Conductividad Eléctrica Aparente: Herramienta para zonificar ambientes

Transcripción

1 Conductividad Eléctrica Aparente: Herramienta para zonificar ambientes Peralta, N. R 1,2* ; Costa, J.L. 2,3 ; Mauricio Simón 4 ; Nicolas Tagle 5 CONICET 1 ; Fac. Ciencias Agrarias-UNMdP 2 ; INTA Balcarce 3 ; AGD 4, AACREA 5 nperalta21@gmail.com Resumen El objetivo del presente trabajo fue determinar si la medición de la Conductividad Eléctrica Aparente (CEa) y su relación con la variabilidad espacio temporal del rendimiento de los cultivos permite delimitar zonas de manejo (ZM) en condiciones de producción de dos ambientes de la región pampeana (Sudeste Bonaerense y Córdoba). El uso de los mapas de rendimiento es el método más utilizado para delimitar zonas de manejo, debido a la generación de su uso, la cual brinda una información extra e importante para la tecnología de Dosificación Variable (VRT). Para delimitar ZM se necesitan mínimo 3 mapas de rendimientos representativos y confiables, lo cual implica varios años de campaña para obtener esta información. Mientras que con la medición geo-referenciada de la CEa, la cual se hace de manera rápida, precisa y confiable, podemos determinar la variabilidad espacial de la capacidad productiva del recurso suelo, logrando así, obtener un mapa que nos permite aplicar la tecnología VRT. Introducción La Agricultura de Precisión (AP) se define como la aplicación de tecnologías y principios para manejar la variabilidad espacial y temporal asociada con los aspectos de la producción agrícola, con el propósito de determinar zonas de manejo homogéneo (ZM). Las ZM son definidas como una subdivisión de los lotes en áreas homogéneas que poseen potenciales de producción diferentes (Bullock et al., 2007). En las principales regiones agrícolas de Argentina, cada vez más se están utilizando cosechadoras que tienen incorporadas la tecnología de los monitores de rendimiento acoplados a los Sistemas de Posicionamiento Satelital (GPS). A partir de estos se obtienen mapas digitales de rendimiento, permitiendo una visualización más clara de la variabilidad espacial que presenta un determinado lote de producción. La delimitación de ZM con los mapas de rendimiento es el método más utilizado debido a la generación de su uso. Pero la interpretación de estos mapas es difícil, ya que el patrón espacial de rendimiento es influenciado por factores espaciales permanentes (atributos del terreno, las clases de erosión y las propiedades del suelo) y temporales (patógenos del suelo, enfermedades y fallas en la siembra del cultivo) (Bullock et al., 2007). Por consiguiente, se necesitan varios años de mapas de rendimiento acumulados del lote para conocer el verdadero patrón espacial del rendimiento (Kitchen et al. 2005). Para poder lograr que la información sea confiable, es necesario que se tomen algunos recaudos en el momento previo, durante y posterior a la cosecha, referidos tanto a la instalación de los equipos, calibración, manejo de los monitores, en el bajado de los datos; y muchas veces algunos de estos factores no se realizan correctamente y no podemos obtener mapas de rendimiento confiables. Además, si consideramos que en estos mapas solo se puede apreciar la variabilidad de los rendimientos en el espacio, no indican cuáles son las probables fuentes o causas de variación del rendimiento, ni el peso de cada una de ellas, es decir, en forma aislada, estos mapas aportan escasa información para recomendaciones de manejo sitio-específico (Peralta et al., 2013a). Para resolver este problema, se requiere conocer y analizar la variabilidad espacial de las propiedades del suelo que afectan al rendimiento de los cultivos (Ruffo et al.,

2 2006). Un método que está recibiendo mucha atención para realizar la determinación de ZM es la medición geo-referenciada de la Conductividad Eléctrica Aparente del suelo (CE a ). La misma esta influenciada por propiedades del suelo que afectan el rendimiento en grano de los cultivos (Kitchen et al., 2005; Peralta y Costa et al., 2013). En ambientes del Sudeste de Córdoba, la CEa está asociada fuertemente al contenido de arcilla, materia orgánica, capacidad de intercambio catiónico (Peralta et al., 2013). En ambientes del Sudeste Bonaerense, además está asociada a la profundidad efectiva del suelo (Peralta et al., 2012). Es decir que la CEa está asociada a la fertilidad físico-química y a la capacidad de acumulación de agua del suelo. Por lo tanto, la CE a podría convertirse en un potencial estimador de la variabilidad espacial del rendimiento de los cultivos, pudiendo determinar ZM de una manera rápida y confiable. El objetivo del presente trabajo fue determinar si la medición de la CEa permite delimitar zonas de manejo y estimar la capacidad productiva de cada ZM en condiciones de producción del Sudeste de la Provincia de Buenos Aires y Córdoba. Materiales y métodos Sitios experimentales Esta investigación fue conducida en dos lotes de producción: (l) lote de 41 ha ubicado a 37 46'7.70"S y 59 14'53.01"O, sur de la Provincia de Buenos Aires, próximo a la localidad de Lobería. El lote está constituido por Argiudoles Típicos y Paleudoles Petrocalcicos (INTA, 1989). (ll) lote de 37 ha ubicado a 33 31'19.25"S y 62 53'38.37"O, sur de Córdoba, próximo a la localidad de Canals. El lote está constituido por Haplustoles Enticos y Típicos (INTA, 1989). Mapeo de la conductividad eléctrica aparente (CE a ) La medición de la CE a se realizó utilizando el Veris 3100 (Veris 3100, Division of Geoprobe Systems, Salina, KS). El Veris es un dispositivo que mide la CE a a dos estratos: de 0-30 cm y 0-90 cm. Para la elaboración de los mapas de CE a, en este trabajo solo se utilizó la CE a 0-90 cm, ya que esta medida es más representativa del suelo y presenta menor variación temporal que la CE a de 0-30 cm (Sudduth et al., 2003). La unidad Veris fue traccionada por una pick-up y simultáneamente fue midiendo y georeferenciando la CE a con un DGPS (Trimble R3, Trimble Navegation Limited, USA) con una precisión de medición submetrica y configurado para tomar posición satelital cada 1-s. la elevación del terreno fue medida simultáneamente en el momento de la medición de la CEa. Muestreo de suelo La determinación de puntos de muestreo dentro de cada lote, se basó en un Muestreo al Azar Estratificado por zonas de CEa. Se determinó textura por el Método de Bouyucus (% arcilla, arena y limo) y Materia Orgánica (MO, %). Mapas de rendimiento de los cultivos Para cuantificar el rendimiento de los cultivos en las diferentes campañas se utilizaron monitores de rendimiento acoplados a cosechadoras. Los datos de rendimiento fueron limpiados eliminando los errores utilizando el software yield editor. Los datos de rendimiento fueron relativizados para disminuir el efecto del cultivo (Kitchen et al., 2005). La siguiente ecuación fue utilizada para relativizar los datos de rendimiento:

3 Y Ni ( Yi / Y) x100 Y = rendimiento normalizado en la celda Ni i ; Y i = rendimiento en la celda i ; Y = rendimiento promedio del cultivo en todo el lote. Delimitación de Zonas de Manejo (ZM) La delimitación de zonas de manejo se realizó mediante el software Management Zone Analyst (Kitchen et al., 2005). Este software realiza la división de ambientes mediante un análisis cluster (fuzzy K-means). En este análisis solo la variable CEa fue introducida para la clasificación de ambientes. Análisis estadístico Se realizó una comparación de los valores esperados de los rendimientos relativos para cada una de las zonas de CEa (Baja, Media, Alta) utilizando un modelo mixto de ANOVA y la prueba de LSD Fisher con las medias ajustadas por la correlación espacial. Todos los análisis se realizaron con SAS versión 9.1 (SAS Institute, 2006) y con un nivel de significancia del 5%. Resultados y discusión Lote del Sudeste de Córdoba: Figura 1. Mapas de altimetría, Conductividad Eléctrica Aparente (CEa), rendimiento en grano de 3 campañas de soja y el promedio de las campañas para el lote del Sudeste de Córdoba.

4 En los mapas de CEa y rendimientos se observa la existencia de patrones marcados en la variabilidad espacial (Figura 2). Zonas de alta CEa (zonas verdes) estuvieron asociadas a las áreas con mayores rendimientos en grano del cultivo de soja (Figura 2). Mientras que la zona de baja CEa (zonas rojas) estuvo asociada a las áreas de menor rendimiento. La zona de media CEa (zonas amarillas) es de transición y presentaron los rendimientos promedios del lote (Figura 2), es decir que la CEa estuvo relaciona positivamente con el rendimiento en grano. Estos resultados son atribuibles a que el contenido de arena y partículas finas (arcilla+limo) presentaron diferencias significativas entre las zonas de CEa (Figura 2a). La zona de alta CEa (ubicadas en la parte baja del terreno) presentaron los mayores valores de partículas finas y materia orgánica del suelo. Mientras que la zona baja CEa (colore rojo y loma del terreno) estuvo asociada a áreas del lote con mayores contenidos de arena y menores de MO (Figura 4a). Investigaciones previas, reportaron que la CEa es influenciada positivamente por el contenido de partículas finas y negativamente con el contenido de arena, lo que refleja la capacidad de retención de agua del suelo, y por lo tanto, la variación espacial del rendimiento de grano de los cultivos (Peralta et al., 2013). Además, al aumentar la capacidad de retención de agua de los suelos, producto de partículas de suelo más finas, se incrementa su contenido de MO como consecuencia del mayor aporte de residuos que reciben y por el efecto protector de las partículas finas sobre la MO. A partir de esto, se tiene una base efectiva para poder delimitar ZM y ofrecer un marco de trabajo útil para el muestreo de suelo (Peralta et al., 2013). En función de la variabilidad espacial de la CEa se determinaron 3 ZM con diferente potencial de producción (Figura 3a). El promedio de los rendimientos relativos (de las 3 campañas de soja) presentaron diferencias significativas entre las zonas delimitadas por la CEa (p<0.05, Figura 3b). En la zona de bajo potencial (color rojo del mapa), el rendimiento relativo estuvo -41% por debajo del rendimiento promedio para todo el lote (115%). Mientras que en la zona de alto potencial (color verde), el rendimiento relativo estuvo +61% por encima del rendimiento promedio para todo el lote (115%) y; la zona de alto potencial presento un capacidad productiva de +102 % superior que la zona de bajo potencial. La diferencia significativa de la capacidad productiva de las zonas de manejo, es atribuible a la capacidad de acumulación de agua en el suelo de cada ambiente. En tal sentido, la zona de bajo, medio y alto potencial, presentan una capacidad de acumulación de agua disponible para los cultivos a 1 m de profundidad de 50, 80 y 120 mm. Figura 2. a) Promedio de las propiedades del suelo y nutrientes para las diferentes clases de Conductividad Eléctrica Aparente (CEa) en el lote de Córdoba. b) Relación entre la CEa y la profundidad de suelo (tosca)

5 Figura 3. a) Mapas de las zonas de manejo (Bajo, Medio y Alto potencial de rendimiento); b) Promedio de rendimiento relativo de las 3 campañas de soja para cada ZM. Para la zona baja, media y alta; los errores estándares fueron 2.54, 3.59 y 5.71%, respectivamente. Lote del Sudeste de Buenos Aires: Figura 4. Mapas de altimetría, Profundidad de suelo (tosca), Conductividad Eléctrica Aparente (CEa), rendimiento en grano de girasol, trigo y el promedio de las dos campañas para el lote del Sudeste Bonaerense. En los mapas de CEa y rendimientos se observa la existencia de patrones marcados en la variabilidad espacial (Figura 4). Zonas de alta CEa (zonas rojas) estuvieron asociadas a las áreas con menores rendimientos en grano de los cultivos (Figura 4). Mientras que la zona de baja CEa (zonas verdes) estuvo asociada a las áreas de mayor rendimiento. La zona de media CEa (zonas amarillas) es de transición y presentaron los rendimientos promedios del lote (Figura 4), es decir que la CEa estuvo relaciona negativamente con el rendimiento en grano. Estos resultados son atribuibles a que la CEa presentó relación negativa con la profundidad del suelo (Figura 2b). La zona de alta CEa (ubicada en la loma del terreno) presentó suelos someros. Mientras que la zona baja CEa (color verde y parte baja del terreno) estuvo asociada a áreas

6 del lote con suelos profundos (mayor a 150 cm) (Figura 4). Los suelos someros afectan el rendimiento de los cultivos debido a una reducción en la disponibilidad de agua y nutrientes, sumado a la impedancia mecánica que limita la elongación de la raíz (Sadras y Calviño, 2001). La CEa es una herramienta potencial para estimar la variabilidad espacial de la profundidad del suelo en lotes del Sudeste Bonaerense y por ende, del rendimiento de los cultivos (Peralta et al., 2012; Peralta et al., 2013). En función de la variabilidad espacial de la CEa se determinaron 3 ZM con diferente potencial de producción (Figura 5a). El promedio de los rendimientos relativos (de las 2 campañas) presentaron diferencias significativas entre las zonas delimitadas por la CEa (p<0.05, Figura 5b). En la zona de bajo potencial (color rojo del mapa), el rendimiento relativo estuvo -29% por debajo del rendimiento promedio para todo el lote (104%). Mientras que en la zona de alto potencial (color verde), el rendimiento relativo estuvo +17 % por encima del rendimiento promedio para todo el lote (104%) y; la zona de alto potencial presento un capacidad productiva de +46% superior que la zona de bajo potencial. La diferencia significativa de la capacidad productiva de las zonas de manejo, es atribuible a la capacidad de acumulación de agua en el suelo de cada ambiente. En tal sentido, la zona de bajo, medio y alto potencial, presentan una capacidad de acumulación de agua disponible para los cultivos a 1 m de profundidad de 72, 130 y 180 mm. Figura 5. a) Mapas de las zonas de manejo (Bajo, Medio y Alto potencial de rendimiento); b) Promedio de rendimiento relativo de las 2 campañas para cada ZM. Para la zona baja, media y alta; los errores estándares fueron 3.64, 4.52 y 6.51%, respectivamente. Estos resultados sugieren que la asociación espacial entre los mapas de CEa con los mapas de rendimiento, permitirían implementar prácticas de manejo sitio-específico, aumentando la eficiencia en el uso de insumos, mejorando la rentabilidad de la empresa y la protección del medio ambiente. Pero hay que considerar que si bien los mapas de CEa están relacionados espacialmente al rendimiento de los cultivos, no indican que propiedades de suelo están afectando su variabilidad. Por lo tanto, es necesario llevar adelante un diseño de muestreo de suelo por zonas, para determinar que atributos de suelo afecta a la variabilidad del rendimiento. Consideraciones finales La delimitación de zonas de manejo con los mapas de rendimiento es el método más utilizado debido a la generación de su uso, brindando una información extra y muy importante para la tecnología de Dosificación Variable (VRT). Pero el establecimiento de las ZM con mapas de rendimiento requiere como mínimo 3 mapas representativos

7 y confiables, lo cual implica varios años de campaña para obtener esta información y así, comenzar con un posible proyecto de Agricultura de Precisión en nuestros campos. Mientras que con la medición geo-referenciada de la CEa, en un solo año (una pasada dentro del lote) podemos conocer la variabilidad espacial de nuestro lote e inmediatamente delimitar ZM para poder realizar un muestreo geo-referanciado por zonas para determinar que factor de suelo posiblemente nos esté afectando el rendimiento de los cultivos para corregir sus deficiencias mediante la tecnología VRT. El número de zonas de manejo depende de la medida de sensibilidad deseada y el nivel de variabilidad del lote. Para este estudio, la separación en tres zonas representa un buen compromiso entre la sensibilidad y los patrones de variabilidad visual y analíticamente perceptible del suelo y rendimiento. Por lo tanto, los resultados son alentadores respecto al efecto que podría tener la realización de prácticas agronómicas de manejo diferenciales en tres zonas potenciales de manejo. Agradecimientos Este trabajo fue financiado con fondos del proyecto de investigación de INTA AEAI3722 y PNCER2341 y CONICET. Los autores expresan su agradecimiento Nicolás Tagle (Asesor CREA) y Mauricio Simón (Asesor AGD) por su ayuda en la recopilación de los datos que se ofrecen en el campo donde se realizó el estudio. Bibliografía Bullock, DS; N Kitchen & DG Bullock Multidisciplinary Teams: A Necessity for Research in Precision Agriculture Systems Crop Sci. 47: induction and direct sensing of soil electrical conductivity. Agron. J. 95, Kitchen NR; K.A Sudduth; DB Myersb; ST Drummonda& SY Hongc. Delineating productivity zones on claypan soil fields using apparent soil electrical conductivity. Computer and Electronics in Agriculture. 2005; 46(1-3): Peralta, N. R.; Costa, J.L; Balzarini M.; Castro Franco, M Delimitación de zonas de manejo con modelos de elevación digital y profundidad de suelo. Interciencia. 38 (6): 1-7. Peralta, N.R.; Castro Franco, M.; Herber, Luciana; Costa, J.L La conductividad eléctrica aparente: una herramienta para reducir la escala del mapa de suelos y delimitar zonas de manejo sitio-específico. XIX Congreso Latinoamericano de la ciencia del suelo. XXIII Congreso Argentino de la ciencia del suelo. Mar del Plata, Argentina. Actas en CD. Peralta, N.R.; Costa, J.L Delineation of management zones with soil apparent electrical conductivity to improve nutrient management. Computers and Electronics in Agriculture. 99: Peralta, N.R.; Costa, J.L; Balzarini, M.; Angelini, M Delineation of management zones with measurements of soil apparent electrical conductivity in the Southeastern Pampas. Canadian Journal of Soil Science. 93: Ruffo M.; Bollero G.; Bullock D.S.; Bullock D.G Site-specific production functions for variable rate corn nitrogen fertilization. Precision Agric : Sadras, V.O.; Calviño, P.A Quantification of grain yield response to soil depth in soybean, maize, sunflower and wheat. Agron. J. 93: Sudduth, K.A., Kitchen, N.R., Bollero, G.A., Bullock, D.G.,Wiebold,W.J., Comparison of electromagnetic