PROPIEDADES FÍSICOQUÍMICAS DE UN ARGIUDOL TÍPICO RELACIONADAS CON LA PRODUCTIVIDAD DE LOS CULTIVOS

Gudelj, O.; Muñoz, S.; Aimetta B.; Boccolini, M.; Lorenzon, C y Lattanzi, M.

Proyecto específico de agricultura de precisión “Tecnologías de agricultura de precisión para mejorar la efi-ciencia de la producción agropecuaria”.

Red de Agricultura de precisión -EEA INTA MARCOS JUAREZ

INTRODUCCIONEl suelo es un recurso natural y un sistema muy complejo; que permite el sostenimiento de las actividades productivas, pero por su amplia variabilidad, es difícil establecer una sola medida física, química o biológica que refleje su calidad (Bandick y Dick, 1999). La calidad física del suelo se asocia con el uso eficiente del agua, nutriente, y pesticidas; lo cual reduce las emisiones de gases que generan el efecto invernadero. Como consecuencia, se presenta un incremento en la producción agrícola (Lal et al., 1998). Larson y Pierce, 1991 sostienen que en un sistema de manejo sustentable, la interpretación se mide en los cambios adquiridos por los indicadores de calidad del suelo en el tiempo.La variabilidad intra lotes de los cultivos es un fenómeno conocido por los productores. El desarrollo de nuevas tecnologías, como los sistemas de información geográfica (SIG), GPS y monitores de cosecha, entre otros, permiten la obtención de información detallada del desarrollo y rendimiento de los cultivos. Los procesos y atributos que influyen sobre el desempeño de los cultivos varían en el espacio y tiempo. Su magnitud y estructura espacial es específica para cada lote y su cuantificación es necesaria para la aplicación del manejo sitio-específico de cultivos (MSEC) Alesso, 2012. Todo esto en su conjunto, es lo que hoy llamamos Agricultura de Precisión (AP). La AP consiste en una tecnología que se basa en obtener datos georreferenciados de los lotes para lograr un mayor conocimiento de los factores que contribuyen a la variabilidad que se presenta a nivel de lote y así delimitar Zonas de Manejo (ZM) (Anselin, Bongiovanni&Lowenberg-DeBoer, 2004) Éstas han sido definidas como subregiones dentro de los lotes que expresan una combinación homogénea de factores determinantes del rendimiento y a la cual le resulta apropiada una dosis única de insumos (Doerge et al, 1999).Advirtiendo esta variabilidad espacial se pueden lograr resultados que no se conseguirían si se trata el lote como un promedio. Las ZM pueden determinarse en base a mapas detallados de suelos (Franzen et al., 2000), imágenes satelitales (Kemerer, 2003) y mapas de rendimiento de cultivos (Schepers et al., 2000).En este estudio se hicieron mediciones de algunas propiedades físico-químicas del suelo considerando la variabilidad de productividad de los cultivos siguiendo un manejo sitio específico, buscando determinar que propiedades de suelo contribuyen a la explicación de la variabilidad de rendimiento dentro de un mismo lote de producción de cultivos.

Materiales y métodosEl suelo estudiado fue un Argiudol típico de la serie de suelo Marcos Juárez, de textura franco-limosa (horizonte A con 25% arcilla, 69% limo y 6% arena muy fina), con un índice de capacidad de uso de la tierra igual a I-1 y con una cierta limitación climática. La precipitación anual promedio es de 850 mm y la temperatura media anual de 17,5°C. (INTA, 1978).Se consideraron tres lotes o situaciones donde a través del uso de herramientas de manejo sitio-especifico, se identificaron zonas de diferentes productividades utilizando

como insumo imágenes satelitales y mapas de rendimiento. Se seleccionó un lote de productor (L3) de uso agrícola ubicado entre 32° 39' 39" S y 62°04´37" W con una participación de 54% de soja de primera, 23% de doble cultivo trigo/soja y 23% de maíz en las campañas 2000/01-2012/2013; y dos lotes pertenecientes al módulo agrícola (MA) de la EEA INTA Marcos Juárez (32°41´S, 62°09´W). En el MA desde el año 1980 se hace agricultura continua, el sistema de labranza inicial fue con labranza mínima y bajo cubierta con arado de cinceles y posteriormente se fue incorporando la siembra directa (SD). A partir de 1990 todos los cultivos se realizaron con este sistema, con una rotación de cultivos anuales permanente trigo-soja-maíz-soja. El trigo siempre estuvo asociado a soja de segunda. En el lote 1(L1), de 17,57 has, desde 94 hasta 2013, la soja de primera tuvo una participación del 33%; el doble cultivo trigo/soja, 39% y el maíz 28%; en tanto que en el lote 2 (L2) de 19,32 ha, la participación fue del 28%, 39% y 33%, respectivamente.

Tomando la metodología utilizada por Boretto, et al 2013, para la separación en diferentes zonas productivas, se utilizaron imágenes del sensor LandSat 5 TM, con las cuales se realizó la construcción de tres NDVI (Índice Diferencial Normalizado de la Vegetación); para ello se utilizó tres imágenes de diferentes fechas donde se exprese la reflectancia de cultivos estivales con máxima cobertura del suelo y en pleno crecimiento; se eligieron imágenes del 28-02-2004, 12-02-2010 y 15-02-2011; Para la construcción de dicho índice, se utilizó la siguiente ecuación:

NDVI = IRc – R / IRc + R

IRc: Reflectancia en la banda del infrarrojo cercano (banda 4 en LandSat 5 TM)R :Reflectancia en la banda del rojo visible (banda 3 en LandSat 5 TM)

El cálculo de estos índices, se realizó con la herramienta sextante, en el apartado de creación de índices, dentro del software de procesamiento Gv SIG v1.12 (Asociación Gv SIG, 2014); posteriormente se combinaron las tres capas para transformarla en una capa única con los índices apilados, generando así un mapa multianual de NDVI; Para el procesamiento de los mapas de rendimiento que se tenían de los lotes de varias campañas anteriores, se utilizó un programa de mapeo ( SMSTM Ag Leader); siguiendo el protocolo de procesamiento descripto por Albarenque y Velez(2011). Posteriormente se realizó un análisis espacial de conglomerados con la aplicación de Management Zone Analyst (MZA) v.1.01 (University of Columbia, 2000) para definir diferentes zonas de productividad potencial mediante un criterio estadístico de clasificación. El software MZA, permite agrupar datos en clases verosímiles, dando como resultado final la formación de varios grupos de datos clasificados bajo el criterio de máxima homogeneidad entre datos dentro de un grupo y máxima heterogeneidad entre grupos de datos (Fridgen et al., 2004).Este software, se utilizó tanto para el análisis de las diferentes productividades a partir de imágenes satelitales como también para el análisis de los mapas de rendimiento; para llegar finalmente a la delimitación de las zonas de manejo propiamente dicha.Los muestreos se realizaron en otoño (Mayo-Junio) previo a la implantación del cultivo de trigo y luego de la cosecha de soja de primera siembra. En el lote de productor se delimitaron tres zonas de alta productividad (AP) y tres de baja productividad (BP) y en cada una de ellas se seleccionaron tres sitios de muestreo. En los lotes del MA se diferenciaron zonas de AP, MP y BP y en cada una de ellas se seleccionaron dos sitios de muestreo.

En cada uno de los sitios seleccionados de AP y BP se extrajeron seis muestras de densi-dad aparente (DA) por el método del cilindro de volumen conocido (Blake & Hartge, 1986) en 0-5 y 5-10 cm de profundidad. Al mismo tiempo, se extrajeron tres muestras no distur-badas en dos espesores 0-5 y 0-10 cm, por sitio para estimar estabilidad de agregados por medio de la diferencia entre el diámetro medio ponderado de los agregados secos al aire y luego de ser afectados por el impacto de la gota de lluvia y el tamizado en agua (CDMP) (De Leenheer-De Boodt, 1967).El CDMP se expresó en mm, considerando que un menor CDMP se vincula con mejor EA. El índice de estabilidad relativo (IER) se obtuvo relacionando el CDMP del suelo estudiado con el de de referencia (SR), suelo del parque de la EEA de más de 50 años de mantenimiento de gramíneas perennes, al que se le asignó una estabilidad estructural (EE) del 100 %. A su vez, en los mismos sitios se efec-tuó un muestreo compuesto de 12 sub-muestras por unidad de muestreo a la profundidad de 0 a 5 cm para medir materia orgánica particulada (MOP) y nitrógeno anaeróbico (NAN) en todos los lotes en AP y BP. La determinación de MOP o materia orgánica joven se rea-lizó por medio del fraccionamiento físico con el tamiz de 106 µm, según Cambardella y Eliott (1993), La estimación de la disponibilidad de N inorgánico del suelo se realizó a tra-vés del método de Incubación anaeróbica (Echeverría et al., 2000). La cantidad de N-NH+

4

se cuantificó por Microdestilación directa por arrastre de vapor (Keeney, 1982). El mues-treo para el resto de las determinaciones químicas se realizó de 0 a 18 cm de profundidad y las muestras fueron compuestas por 12 submuestras de cada unidad de muestreo. Para determinación de pH se utilizó la técnica de potenciometria solución suelo-agua 1:2,5; conductividad eléctrica (CE) por conductímetro en solución suelo-agua 1:2,5; contenido de nitratos (NO3

-)por el método del fenol disulfónico (Bremmer 1965); contenido de fósforo (P) por Bray y Kurtz (IRAM-SAGyP 29570-1); de sulfatos (SO3

-) con la técnica extractiva de Morgan - con BaCl2 y materia orgánica total (MOT) mediante la técnica de Walkley y Black (IRAM- SAGPyA 29571-2).

ANALISIS ESTADISTICOLos resultados obtenidos se sometieron a un test de Análisis de la Varianza y comparación de medias con el Test LSD de Fischer para las variables físicas y se utilizó una Prueba T para muestras independientes para las variables químicas y del programa estadístico Infostat (2008).

RESULTADOS Y DISCUSIÓNLOTE 3

Imágenes Landsat 5 TM en formato raster de donde se obtuvo los NDVI individuales de cada fecha elegida, donde se expresa la reflectancia del cultivo con máxima cobertura del suelo y en pleno crecimiento , con los que se calculó las productividades de cada uno de los lotes.

Figura 1: Delimitación de 2 zonas de alta y baja productividad en los lotes de la EEA INTA Marcos Juarez (L1 y L2) y el lote del productor (L3).

A partir de los datos de productividad obtenidos a partir los NDVI y mapas de rendimientos normalizados, se seleccionaron dos zonas de manejos diferenciadas, donde existen características estadísticamente significativas entre ellas, a través del análisis con MZA.

En la determinación de las diferentes zonas, se observa que en el análisis de espacial de conglomerados a través de MZA, existe una máxima heterogeneidad para diferenciar dos grupos verosímiles, por lo tanto, se define a dos como el número óptimo de ambientes. Esta determinación es a partir del índice de entropía de la clasificación y el índice de clasificación difusa, donde la optimización se logra cuando ambas curvas tienen el mínimo valor en el eje de las “Y”.

Se realizaron determinaciones de densidad aparente en todos los lotes y dentro de cada una de las zonas de productividad, no encontrándose en ninguno de los casos, diferen-cias estadísticas significativas (datos no publicados), si bien se encontró un valor de DA alto(1,35 g/cm3), este se encuentra por debajo del valor considerado crítico para estos suelos (1,4 g/cm3). La humedad de suelo al momento de esta medición fue similar para todas las situaciones evaluadas y cercanas a capacidad de campo. Valores similares de

DA para suelo de textura similar informaron Gudelj, et al. 2001, tanto superficial como sub-superficialmente.En relación a la EE para el espesor 0-5 cm, el L2 presentó la mejor agregación en todas las áreas productiva estudiadas, con un índice de estabilidad del 42 %, considerando el suelo SR con una estructura cien por ciento estable; en tanto que en el L1 se detectó dife-rencias significativas entre AP y BP con marcada inestabilidad en la zona de BP (24%), estabilidad mala, vs AP (36%), índice que se asocia con buena EE. En el L3 también se diferenciaron estadísticamente las zonas de AP y BP, pero en ambas situaciones la esta-bilidad fue muy baja, 26 y 21%, respectivamente (Tabla 1). La MOP, medida solamente en AP y BP, reflejó el mismo comportamiento que el CDMP. La menor EE en el L3 puede de-berse a mayor proporción del cultivo de soja (54%) en su rotación durante los últimos 13 años.

Tabla 1: Valores promedio de cambio en el diámetro medio ponderado (CDMP), índice de estabilidad relativo (IER) y materia orgánica particulada (MOP), en 0-5 cm de profundidad.

LOTE AP BPCDMP (mm)

IER (%)

MOP(g/kg suelo)

CDMP(mm)

IER (%)

MOP (g/kg-suelo)

L1L2L3

0,66c0,59b0,93d

364126

30,88a31,05a17,49a

1,01d0,57b1,15e

244221

22,68b28,21a15,36b

L1: A1 MA; L2: A2 MA; L3: lote productor; AP= alta productividad; BP = baja productividadCDMP = cambio diámetro medio ponderado; IER = índice de estabilidad relativo; MOP = materia orgánica particulada.Letras distintas leídas en forma horizontal indican diferencias significativas (p<= 0,05)

En la Tabla 2 pueden observarse los valores medios de CDMP e IER medidos de 0 a 10 cm de profundidad, en los distintos lotes estudiados según áreas de productividades diferentes. La EE es más débil en todos los casos comparados con lo medido para 0-5 cm de profundidad, aunque se mantuvieron las mismas diferencias estadísticas.

Tabla 2: Valores promedio de cambio en el diámetro medio ponderado (CDMP), índice de estabilidad relativo (IER), en 0-10 cm de profundidad.LOTE AP BP

CDMP (mm)

IER (%) CDMP (mm)

IER (%)

L1L2L3

0,93cd 0,77b

1,15e

283423

1,19e0,77b1,41f

223418

L1: A1 MA; L2: A2 MA; L3: lote productor; AP = alta productividad; BP = baja productividadCDMP = cambio diámetro medio ponderado; IER = índice de estabilidad relativo

Estos resultados corroboran los obtenidos en un estudio realizado en el mismo tipo de suelos por Gudelj, et al. 2012, donde se concluyó que la EE es un válido indicador físico de la calidad del suelo reflejada en el nivel de productividad del mismo. Aoki et al., 2008, destacan que el CDMP, si bien surge de una técnica trabajosa en su realización, es uno

de los parámetros físicos más sensibles para determinar diferencias en calidad de suelo. Altos valores en el CDMP siempre se relacionan con mayor erosión (Cacchiarelli, et al., 2008).

Tabla 3: Valores promedio y resultados de la Prueba T para muestras independientes de algunas propiedades químicas del suelo en los diferentes lotes y zonas de producción a 0-5 y de 0-18 cm de profundidad.

PROPIEDADES QUÍMICAS DEL SUELO

LOTE/PRODUCTIVIDAD

NAN(mg.Kg.-1 s)

MOP(gr. Kg.-1 s) pH CE

(mS/m)MOT(%)

NO3-

(ppm)P

(ppm)SO4

-

(ppm)0-5 cm 0-18 cm

L1 AP 135,11a 30,88a 5,65 0,1 2,62 35,5 21 1,55BP 100,11b 22,68b 5,5 0,08 2,57 30 38 1,95

L3 AP 100,8 17,6a 5,59 0,07 2,29 28,67 15,67 1,09BP 97,3 15,36b 5,59 0,07 2,63 32 21,33 2,83

Letras distintas indican diferencias significativas (p≤ 0,05).

Ref.: L1: MA; L3: Lote productor; AP = alta productividad; BP = baja productividad.

Nota: En la tabla no se usó el L2 porque el manejo fue idéntico al L1, a fin comparar dos situaciones bien contrastantes, se utilizó el L1 y el L3.

Las variables químicas analizadas se presentan en la Tabla 3. En los lotes estudiados se observa que sólo las variables Nan y MOP presentaron diferencias significativas entre am-bas zonas de productividad, (a excepción de Nan en L3) con mayores valores en AP. Este resultado podría explicarse por un mayor aporte de rastrojo a través del incremento en el rendimiento determinando un mayor aporte de MO fácilmente mineralizable y por lo tanto, mayor disponibilidad potencial de N para los cultivos. Resultados similares fueron en-contrados por Sabando y Mousegne (2013) para el mismo tipo de suelo, donde las zonas de alta productividad para trigo y maíz contenían mayor aporte de N potencialmente mine-ralizable determinando menores requerimientos de N. Para el resto de las variables la ausencia de diferencias significativas puede deberse a un efecto de dilución en la profundidad de 0-18 cm. No obstante; en el L3 los valores de las medias para los contenidos de MOT; NO3

-; P y SO4- fueron menores en AP evidenciando

la extracción de nutrientes por parte del cultivo. Un comportamiento similar ocurrió en el L1 con P y SO4

- ; pero los contenidos medios de MOT y NO3- fueron mayores en la zona

de AP. En los ambientes de baja productividad, se observa que el P y los SO4- poseen valores mayores que en las zonas de AP, esto debido a que históricamente, en estos lotes de producción se realizó una fertilización uniforme en toda la superficie de los mismos, con lo cual, en aquellas zonas donde el potencial productivo estaba reducido por alguna limitante, se generaba un excedente de nutrientes que se acumuló a lo largo de los años; en cambio, donde el cultivo crecía sin restricciones, se generó una mayor extracción de los mismos, lo que provocó que en ambientes de alta productividad los valores medidos son inferiores.

CONSIDERACIONES FINALESA pesar de ser suelos bastantes homogéneos en la región, se determinaron dos zonas productivas bien diferenciadas dentro de cada lote y entre diferentes manejos, lo que justi-ficaría la utilización de los recursos de forma diferenciada.

Las zonas de BP presentaron una condición física más desfavorable, lo cual fue eviden-ciado por los resultados hallados de EE y MOP. Esta condición pudo haberse traducido en menor entrada del agua y menor eficiencia en el uso de los nutrientes por parte de los cul-tivos, lo cual podría relacionarse con el menor rendimiento obtenido por éstos. Además estas zonas presentaron menor contenido de N potencialmente mineralizable lo cual po-dría ser responsable de mayores requerimientos de N por los cultivos.

Es de destacar el manejo de los lotes siguiendo una secuencia balanceada de rotación con leguminosas-gramíneas, ya que estas últimas aportan gran cantidad de residuos que se traducen en una mejora tanto en las propiedades físicas, como es el caso de la EE, como también en las propiedades químicas, con mayores valores de NAN.

Es importante determinar las causas de la variación dentro del lote, para poder manejarlas de manera específica, ya que de esta manera podemos hacer una correcta aplicación de insumos para un manejo más sustentable.