Uso de monitores de rendimiento para analisis de campaña 2010 11

Análisis de Monitores de CosechaCampaña 2010-2012

LA PAZ

Oeste Provincia de Buenos Aires

Santiago Gonzalez Venzano

[email protected]

Colaboradores:La Paz: Marcelo Muñoz , Mauro Recarey y Iñaki ZuberbuhlerGIS: Hernán SanchezSolapa 4: Rita Robledo y Vero LeivaMetafóricos: Jorge Luis Borges

mailto:[email protected]

Introducción Metodológica Este trabajo es producto de una metodología de análisis que consideramos innovadora,

y es consecuencia emergente de la aparición de los datos entregados por las

cosechadoras: Los Mapas de Rendimiento.

Pero este análisis es posible si estos datos interactúan con otras fuentes de información

, hablando el mismo idioma, es decir, en este caso, estar dispuestas como capas de

datos georeferenciados sobre una plataforma GIS. Las capas relevantes que se usaron

para este análisis, interactuando con el mapa de rendimiento, fueron:

•Capa de Microambiente.

•Capa de análisis de suelo de Puntos de Muestreo georeferenciados

•Capa de Genotipos.

Los procesos de gestión de información permiten hoy pasar de una identificación por

“potrero o lote” a una identificación por “georeferencia”. La palabra “lote” o “potrero” fue

especialmente omitida en este estudio.

La tecnología es quien abre esta nueva posibilidad de análisis, pero hay dos cuestiones

básicas que permiten que esta posibilidad se concrete:

•El uso de nomenclaturas, que en el caso de ambientes, significa crear categorías o

lenguaje estandarizado.

•La implementación de procesos para gestionar flujos de información

superabundantes. Los datos que no son incorporados a un proceso claro, son

datos perdidos.

Y es el lenguaje, los procesos, y la natural pulsión del ser humano a modelizar y

conceptualizar, lo que nos lleva a construir síntesis, es decir, conocimiento para tomar

mejores decisiones.

Introducción Metodológica Pero, ¿de cuantos datos estamos hablando para un análisis de campaña usando monitores

de rendimiento?

Atrás de cada vistoso mapa de rendimiento, hay una base de datos, con extensión .dbf y

exportable a Excel. Como ejemplo, en este caso, la base de datos de la cosecha de 2.800

has de soja tiene 2.000.000 de filas, por unas 8 columnas relevantes. Es decir, ¡16.000.000

de datos!.

Afortunadamente, las herramientas GIS permiten que los atributos (datos en columnas) de

una capa, pasen a otra capa subyacente, de acuerdo a su georeferencia. Por lo tanto el

mapa (base de datos) de rendimiento se va “cargando” de datos de las otras capas y luego,

exportado a Excel y con tablas dinámicas, se completa el análisis.

Antes de hablar de tecnología y procesos, deberíamos hablar de “quienes hacen” esto:

Todo este proceso involucra gente que pertenece a distintas empresas y que se organiza en

función de procesos y proyectos. Los limites entre las empresas se vuelven porosos y se

configura un nuevo mapa organizacional basado en procesos y proyectos.

En el trasfondo de esta metodología hay una actitud de integración de redes con distintas

empresas / personas:

•Gestión y Operación de la producción.

•Gestión de Información y Conocimiento.

•Proveedores de TIC´s.

•Proveedores de Servicios de Labores y Cosecha.

•Proveedores de Insumos + Conocimiento.

Un especial agradecimiento a todas las personas que participan con su valiosa actitud.

Lluvias

0

50

100

150

200

250

1 2 3 4 5 6 7 8 9 10 11 12

lluvi

as m

m/m

es

Meses

Media

1983-2010

2010

2011

Enero 11 muy lluviosoFebr 11 muy seco hasta el 15 de Mzo

Primavera 2010 seca

Napa Freática

-3,50

-3,00

-2,50

-2,00

-1,50

-1,00

-0,50

0,00

19

87

19

88

19

89

19

90

19

91

19

92

19

93

19

94

19

95

19

96

19

97

19

98

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

Pro

fun

did

ad d

e N

apa

Rango de profundidad de Napa deseado: entre 2 y 2,5 mts

Napa Freática

-3,00

-2,80

-2,60

-2,40

-2,20

-2,00

-1,80

1 2 3 4 5 6 7 8 9 10 11 12

Pro

fun

did

ad d

e la

Nap

a

Meses

Media

1983-2010

2010

2011

Las lluvias de Enero dieron un mejor punto de partida, pero con la sequia de feb-mzo la napa recupero profundidad

Rendimientos 10-11

Loma Arenosa

LomaMedia Loma

Bajo

Bajo-Riesgo Hidrico

Bajo Halomo

rfico

Maiz Tardio 5,6 8,2 10,8 12,2 11,3

Maiz Temprano 7,0 10,9 11,4 10,3 9,2

Trigo 2,1 3,4 5,3 5,7 5,5 5,1

Soja 1,8 2,6 3,7 4,3 4,3 3,1

Soja 2° 1,3 1,3 1,4 1,8 1,9 1,4

1,0

2,0

3,0

4,0

5,0

6,0

7,0

8,0

9,0

10,0

11,0

12,0

13,0

Re

nd

imie

nto

Tn

/ha

Análisis de Monitores de Rendimiento por MicroAmbiente.

El buen comportamiento relativo del Maíz Tardío en ambientes altos, frente a Trigo y Soja, obligara a replantear la rotación de los Macroambientes Altos:•Hoy: T-S2 / S1 (sin Maíz)•Propuesta: T-S2 / Mz Tardío / S1Evitábamos T-S2 como antecesor de Mz por el riesgo de heladas tardías, sin embargo, en siembras de fin de Noviembre, esto ya no es relevante.

Esta rotación es de mas margen y, para estos ambientes mas frágiles, mas sustentable.

Rendimientos Maíz 10-11

Loma Arenosa

LomaMedia Loma

Bajo

Bajo-Riesgo Hidrico

Bajo Halomorf

ico

Maiz Tardio 5,6 8,2 10,8 12,2 11,3

Maiz Temprano 7,0 10,9 11,4 10,3 9,2

Maiz Hist 4,8 8,0 9,4 9,5 7,8

4,0

5,0

6,0

7,0

8,0

9,0

10,0

11,0

12,0

13,0

Re

nd

imie

nto

Tn

/ha

Análisis de monitores del 2004 al 2009

El Maíz Tardío se destaco en casi todos los ambientes, aun en los de más potencial

Los “Rindes Históricos” corresponden a años con menores profundidades de napa, produciendo caídas de rendimiento en los ambientes bajos por anegamiento

Rendimientos Maíz Temprano 10-11

y = -0,2024x + 23,647R² = 0,4001

5,0

6,0

7,0

8,0

9,0

10,0

11,0

12,0

13,0

14,0

50 60 70 80

Re

nd

imie

nto

Tn

/ha

% de Arena

Dk 190 MGRR

Dk 747 MGRR

Los rendimientos de Maíz caen linealmente al aumentar el % de arena a razón de 200 kg por aumento de un 1% del % de arena. El ajuste de este modelo tiene un r2 = 0,4.

Las diferencias entre estos dos genotipos no fueron significativas, mas teniendo en cuesta que en el sector del dk190 llovió más.

Rendimientos Maíz Tardío 10-11 Ensayo de Genotipo x Densidad x AmbienteEn Maiz Fecha de Siembra 25-11-2010Monsanto-S4 con la colaboración de Eduardo Mendiondo y Gabriel Ginopoli

Loma

Medio

Baja Densidad40.000 pl/ha

Alta Densidad80.000 pl/ha

Loma80% de Arena1,5% MO

Bajo60% de Arena2% MO

Ensayo de Densidad en MaízFotos del 20 de Enero

Rendimientos Maíz Tardío 10-11

6000

6250

6500

6750

7000

7250

7500

7750

8000

4,5 6 7,5 8,5

Re

nd

imie

nto

Kg/

ha

Densidad Semillas/m2

DK670MGRR

DK699MGRR

DK747MGRR

Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)Densidad x GenotipoPromedio de toda la Parcela (pesada con tolvas con balanza)

Dk 670 se destacó en todas las densidades evaluadas

Si tenemos que tomar una decisión a nivel de Macroambiente (sin VRT), la densidad mas conveniente es de 60.000 sem/ha

Esta información promedio sirve para tomar decisiones a nivel de macroambientes si no se dispone de equipos para VRT

y = -4,1791x + 308,48R² = 0,6465

y = -10,417x + 346,43R² = 0,4809

y = -8,6531x + 318,16R² = 0,9752

230

240

250

260

270

280

290

300

310

320

4 5 6 7 8 9

Pe

so d

e 1

00

0 g

ran

os

Densidad Sem/m2

DK670MGRR

DK699MGRR

DK747MGRR

Rendimientos Maíz Tardío 10-11 Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)Densidad x GenotipoPromedio de toda la Parcela (pesada con tolvas con balanza)

La fuerte caída de rendimiento de Dk 747 en altas densidades, se explica por la sensibilidad que tiene el peso de 1000 granos en este genotipo a la densidad.

Rendimientos Maíz Tardío 10-11 Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)Densidad x Ambiente (promedio de todos los genotipos)Datos de Monitores de Rendimiento

R² = 0,788

R² = 0,8585

12.000

12.500

13.000

13.500

14.000

14.500

3.500

4.000

4.500

5.000

5.500

6.000

4 5 6 7 8 9

Re

nd

imie

nto

Kg/

ha

Densidad Semilla/m2

Loma Arenosa

Medio

Para el ambiente medio, la densidad optima fue entre 6 y 8,5 sem/m2

Para el ambiente loma, la densidad optima fue de 4,5 semIm2

En el ambiente medio, el ajuste es curvilíneo se exploraron todas las densidades.En la loma el ajuste es casi lineal falta explorar densidades menores.

Rendimientos Maíz Tardío 10-11

R² = 0,6853

R² = 0,9329

R² = 0,9101

R² = 0,8585

12000

12500

13000

13500

14000

14500

15000

4 5 6 7 8 9

Rw

nd

imie

nto

Kg/

ha

Densidad Semilla/m2

DK670MGRR2

DK699MGRR2

DK747MGRR2

Total general

Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)Ambiente Medio . Interacción genotipo x densidadDatos de Monitores de Rendimiento

Para estos híbridos , en el ambiente medio, la densidad optima fue 6 sem/m2

Para este híbrido, en el ambiente medio, la densidad optima fue 8,5 sem/m2

La mejor combinación en el ambiente medio: Dk 699 con alta densidad

Rendimientos Maíz Tardío 10-11 Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)Ambiente Loma Arenosa. Interacción genotipo x densidadDatos de Monitores de Rendimiento

y = -162,22x + 5454,6R² = 0,5309

y = -227,08x + 5149,4R² = 0,4244

y = -96,426x + 4492R² = 0,225

y = -161,99x + 5137,7R² = 0,7391

2000

2500

3000

3500

4000

4500

5000

4,0 5,0 6,0 7,0 8,0 9,0

Re

nd

imie

nto

Kg/

ha

Densidad Semillas/m2

DK670MGRR2

DK699MGRR2

DK747MGRR2

Total general

La mejor combinación en el ambiente loma: Dk 670 con baja densidad

Todos los híbridos , en el ambiente loma, respondieron negativamente al aumento de densidad. El Dk747 fue el menos sensible

Rendimientos Soja 10-11

Loma Arenosa

LomaMedia Loma

Bajo

Bajo-Riesgo Hidrico

Bajo Halomor

fico

Soja 1,8 2,6 3,7 4,3 4,3 3,1

Soja Hist 1,9 2,9 3,5 3,9 3,5

1,0

2,0

3,0

4,0

5,0

Re

nd

imie

nto

Tn

/ha


Los “Rindes Históricos” corresponden a años con menores profundidades de napa, produciendo caídas de rendimiento en los ambientes bajos por anegamiento

Los ambientes Thapto están impactando en la soja relativamente mas que en las gramíneas


% Arena PH % MO P ppm Rend

% Arena 1,00

PH -0,57 1,00

% MO -0,29 -0,55 1,00

P ppm 0,24 0,13 -0,43 1,00

Rend -0,74 0,51 0,21 -0,06 1,00

Covarianza entre datos de •Análisis de suelos de puntos georeferenciados y •Rendimiento por monitores (círculos de 1ha sobre el punto de muestreo)

•La variable dependiente (datos de suelo) que mejor ajusta con la variable independiente (rendimiento) es el % de arena.•El pH muestra una relación, pero es por que los pH ácidos están relacionados con texturas mas arenosas, y a la inversa los alcalinos.•La relación negativa con el P del suelo, es también por que esta asociado a la textura.•Es mas fuerte la relación con la textura que con la MO.


y = -0,1117x + 10,685R² = 0,6727

y = -0,0448x + 6,1909R² = 0,5877

y = -0,09x + 8,7639R² = 0,63291,500

2,000

2,500

3,000

3,500

4,000

4,500

50 60 70 80 90

Re

nd

imie

nto

Tn

/ha

% de Arena

2010-2011

2009-2010

2008-2009

•La variabilidad espacial del rendimiento de soja, esta explicado en buena medida por la textura del suelo, con r2 de aprox. 0,6.•Sin embargo, las pendientes de este modelo lineal, tiene una variación interanual dependiendo del clima:

•En veranos con sequia en el periodo critico, la sensibilidad al ambiente es mayor, b= 100 kg .•En cambio, en años mas benignos, b= 50kg

•Estos modelos son muy útiles para estimar la producción de los campos!


1,5

2,0

2,5

3,0

3,5

4,0

4,5

5,0

Re

nd

imie

nto

Tn

/ha

DM 3700

DM 3810

DM 4210

DM 4670

Campaña 10-11

•Se destaca dm3810 sobre el promedio, que está compuesto con una fuerte proporción de dm3700 y dm4670. •Dm 4210 esta por debajo, aunque esta sembrada en macroambientes inferiores en calidad.

En la próxima campaña, dm3810 va a reemplazar a dm3700 y a dm4210 en su totalidad

bajo

medio

Rendimientos Soja 10-11 Ensayos de Fungicidas

Proyecto Basf-S4-FR “Oeste Verde”

Resultado de 200 ensayos en el Oeste

Sobre una plataforma GIS Web se dibujaron las franjas de ensayo, y luego entregadas a una empresa de servicios tecnológicos. FR


Hay una fuerte interacción entre

la respuesta y el Microambiente

-500

-300

-100

100

300

500

1,000

1,500

2,000

2,500

3,000

3,500

4,000

4,500

L3 L2 ML B2 B-T1 RIEGO

Re

spu

est

a kg

/ha

Re

nd

imie

nto

kg/

ha

Testigo

Tratado

Respuesta

thaptoLoma

arenosa

Ensayos de Fungicidas




-300 -200 -100 0 100 200 300 400

AX4613

DM3700

DM4870

DM4970

DM4670

DM3810

SP3900

Respuesta Kg/ha

Hay una fuerte interacción entre la

respuesta y el Genotipo





¿Que puede hacer el productor de la ZO con este conocimiento?

Aplicar el fungicida donde hay mayor probabilidad de respuesta:

•Variedades susceptibles

•Ambientes no restrictivos

Respuesta Valor Costo Resultado Rentabilidad

kg/ha u$s/ha u$s/ha u$s/ha %

Sobre todos los ensayos: 133 36 22 14 63%

Sobre ambientes y genotipos con respuesta: 206 56 22 34 153%

Aporte del conocimiento: 20 u$s/ha 59%

Sin los genotipos sin respuesta:•sps3900•dm3810

Sin los ambientes sin respuesta:•LA 3 (loma Arenosa)•LA 2 (loma)•BT-1 (Thapto)




Si bien la renta de aplicar “ciego” sobre toda la superficie es muy buena (63%) esta mejora sustancialmente si aplicamos según “reglas de decisión” y evitamos los sitios sin respuesta (153%)

Rendimientos Trigo 10-11

Loma Arenosa

LomaMedia Loma

Bajo

Bajo-Riesgo Hidrico

Bajo Halomo

rfico

Trigo 2,1 3,4 5,3 5,7 5,5 5,1

Trigo Hist 3,7 4,0 4,6 4,5 4,0

1,0

2,0

3,0

4,0

5,0

6,0

Re

nd

imie

nto

Tn

/ha


Años anteriores, el trigo se mostraba como un cultivo de pocas sensibilidad al ambiente:•Los perfiles salían cargados en el otoño y las lluvias de primavera ponían al cultivo en condición hídrica óptima en floración.•En dos campañas (incluidas en el promedio) hubo heladas en floración que disminuyeron los rendimientos y borraron el patrón de variabilidad ambiental habitual.


1,0

2,0

3,0

4,0

5,0

6,0

7,0

L3 L2 ML 1 B2 B-T1 B3

Re

nd

imie

nto

Tn

-ha

Ambientes Ridzo

10-11

08-09

07-08

Comparación de 3 Campañas:•07-08 con heladas en Floración•08-09 sin déficit hídrico.•10-11 con perfil seco en otoño y menores lluvias en primavera. Esta campaña muestra una fuerte interacción rendimiento x ambiente.


y = -0,0036x2 + 0,3496x - 2,4078R² = 0,772

1,0

2,0

3,0

4,0

5,0

6,0

7,0

8,0

40 50 60 70 80 90

Re

nd

imie

nto

Tn

-ha

% de Arena

Rendimiento y Ambiente (% de Arena)Curva total (en todo el rango de textura de suelo)

La caída de rendimiento lineal se produce s partir de 50% de arena. Creemos que este comportamiento es común también a los demás cultivos.


y = -0,1661x + 15,903

R² = 0,7947

1,0

2,0

3,0

4,0

5,0

6,0

7,0

8,0

50 60 70 80 90

Re

nd

imie

nto

Tn

-ha

% de Arena

Rendimiento y Ambiente (% de Arena)Curva parcial, con texturas con mas de 50% de arena (parte lineal de la curva)

Fuertes caídas de rendimiento al aumentar el % de arena (por encima del 50%) : b=166 kg con un muy buen ajuste r2= 79

En estos ambientes el Maíz Tardío empieza a competir ventajosamente contra el trigo


Rend vs Indicador ambiental

y = -0.13x

R2 = 0.77

y = -0.20x

R2 = 0.61

0.000

0.500

1.000

1.500

2.000

2.500

3.000

3.500

4.000

4.500

5.000

5.500

6.000

6.500

7.000

7.500

8.000

8.500

9.000

60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90

%Arena

Ren

d (

Kg

/ha)

Trigo

Trigo B10

En la campaña 04-05 se puso en evidencia el potencial de B10, y así paso a ser el trigo mas sembrado. Rescatamos también la pendiente del modelo lineal (200kg) y su ajuste (0,61) del mismo orden que el de la campaña actual


39 peso de mil

93% VC

Microambiente Plantas/m2

Objetivo

Coef de

Logro

Objetivo

Semillas

viables/

m2

Plantas/m2

Logradas

Coef de

Logro

Real

Espigas/m2

Logradas

Espigas/pl Rend

Tn/ha

Granos/

m2

Granos/

espiga

loma arenosa 350 75% 467 360 77% 300 0,8 2,000 5128 17

loma 350 75% 467 350 75% 370 1,1 3,200 8205 22

medio 350 75% 467 340 73% 530 1,6 5,200 13333 25

bajo 350 75% 467 350 75% 580 1,7 6,000 15385 27

Microambiente Espigas/m2 Alcanzable

Espigas/pl Alcanzable

Plantas/m2 Objetivo

Coef de logro Objetivo

Semillas viables/ m2

Kg/ ha a sembrar

loma arenosa 300 1,5 200 80% 250 105

loma 400 1,5 267 80% 333 140

medio 550 1,6 344 75% 458 192

bajo 600 1,7 353 75% 471 197

Que nos esta pasando:La acumulación de residuos en ambientes medios y bajos nos llevo a trabajar con altas densidades de siembra, por que las heladas producen muerte de macollos, poniendo en peligro el numero de espigas que estábamos buscando (500 a 600 esp/m2)Sin embargo, en las lomas, con logros de plantas mayores, el ambiente mas seco no soporta mas de 350 espigas.Esto produce muerte de plantas y macollos infértiles un consumo de agua innecesario?

Para la campaña 11-12 estamos proponiendo una disminución de densidad de siembra en lomas arenosas buscando las 350 espigas que soporta este ambiente con 200 plantas a lograr.Una oportunidad para el VRT?

Rendimientos Sj 2° 10-11

Loma Arenosa

LomaMedia Loma

Bajo

Bajo-Riesgo Hidrico

Bajo Halomor

fico

Soja 2° 1,3 1,3 1,4 1,8 1,9 1,4

S 2° Hist 1,6 1,7 1,8 2,1 2,2

1,0

2,0

3,0

Re

nd

imie

nto

Tn

/ha


La Soja de 2° muestra una falta de estrategia para la mejora de los rendimientos:•Una ventana de siembra chica por las heladas tempranas.•Generalmente siembra sin humedad y recien nace cuando las lluvias caen a principios de enero.•Sequias en verano que provocan perdidas de plantas

Como línea de trabajo:•Reducir largo del ciclo pero con cultivares de mas porte y desarrollo.

Comentario Final:Muchas conclusiones agronómicas de este análisis merecen profundizarse…hay mas jugo

que sacar.

Sin embargo, quiero detenerme aquí en el “emergente metodológico”

Se incluyo a un productor de metáforas, Borges, como colaborador de este trabajo. No es un

chiste.

“Funes el Memorioso” es el cuento que inspiro esta metodología:

Funes había afinado sus asombrosas capacidades: lo recuerda todo, y cada percepción que

tiene es, para él, una característica única e inolvidable:

No sólo le costaba comprender que el símbolo genérico 'perro' abarcara tantos

individuos dispares de diversos tamaños y diversa forma; le molestaba que el perro de

las tres y catorce (visto de perfil) tuviera el mismo nombre que el perro de las tres y

cuarto (visto de frente).

El autor sostiene que, a fin de cuentas, Funes carecía de la capacidad del pensamiento:

Pensar es olvidar diferencias, es generalizar, abstraer. En el abarrotado mundo de

Funes no había sino detalles, casi inmediatos.

Volviendo a nuestros análisis, pero con Borges en la mano, pretendemos olvidar los lotes, lo

particular..abstraer, generalizar, poder construir categorias, conceptos y modelos.

Con la superabundancia de datos, Funes ya no es posible.

Y para terminar:

Tampoco nos preocupa la cuestión de “la verdad”, es decir, la correspondencia del concepto

con la realidad. Solo nos importa que sean cada vez más útiles, aunque sean solo

provisorias hipótesis.

Y mientras tanto, esperamos las nuevas metáforas.

Travel

Uso de monitores de rendimiento para analisis de campaña 2010 11