uso de monitores de rendimiento para analisis de campaña 2010 11
DESCRIPTION
Como transformar los Mapas de Rendimiento en Conocimiento para la toma de Decisiones.TRANSCRIPT
Análisis de Monitores de CosechaCampaña 2010-2012
LA PAZ
Oeste Provincia de Buenos Aires
Santiago Gonzalez Venzano
Colaboradores:La Paz: Marcelo Muñoz , Mauro Recarey y Iñaki ZuberbuhlerGIS: Hernán SanchezSolapa 4: Rita Robledo y Vero LeivaMetafóricos: Jorge Luis Borges
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
Análisis de monitores del 2004 al 2009
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
Rendimientos Soja 10-11
% 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.
Rendimientos Soja 10-11
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!
Rendimientos Soja 10-11
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
Rendimientos Soja 10-11
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
Proyecto Basf-S4-FR “Oeste Verde”
Resultado de 200 ensayos en el Oeste
Rendimientos Soja 10-11
-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
Ensayos de Fungicidas
Proyecto Basf-S4-FR “Oeste Verde”
Resultado de 200 ensayos en el Oeste
Rendimientos Soja 10-11
¿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)
Ensayos de Fungicidas
Proyecto Basf-S4-FR “Oeste Verde”
Resultado de 200 ensayos en el Oeste
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
Análisis de monitores del 2004 al 2009
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.
Rendimientos Trigo 10-11
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.
Rendimientos Trigo 10-11
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.
Rendimientos Trigo 10-11
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
Rendimientos Trigo 04-05
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
Rendimientos Trigo 09-10
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
Análisis de monitores del 2004 al 2009
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.