La siguiente publicación técnica esta relacionada al evento:
XXVI Producción de carne y leche en climas cálidos: Reunión Internacional

Herramientas indirectas para la estimación de la cantidad de forraje disponible en praderas en Mexicali, b. c., México

Publicado el: 18/1/2018
Autor/es:
Resumen

Es importante conocer la cantidad de forraje disponible en praderas irrigadas, para tomar decisiones informadas en favor de las empresas agropecuarias. El método tradicional, o directo, es confiable pero tiene demandas altas de tiempo y mano de obra; por ello se han desarrollado métodos indirectos, rápidos y fáciles de utilizar, para intentar estimar la cantidad de forraje disponible. El objetivo del presente trabajo fue comparar la precisión en la estimación de la cantidad de forraje disponible por dos métodos indirectos, utilizando como referente al método directo. Los métodos indirectos consistieron en la utilización de un plato medidor de forraje manual y un sensor activo infrarrojo. Se observó que para el caso de praderas de raigrás, la herramienta que mejor se ajusta al método directo es el sensor; mientras que para praderas de pasto bermuda, la herramienta que mejor se ajusta a las mediciones directas es el plato medidor de pasturas. Los reportes de la literatura validan estos resultados parciales. Por lo observado hasta ahora, se concluye que si existe el potencial de usar métodos indirectos en sustitución del método directo. También, es recomendable el uso de un plato medidor de pasturas para estimar la cantidad de forraje disponible en praderas de pasto bermuda y el uso de un sensor remoto infrarrojo, si se trata de praderas de raigrás.

Introducción

El conocimiento de la cantidad de forraje disponible en praderas irrigadas es de utilidad para administradores de ranchos ganaderos para ajustar las cargas animales, elaboración de inventarios de forraje, planeación de compras y ventas de ganado dependiendo de la disponibilidad del recurso, entre otras posibles. El método tradicional para estimar la cantidad de forraje es confiable, ya que consiste en el corte, secado y pesado del forraje. El problema asociado con este método directo es que tienen altas demandas de mano de obra y de tiempo; por lo que son necesarios métodos menos demandantes de mano de obra, de tiempo y que sean económicos en su utilización.

Un método efectivo para la estimación en campo del forraje disponible en base seca debe ser lo suficientemente preciso para compararse con el método directo. Ya se han desarrollado métodos indirectos, no destructivos, para estimar la cantidad de forraje disponible (Tucker, 1980; Fricke, et al. 2013). El principio se sustenta en la relación existente entre la biomasa y la altura de las plantas; como es el caso del uso de platos medidores y otros métodos similares que estiman la cantidad de la biomasa, a partir de la altura de la vegetación (Hutchings, et al. 1990).

Los métodos indirectos también tienen sus limitaciones, por ejemplo, la variación asociada con la característica de los hábitos de crecimiento de las diferentes especies de praderas (rastrera o amacollada) y la variación espacial que típicamente existe en praderas de pastoreo. Una alternativa propuesta para superar estos problemas es la percepción remota con sensores (Pittman et al. 2015). El uso de sensores infrarrojos basa su principio para estimar la biomasa en el reflejo y absorción de las longitudes de onda roja y cercana a la infrarroja por la vegetación (Raun et al. 2014). El objetivo del presente trabajo fue comparar la precisión en la estimación de la cantidad de forraje disponible por dos métodos indirectos, utilizando como testigo al método directo.

 

Materiales y Métodos

El experimento se encuentra en marcha en praderas del Instituto de Ciencias Agrícolas de la Universidad Autónoma de Baja California, localizado en el ejido Nuevo León, en Mexicali, Baja California, México. Las praderas en las que esta evaluación tiene lugar son monocultivos de dos tipos; de pasto bermuda (Cynodon dactylon L.), variedad Gigante, una especie perenne; y pasto raigrás (Lolium multiflorum L.), variedad común, el cual es anual. Estas dos especies de pastos son ampliamente utilizadas para praderas en la región.

Los métodos indirectos consistieron en la utilización de un plato medidor de forraje manual (FILIP´s folding plate pasture meter) y un sensor activo infrarrojo marca GreenSeeker® (Trimble, Co.). Las mediciones con los tres métodos se realizaron procurando que se tomaran las tres mediciones de la misma área de aproximadamente 0.1 m2 . Tres ciclos de pastoreo por cada uno de los dos tipos de praderas fueron relacionados los rendimientos obtenidos con el método directo, con las mediciones de NDVI obtenidas con el sensor o con la altura del forraje obtenida con el plato medidor de pasturas.

El diseño experimental fue de bloques completos al azar, con seis repeticiones por tratamiento. Para la comparación de los dos métodos indirectos contra el método directo se utilizaron curvas de respuesta, utilizando Microsoft Excel.

 

Resultados y Discusión

Los resultados se presentan gráficamente en la Figura 1. En general, gráficamente es posible observar como los métodos indirectos son capaces de discriminar entre diferentes cantidades de forraje disponible. Además, por lo observado hasta ahora, es que para el caso de praderas de raigrás, el método indirecto que mejor se ajusta al método directo es el sensor; mientras que para praderas de pasto bermuda, el método indirecto que mejor se ajusta a las mediciones directas es el plato medidor de pasturas.

La efectividad de las herramientas indirectas depende del tipo de pradera a estimar su forraje disponible. Santillano (2007) concluyó que el uso del mismo sensor infrarrojo utilizado en este estudio (GreenSeeker®), resultó inefectivo para estimar la cantidad de forraje disponible de una pradera mixta de bermuda y festuca alta (Festuca arundinacea L) en Oklahoma, EUA. En praderas, con frecuencia una fracción del rendimiento lo constituye material no verde, que el sensor no registra. El forraje de las praderas de raigrás en este estudio estuvo compuesto de forraje verde. La otra limitación de este sensor en particular es que se ha demostrado que cuando la vegetación ha cubierto completamente el suelo, el sensor se “satura” y deja de discriminar entre distintas cantidades de biomasa vegetal, a diferencia de otros sensores en el mercado (Cao et al. 2016). Una cobertura completa del suelo por el forraje se espera que ocurra con mayor rapidez en una pradera con hábito de crecimiento rastrero, como el bermuda, que en una pradera de crecimiento erecto, como el raigrás.

De acuerdo con los resultados observados hasta la fecha en nuestro experimento, se recomienda el uso del plato medidor de pasturas para estimar la cantidad de forraje disponible en praderas de pasto bermuda; mientras que el uso de un sensor remoto infrarrojo funciona mejor en praderas de raigrás.

 

Literatura Citada

Cao Q, Miao Y, Khosla R, et al. 2016. Active canopy sensing of winter wheat nitrogen status: An evaluation of two sensor systems. Computers And Electronics In Agriculture Precision Agriculture: 54-67.

Fricke, T.; Wachendorf, M. 2013. Combining ultrasonic sward height and spectral signatures to assess the biomass of legume-grass swards. Comput. Electron. Agric. 99, 236–247.

Hutchings, N.J.; Phillips, A.H.; Dobson, R.C. 1990. An ultrasonic rangefinder for measuring the undisturbed surface height of continuously grazed grass swards. Grass Forage Sci. 45, 119– 127.

Pittman , J. J., D. B. Arnall, S. M. Interrante, C. A. Moffet, and T. J. Butler. 2015. Estimation of biomass and canopy height in bermudagrass, alfalfa, and wheat using ultrasonic, laser, and spectral sensors. Journal of Technology.

Santillano-Cázares, J. 2007. Management of improved pastures in Oklahoma I. Tall fescue seed production II. Pasture variability /." Networked Digital Library of Theses & Dissertations, EBSCOhost (accessed August 31, 2016).

Tucker, C.J. 1980. A critical review of remote sensing and other methods for non-destructive estimation of standing crop biomass. Grass Forage Sci. 35, 177–182.

W. R., Raun, Solie J. B., Stone M. L., et al. 2014. Optical sensor-based algorithm for crop nitrogen fertilization. BASE, EBSCOhost (accessed August 31, 2016).

 

Figura 1. Relación entre el rendimiento de forraje con: a) NDVI medido con un sensor infrarrojo en pasto raigrás; b) Altura del forraje medido con plato medidor de pastura en pasto raigrás; c) NDVI medido con un sensor infrarrojo en pasto bermuda y d) Altura del forraje medido con plato medidor de pastura en pasto bermuda. Experimeto conducido en el ICA-UABC, entre 2015 y 2016.

 

 
remove_red_eye 170 forum 0 bar_chart Estadísticas share print
Compartir:
close
Ver todos los comentarios
 
   | 
Copyright © 1999-2019 Engormix - All Rights Reserved