|
foto1out |
Determinación del rendimiento del cultivo de soja de primera y segunda en el sudeste bonaerense |
Pablo A. Calviño
Director: V.O. Sadras
CoDirector: F.H. Andrade
Introducción
Los establecimientos agrícolas del sudeste bonaerense trabajan cerca de un techo de rentabilidad que podría elevarse con la inclusión de soja de segunda detrás de trigo. Hasta el momento, sin embargo, el cultivo de soja de segunda en esta zona es casi inexistente.
La soja de primera es particularmente sensible a estrés durante las etapas R3-R4 a R6 ; ; . En general se atribuye poca importancia a estreses previos a R3. A esto se le suma la baja probabilidad de que se produzcan deficits hidricos antes de ese momento. ( Etc hasta R3 < 200 mm, valor cercano a la capacidad de almacenamiento de los suelos profundos)
La soja es particularmente sensible a las bajas temperaturas. Baja temperatura nocturna reduce la fijación de vainas (Thomas y Raper,1978) y disminuye el crecimiento de los granos (. En el SE de la provincia de Buenos Aires la soja de primera puede estar limitada por bajas temperaturas, sobre todo en el período de llenado de granos. Sin embargo, Baigorri encontró que los cultivos que se desarrollan en temperaturas bajas parecen aclimatarse y su crecimiento reproductivo se ve menos afectado que el de los cultivos sin aclimatación previa.
De acuerdo a lo expuesto, es de esperar que el rendimiento de soja de primera se asocie principalmente con las condiciones ambientales, particularmente disponibilidad hídrica, durante el llenado de granos. Contrariamente, el rendimiento de soja de segunda, cuya etapa de crecimiento reproductivo ocurre en condiciones de menor temperatura y radiación que la de primera, depende de más factores.
La posibilidad de realizar un cultivo de soja de segunda después de trigo está principalmente limitada por la reducción del crecimiento vegetativo causado por una prematura floración (, el contenido de agua en el momento de la siembra de la soja , por el balance de agua durante todo el ciclo del cultivo , por las bajas temperaturas durante el llenado de granos y por el acortamiento en el período de llenado por influencia fotoperiódica . A estas restricciones generales, se suman limitantes locales que en el SE bonaerense incluyen: (a) una alta proporción de suelos con limitantes en profundidad (tosca o roca) que disminuyen la capacidad de almacenaje de agua (Calviño, 1999).
Egli y Bruening (2000) señalan que variaciones en el número de granos por unidad de superficie explican la mayor parte de las variaciones de rendimiento en sojas tardías. A su vez, señalan que la duración del periodo entre R1 y R5 explica más de la mitad de la variación en el numero de granos.
Los autores que estudiaron el cultivo de soja en sistemas de doble cultivo trabajaron en condiciones de mayores temperaturas que las del sudeste de Buenos Aires ; Boquet, 1990; Weaver et al., 1991). ) trabajaron en latitudes similares (Kentucky, 38º N) a las de nuestra zona (Balcarce – Tandil, 37º S) e investigaron las restricciones para el rendimiento en sojas tardías. A pesar de las coincidencias en latitud entre Kentucky y Balcarce, las temperaturas medias de Kentucky son 4, 3.6 y 1.3 ºC mayores que las de Balcarce para el primer, segundo y tercer mes del solsticio de verano.
Por lo tanto, la soja de segunda en un ambiente caracterizado por temperaturas bajas, reducido período libre de heladas y presencia de tosca a profundidad variable, los modelos de simulación podrían utilizarse como herramienta de apoyo para generar ideas sobre el comportamiento esperado en ambientes como los del sudeste bonaerense. El CROPGRO es un modelo complejo de simulación, orientador de procesos sobre el crecimiento y desarrollo del cultivo de soja. En general lo complejo del programa, la gran cantidad de calibraciones y requerimientos de "inputs" son restricciones para la aplicación de este modelo. La posibilidad de encontrar un modelo empírico, que utilice pocas variables de fácil imputación, serviría como herramienta para el calculo de predicciones de rendimientos, y rentabilidades. Especialmente en zonas de poca información. Como antecedentes de modelos sencillos que estiman el rendimiento se encuentran los trabajos en trigo de French y Schultz (1984) que utiliza las lluvias en Australia, de Magrin et al. (1993) que utiliza como input la radiación y temperatura en Argentina, de Calviño y Sadras (2002) con lluvias y temperatura.
Hipótesis
Todas las hipótesis son formuladas para soja en siembra directa y suponiendo ausencia de plagas, enfermedades y otras adversidades.
A El rendimiento de los cultivos de soja de primera y de segunda puede ser analizado como funciones simples de la precipitación.
A. 1. Para soja de primera, el rendimiento es dependiente del agua disponible en la etapa de llenado de granos.
A. 2. Para soja de segunda, el rendimiento depende del agua disponible en un período que comprende tanto la etapa vegetativa como el cuaje y llenado de granos.
B En zonas frías para el cultivo de soja, los componentes que explican la variación del rendimiento son principalmente:
B. 1. En soja de primera, el número de granos por unidad de superficie.
B. 2. En soja de segunda, el número y peso de los granos. Este último componente está asociado con un fuerte acortamiento de las etapas reproductivas.
C- La caída de rendimiento por atrasos en las fechas de siembra puede ser parcialmente compensada mejorando la intercepción de radiación por el cultivo y manipulando la duración de fases críticas del cultivo.
Capitulo 1: Factores que afectan el rendimiento de soja de primera en el sudeste de Buenos Aires
Objetivo
El objetivo de este capítulo fue estudiar:
a) la influencia de la lluvia durante el llenado de granos sobre el rendimiento.
b) la interacción entre lluvia, profundidad de suelo y prácticas de manejo de cultivo.
Materiales y métodos
Se utilizó una serie larga de datos provenientes de lotes de productores, con los cuales investigamos la influencia de las lluvias y la temperatura sobre las variaciones de rendimiento para un área de suelos de distinta profundidad y bajo contenido en fósforo. Primero se utilizó datos de lotes sin fertilizar y a hileras separadas (0.7m) provenientes de manejo habitual de 1989-1992 (Serie 1). A partir de ellos cuantificamos la relación entre el rendimiento y las lluvias de febrero + lo que supera 140 mm de enero (W). W es un indicador de la disponibilidad hídrica del período R3 a R6 para variedades del grupo de madurez III y IV cortas. Se establecieron funciones para suelos profundos (³ 1 m) y para suelos someros (0.75 a 0.5 m).
Segundo, se testaron las funciones utilizando datos independientes (Serie 2: Pergamino y 3: Tandil + Pergamino). Tercero, se evaluó (a) el efecto de la fertilización fosforada (18 kg P ha-1, Serie 4), (b) el manejo habitual del período 1993-1997 (hileras angostas con moderada fertilización fosforada : 8-12 kg P ha-1 y 0.35 m, serie 5) y (c) el agregado a (b) de la utilización de variedades resistentes a glifosato y el uso de este herbicida (Serie 6), correspondiente al manejo en los años 1999-2000. Para investigar la interacción de agua y manejo (i) se calculó D Y, como la diferencia entre el rendimiento actual en las Serie 4 y 5 con la función derivada de la Serie 1 y se testeó la asociación entre D Y y W.
Resultados
Los rendimientos en la Serie 1 variaron entre 2.1 y 3.1 t ha-1 en suelos profundos y entre 1.3 y 2.6 t ha-1 en suelos someros. Funciones no-lineares describieron la respuesta del rendimiento a W y la producción fue mayor en los suelos profundos que en los someros en 550 kg ha-1 para W = 100 mm y en 460 kg ha-1 para W = 150 mm. La fertilización con 18 kg P ha-1 incrementó el rendimiento en 0.6t ha-1 independientemente de W. La combinación de reducir la distancia entre hileras y el uso de moderadas dosis de fertilización (8-12 18 kg P ha-1) incrementó el rendimiento en el 73% de los lotes en suelos profundos y solo en el 53% en suelos someros. Se encontró una asociación positiva entre D Y y W en suelos profundos pero no se relacionaron estas variables en suelos someros.
El incremento de producción entre la serie 1 (años 1989-1992) y la serie 6 (años 1999-2000) fue de 750 kg ha-1 para W =100 mm y de 860 kg ha-1 para W =200 mm.
Capitulo 2: Desarrollo, crecimiento y rendimiento de cultivo de soja de segunda en el sudeste de Buenos Aires.
Objetivo
En un ambiente que está caracterizado por bajas temperatura hacia fin del verano y escaso período libre de heladas, donde no existe información del cultivo de soja de segunda, el objetivo de este capítulo fue estudiar los factores que definen el rendimiento y sus componentes.
Materiales y métodos
Se realizó un experimento que se repitió durante dos años, en el cual los cultivos fueron conducidos bajo siembra directa, con un adecuado control de plagas y enfermedades, inoculados y fertilizados según análisis de suelo.
El experimento consistió en un factorial que combinó: fechas de siembra (mediados de diciembre y principio de enero), variedades de dos grupos de madurez (II y III), distancias entre hileras (0,19, 0,38) y estado hídrico (irrigado y no irrigado). Durante el ciclo del cultivo se realizaron mediciones de fenología (emergencia, R1, R3, R5 y R7) y de intercepción de radiación por parte del cultivo utilizando un radiómetro Licor 188B conectado a un sensor lineal Licor 191SB. En la cosecha se determinó biomasa total producida, rendimiento en grano, y sus componentes: Número de granos por unidad de superficie y peso de 1000 granos. Se registraron en cada sitio la temperatura del aire (casilla meteorológica) y las precipitaciones durante todo el ciclo del cultivo. Los datos de radiación solar provienen de la estación meteorológica más cercana (<40 km). Se realizaron mediciones de agua en el suelo en emergencia, R1, R3 y R5, por el método gravimétrico.
Resultados
Los rendimientos variaron entre 3.7 t ha-1 en parcelas irrigadas sembradas tempranas a 2.2 t ha-1 en siembras tardías bajo secano. Se encontraron interacciones de significancia entre fecha de siembra y otras fuentes de variación. Promediando todas las fuentes de variación, atrasos en la fecha de siembra a partir de mediados de diciembre redujeron los rendimientos a una tasa de 2% d-1. El rendimiento se correlacionó significativamente con el número de granos (r2 = 86), con la biomasa aérea (r2 = 66), y con el índice de cosecha (r2 = 56. En las siembras tempranas el peso de los granos fue mayor que en siembras tardías i.e. 136 vs 118 mg grano-1. Las reducciones de biomasa aérea, índice de cosecha, número de granos y peso de granos por el atraso en la fecha de siembra pudieron ser atribuidos a tres factores: (i) corta estación de crecimiento, (ii) reducida tasa de crecimiento asociada con días cortos, bajas temperaturas y radiación, y (iii) a una importante reducción en la duración relativa de etapas fenológicas, especialmente el período de R5 a R7. Esta variable explicó el 77% de la variación en el rendimiento, 56% de la variación en el número de la semilla y 62% de la variación en el peso de la semilla. En este capítulo también discutimos el efecto de distintas prácticas de manejo.
Capítulo 3: Un modelo simple para determinar el rendimiento de soja de segunda en el sudeste de Buenos Aires.
Objetivo
El objetivo del capítulo consiste en:
a) determinar las variables que controlan el rendimiento de soja de segunda
b) desarrollar un modelo empírico, que utilice el mínimo numero de variables con gran poder predictivo sobre el rendimiento de soja de segunda.
Materiales y métodos
Se condujeron dos tipos de ensayos: Los denominados Experimentos Centrales (EC) (descriptos en el capítulo 2) y los Experimentos Periféricos (EP) (total de 31 experimentos realizados durante 3 campañas. Estos últimos se condujeron dentro de un radio de 170 km con centro en la ciudad de Tandil y tuvieron un diseño sencillo y variable entre sitios. Para la construcción del modelo se utilizó la información proveniente de los EC y de la tercer parte de los EP, elegidos para generar fuentes de variación de rendimiento. El grupo remanente de experiencias fueron utilizadas para validar el modelo obtenido.
En todos los casos los cultivos fueron conducidos bajo siembra directa, con un adecuado control de plagas y enfermedades, inoculados y fertilizados según análisis.
Las precipitaciones diarias fueron medidas en cada sitio. El resto de datos climáticos corresponden a los de la estación meteorológica mas cercana a cada sitio (<40 km).
La ecuaciones de ajuste de los modelos se calcularon a través de una regresión múltiple de tipo step-wise, utilizando la metodología propuesta por Landau et al.,2000.
Se elaboraron 3 modelos de estimación de rendimientos para soja de segunda. En el modelo 1 se incluyeron todas las variables climáticas, edáficas y de manejo e interacciones entre ellas. En el modelo 2 se utilizó sólo las variables déficit hídrico y fecha de siembra. Estas variables se consideran integradoras de las variables climáticas y edáficas. Finalmente en el modelo 3, el más sencillo, se eligieron variables de alto valor agronómico, sencillas de imputar y de registrar. Estas fueron: agua disponible a la siembra, lluvias en etapas, fecha de siembra y estructura de cultivo. Los resultados de estos modelos fueron comparados con los de un modelo más complejo (DSSAT-CROPGRO v 3.5), utilizando técnicas de regresión y de minimización de la suma de cuadrados medios del error en las relaciones entre datos observados y calculados (RMSE).
Utilizando el modelo obtenido y datos climáticos de 30 años de Azul, Balcarce y Tres Arroyos se realizaron simulaciones para determinar la probabilidad de obtener determinados rendimientos de soja de segunda en cada localidad ante dos fechas de siembra y dos profundidades de suelo.
Resultados
La asociación entre las lluvias entre R3 y R6 y rendimiento para un cultivo de soja de segunda (r2 = 0.21, P = 0.06) fue menos marcada que la encontrada para cultivos de soja de primera (r2 = 0.88, P < 0.001) (ver capitulo 1).
El análisis de regresión en el modelo 1 seleccionó 8 de 23 variables y explicó el 82% de la variación de rendimiento. Las variables seleccionados fueron: a) variables de manejo: distancia entre hileras, densidad de plantas y fecha de siembra, b) de suelo: profundidad de suelo y agua almacenada a la emergencia del cultivo, y c) climáticos: temperatura promedio entre R1 y R5 y radiación solar acumulada entre emergencia y R1. La variable que presentó mayor asociación con rendimiento fue radiación sola acumulada (entre el período E- R1: 54% y entre R5-R7: 56%).
El modelo 2 explicó el 79% de las variaciones de rendimiento. Las variables seleccionadas fueron: a) manejo de cultivo: distancia entre hileras y fecha de siembra, y b) déficit hídrico.
El modelo simple (3) explicó el 80% de la variación de rendimiento. Los efectos seleccionados fueron: a) de manejo: distancia entre hileras, densidad de plantas y fecha de siembra, b)de suelo: profundidad de suelo y agua almacenada a la emergencia del cultivo, y c) climáticos: lluvias entre emergencia y R1 y entre R1 y R5.
Fecha de siembra en los modelos 2 y 3 fue la variable de mayor aporte al ajuste del modelo.
Los tres modelos tuvieron una alta correlación entre los rendimientos calculados y los rendimientos observados ( r = 0.84, RMSE = 701 kg ha-1; r = 0.96, RMSE =298 kg ha-1 y r= 0.87, RMSE = 508 kg ha-1 para los modelo 1,2 y 3, respectivamente). La correlación de los valores calculados y observados y el valor de RMSE obtenidos con el modelo CROPGRO v3.5 (r = 0.87 y RMSE = 512 kg ha-1), fueron similares a los de los modelos empíricos. Sin embargo, presentaron una tendencia a estimar menores rendimientos que los reales. Proporcionalmente la tendencia fue mayor en las siembra más tardías.
Se simuló los rendimientos de una serie de años utilizando el modelo 3 dada su a) alta simplicidad, b) fácil obtención de datos en cada establecimiento o c) fácil obtención de datos históricos que permiten estimar funciones de probabilidad.
El rendimiento promedio calculado de las tres localidades fue a) fue 2363 y 1515 kg ha-1 para siembras del 25 de diciembre y del 10 de enero, respectivamente en suelos profundos, y b) en suelos de 50 cm de profundidad fue comparativamente menor, 1765 y 890 kg ha-1 para siembras del 25 de diciembre y del 10 de enero, respectivamente. Para los 3 sitios en mas del 90% de los años el rendimiento del suelo profundo y siembras del 25 de diciembre fue mayor a 2000 kg ha-1. En cambio, en siembras del 10 de enero y suelos someros solo en el 50% de los casos fue mayor a 800 kg ha-1 para Tres Arroyos y a 1200 kg ha-1 para Azul.
Bibliografía
Andriani, J.M., Andrade, F.H., Suero, E.E. y Dardanelli, J.L. 1991.
Agronomie, 11: 737-746.
Baigorri, H.E.J., 1994 . Tesis de Magister Scientiae-U.N.M.del P., Balcarce.
Board, J.E. y Harville, B.G. 1996. Agron. J., 88: 567-572.
Board, J.E., Harville, B.G. y Kamal, M. 1994. Field Crops Res., 36: 13-19.
Board, J.E., Harville, B.G. y Saxton, A.M. 1990. Agron. J., 82: 64-68.
Board, J.E., Kamal, M. y Harville, B.G. 1992. Agron. J., 84: 575-579.
Board, J.E., Kang, M.S. y Harville, B.G. 1999 Agron. J., 91: 128-135.
Boquet, D.J. 1990. Agron. J., 82: 59-64.
Calviño, P.A. 1997.Cuaderno e actualización ténica de Soja, vol. 58. AACREA,
Bs As., pp. 129.
Calviño, P.A., 1999 Tesis de Magister Scientiae-F.C.A U.N.M. del P, Balcarce.
Calviño, P.A. y V.O. Sadras.2002. Field Crops Research. 74: 1-11.
Carter, T.E. y Boerma, H.R. 1979. Crop Sci., 19: 607-610.
Della Maggiora, A.I., Gardiol, J.M. y Irigoyen, A.I. 2000. Bases para el manejo
del maíz, el girasol y la soja. INTA-Universidad de Mar del Plata, Balcarce,
pp. 155-171.
Egli, D.B., 1998. CAB International, Oxford, pp. 178.
Egli, D.B. y Bruening, W.P. 2000. Agron. J, 92: 532-537.
Egli, D.B. y Yu, Z.-W. 1991. Crop. Sci., 31: 439-442.
Evans, L.T. 1993. Cambridge Univ Press, Cambridge: pp 500.
French, R.J., Schultz, J.E., 1984a. Aust. J. Agric. Res. 35: 743-764.
Gerdes, G., Allison, B.E. y Pereira, L.S., 1995. 15th Congress of the
International Comission of Irrigation and Drainage (ICID)at The Hague,
Wageningen. Netherlands, pp. 161-173.
Gibson, L.R. y Mullen, R.E. 1996. Crop Sci., 36: 1615-1619.
Kadhem, F.A., Specht, J.E. y Williams, J.H. 1985. Agron. J., 77: 291-298.
Kane, M.V., Steele, C.C. y Grabau, L.J. 1997. Agron. J., 89: 459-464.
Landau, S., Mitchell, R.A.C., Barnett, V., Colls, J.J., Craigon, J. and Payne,
R.W. 2000. Agric. Forest Meteorol., 101: 151-166.
Magrin, G.O., Hall, A.J., Baldy, C., Grondona, M.O., 1993. Agric. Forest
Meteorol. 67: 29-41.
Mayor, D., Johnson, D., Tanner, J. y Anderson, I. 1975. Crop Sci, 15: 174-179.
Thomas, J.F. y Raper Jr, C.D. 1978. Effect of day and night temperatures during
floral induction on morphology of soybean. Agr. J. 70: 893-898.
Sadras V.O. y P. A. Calviño. 2001. Agronomy Journal. 93: 577-583.
Shaw, R.H. y Laing, D.R. 1966. Am. Soc. Agr., Madison, Wisconsin, pp 350.
Wagner-Riddle, C., Gillespie, T.J., Hunt, L.A. y Swanton, C.J. 1997. Agron. J.,
89: 208-218.
Weaver, D.B., Akridge, R.L. C.A.Thomas. 1991. Crop. Sci., 31: 805-810
