Potencial de uso de modelos de simulación de cultivos de trigo para la toma de decisiones de manejo en sistemas de producción de Uruguay

Transcripción

1 Potencial de uso de modelos de simulación de cultivos de trigo para la toma de decisiones de manejo en sistemas de producción de Uruguay VALDIVIA-CHILE de DICIEMBRE 2013 Ing. Agr. Sebastián Mazzilli Departamento de Producción Vegetal Facultad de Agronomía - EEMAC

2 Equipo del proyecto Ing. Agr. Oswaldo Ernst. Ing. Agr. Gonzalo Ferreira Ing. Agr. (PhD) Armen Kermanian

3 Objetivo del proyecto FPTA-INIA Calibrar y validar el modelo de simulación CropSyst para las condiciones locales de producción Se logró a través de ensayos parcelarios específicos, utilizando información generada en experimentos diseñados para otros fines pero con información suficiente y el registros de chacras comerciales. Con el modelo validado fue posible evaluar alternativas de manejo, en especial fecha de siembra y fertilización para escenarios climáticos en base al pronóstico ENSO. Fue posible evaluar la distribución de rendimientos y por tanto el riesgo asociado para la producción de trigo, soja y maíz para combinaciones de: Clima Perfiles de suelo (zonas agrícolas en expansión y tradicional)

4 Modelo utilizado CROPSYST Cropping systems simulation model. Nivel de organización: Cultivo. Escala Temporal: Diaria. Controles del crecimiento: Radiación solar y temperatura. Disponibilidad de agua. Disponibilidad de nitrógeno.

5

6 CROPSYST Procesos simulados Fenología. Producción de biomasa. Partición de biomasa. Balance de agua. Balance de nitrógeno. Respuesta a CO 2 Erosión. Escurrimiento. Salinidad de agua y suelo. Congelamiento de suelo

7 CROPSYST Manejos simulados Siembra. Fertilización nitrogenada. Labranzas. Manejo de residuos (Retiro, quema, etc) Riego. Corte (pasturas)

8 CROPSYST Procesos no simulados Componentes de rendimiento. Efectos bióticos de rotaciones. Calidad de grano. Nutrientes (excepto N). Plagas, enfermedades, malezas. Otros estreses (granizo, alcalinidad). Intersiembra. Erosión eólica.

9 CROPSYST Inputs y parámetros 64 parámetros para c/cultivo o variedad Parámetros de suelo Mínimo: textura por horizonte Numero de curva (escurrimiento) Inputs Climáticos: Tmax, Tmin, Radsol, HRmax, HRmin % HR Viento

10 CROPSYST Condiciones iniciales Para cada estrato de suelo: Contenido hídrico Contenido de N (nitrato y amonio) Salinidad Salinidad de napa Residuos Concentración de CO 2

11 CROPSYST Output Datos de cultivo diarios: fenología, biomasa, área foliar Balance de agua (ETo, Eo, To, ET ) Balance de N Resumen anuales Rendimiento. Biomasa acumulada. etc.

12 CROPSYST Diagrama conceptual

13 CROPSYST Antecedentes ROU Tesis Baroffio y Ramos (2009) SOJA. Tesis Berrutti (2009) MAÍZ. Tesis D Ottone (2010) TRIGO. FPTA 283 (Mazzilli-Ernst) Trigo. Cebada Soja Maíz Sorgo Girasol

14 Rendimiento Observado (Kg/ha) Rendimiento Observado (Kg/ha) Rendimiento Observado (Kg/ha) Rendimiento Observado (Kg/ha) CROPSYST Calibración Validación (Rendimiento) Cebada Trigo Calibración Calibración 2000 Validación 2000 Validación Rendimiento Simulado (Kg/ha) Rendimiento Simulado (Kg/ha) Maíz 5000 Soja Calibración Validación Calibración Validación Rendimiento Simulado (Kg/ha) Rendimiento Simulado (Kg/ha)

15 Biomasa Observado (Kg ha -1 ) CROPSYST Calibración Validación (Biomasa TRIGO) Calibración - Biomasa Validación - Biomasa Calibración =RelRMCE = 13% Validación = RelRMCE = 23% Biomasa Simulado (Kg ha -1 )

16 EJEMPLO 1 Manejo del cultivo según pronóstico climático ENSO: (El Niño / Southern Oscillation) Año «Niño»: Precipitaciones por encima de lo normal. Año «Niña»: Precipitaciones por debajo de lo normal. Año «Neutro»: Sin tendencia clara de precipitaciones. Niño; 15; 24% Niña; 15; 24% Neutro; 32; 52% Fuente: Center for Ocean- Atmospheric Prediction Studies Serie

17 Precipitaciones (mm) CLIMA Precipitaciones (Oct-Nov-Dic) Niña Neutro Niño Serie Mercedes

18 Fecha siembra UBICACIÓN DEL PERÍODO CRÍTICO 5 de mayo 10 de junio 10 de julio 03-Sep 13-Sep 23-Sep 03-Oct 13-Oct 23-Oct 02-Nov Fecha de floración

19 Probabilidad acumulada (%) TRIGO RENDIMIENTO SEGÚN ENSO (Simulación Zona Litoral) 100% 90% 80% 70% 60% 50% 40% 30% Niña Neutro Niño 20% 10% 0% Rendimiento (Kg ha -1 )

20 Rendimiento (Kg ha -1 ) TRIGO RENDIMIENTO SEGÚN ENSO (DIEA ) Niña Neutro Niño

21 TRIGO Probabilidad de fusariosis de espiga ENSO % Años C/Condiciones Octubre Noviembre Niña 50% 25% Neutro 38% 23% Niño 40% 60% Cálculo según Mazzilli et al, 2011

22 Rendimiento (Kg ha -1 ) TRIGO RENDIMIENTO SEGÚN FECHA DE SIEMBRA (Simulación) Niña Neutro Niño Mayo 10 Junio 10 Julio

23 TRIGO Rendimiento Relativo RENDIMIENTO SEGÚN FECHA DE SIEMBRA abc ab (FUCREA 1868 chacras: ) Mazzilli et al, 2012 a a bc c bc d d 0.8 Cambian los cultivares e Abril Mayo Junio Julio

24 Rendimiento Relativo TRIGO RENDIMIENTO SEGÚN FECHA DE SIEMBRA (Zona Centro) % Chacras sembradas antes del 1/6 49% 61% 66% % (FUCREA: Zafras ) Mazzilli et al, 2012

25 Ejemplo 2 Rendimiento alcanzable según suelo y localidad Zona Unidad de Suelo Perfil (*) P(10) RIESGO P(50) P(90) ALCANZABLES Centro San Jorge J Paso Cohelo G Itapebi M Isla Mala M Litoral oeste Libertad L Young O Fraile Muerto E Este-Noreste Alferez F J.P.Varela F

26 Profundidad de perfil Rendimiento (kg ha -1 ) Rendimiento alcanzable P(50) P(10) P(90) Profundidad del perfil (cm)

27 Ejemplo 3 Rendimiento relativo al máximo sin deficiencias de nitrógeno (%) Efecto de la fertilización en TRIGO Perfil de suelo

28 Materia Orgánica Rendimiento relativo al máximo sin deficiencias de nitrógeno (%) Relación con rendimiento Materia orgánica original (%)

29 Consideraciones finales Es posible calibrar y validar el modelo de simulación CropSyst para las condiciones locales de producción. Con el modelo validado es posible evaluar alternativas de manejo, en especial fecha de siembra y fertilización para escenarios climáticos en base al pronóstico ENSO. Fue posible evaluar la distribución de rendimientos y por tanto el riesgo asociado para la producción para combinaciones de clima y perfiles de suelo ubicados en las distintas zonas agrícolas Este tipo de trabajos permite estimar el riesgo de producción asociado a cada zona así como establecer hipótesis de para trabajos experimentales específicos en las distintas zonas. Es fundamental realizar un proceso de capacitación de técnicos e investigadores, de manera de generar una masa crítica de gente trabajando con el modelo a nivel local que permita potenciar los resultados de este proyecto.

30 GRACIAS