en el que las muestras son tomadas del centro de una celda de una grilla. También
conocido como muestreo con grilla de puntos o muestreo de puntos.
Método de Grilla de Celdas / Grid Cell Method: Método de muestreo de suelos en
el que las muestras son tomadas al azar de grillas en celdas y son luego combinadas
para proveer una muestra promedio de la grilla entera.
Micronutrientes / Micronutrients: Trazas de elementos o nutrientes menores -
materiales necesitados por las plantas en muy pequeñas cantidades.
Monitor de Rendimiento del Tipo de Tandas / Batch-Type Yield Monitor: Monitor
de rendimiento que pesa una cantidad de grano cosechado y se apoya en la tolva de
la cosechadora, o mientras está siendo descargado. El rendimiento debe ser
calculado usando una estimación del área cosechada.
Monitor de Rendimiento Instantáneo / Instantaneous Yield Monitor: Aparato que
mide continuamente (tiempo real) el rendimiento de un cultivo mientras el operario
cosecha.
Monitoreo de Rendimiento / Yield Monitoring: Método de medición, sobre la
marcha, de información de rendimiento y visualización del mismo al operador a
medida que el grano es cosechado.
Monitoreo del Cultivo / Crop Scouting: Evaluación visual de las condiciones del
cultivo, incluyendo estado de crecimiento / madurez, vigor de planta, presencia de
enfermedades, infestación de malezas e insectos.
Muestreo con Grilla / Grid Sampling: Método de muestreo de suelos en el que un
lote es dividido en secciones cuadradas (grillas) de algunos acres o menores. Las
muestras son luego tomadas de cada sector y analizadas.
Muestreo de Puntos / Point Sampling: Ver Método de Centro de Grilla.
Multiespectral / Multispectral: Capacitado para detectar radiación electromagnética
de múltiples bandas espectrales simultáneamente.
NAVSTAR (NAVegación por Tiempos y Recorridos de Satélites / NAVSTAR
(NAVigation by Satellite Timing and Ranging): Ver Sistema de Posicionamiento
Global (GPS).
NGPS ("no GPS") / NGPS ("not GPS"): Sistema para el cálculo de la ubicación de
un objeto mediante la determinación de las distancias de al menos tres torres de radio
asentadas sobre el suelo.
Nitrógeno (N) / Nitrogen (N): Gas inerte que compone alrededor de 4/5 de la
atmósfera de la tierra. El nitrógeno es uno de los tres nutrientes primarios de las
plantas y es esencial para el crecimiento vegetal.
Nutrientes Primarios / Primary Nutrients: Alimentos para las plantas que son
requeridos en grandes cantidades y más críticos para el crecimiento de las plantas
que los nutrientes secundarios o micronutrientes. Los nutrientes primarios incluyen
nitrógeno, fósforo y potasio.
Nutrientes Secundarios / Secondary Nutrients: Los alimentos secundarios para las
plantas incluyen calcio, magnesio, y azufre. Elementos menos críticos requeridos en
cantidades más pequeñas, para el crecimiento de las plantas, que el nitrógeno,
potasio y fósforo.
Ondas de Terreno / Ground Waves: Forma en que las señales de radio de baja
frecuencia, como la señal de corrección diferencial de los Guarda Costas de USA,
viajan. Estas ondas no son bloqueadas por montañas o lomas como son señales de
radio de FM, ellas siguen la curvatura de la tierra.
Orbita con Sincronización Solar / Sun-Synchronous Orbit: Orbita en la que cada
paso del satélite sobre un punto dado ocurre a la misma hora local.
Pancromático / Pancromatic: Imágenes creadas de radiación con longitudes de
onda entre 0.45 y 0.90 um, usualmente producida en escala de grises (blanco y
negro).

Pasada Paralela / Paralel Swathing: Conducir (o volar) un vehículo en pasos
derechos, paralelos, sin dejar franjas o solapamiento pasadas consecutivas (pasada).
Percepción Remota / Remote Sensing: Acto de detección y/o identificación de un
objeto, serie de objetos, o superficies sin tener el sensor en contacto directo con el
objeto.
Peso de la Distancia Inversa / Inverse Distance Weighting: Método de
interpolación similar al promedio local excepto que las muestras más próximas a la
ubicación deseada tienen mayor influencia en la estimación que muestras más
alejadas.
pH / pH: Término utilizado para indicar el grado de acidez o alcalinidad. Un material
que tiene un pH de 7.0 es neutro. Valores por encima de 7.0 denotan alcalinidad y por
debajo de 7.0 denotan acidez. Químicamente, el pH es el logaritmo negativo de la
concentración de hidrogeniones.
pH del Suelo / Soil pH: Medición numérica de la acidez o de la concentración de
iones hidrógeno en la solución del suelo. Ver también pH.
Pixel / Pixel: "Elemento de dibujo", área o elemento más pequeño de un mapa de
imágenes.
Placa de Impacto / Impact Plate: Placa ubicada en el paso del flujo de grano en el
sistema de grano limpio de una cosechadora. La fuerza con la que el grano impacta
en la placa es medida y usada para estimar la cantidad de flujo de grano.
Plano de Estado de Coordenadas / State Plane Coordinates (SPC): Sistema de
coordenadas similar a UTM usando unidades de pies y usando los datos NAD27.
Cada estado puede tener diferentes sistemas de coordenadas que procuran minimizar
la distorsión sobre el estado.
Plataforma / Platform: Vehículo que carga un aparato de sensado remoto
Post Proceso / Post-Processing: Corrección diferencial de los datos de posición de
GPS después de que han sido colectados en el lote y almacenados en un diskette de
computadora o en un tarjeta PCMCIA.
Potasa (Oxido de potasio) (K2O) / Potash (potassium oxide) (K2O): El potasio
contenido en los fertilizantes es expresado como potasa.
Potasio (K) / Potassium (K): Elemento altamente reactivo que se combina fácilmente
con oxígeno y muchos aniones. Uno de los tres nutrientes primarios de las plantas.
Potenciómetro / Potentiometer: Aparato que produce una resistencia eléctrica
cambiante cuando las posiciones relativas de sus componentes son cambiadas.
Programa para PC / Desktop Software: Programa de computación típicamente
usado en una computadora personal.
Promedio Local / Local Average: Método de interpolación en el que el valor
desconocido es estimado mediante un simple promedio de un número seleccionado
de puntos cerca de la ubicación deseada.
Proyección de Mapa / Map Projection: Representación gráfica de aspectos
geográficos de la superficie curvada de la tierra en un plano llano..
Pseudorango / Pseudorange: Estimación de la distancia real (rango) de un receptor
de GPS a un satélite. La estimación contiene algún error debido a las demoras en la
propagación atmosférica y el balance entre el reloj del receptor y el reloj del satélite.
Puerto Serial / Serial Port: Conector en una computadora que puede ser usado para
comunicarse a otros accesorios seriales tales como modems. Serial está referido al
protocolo usado para las comunicaciones. El protocolo serial más común es RS-232.
Puntos de Control de Terreno / Ground Control Points: Claramente definidos,
objetos estacionarios o áreas en la superficie terrestre que sirven como puntos de
referencia en una imagen de sensado remoto.
RADAR (Detección de Radio y Rangos) / RADAR (Radio Detection and Ranging):
Método para determinar la posición o velocidad de un objeto mediante la emisión de
señales de alta frecuencia al objeto y la medición de la señal reflejada.

Rectificación / Rectification: Proceso de corrección de datos de imágenes de
sensado remoto para eliminar los efectos de la orientación del sensor y la distorsión
presente en el momento de la medición.
Rectificado / Rectified: Imagen de sensado remoto que ha sido geométricamente
corregida para eliminar los efectos de la orientación del sensor y distorsión presente
en el momento de la medición.
Resolución Espacial / Spatial Resolution: Tamaño del objeto más pequeño que
puede ser distinguido mediante un equipo de sensado remoto.
Resolución Espectral / Spectral Resolution: Habilidad de un sistema de sensado
para diferenciar entre radiaciones electromagnéticas de diferentes longitudes de onda.
Respuesta Espectral / Spectral Response: Parámetros característicos de radiación
reflejada o emitida desde un objeto. 1) Habilidad de un sistema de sensado para
responder a las mediciones de radiación dentro de la banda espectral.
Retraso / Lag: Distancia horizontal entre dos puntos geográficos de datos. Usado
para crear un semi-variograma.
RMS (Raíz Cuadrada Media) / RMS (Root Mean Square): Medida estadística de la
dispersión de puntos de datos distribuidos normalmente a partir de su media. También
conocida como "una sigma", es aproximadamente equivalente a la desviación
estandar. 2RMS indicaría dos desviaciones estandares o "dos sigma".
RTCM (Comisión Radio Técnica para Servicios Marítimos) / RTCM (Radio
Technical Commission for Maritime Services): Subcomité 104 de los formatos de
mensajes estandar desarrollados por RTCM para señales de GPS.
Ruido de pseudo-azar (PRN) / PseudoRandom Noise (PRN): Secuencias binarias
del código que tienen propiedades similares a ruido. Los códigos PRN permiten a
todos los satélites de GPS usar sólo una frecuencia para la transmisión de datos a
niveles de baja energía.
Rumbo Estimado / Dead Reckoning: Método para calcular posición en un lote
basado en velocidad del vehículo, tiempo de viaje, ancho del equipo, y número de
pasadas a través de un lote. Los errores en la posición pueden ser causados por
pequeños cambios de velocidad, patinamiento de ruedas, pasadas no paralelas o
superpuestas, y arranques y detenciones en las cabeceras del lote.
Satélite Geo-Estacionario / Geo-Stationary Satellite: Vehículos espaciales en una
órbita que los mantiene sobre la misma ubicación con respecto a la tierra durante todo
el tiempo.
Segmento de Control / Control Segment: Porción de GPS que consiste en una red
de estaciones de monitoreo usada para actualizar las señales de navegación de los
satélites.
Segmento Espacial / Space Segment: Porción de GPS que consiste en 24 satélites
NAVSTAR orbitando la tierra a un altitud de 20.200 Km.
Segmentos de Usuarios / User Segment: Porción de GPS que consiste en
receptores usados por civiles y militares para determinación de la posición de una
persona o un objeto.
Semi-Varianza / Semi-Variance: Medida de cuantos datos de puntos vecinos difieren
en valor. Igual a la mitad del cuadrado de la diferencia entre dos valores.
Semi-Variograma / Semi-Variogram: Línea ajustada a los datos en un sector de la
semi-varianza versus el retraso.
Sensor de Flujo / Flow Sensor: Sensor que mide la cantidad de material que viaja a
través de una placa por unidad de tiempo.
Sensor de Humedad del Tipo de Capacitancia / Capacitance-Type Moisture
Sensor: Sensor de humedad que mide las propiedades dieléctricas del grano a
medida que pasa entre platos de metal.
Sensor de Presión / Pressure Sensor: Aparato que produce una señal eléctrica
proporcional a una presión de un fluido.

Sensores de Velocidad / Speed Sensors: Sensores que miden la velocidad de
rotación de un eje o la reflexión de ondas de radio o sonido del suelo para determinar
la velocidad de una máquina.
Sensores Electro-Opticos / Electro-Optical Sensor: Detectores electrónicos,
sensibles a la luz, que crean un señal eléctrica proporcional a la cantidad de energía
electromagnética que los golpea.
Sensores Hiperespectrales / Hyperspectral Sensors: Sensores que tienen la
capacidad de medir la energía electromagnética de cientos de longitudes de ondas
individuales simultáneamente.
Señal de Corrección de Faros Guarda Costas / Coast Guard Beacon Correction
Signal: Señal de corrección diferencial usada por los Guarda Costas de los Estados
Unidos para navegación. La señal es transmitida desde una red de torres alineadas
con la mayoría de las rutas acuáticas de U.S.A. Una de los tres tipos comunes de
corrección diferencial. Argentina dos bases (San Carlos Santa Fé y Bolivar Buenos
Aires)
Sistema de Aplicación de Dosis Variable Basada en Sensores / Sensor-Based
Variable-Rate Application System: Sistema que ajusta la dosis de producto aplicado
sobre la marcha basada en información recibida de sensores en tiempo real.
Sistema de Aplicación de Dosis Variable Basado en Mapas / Map - Based
Variable - Rate Application System: Sistema que ajusta la dosis de aplicación de
productos basada en la información contenida en un mapa electrónico del lote.
Sistema de Coordenadas Local / Local Coordinate System: Sistema de
coordenadas en el que las coordenadas están referenciadas a una ubicación
conocida en el área inmediata. Dos sistemas de coordenadas locales no se podrán
unir en el mismo mapa.
Sistema de Datos de Radio (RDS) / Radio Data System (RDS): Estándares
mundiales para la transmisión de datos digitales con voz típica o música en una
frecuencia de radio. Para recibir los datos RDS, el receptor de radio debe tener la
capacidad de RDS.
Sistema de Difusión de Datos de Radio (RDBS) / Radio Data Broadcast System
(RDBS): Igual que RDS.
Sistema de Posicionamiento / Positioning System: Sistema general para identificar
y grabar, por lo general electrónicamente, la ubicación de un objeto o una persona.
Sistema de Posicionamiento Estándar / Standard Positioning System: Servicio de
posicionamiento que usa un receptor simple que está disponible para cualquier
usuario en una base continua alrededor del mundo. Este sistema utiliza solo el código
C/A transmitido vía satélite. La precisión de la posición horizontal puede ser
degradada por disponibilidad selectiva.
Sistema de Posicionamiento Global / Global Positioning System (GPS): Red de
satélites controlados por el Departamento de Defensa que son diseñados para
ayudar a determinar la posición de un radio receptor en latitud, longitud y altitud. GPS
no es un sinónimo de Agricultura de Precisión; GPS es sólo una tecnología que es
usada en Agricultura de Precisión.
Sistema de Posicionamiento Global Diferencial / Differential Global Positioning
System (DGPS): Método de uso del GPS que mejora la precisión de la posición a
través de la corrección diferencial.
Sistema de Posicionamiento Preciso (PPS) / Precise Positioning System (PPS):
Servicio de GPS disponible para los militares de USA que provee a los usuarios
precisión completa con un simple receptor móvil. Incluye acceso al código-P y la
remoción de los efectos de la disponibilidad selectiva.
Sistema Radiométrico / Radiometric System: Sistema de monitoreo de rendimiento
que consiste en una fuente radioactiva y un sensor. El rango de flujo de masa de un
cultivo a través de una cosechadora es determinado mediante los grados en los que
el cultivo obstruye el flujo de partículas radioactivas desde la fuente hasta el sensor.

Sistemas de Información Geográfico / Geographic Information System (GIS):
Sistema, generalmente basado en computadoras, para la entrada, almacenaje,
recuperación, análisis y muestra de datos geográficos. La base de datos está
usualmente compuesta de mapas como representaciones espaciales llamadas capas.
Estas capas pueden contener información de un número de atributos incluyendo la
topografía del terreno, el uso de la tierra, posición de la tierra, rendimiento de los
cultivos, dosis de aplicación de insumos y niveles de nutrientes del suelo.
Sistemas de Sensado Activo / Active Sensing Systems: Sistemas de sensado
remoto que generan una señal, que rebota en un objeto y mide la señal reflejada.
Sistemas de Sensado Pasivo / Passive Sensing Systems: Sistemas de sensado
remoto que miden señales naturalmente emitidas y reflejadas.
Solución Satelital / Satellite Solution: Señal de corrección diferencial transmitida
desde un satélite geo-estacionario con un rango de miles de millas. Uno de los tres
tipos más comunes de corrección diferencial.
Sombreo / Shadowing: Reducción en el nivel de luz que impacta en un objeto.
SPOT (Sistema Para la Observación de la Tierra) / SPOT (Systeme Pour
l'Observation de la Terre): Nombre dado a una serie de satélites franceses
científicos usados para el estudio de la superficie de la tierra, usando técnicas de
sensado remoto.
Tarjeta para PC / PC Card: Aparato pequeño del tamaño de una tarjeta de crédito
para almacenaje de datos usado por la mayoría de los sistemas de mapeo de
rendimiento.
Tecnología de Dosis Variable (VRT) / Variable-Rate Technology (VRT):
Equipamiento usado para realizar aplicaciones de dosis variables de insumos para
producción de cultivos.
Testeo de Suelos / Soil Testing: Análisis de muestras de suelo para determinar
propiedades químicas o físicas de interés.
Textura de Suelo / Soil Texture: Estructura física o características del suelo
determinadas por las proporciones relativas del los componentes del suelo (arena,
limo y arcilla) de los que está compuesto.
Tiempo de Vuelta / Turnaround Time: Tiempo transcurrido entre un satélite
tomando una imagen y la recepción de esa imagen por el cliente.
Tipo de Suelo / Soil Type: Termino usado para referirse a la combinación de los
constituyentes físicos primarios de un suelo. Por ejemplo, Glencoe franco arcilloso,
Collinwood franco arcillo limoso, etc.
Torre de Señal Correctora de FM / FM Tower Correction Signal: Señal de
corrección diferencial transmitida desde una torre local con ubicación conocida con un
alcance de 30 - 40 millas. Uno de los tres tipos comunes de corrección diferencial.
Tropósfera / Troposphere: Atmósfera más baja.
Universal Transverse Mercator (UTM): Sistema de coordenadas métrico
comúnmente usado para mapeo en escalas de 1:500.000 o más mayores. La imagen
satelital es usualmente suministrada en coordenadas UTM porque ella provee
georreferenciación a altos niveles de precisión para la grilla completa.
Variabilidad Espacial / Spatial Variability: Diferencias en las condiciones del lote,
tales como tipos de suelos y niveles de nutrientes, para una locación de un lote a otro.
Vecino más Próximo / Nearest Neighbor: Método de interpolación en el que el valor
desconocido es establecido mediante un valor igual al vecino más próximo.
Verdad de Terreno / Ground Truthing: Verificación de la precisión de los datos
mediante investigación actual del terreno de áreas que han sido sensadas con
sistemas remotos. Es importante que la verdad del terreno sea hecha en el mismo
momento que el sensado remoto debido a los cambios rápidos en las condiciones del
lote que pueden producirse.
Vista Instantánea del Lote / Instantaneous Field of View (IFOV): Medida de la
resolución espacial de un sensor del tipo para escaneo. El IFOV es el área en el
terreno vista por un sensor en cualquier instante.

Agricultura Precision Curso7 Libro

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Agricultura Precision Curso7 Libro

Uploaded by

Copyright:

Available Formats

Estación Experimental Agropecuaria

Instituto Nacional de Tecnología Agropecuaria

7º Curso de Agricultura de Precisión y 2ª Expo de Máquinas Precisas

Argentina es el país de mayor adopción de Agricultura de Precisión de América

7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007 1

a) Actualización técnica sobre los últimos avances en Agricultura de Precisión.

7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007 2

07:30 a 10:30 Inscripción.

10:40 a 11:10 Inauguración con la presencia de autoridades de INTA:

11:20 a 12:30 hs La Agricultura de Precisión Presente y Futuro.

12:30 a 13:00 hs Cluster de Maquinaria Agrícola, formas de acceder a los beneficios de

Cronograma de audiencia según área temática. (Actividades simultáneas)

Día 17 de Julio - Salón A. Actualización técnica sobre los avances en Agricultura de

14:40 a 15:20 hs. Calidad intrínseca de la producción granaria de soja.

15:50 a 16:20 hs. Café.

16:20 a 16:50 hs. Utilización de variedades de soja según potencialidad de los

17:10 a 17:40 hs. Café.

18:10 a 18:40 hs Desarrollo y aplicación de nuevas herramientas de Teledetección en el

7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007 3

Día 18 de Julio - Salón A. Actualización técnica sobre los avances en Agricultura de

Nutrición de Cultivos según ambientes

9:00 a 9:40 hs Avances para la utilización de sensores remotos para la aplicación de

9:40 a 10:00 hs Identificación de zonas para encalado y criterios a tener en cuenta

10:00 a 10:30 hs Café

10:30 a 11:10 hs Importancia de la caracterización de los ambientes dentro del manejo

11:10 a 11:50 hs Sensores remotos para la detección y el manejo del stress

12:30 a 14:00 hs. Almuerzo.

14:00 a 14:30 hs Proteína en trigo, su relación con el rendimiento y la calidad comercial

14:30 a 15:00 hs Sensores NIRS de calidad de proteína, aceite y humedad en

15:00 a 15:30 hs Resultados de ensayos de dosis variable y de NIRS para proteína

15:30 a 16:00 hs. Café.

16:30 a 17:00 hs Tecnología montada sobre Pulverizadoras y agricultura de precisión.

7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007 4

17,20 a 17,40 hs Demo de e-livestock - Presentación del producto/servicio basado en

17:40 a 18:00 hs Café.

18:00 a 18:30 hs. Experiencias y resultados logrados por la utilización de la Agricultura

18:30 a 19:00 hs. Utilización Práctica de la Agricultura de Precisión en cultivos

19:20 a 20:00 hs. Panel de Preguntas.

DÍA 19 DE JULIO (SALÓN “A”)

09:30 a 10:00 hs. Sistemas de procesamiento de información para la optimización

10:00 a 10:30 hs. "Tecologías de Agricultura de Precisión en Empresas Privadas: Uso y

10:30 a 11:00 hs. Café.

11:00 a 11:30 hs Sistema Telematics (control en tiempo real de la maquinaria)

12:00 a 12:30 hs Reconocimiento y manejo de la heterogeneidad ambiental. Ing. Agr.

12:30 a 14:00 hs. Almuerzo.

14:10 a 14:40 hs. Resultados económicos de manejo de insumos según ambientes.

14:40 a 15:10 hs. Información utilizada para lograr la caracterización y el manejo de

15:10 a 15:40 hs. Resultados de manejo de insumos según ambiente y residualidad de

7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007 5

16:10 a 16:40 hs. Presentación de video de capacitación en Agricultura de Precisión

Las dinámicas se desarrollaran en forma simultánea a la realización del curso

7º Curso de Agricultura de Precisión y Máquinas Precisas - INTA Manfredi 2007 6

Día 17 de Julio - Salón B. Capacitación de operarios en el manejo de herramientas que

13:00 a 14,30 hs Almuerzo

15:10 a 15:50 hs. Monitor de Rendimiento, calibraciones y manejo - Farm Scan.

15:50 a 16:30 hs. Monitor de Rendimiento, calibraciones y manejo - Ag Leader Técnicos

16:30 a 17:00 hs. Café.

17:00 a 17:40 hs. Monitor de Rendimiento, calibraciones y manejo - Sr Christoph Luis

18:20 a 19:00 hs. Monitor de Rendimiento, calibraciones y manejo - AFS CASE.

19:00 a 19:40 hs. Monitor de Rendimiento, calibraciones y manejo - Green Star.

DÍA 18 DE JULIO (SALÓN “B”)

Día 18 de Julio - Salón B. Capacitación de operarios en el manejo de herramientas que

08:30 a 09:00hs. Manejo de Software - Farm Scan.