Uso de monitores de rendimiento para analisis de campaña 2010 11
Upcoming SlideShare
Loading in...5
×

Like this? Share it with your network

Share

Uso de monitores de rendimiento para analisis de campaña 2010 11

  • 1,936 views
Uploaded on

Como transformar los Mapas de Rendimiento en Conocimiento para la toma de Decisiones.

Como transformar los Mapas de Rendimiento en Conocimiento para la toma de Decisiones.

More in: Travel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
1,936
On Slideshare
1,902
From Embeds
34
Number of Embeds
1

Actions

Shares
Downloads
31
Comments
0
Likes
0

Embeds 34

http://www.linkedin.com 34

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Análisis de Monitores de Cosecha Campaña 2010-2012 LA PAZ Oeste Provincia de Buenos Aires Santiago Gonzalez Venzano santiagogvenzano@solapa4.comColaboradores: La Paz: Marcelo Muñoz , Mauro Recarey y Iñaki Zuberbuhler GIS: Hernán Sanchez Solapa 4: Rita Robledo y Vero Leiva Metafóricos: Jorge Luis Borges
  • 2. 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.
  • 3. 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.
  • 4. Lluvias 250 200 lluvias mm/mes 150 Media 1983-2010 100 2010 50 2011 0 1 2 3 4 5 6 7 8 9 10 11 12 Meses Primavera 2010 seca Enero 11 muy lluvioso Febr 11 muy seco hasta el 15 de Mzo
  • 5. Profundidad de Napa 0,00 -3,50 -3,00 -2,50 -2,00 -1,50 -1,00 -0,50 1987 1988 1989 1990 1991 1992 Napa Freática 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008deseado: entre 2 y 2,5 mts 2009Rango de profundidad de Napa 2010
  • 6. Napa Freática Meses 1 2 3 4 5 6 7 8 9 10 11 12 -1,80 Profundidad de la Napa Media 1983-2010 -2,00 -2,20 2010 -2,40 2011 -2,60 -2,80 -3,00 Las lluvias de Enero dieron un mejor punto de partida, pero con la sequia de feb-mzo la napa recupero profundidad
  • 7. Rendimientos 10-11El buen comportamiento relativo 13,0del Maíz Tardío en ambientesaltos, frente a Trigo y Soja, 12,0obligara a replantear la rotación 11,0de los Macroambientes Altos: 10,0•Hoy: T-S2 / S1 (sin Maíz) Rendimiento Tn/ha•Propuesta: T-S2 / Mz Tardío / S1 9,0Evitábamos T-S2 como 8,0antecesor de Mz por el riesgo deheladas tardías, sin embargo, en 7,0siembras de fin de Noviembre, 6,0esto ya no es relevante. 5,0Esta rotación es de mas margen 4,0y, para estos ambientes mas 3,0frágiles, mas sustentable. 2,0 1,0Análisis de Monitores de Bajo- Bajo Loma Media Loma Bajo Riesgo HalomoRendimiento por MicroAmbiente. Arenosa Loma Hidrico 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
  • 8. Rendimientos Maíz 10-11 13,0 El Maíz Tardío se 12,0 destaco en casi todos los 11,0 ambientes, aun en Rendimiento Tn/ha 10,0 los de más potencial 9,0 8,0 Los “Rindes Históricos” 7,0 corresponden a 6,0 años con menores profundidades de 5,0 napa, produciendo 4,0 caídas de Bajo- Bajo Loma Media rendimiento en Loma Bajo Riesgo Halomorf Arenosa Loma Hidrico ico los ambientes bajos por Maiz Tardio 5,6 8,2 10,8 12,2 11,3 anegamiento Maiz Temprano 7,0 10,9 11,4 10,3 9,2 Maiz Hist 4,8 8,0 9,4 9,5 7,8Análisis demonitores del2004 al 2009
  • 9. Rendimientos Maíz Temprano 10-11 14,0 13,0 Las diferencias entre estos dos genotipos no fueron Rendimiento Tn/ha 12,0 significativas, mas teniendo 11,0 en cuesta que en el sector del dk190 llovió más. 10,0 9,0 Dk 190 MGRR 8,0 Dk 747 MGRR 7,0 6,0 5,0 y = -0,2024x + 23,647 50 60 70 80 R² = 0,4001 % de Arena 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.
  • 10. Rendimientos Maíz Tardío 10-11 Ensayo de Genotipo x Densidad x Ambiente En Maiz Fecha de Siembra 25-11-2010 Monsanto-S4 con la colaboración de Eduardo Mendiondo y Gabriel Ginopoli Loma Medio
  • 11. Ensayo de Densidad Bajoen Maíz 60% de ArenaFotos del 20 de Enero 2% MO Baja Densidad Alta Densidad 40.000 pl/ha 80.000 pl/ha Loma 80% de Arena 1,5% MO
  • 12. Rendimientos Maíz Tardío 10-11Esta información Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)promedio sirve paratomar decisiones a Densidad x Genotiponivel de Promedio de toda la Parcela (pesada con tolvas con balanza)macroambientes sino se dispone deequipos para VRT 8000 7750 Dk 670 se destacó en todas las 7500 Rendimiento Kg/ha densidades evaluadas 7250 DK670MGRR 7000 DK699MGRR 6750 6500 DK747MGRR 6250 6000 4,5 6 7,5 8,5 Si tenemos que tomar una decisión Densidad Semillas/m2 a nivel de Macroambiente (sin VRT), la densidad mas conveniente es de 60.000 sem/ha
  • 13. Rendimientos Maíz Tardío 10-11 Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4) Densidad x Genotipo Promedio de toda la Parcela (pesada con tolvas con balanza) 320 310 DK670MGRR Peso de 1000 granos 300 y = -4,1791x + 308,48 290 R² = 0,6465 280 DK699MGRR 270 y = -10,417x + 346,43 R² = 0,4809 260 250 DK747MGRR 240 y = -8,6531x + 318,16 R² = 0,9752 230 4 5 6 7 8 9 Densidad Sem/m2 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.
  • 14. Rendimientos Maíz Tardío 10-11 Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4) Densidad x Ambiente (promedio de todos los genotipos)En el ambiente Datos de Monitores de Rendimientomedio, el ajuste es Para el ambiente medio,curvilíneo  se la densidad optima fueexploraron todas las entre 6 y 8,5 sem/m2densidades.En la loma el ajuste 6.000 14.500es casi lineal falta Lomaexplorar densidades Arenosa 5.500 14.000 Rendimiento Kg/hamenores. R² = 0,788 5.000 13.500 Medio R² = 0,8585 4.500 13.000 4.000 12.500 Para el ambiente loma, la densidad 3.500 12.000 optima fue de 4 5 6 7 8 9 4,5 semIm2 Densidad Semilla/m2
  • 15. Rendimientos Maíz Tardío 10-11 Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4) Ambiente Medio . Interacción genotipo x densidad Datos de Monitores de Rendimiento Para este híbrido, en el ambiente medio, la densidad optima fue 8,5 sem/m2 15000 DK670MGRR2 14500Rwndimiento Kg/ha R² = 0,6853 La mejor 14000 combinación en DK699MGRR2 el ambiente R² = 0,9329 medio: 13500 Dk 699 con alta densidad 13000 DK747MGRR2 R² = 0,9101 12500 Total general 12000 R² = 0,8585 4 5 6 7 8 9 Densidad Semilla/m2 Para estos híbridos , en el ambiente medio, la densidad optima fue 6 sem/m2
  • 16. Rendimientos Maíz Tardío 10-11 Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4) Ambiente Loma Arenosa. Interacción genotipo x densidad La mejor Datos de Monitores de Rendimiento combinación en el ambiente loma: 5000 Dk 670 con baja DK670MGRR2 densidad 4500 y = -162,22x + 5454,6 Rendimiento Kg/ha R² = 0,5309 4000 DK699MGRR2 y = -227,08x + 5149,4 3500 R² = 0,4244 3000 DK747MGRR2 y = -96,426x + 4492 Todos los 2500 R² = 0,225 híbridos , en el ambiente loma, Total general respondieron 2000 y = -161,99x + 5137,7 negativamente 4,0 5,0 6,0 7,0 8,0 9,0 R² = 0,7391 al aumento de densidad. El Dk Densidad Semillas/m2 747 fue el menos sensible
  • 17. Rendimientos Soja 10-11 Los ambientes Thapto están 5,0 impactando en la soja relativamente 4,0 mas que en las Rendimiento Tn/ha gramíneas 3,0 Los “Rindes Históricos” corresponden a años con menores 2,0 profundidades de napa, produciendo 1,0 caídas de Bajo- Bajo rendimiento en Loma Media Arenosa Loma Loma Bajo Riesgo Halomor los ambientes Hidrico fico bajos por Soja 1,8 2,6 3,7 4,3 4,3 3,1 anegamiento Soja Hist 1,9 2,9 3,5 3,9 3,5Análisis demonitores del2004 al 2009
  • 18. Rendimientos Soja 10-11 Covarianza entre datos de •Análisis de suelos de puntos georeferenciados y •Rendimiento por monitores (círculos de 1ha sobre el punto de muestreo) % 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 •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.
  • 19. Rendimientos Soja 10-11 •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! 4,500 2010-2011 4,000 y = -0,1117x + 10,685 Rendimiento Tn/ha R² = 0,6727 3,500 2009-2010 3,000 y = -0,0448x + 6,1909 2,500 R² = 0,5877 2,000 2008-2009 y = -0,09x + 8,7639 1,500 R² = 0,6329 50 60 70 80 90 % de Arena
  • 20. Rendimientos Soja 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. 5,0 En la próxima Rendimiento Tn/ha campaña, 4,5 dm3810 va a reemplazar a 4,0 dm3700 y a 3,5 dm4210 en su DM 3700 totalidad 3,0 DM 3810 2,5 DM 4210 2,0 1,5 DM 4670 Campaña 10-11
  • 21. Rendimientos Soja 10-11Ensayos de FungicidasProyecto Basf-S4-FR “Oeste Verde”Resultado de 200 ensayos en el Oeste bajo medio Sobre una plataforma GIS Web se dibujaron las franjas de ensayo, y luego entregadas a una empresa de servicios tecnológicos. FR
  • 22. Rendimientos Soja 10-11Ensayos de FungicidasProyecto Basf-S4-FR “Oeste Verde”Resultado de 200 ensayos en el Oeste Hay una fuerte interacción entre la respuesta y el Microambiente 4,500 500 4,000 3,500 300 Rendimiento kg/ha Respuesta kg/ha 3,000 100 Testigo 2,500 Tratado -100 Respuesta 2,000 -300 1,500 1,000 -500 L3 L2 ML B2 B-T1 RIEGO Loma arenosa thapto
  • 23. Rendimientos Soja 10-11Ensayos de FungicidasProyecto Basf-S4-FR “Oeste Verde”Resultado de 200 ensayos en el Oeste Hay una fuerte interacción entre la respuesta y el Genotipo Respuesta Kg/ha -300 -200 -100 0 100 200 300 400 AX4613 DM3700 DM4870 DM4970 DM4670 DM3810 SP3900
  • 24. Rendimientos Soja 10-11Ensayos de FungicidasProyecto Basf-S4-FR “Oeste Verde”Resultado de 200 ensayos en el Oeste ¿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 ambientes sin Sin los respuesta: genotipos sin Si bien la renta de aplicar “ciego” sobre toda la superficie es muy •LA 3 (loma Arenosa) respuesta: buena (63%) esta mejora sustancialmente si aplicamos según •LA 2 (loma) •sps3900 “reglas de decisión” y evitamos los sitios sin respuesta (153%) •BT-1 (Thapto) •dm3810
  • 25. Rendimientos Trigo 10-11 6,0 Años anteriores, el trigo se 5,0 mostraba como un cultivo de pocas sensibilidad al Rendimiento Tn/ha ambiente: 4,0 •Los perfiles salían cargados en el otoño y las lluvias de primavera ponían al cultivo 3,0 en condición hídrica óptima en floración. •En dos campañas 2,0 (incluidas en el promedio) hubo heladas en floración que disminuyeron los 1,0 rendimientos y borraron el Bajo- Bajo patrón de variabilidad Loma Media Loma Bajo Riesgo Halomo ambiental habitual. Arenosa Loma Hidrico rfico Trigo 2,1 3,4 5,3 5,7 5,5 5,1 Trigo Hist 3,7 4,0 4,6 4,5 4,0Análisis demonitores del2004 al 2009
  • 26. Rendimientos Trigo 10-11 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. 7,0 Rendimiento Tn-ha 6,0 5,0 4,0 10-11 3,0 08-09 2,0 07-08 1,0 L3 L2 ML 1 B2 B-T1 B3 Ambientes Ridzo
  • 27. Rendimientos Trigo 10-11 Rendimiento y Ambiente (% de Arena) Curva total (en todo el rango de textura de suelo) 8,0 y = -0,0036x 2 + 0,3496x - 2,4078 7,0 R² = 0,772 Rendimiento Tn-ha 6,0 5,0 4,0 3,0 2,0 1,0 40 50 60 70 80 90 La caída de rendimiento lineal se % de Arena produce s partir de 50% de arena. Creemos que este comportamiento es común también a los demás cultivos.
  • 28. Rendimientos Trigo 10-11 Rendimiento y Ambiente (% de Arena) Curva parcial, con texturas con mas de 50% de arena Fuertes caídas de rendimiento al aumentar el % de arena (por (parte lineal de la curva) encima del 50%) : b=166 kg con un muy buen ajuste r2= 79 8,0 y = -0,1661x + 15,903 7,0 R² = 0,7947 Rendimiento Tn-ha 6,0 5,0 4,0 3,0 2,0 1,0 50 60 70 80 90 En estos ambientes el Maíz % de Arena Tardío empieza a competir ventajosamente contra el trigo
  • 29. Rendimientos Trigo 04-05 En la campaña 04-05 se puso en evidencia el potencial de B10, y así paso a ser el trigo mas sembrado. Rescatamos también 9.000 la pendiente del modelo lineal 8.500 Rend vs Indicador am biental (200kg) y su ajuste (0,61) del 8.000 mismo orden que el de la 7.500 campaña actual 7.000 6.500 y = -0.20x 6.000 R2 = 0.61 5.500 Rend (Kg/ha) 5.000 4.500 4.000 3.500 3.000 2.500 2.000 Trigo 1.500 Trigo B10 y = -0.13x 1.000 R2 = 0.77 0.500 0.000 60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90 %Arena
  • 30. Rendimientos Trigo 09-10Que nos esta pasando:La acumulación de residuos en ambientes medios y bajos nos llevo a trabajar con altas densidades de siembra, porque 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? 39 peso de mil 93% VC Microambiente Plantas/m2 Coef de Semillas Plantas/m2 Coef de Espigas/m2 Espigas/pl Rend Granos/ Granos/ Objetivo Logro viables/ Logradas Logro Logradas Tn/ha m2 espiga Objetivo m2 Real 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 27Para la campaña 11-12 Microambiente Espigas/m2 Espigas/pl Plantas/m2 Coef de Semillas Kg/ ha aestamos proponiendo una Alcanzable Alcanzable Objetivo logro viables/ sembrardisminución de densidad de Objetivo m2siembra en lomas arenosas loma arenosa 300 1,5 200 80% 250 105buscando las 350 espigas que loma 400 1,5 267 80% 333 140soporta este ambiente con medio 550 1,6 344 75% 458 192200 plantas a lograr. bajo 600 1,7 353 75% 471 197Una oportunidad para el VRT?
  • 31. Rendimientos Sj 2° 10-11 3,0 La Soja de 2° muestra una falta de estrategia para la mejora de los rendimientos: •Una ventana de siembra chica Rendimiento Tn/ha por las heladas tempranas. •Generalmente siembra sin humedad y recien nace 2,0 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 1,0 con cultivares de mas porte y Bajo- Bajo desarrollo. Loma Media Loma Bajo Riesgo Halomor Arenosa Loma Hidrico 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 2,2Análisis demonitores del2004 al 2009
  • 32. 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.