mapas de productividad; una herramienta para mapas de productividad como herramienta para entender y...
TRANSCRIPT
Mapas de productividad como herramienta para entender
y gerenciar el cultivo de caña de azúcar
Carlos A. Mosquera G.*
Resumen
La agroindustria del cultivo de caña de azúcar en Colombia y básicamente en el Valle del Cauca se ha
caracterizado por estar entre las producciones más altas en el mundo influenciado por el nivel técnico en
las labores del campo, unas condiciones ambientales privilegiadas y la estructuración de las empresas
para el negocio del azúcar y el alcohol carburante. Herramientas como la Agricultura Especifica por Sitio
AEPS desarrollado por Cenicaña en conjunto con las empresas del sector y los proveedores de caña han
permitido detallar labores y variedades por zona agroecológica evidenciando buenos resultados, sin
embargo el nivel de precisión es aun por lote o suerte.
Con el desarrollo de la agricultura de precisión empezando por los agricultores de Estados Unidos,
Australia y migrando ese concepto a países como Argentina en cultivo de cereales y Brasil también para
cereales y caña de azúcar, se crearon herramientas de medición directa de la cosecha. En el caso
particular del cultivo de caña, se partió del prototipo del Dr. Graeme J Cox (2002) hasta el desarrollo
hecho por empresas e institutos de investigación en Brasil que sacaron sus primeros módulos de
monitoreo de productividad aproximadamente en 2005, este desarrollo ha permitido generar los mapas
de productividad en caña de azúcar.
Posterior al desarrollo de la tecnología, se han realizado diferentes intentos fallidos para establecer como
hábito de trabajo el uso de los mapas de productividad en cultivo de caña de azúcar en Brasil, debido
especialmente a que estratégicamente no había la necesidad de incrementar productividad por unidad de
área dado que se venia practicando la agricultura extensiva, sin embargo en los últimos años esta
tendencia comienza a cambiar principalmente debido a las restricciones de uso del suelo y las políticas
ambientales y socio-económicas, caso opuesto en Colombia donde la expansión del área cultivada en el
Valle del Cauca esta limitada, obligatoriamente la industria debe mirar hacia el gerenciamiento de
unidades productivas buscando mayor eficiencia en los procesos, optimización de los recursos para
alcanzar mayores productividades.
**Ex- Director Agricultura de Precisión, Riopaila Castilla S.A. Ingeniero Agrónomo Esp. SIG, Candidato MBA. [email protected].
Una vez establecida esta tecnología inicia entonces el proceso de sensibilización entre los grupos de
trabajo del campo que permitirían adoptar el concepto y utilizarlo provechosamente para identificar
limitaciones y oportunidades a nivel de detalle de cada 20 o 30m, entonces así definir estrategias de
mejoramiento productivo o simplemente corrección de los factores controlables que influencian la
productividad partiendo de la oportunidad y calidad con respecto a las labores de levantamiento del
cultivo.
Abstract
Agribusiness crop of sugarcane in Colombia, mainly in the Cauca Valley has been characterized as being
between the highest yields in the world influenced by privileged environmental conditions, the technical
level, and structuring companies to the business of sugar and fuel alcohol. Tools such as site-specific
agriculture (SSA) developed by Cenicaña joined with sugar companies and sugar cane suppliers
(Farmers) have made it possible tasks cane varieties by agro-ecological zone and showing good results,
but the level of accuracy is been just by lot.
With the development of precision agriculture farmers starting in the United States and Australia then
migrating that concept in countries like Argentina and Brazil for cultures as a cereals and sugar cane,
measuring tools was created directly from the harvest. In the particular case of cane, broke the prototype
of Dr. Graeme J Cox (2002) to development made by companies and research institutes in Brazil who
drew their first modules to monitor productivity in 2005, this development has possible to generate yield
maps in sugarcane.
Subsequent to the development of technology, there have been several failed attempts to establish a
habit of work, the use of yield maps in sugarcane cultivation in Brazil, especially since there was no
strategic need to increase productivity per unit area since it came to practice extensive agriculture,
however in recent years this trend starts to change primarily due to restrictions in land use and
environmental policies and socio-economic, opposite case in Colombia where the expansion of cultivated
area Valle del Cauca is limited, the industry must necessarily look to the management of production units
seeking greater efficiency in processes, optimization of resources to achieve greater productivity.
Once this technology then starts the process of awareness among the working groups of the field that
would embrace the concept and use it profitably to identify constraints and opportunities at a detailed level
in 20 or 30m, and then define strategies to improve production or simply correction of the controllable
factors which influence the productivity based on the timing and quality with respect to the work of lifting
the crop.
Introducción
Las bases de datos, los estudios detallados de suelos, los grupos de manejo, la zonificación
agroecológica, la oferta de variedades de Cenicaña, representan entre otros mas, recursos de gran valor
y trascendencia a la hora de tomar decisiones para el manejo del cultivo, sin embargo el modelo de
pensamiento de algunos técnicos y agricultores aun está enfocado a la formula milagrosa, al paquete de
labores, inclusive la normalización rigurosa. El campo es un ente dinámico, por consiguiente se debe
profundizar en crear criterios de análisis. La forma de abordar los nuevos retos que exige el medio
ambiente, la agricultura y la competitividad es rompiendo paradigmas, entre ellos la validación
permanente de las normas y su aplicabilidad en los diferentes escenarios en el tiempo y en cada
situación particular.
La colección de datos sin un almacenamiento y seguimiento riguroso no permite tomar decisiones
acertadas; efectos, manejos (información) y comprobar tantas hipótesis que se generan en el ejercicio
diario de la agricultura (conocimiento), conforman entonces los recursos para construir experiencia
medible que conlleve a mejorar el sistema productivo.
Es así como los mapas de productividad (yield maps), se estructuran en una medición en campo de la
producción que para el caso particular es toneladas de caña por hectárea, esta variable representa
sencillamente la interacción de muchas variables (pH, nutrientes, humedad, variedad, grupo de manejo,
roturación, variables físicas, etc.,) que en un evento dado o un rango de ellos, pueden afectar esta
producción en forma positiva o negativa, a manera de comparación se puede explicar como una
fotografía del comportamiento de la interacción ambiente-hombre-cultivo.
Los factores que los agricultores o técnicos controlan son susceptibles de ser evaluados pero ya no
basados en una observación visual, una simple prueba de hipótesis o comparando históricos productivos,
sino utilizando la variabilidad espacial que permite detallar los problemas y tendencias. De allí que
algunos instructivos de manejo pueden ser revaluados, pues entender un cultivo como un ambiente
temporal y dinámico puede acercarse más a un manejo optimo, es decir lo que funciona ahora quizás no
funcione después, lo que le funciono al vecino no se aplica a este sitio.
Solamente el análisis de información espacial a nivel temporal (en producción anual, en desarrollo
(fenología), depende del sensor remoto) y el ejercicio de parametrizar, pueden ser herramientas que se
enfoquen en explicar la respuesta, esta secuencia es la que entre otros factores han llevado a
agricultores de países como Argentina y Estados Unidos a niveles muy competitivos, basados en el
entendimiento del comportamiento del cultivo, inferido por medio del almacenamiento y análisis de datos
que han permitido consolidar modelos de producción y pronósticos de producción.
Materiales y Métodos
Sensores y equipos
La forma de medir la productividad en el campo se hace a través de la captura de puntos geo-
referenciados por medio de monitores de productividad. Dichos equipos permiten capturar información en
esquemas de cosecha realizada con alzadora o cosechadora mecánica. El grado de especialización y
nivel de detalle de los datos los dan el conjunto maquinaria-sensores. El equipo se resume en un
conjunto de sensores, controladores y una antena GPS. Se anexa la Figura 1 y 2 donde se muestran los
esquemas de monitores de productividad para alzadoras y cosechadoras.
Software
El mercado ofrece un sinnúmero de programas de computación que permiten realizar estudios detallados
geo-estadísticos, estadísticos, integrados con componentes de SIG (Sistemas de Información
Geográfica), manejo de formatos vectoriales y rasterizados, operaciones matriciales y espaciales. Decir
que software es el mejor, resulta complejo, pues el grado de avance en el manejo de datos, su
almacenamiento y procesamiento, como también el grado de especialización del capital humano que
tiene a cargo el manejo del campo, permite definir cual es la herramienta que se adapta mejor al
presupuesto y alcance mismo de la operación. Cabe destacar que las interfases de software y hardware
deben prevalecer en el tiempo buscando la interoperabilidad y escalabilidad que hace de la integración
un sistema versátil, robusto y confiable.
Mapas de variabilidad
Los mapas de variabilidad de la producción, de la variabilidad química, física y biológica de los suelos
permite ajustar las estrategias conducentes a consolidar planes de manejo como la nutrición a una tasa
variada, la ubicación varietal, el manejo del riego y el drenaje, el diseño de campo, el manejo de la
roturación etc., la correlación de la productividad con estas condiciones puede tener mayor o menor
impacto dependiendo de los suelos y el manejo que se le da al conjunto suelo-planta-agua, por eso es
que el estudio de suelos (grupo de manejo y zonas agroecológicas) son insumo para complementar e
interpretar los mapas de productividad. El conocimiento de las fincas, sus datos históricos permiten
sensibilizar y afinar aun más las decisiones que se pueden tomar.
Para la generación de mapas de fertilidad inicialmente de determinaron los niveles de detalle para el
muestreo de suelos, esto se hace mediante metodologías geo-estadísticas previa revisión y
normalización de los datos. Con la determinación del nivel de muestreo, se procedió a realizar la toma
de muestras geo-referenciada, con los análisis de suelos de estas muestras se inician los procesos de
interpolación de variables en diferentes modelos matemáticos y metodologías de interpolación, los cuales
fueron evaluados y verificados en campo, buscando que haya la mas alta correspondencia entre la
mapificación y la realidad, el proceso de validación cruzada de datos en la interpolación permite mejorar
la precisión de los mapas. De otra parte para la generación de mapas de productividad se procedió a
tomar los puntos capturados por los monitores de productividad, los cuales también fueron normalizados,
clasificados antes de ser tratados en los procesos de interpolación. Todos los mapas generados fueron
debidamente codificados para posteriormente hacer los respectivos análisis multi-temporales y análisis de
correlación espacial gracias a las herramientas SIG para el procesamiento matricial y modelamiento
espacial.
Otra de las fuentes de información fueron los prontuarios de lotes que provienen del ERP de la
organización así como también los registros históricos de la misma en cuanto a los indicadores de
productividad, variedades, zonas agroecológicas y datos meteorológicos. Sistemáticamente con toda
esta información de inicia un proceso de discriminación de variables y en conjunto con los mapas de
fertilidad y productividad además del inventario de labores (cantidad y fecha) permiten inferir los factores
de influencia en la producción.
Localización
En el contexto local la empresa Riopaila Castilla S.A. ha implementado la tecnología de mapas de
productividad desde 2007, hasta el momento se han caracterizado mas de 16.000ha de las cuales se
pretende establecer planes de mejoramiento, en su mayoría de área los suelos son arcillosos >60%de
arcillas, con altos contenidos de magnesio superiores a 12 meq/100g de suelo y pH alcalinos > 7.3, las
condiciones agroecológicas de la zona son adecuadas para el cultivo de la caña de azúcar: promedio de
950 metros sobre el nivel del mar, temperatura promedio de 25 ºC, brillo solar superior a la seis horas del
día, humedad relativa de 75,6 % y una precipitación promedio de 1.000 mm.
Revisión Bibliográfica
Desde que el hombre ha cultivado siempre se ha observado la variación espacial en las cosechas.
Cuando las áreas cultivadas eran pequeñas y laboradas a mano las podían ajustar fácilmente para
reducir al mínimo esta variación. Por ejemplo, áreas más pobres recibirían un poco más de abono o agua
que las mejores áreas. Sin embargo, como la agricultura tradicional con un agricultor cambio
dramáticamente a una agricultura mecanizada, junto con el tamaño de las unidades de gerencia, este
modelo no permitía hacer un manejo adecuado de la variación que conllevaba a una productividad
igualmente muy variable. (Vansichen; de Baerdemaker, 1993, citado por Cox en 2002).
Según mediciones realizadas se encontró que la cosecha puede variar hasta un 300% entre la
producción mínima y la producción máxima, en muchas industrias esta variación no sería aceptable. Las
industrias agrícolas ahora están prestando atención a esta variación y están mirando mejores formas de
manejar sus sistemas de cultivo para maximizar la producción. (Cox, 2002).
El grado de la variación espacial ha llevado al desarrollo de un concepto conocido como Agricultura de
precisión (AP). Este término se refiere: “… con información y tecnología se crea un sistema de gestión
agrícola que permita identificar, analizar, y manejar la variabilidad espacial, temporal del suelo y de las
plantas para buscar un beneficio continuo, la optimización de los recursos y la protección al medio
ambiente.” (Anon., 1994, citado por Cox en 2002).
La información y la tecnología se utilizan para manejar más exactamente la variación temporal y espacial
en las extensas áreas de producción vegetal. Como Clark, Schrock, y Young (1987), citados por Cox en
2002 escribieron, las tecnologías de la información modernas serán utilizadas para mejorar la eficacia y la
rentabilidad de los recursos. Schueller y Wang (1994) citados por Cox en 2002, eran también los
investigadores pioneros que examinaron el uso de ratas variables del fertilizante y de pesticidas. La
Figura 3 es una ilustración excelente de los conceptos y de las tecnologías implicadas en AP. El círculo
ilustra el proceso de la gerencia de cómo los resultados a partir de una cosecha proporcionan información
para tomar decisiones en la cosecha siguiente. El círculo externo representa el flujo de información entre
las tecnologías tales como el monitor de la producción, computadora y equipo de tipo variable.
La mayoría de los trabajos publicados relacionados a sistemas de determinación de producción para la
elaboración de mapas de rendimiento están en el área de granos, donde empresas como JOHN DEERE
(1998), CASE (1999) y AGCO (1999) desarrollaron sensores de flujo de masa específicos para
determinar la producción y la humedad de granos y software para manejar estos datos y generar los
mapas de rendimiento. (Biagi y Goes 2008). En Brasil, algunos trabajos importantes relacionados a
Agricultura de Precisión también fueron realizados. Entre ellos podemos destacar ELIAS (1997) que
relato el desarrollo, construcción y uso a campo, de un sistema de instrumental y adquisición de datos
para el mapeo de producción en granos. El sistema consistía en la medición automática de peso de los
granos cosechados utilizando una sub-tolva granelera apoyada sobre cuatro células de carga dentro de
la tolva de la cosechadora, sin ninguna modificación estructural de la misma, obteniendo un error máximo
de 3,99 N para una capacidad de la sub-tolva de 4.905 N. La principal ventaja del sistema de pesaje
automático, desarrollado por ELIAS, está en permitir la obtención directa del peso de los granos
cosechados, sin necesidad de sensores para la medición del flujo de granos y calibración para cada
cultivo. (Biagi y Goes 2008)
Otro importante trabajo fue publicado por BALASTREIRE (1998) que presenta el potencial de utilización
de los conceptos de AP en el cultivo de la caña de azúcar. En su artículo el autor resalta entre los
principales beneficios que la aplicación de este concepto puede ofrecer: a) posibilidad de reducción de
impacto ambiental; b) beneficios económicos, donde la reducción del costo final del producto puede ser
obtenida reduciendo los insumos en los puntos de bajo potencial de producción y re-diseccionándolo a
los puntos de mayor potencial; c) ganancia de productividad, con aumento de producción y un aumento
de la cantidad de azúcar de caña disponible. Además según BALASTREIRE el potencial de aplicar los
conceptos de AP en el cultivo de la caña de azúcar se divide en cuatro puntos:
1. Mapa de suelo – este mostrará el potencial de fertilidad del suelo, y permitirá establecer las
estrategias de aplicación de fertilizantes.
2. Mapa de cultivo – permitirá obtener mapas geo-referenciados de los tablones del cultivo en sus
diferentes estadios.
3. Mapa de cosecha – se puede obtener un mapa de producción de cada celda dentro de un tablón.
Con la geo-referenciación se tiene la localización exacta de cada celda, entonces, se puede
verificar en el lugar cual fue el motivo de la baja de producción.
4. Aplicación localizada de insumos – la decisión sobre el mejor método de geo-referenciamiento
del área puede ser hecho por medio de programas de computación específicamente realizados
para la agricultura que proporcionan mapas de aplicación localizada de insumos. Con el auxilio
de equipamientos especiales para el control de aplicación se puede aplicar la cantidad requerida
en cada celda para así utilizar el máximo potencial de producción.
En un estudio realizado por J.P. Molin, Menegatti L. y Manzoni C, (2004), validaron estadísticamente
los modelos para medir la variabilidad espacial de la producción tomando como referencia un vagón
con caña de azúcar en cosecha manual con alzadora, demostrando que esta medición representa
confiablemente la variabilidad en el campo.
Si bien es cierto con las herramientas AP se busca tener precisión de esta variabilidad, el concepto
debe ser elevado a entender que el potencial agronómico es determinar las áreas de alta, media,
baja producción y sus tendencias, su forma y distribución, procurar un detalle del metro o el
centímetro no tiene sentido, partiendo del hecho que medir la variabilidad es el primer paso, pero el
inmediatamente continuo es establecer que y como se va a manejar esa variabilidad, allí un alto
grado de precisión no aporta valor a la estrategia agronómica o al plan de manejo para incrementar la
producción.
Resultados y Discusión
En seguimientos realizados en cultivos establecidos en el Valle del Cauca en diferentes lotes de caña se
pudieron definir, caracterizar y medir la frecuencia de ocurrencia de problemas que afectaban la
productividad en casos puntuales y a nivel de finca.
Caso 1. Variabilidad influenciada por condiciones de drenaje y nivel de humedad del suelo en el
momento de realizar la roturación.
En el primer caso con la verificación en campo del mapa de productividad cuyos pixeles representan
áreas de 20x20m, se tomaron elementos evidenciados para establecer planes de manejo, puesto que hay
variables con comportamiento semejante entre ciclos de cultivo como se aprecia en la Figura 4. En el
lote prevalece un área de baja productividad generada por problemas de drenaje, altos niveles freáticos
influenciados por la naturaleza misma del lote, el diseño de campo del lote y/o la finca, el mantenimiento
de los colectores.
Esto se pudo verificar al realizar un levantamiento del perfil del colector de drenaje, donde se apreció que
no había una buena pendiente, por lo tanto había estancamiento del agua que inducia a mantener altos
niveles freáticos, a su vez se hicieron sondeos aleatorios en las zonas de alta, media y baja productividad
la cual fue definida preliminarmente por clases estadísticas. En estas áreas se hacían perforaciones con
barreno hasta 90cm de profundidad cada 30 días.
En este caso particular se observó también que algunos lotes cercanos que compartían la vecindad con
el canal de drenaje de la finca, también se afectaron en su productividad al no realizar los respectivos
mantenimientos que propendan las condiciones idóneas de conducción de agua, Los ahorros en labores
de mantenimiento de la red de canales de drenaje influenciaron negativamente la productividad en casi
un 10% del áreas de los lotes vecinos al comparar las producciones y áreas de baja productividad en los
mapas de producciones de dos años consecutivos. Es preciso aclarar que los mapas de productividad
son realizados en formato raster lo que soporta la cuantificación de áreas de afectación en pixeles de
precisión de 20x20m.
Además en este caso, realizando la labor de roturación en condiciones mejores de humedad del suelo
(menos húmedo) y centrando esfuerzos en las áreas despobladas se lograron mejorar las
productividades. En el caso de la roturación se realizaron labores de subsuelo (55cm) después de la
cosecha, luego una escarificación (20-30cm) para luego en la labor de fertilización realizar otra roturación
a nivel de subsuelo (45cm) y la incorporación del fertilizante con los escarificadores y aletas
aporcadoras. Las resiembras se hicieron con cepas hijas de las plantas mejor establecidas y vecinas de
las áreas sin población. El mapa permite apreciar el incremento generalizado en productividad y la
reducción consistente del área de baja productividad.
Caso 2. Variabilidad influenciada por condiciones de población, pendiente del tablón y conformación de
los surcos después de cosecha.
En este caso se identificaron en un recorrido del lote con el agrónomo y administrador de la finca las
áreas críticas de baja productividad que en la parte norte principalmente tenia problemas de drenaje y
población, se verificó barrenando y haciendo estaciones para la lectura de la población, la ubicación de
estas áreas de pueden realizar con GPS o usando el área del pixel 20x20m, lo que permite fácilmente
encontrar las áreas en el lote. Al revisar el área de baja productividad se encontró encharcamiento, se
procedió a construir una acequia de lado a lado del tablón y reducir la dosis de fertilización en
aproximadamente 23%, dejando solo la cantidad de nutriente mínima requerida para mantener los niveles
del suelo. El resultado final fue un incremento de 32 toneladas por hectárea de caña en la zona de baja
productividad, la zona que se aprecia en el círculo inferior corresponde a las resiembras y mejoramiento
de la acequia de drenaje, como se aprecia en la Figura 5.
Resumiendo se demostró que utilizando menos unidades de nitrógeno, pero corrigiendo el factor limitante
que era el drenaje, se crearon condiciones optimas para una eficiente extracción del nutriente y
permitiendo mediante la roturación (2) mejores condiciones para la profundización de raíces que al final
del se traduce en mayor productividad.
En la parte sur del lote se demostró que la labor de resiembra entre corte y corte permite recuperar
tonelaje consistentemente, este tipo de labores que parecen elementales son las que determinan una
proporción importante de la productividad, como por ejemplo un despaje deficiente en conteos realizados
en campo aproximaron perdidas entre 5-8 ton/ha de caña, al perder la población de las cepas que
quedan tapadas, impidiendo el rebrote. Unos de los primeros impactos del mapa de productividad fue
demostrar al personal de campo que la calidad de labores impacta positiva o negativamente la
productividad, y mediante el mapeo se pueden cuantificar esas pérdidas, para esto se cuenta con la
información espacial en pixeles, el registro de labores (cantidad, fecha) y costos por lote que maneja el
ERP (Enterprise Resource Planning) de la organización.
El mismo ERP funciona mediante hojas de ruta, es decir cada lote productivo tiene matriculado un
conjunto de labores e insumos para obtener una producción estimada, esta hoja es definida por el
agrónomo en conjunto con el administrador de campo, y es precisamente la sucesión de labores en
fechas y cantidades especificas que se comparan entre ciclos de cultivo o lotes para poder afirmar que el
resultado encontrado esta influenciado en mayor proporción por dichas acciones en el manejo del cultivo.
La comprobación de estas situaciones puede ser sometida a la inmensa oferta de metodologías
ampliamente documentadas por la academia e investigación, con el debido rigor científico. Sin embargo
en el ejercicio práctico los mapas de productividad de una forma sencilla ayudan a verificar el seguimiento
de labores y consolidar conocimiento basado en hechos reales en condiciones específicas de cada lote y
finca.
Caso 3. Variabilidad influenciada por el drenaje superficial, el porcentaje de arcillas del suelo y el grado
de compactación de los tablones.
En este caso como lo muestra la Figura 6, la doble roturación es decir una primera labor de sub-
escarificación a los 20 días de haberse cosechado, seguida de otra más antes de la labor de fertilización
en tasa variada, condujo a un mejoramiento de la productividad en condiciones de suelo con contenidos
superiores al 60% de arcillas, pH mayores a 7.4 y bajos contenidos de fósforo >10ppm, este tipo de
variables de la condición química y física del suelo (análisis de suelo) conforman el recurso para la
generación de mapas de la variabilidad de la fertilidad, mostrando las zonas de mayor o menor
contenidos de nutrientes o porcentajes de arcillas; de hecho estos mapas han permitido validar los limites
de las zonas agroecológicas prestablecidas por el estudio detallado, dado que en el estudio de nivel de
detalle muestral para esta finca fue de aproximadamente una muestra por cada 190m. El manejo de este
lote se hizo exactamente como se venia haciendo en anteriores ciclos de cultivo, solo se variaron la
cantidad de labor de roturación y la fertilización de N y K en tasa variada.
Sin embargo un alto nivel de humedad localizada en la esquina sur no se logró controlar y repite la
afectación a la productividad, para estas condiciones es preciso rectificar topografía (diseño) o realizar
siembras en el lomo (parte superior del surco cuando se establece el cultivo). La humedad se verifico
igualmente con barrenadas aleatorias en las zonas de alta, media y baja productividad. La condición de
menor humedad del suelo permitió mejorar la calidad de la labor aportando al desarrollo de raíces y
extracción más eficiente del nitrógeno y el potasio.
Conclusiones
1. Los mapas de productividad son una herramienta objetiva y precisa de entender la variabilidad de la
producción y la influencia de los factores locales y a nivel de finca que tienen afectación sobre la
misma indistintamente de ser positiva o negativa.
2. Medir la productividad permitirá ajustar planes de nutrición que conlleven a una optimización de los
fertilizantes, enmiendas y abonos logrando un mejoramiento de la eficiencia de los mismos con
efectos consistentemente favorables económica y ambientalmente.
3. Los mapas de productividad permiten verificar el efecto conjunto de las labores, secuencia y
cronología que terminan en un mejoramiento o deterioro de la productividad, igualmente permitiría
crear planes de manejo por escenarios, como por ejemplo escenarios de exceso y déficit hídrico.
4. El almacenamiento de datos con base en protocolos estrictos son el punto de partida para análisis
multi-temporal y estructuración de análisis de las tendencias productivas.
5. Los mapas de productividad son una herramienta de gestión agrícola, los incrementos en
productividad y racionalización de insumos dependerán de la adopción, el uso y las decisiones que
tomen los técnicos con esta información.
REFERENCIAS WEB
http://www.agriculturadeprecision.org/monrend/SistemaMonitoreoCaniaAzucarParaMap
asRendimiento.htm. Natasha Biagi Pagnano y Paulo Sérgio G. Magalhaes, Facultad
de Ingeniería Agrícola, Unicamp, Campinas, SP. Traducción: Ing. Agr. Daniel R.
Fernández – EEA Salta – INTA. 2011.
http://www.tecnicana.org/htm/index.php MOSQUERA, C., RAMIREZ, G y BARONA, G.
Aplicación de la Agricultura de Precisión en Riopaila Castilla S.A.. Seminario de
Agricultura Eespecífica por Sitio y Agricultura de Precisión 2011. Tecnicaña. 2011.
REFERENCIAS BIBLIOGRAFICA
BALASTREIRE, L.A. Potencial de utilização dos conceitos de agricultura de precisão na
cultura da cana-de-açúcar. S.T.A.B., Piracicaba, v.16, n.4, p.22-26, 1998.
GRAEME, J. COX. A. Yield Mapping System For Sugar Cane Chopper Harvesters.
University of Southern Queensland, Faculty of Engineering and Surveying, 260p. 2002.
MOLIN J.P., MENEGATTI L. y MANZZONI C. Yield mapping from manually harvested
sugar cane in Brazil. ESALQ-APAGRI-ENALTA. 11p. 2004.
Figura 1. Esquema monitores de productividad para alzadoras de caña de azúcar.
Figura 2. Esquema monitores de productividad para alzadoras de caña de azúcar.
Figura 3. Esquema de agricultura de precisión planteado por AGCO en 1998.
Figura 4. Caso 1 sobre experiencias en el manejo de mapas de productividad.
Figura 5. Caso 2 sobre experiencias en el manejo de mapas de productividad.
Figura 6. Caso 3 sobre experiencias en el manejo de mapas de productividad.