La siguiente publicación técnica esta relacionada al evento:
Simposio de Fertilidad 2015

Atlas Mundial de Brechas de Rendimiento: Trigo, soja y maíz en Argentina

Publicado el: 14/8/2015
Autor/es:
Información del video
Ver más

¿Por qué un atlas mundial de brechas de rendimiento?

¿Cuánto más alimento puede producir el mundo con la disponibilidad actual de tierra cultivable y agua disponible? El Atlas Mundial de Brechas de Rendimiento puede proveer la respuesta. Para el 2050 vamos a tener que producir alimentos para 9200 millones de habitantes, al mismo tiempo, preservando áreas ricas en biodiversidad y servicios ecosistémicos. Para cumplir con estos objetivos necesitamos alcanzar altos rendimientos en cada hectárea de tierra que se encuentra actualmente cultivada (van Ittersum et al., 2013). Por eso, es necesario intensificar de forma sustentable los actuales sistemas de producción. Investigadores de la Universidad de Nebraska (Estados Unidos) y Wageningen (Países Bajos), liderados por los Dres. Kenneth Cassman y Martin van Ittersum, están llevando adelante un esfuerzo internacional para crear un Atlas Mundial de Brechas de Rendimiento: un avanzado sistema de modelación de cultivos y mapeo agroclimático usado para cuantificar cuanto alimento adicional puede ser producido al reducir las brechas entre (i) el rendimiento promedio logrado por los productores (Ya) y (ii) el rendimiento potencial que se define a partir del clima, genotipo y suelo (Yp para riego o Yw para condiciones de secano, Figura 1). 

A través de su sitio web (www.yieldgap.org), el Atlas provee el primer mapa global interactivo de rendimientos potenciales y brechas de rendimientos para los principales cultivos, basado en un protocolo transparente, replicable, y con un sólido cimiento de conocimiento agronómico (Figura 2). El Atlas es acceso público y la información utilizada para estimar rendimientos potenciales y brechas está disponible para poder replicar los resultados. Asimismo, todos los métodos y supuestos usados en la construcción del atlas están detallados en el sitio web. El Atlas va a proveer una plataforma que puede ser usada como herramienta por parte de los productores, asesores, agencias de extensión y sectores privados y gubernamentales relacionados con la agro-industria para identificar regiones con mayores oportunidades para incrementar la producción de alimento a través de una intensificación sustentable.

Primeros pasos hacia la construcción de un atlas global de brechas de rendimientos El Atlas es un proyecto global basado en conocimiento local y requiere de expertos para obtener datos locales confiables de clima, suelo y, especialmente, manejo de cultivo para la estimación de rendimientos potenciales. Los primeros esfuerzos se focalizan en doce países en África (Burkina Faso, Gana, Mali, Marruecos, Niger, Nigeria, Etiopia, Kenia, Tanzania, Uganda, Túnez y Zambia), tres en Asia (Bangladesh, India y Jordania), Estados Unidos, Australia, Brasil y Argentina (Figura 2). Desarrollar el Atlas requiere construir una solida red de colaboración con expertos en cada uno de estos países.

El proyecto se encuentra actualmente financiado por la Fundación Bill and Melinda Gates, el Instituto “Water for Food” de la Universidad de Nebraska y el Departamento de Agricultura de los Estados Unidos (USDA). En Argentina, el trabajo está siendo llevado adelante por investigadores del INTA Balcarce/ Universidad de Mar del Plata/CONICET, del Grupo de Estudios Ambientales (CONICET/GEA), del INTA Castelar y de la Facultad de Agronomía de la UBA. 

La financiación para el proyecto en Argentina proviene del Instituto “Water for Food” de la Universidad de Nebraska (http://waterforfood.nebraska.edu/) y también de las instituciones donde trabajan los integrantes del grupo de trabajo.
 

¿Cómo estimar brechas de rendimientos con relevancia local y regional?

La aproximación usada en el proyecto consiste en la selección de un determinado número de localidades, situadas en zonas relevantes para la producción de cada cultivo, para las cuales se estima el rendimiento potencial utilizando modelos de simulación de cultivo (van Ittersum et al., 2013). Las simulaciones están basadas en datos locales de clima, suelo y manejo de cultivo (fecha de siembra, cultivar, distancia entre hileras, y densidad de plantas). La brecha de rendimiento se calcula como la diferencia entre el rendimiento potencial simulado y el rendimiento logrado por los productores. La estimación de rendimiento potencial y brecha se realiza primero a nivel localidad y luego se extrapola a nivel de región y país. ¿Cómo se hace esto último?

Los equipos de trabajo de la Universidad de Nebraska y Wageningen han desarrollado un mapa global de zonas climáticas con relevancia agronómica y universal para todos los cultivos (van Wart et al., 2013). En resumen, el mundo fue divido en celdas de aproximadamente 10 x 10 km y las celdas se agruparon de acuerdo a tres índices climáticos: i) longitud de la estación de crecimiento, ii) grado de limitación hídrica, y iii) estacionalidad (diferencia de temperatura entre estaciones). La Figura 3 muestra el mapa de zonas climáticas para América del Sur (A) y Argentina (B). Cada color corresponde a una zona climática específica, es decir, a una combinación de longitud de estación de crecimiento, limitación hídrica y estacionalidad. La zona climática define el espacio de extrapolación de una estimación de rendimiento potencial y logrado por el productor.

Una vez definidas las zonas climáticas, se seleccionan las localidades a simular basado en la distribución del área sembrada con cada cultivo y la ubicación de las estaciones meteorológicas, buscando maximizar el grado de cobertura del área sembrada con cada cultivo. El rendimiento potencial se estima usando modelos de simulación de cultivo que han sido satisfactoriamente evaluados en condiciones de producción que carecen de limitaciones nutricionales y sin incidencia de malezas, plagas y enfermedades. Para cada localidad, se simulan las secuencias de cultivo más frecuentes (en función de la información aportado por expertos locales) y series de suelos dominantes, luego se calcula un promedio ponderado por su representatividad en la zona. Las simulaciones utilizan un mínimo de 20 años de datos climáticos para obtener estimaciones robustas del promedio y su variabilidad. Como se mencionó anteriormente, la brecha de rendimiento se estima como la diferencia entre el rendimiento  potencial simulado y el rendimiento logrado por productores. Finalmente, la extrapolación de localidad al nivel región y país se basa en el mapa de zonas climáticas descripto anteriormente. 

 

Desarrollo del Atlas en Argentina

Los esfuerzos iniciales en Argentina se focalizan en estimar rendimientos potenciales y brechas para maíz, soja y trigo en condiciones de secano. Estos tres cultivos cubren más del 80% del área total sembrada con cultivos de grano en Argentina. Siguiendo el protocolo global de trabajo se seleccionaron 15 localidades para las simulaciones de rendimiento (Figura 4). Las zonas climáticas donde se encuentran estas localidades cubren más del 75% del área total sembrada con maíz, trigo y soja en Argentina. Los datos climáticos diarios de los últimos 28 años fueron obtenidos para cada localidad, incluyendo radiación solar, temperatura máxima y mínima y precipitación. Las fuentes de datos climáticos fueron provistas por el Instituto Nacional de Tecnología Agropecuaria (INTA Clima y Agua), el Servicio Meteorológico Nacional (SMN) y la base de datos agroclimáticos de NASA-POWER. Los datos climáticos de cada localidad fueron chequeados mediante un control de calidad basado en comparaciones con las tres estaciones meteorológicas adyacentes. Las series de suelos dominantes (2-3 por localidad) en el área cultivada, fueron identificadas mediante el uso de bases de datos de suelo de INTA (geointa. gov.ar), asistida por opinión experta del equipo de investigadores argentinos y consultas a expertos locales, quienes también fueron consultados para definir los manejos (fecha de siembra, densidad, cultivares) más frecuentes.

Se simularon 28 campañas bajo cada combinación de secuencia de cultivos y tipo de suelo dominantes determinada para cada localidad. Los modelos utilizados fueron CERES-Maize v4.5 (maíz), CERES-Wheat v4.5 (trigo) y CROPGRO v4.5 (soja), los cuales han sido satisfactoriamente evaluados en su capacidad para estimar los rendimientos de los cultivos en Argentina (Mercau et  al., 2001, 2007 y Monzón et al., 2007; 2012). El rendimiento potencial promedio, sin limitaciones de nutrientes ni reducciones por adversidades, para cada localidad se calculó ponderando las áreas sembradas en cada suelo bajo las diferentes secuencias de cultivo. La brecha fue estimada como la diferencia entre el rendimiento potencial simulado y el rendimiento logrado por productores. El último se calculó basado en estadísticas de producción de las ultimas 6 campañas, reportado por el Ministerio de Agricultura, Pesca y Alimentación de la República Argentina, para los departamentos donde se encuentran ubicadas  las localidades seleccionadas.

¿Cuánto más soja, trigo y maíz puede producir Argentina? 

Los resultados del análisis de brechas de rendimiento en Argentina están disponibles en el sitio web: www.yieldgap.org. La Figura 5 muestra los resultados para maíz donde se puede observar que la magnitud y la variación del rendimiento potencial, cambia sustancialmente entre localidades (Figura 5). Los rendimientos alcanzables para Argentina (Yw, potencial en secano limitado por agua) fueron de 3.9, 5.2 y 11.6 t ha-1 para soja, trigo y maíz, respectivamente. Las brechas de rendimiento de Argentina fueron de 1.2, 2.2 y 4.8 t ha-1 para soja, trigo y maíz, respectivamente. Expresados como porcentaje de Yw, la brecha de rendimiento fue considerablemente menor en soja (31%), que en trigo y maíz (41%), esta diferencia fue consistente a través de todas las regiones. Identificamos una alta variabilidad en las brechas de rendimiento entre las regiones que, en combinación con la amplia gama de clima, suelos y sistemas de cultivo, hace de Argentina un interesante caso de estudio para avanzar en la comprensión de las causas de las brechas de rendimiento.

Nuestro análisis ha demostrado que la Argentina tiene un gran potencial para el aumento de la producción agrícola mediante el cierre de las brechas de rendimiento existentes, ya que los rendimientos reales son significativamente más bajos que el rendimiento alcanzable. Teniendo en cuenta un rendimiento alcanzable igual al 80% del Yw y la tecnología actual, Argentina sería capaz de producir 54,6 millones de toneladas de soja, 18.9 millones de t de trigo y 34.3 millones de toneladas de maíz, teniendo en cuenta el área de cultivo de la campaña 2011/12 de cultivo, en lugar de la ca. 48, 14 y 23 millones de t que estaba produciendo. Esto representaría un incremento, del 7.2%, 3.3% y 10.3% de las exportaciones de soja, trigo y maíz para el año 2012.

 

Agradecimientos

Agrademos a Agustín Giorno (AACREA), Alberto Quiroga (INTA), Eduardo Martínez Quiroga (AACREA), Fernando Ross (INTA), Juan Martín Capelle (AACREA), Lía Olmedo Pico (INTA), Martín Sánchez (AACREA), Octavio Caviglia (INTA), y Pablo Calviño (AACREA) por su ayuda en la determinación de prácticas de manejo en las localidades seleccionadas.

 

Bibliografía

  • Mercau, J.L., E.H. Satorre, M.E. Otegui, G.A. Maddonni, J. Cárcova, R. Ruiz, M. Uribelarrea, y F.J. Menendez. 2001. Evaluación a campo del comportamiento del modelo Ceres en cultivos de maíz del norte de la provincia de 
  • Buenos Aires. VII Congreso Nacional de Maíz.
  • Mercau. J.L., J. Dardanelli, D. Collino, J. Andriani, A. Irigoyen, y E.H. Satorre. 2007. Using CROPGRO model to predict on-farm soybean yields in the Pampas. Field Crops Res. 100: 200-209.
  • Monzon, J.P., V.O. Sadras, P.A. Abbate, y O.P. Caviglia. 2007. Modelling management strategies for wheatsoybean cropping systems in the Southern Pampas. Field Crops Res. 101:44-52.
  • Monzon, J.P., V.O. Sadras, y F.H. Andrade. 2012. Modelled yield and water use efficiency of maize in response to crop management and Southern Oscillation Index in a soilclimate transect in Argentina. Field Crops Res. 130:8-18.
  • Grassini, P., J. Thorburn, C. Burr, y K.G. Cassman. 2011. High-yield irrigated maize in the Western U.S. Corn-Belt: I. On-farm yield, yield-potential, and impact of management practices. Field Crops Res. 120:142-150.
  • Van Ittersum, M.K., K.G. Cassman, P. Grassini, J. Wolf, P. Tittonell, y Z. Hochman. 2013. Yield gap analysis with local to global relevance – a review. Field Crops Res. 143:4-17
  • Van Wart, J., L. Van Bussel, J. Wolf, R. Licker, P. Grassini, A. Nelson, H. Boogaard, J. Gerber, N.D. Mueller, L. Claessens, K.G. Cassman, y M.K. Van Ittersum. 2013. Reviewing the use of agro-climatic zones to upscale simulated crop yield potential. Field Crops Res. 143:44-55.
 
remove_red_eye 1079 forum 4 bar_chart Estadísticas share print
Compartir:
close
Ver todos los comentarios
 
   | 
Copyright © 1999-2020 Engormix - All Rights Reserved