Don Mario Sgv 07

796 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
796
On SlideShare
0
From Embeds
0
Number of Embeds
31
Actions
Shares
0
Downloads
12
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Don Mario Sgv 07

  1. 1. Agricultura por ambientes Santiago Gonzalez Venzano Iyda Agritest Anticipa
  2. 2. Gestión de Modelo de Modelo de Procesos Modelo Tecnológico Conocimiento Organización Gestión Protocolización Redes Web GIS Productiva Inteligencia Plataformas Colectiva Desjerarquización Colaborativas Capacitación Motor para Organización Estándares- Autonomía gestión de Base Lenguaje de Procesos de Datos Control- Reportes Agricultura por Ambientes Escala- Escala- Microambientes Macroambientes 1° Etapa 2° Etapa •Cultivo VRT Manchoneo Georef •Genotipo •Dosis de Fertilizante •Insecticidas •Fecha de Siembra •Densidad de siembra •Herbicidas
  3. 3. Un marco Conceptual Que esta pasando con las organizaciones? Los Paradigmas Organizacionales de Peter Senge (La Quinta disciplina) 1. Dios quiera que… El fatalismo 2. Planificación Presupuestaria. El poder del dinero en el Corto Plazo 3. Planificación Estratégica El poder central 4. Gestión Estratégica El poder de las personas 5. La inteligencia Colectiva Las Organizaciones que aprenden
  4. 4. Macroambientes: • Rotación • Genotipo • Fecha de Siembra Microambientes: • Densidad • Fertilización Parámetros Permanentes Indicadores Ambientales Reglas de Ambientes Decisión Agronómicas Parámetros Dinámicos Modificadores Ambientales
  5. 5. La Gestión de Conocimiento es una construcción que nunca termina: 1. Convivimos con hipótesis y no con verdades definitivas 2. Hay que institucionalizar un proceso de mejora continua de las hipótesis. 3. La Inteligencia Colectiva es la mejor garantía de este proceso. La Definición de Ambientes es el cimiento del edificio: Hace falta crear lenguaje = estándares: 1. Proceso colaborativo de crear intersubjetividad. Web 2.0 2. Permite gestionar bases de datos de manera univoca. 1. Automatizar procesos de gestión de conocimiento. 2. Benchmarking.
  6. 6. Clasificacion de Ambientes en la ZO de AACREA RiDZO – Agosto 2009 Relieve Característica Factor estructural Rango de valores Fact. m odificadores Nom enclatura Loma Arena + 80 % de arena Loma Arenosa Zonas de Arena 70 < 80 % arena Napa L2 escurrim iento Arena < 70 % Napa L3 de agua Media Loma Arena + 80 % de arena Napa ML 1 Arena 70 < 80 % arena Napa ML 2 Zonas de Arena < 70 % Napa ML 3 balance neutro Argicos Thapto T a < de 60 cm y sin carbonatos Napa-Hum thapto M L-T Bajo Argicos Thapto T a < de 60 cm y sin carbonatos Napa-Hum thapto B-T1 Carbonatos Thapto + carbonatos T a < de 60 cm Presencia de carbonatos Napa B-T2 Zonas que Natricos Thapto + pH thapto T a < de 60 cm pH 8 o mas Napa-Hum thapto B-T3 reciben agua por Dulce MO Sin thapto o > 60 cm MO > 3 % Napa B1 escorrentía Dulce MO Sin thapto o > 60 cm MO < 3 % Napa B2 Salino-Sódico pH y CE pH > a 8 y/o CE > 5 Napa B3
  7. 7. 3° Aproximación –una visión-: La materia se “embebe” de conocimiento De La tierra + Mejoras A La tierra + Conocimiento
  8. 8. Mapa de Aplicación Manchoneo Insecticidas Mapa de Grilla de Puntos Operación Mapa de Genotipo Reporte •Aplic vs Prescr Mapa de Aplicación •Veloc.de Aplic •Altimetria Mapa de Prescripción Reporte •Parametros de Protocolo Mapa de Puntos de Muestreo de Suelos suelo x Amb Reglas de Mapa de Micro Ambientes decisión Mapa de Macro Ambientes Reporte •Rend x Amb Mapa de Rendimiento •Rend x Altura •Veloc de Cosecha •Costo x Amb •Rend x Genot x Amb •Rend x Dosis x Amb Mapa de Margen Bruto Mapa de Costo Directo DATOS INFORMACIÓN CONOCIMIENTO
  9. 9. La Base de Datos de Puntos de La Paz Total son 105 puntos. Esto es una muestra: DATOS FEC_CREA LATITUD LONGITUD CAMPANIA UESTRA M LOTE AMBIENTE ULTIVO ARENA MO C PH P 11/04/2008 -36,41757 -61,93361 2007-08 LRA-5a2-lo-01 5a2 alto TRIGO 63 1,72 6,20 11,20 11/04/2008 -36,49162 -61,86767 2007-08 LRA-1b1-me-01 1b1 bajo TRIGO 57 1,78 7,90 13,30 11/04/2008 -36,50015 -61,87233 2007-08 LRA-1m1-me-01 1m1 medio TRIGO 61 1,54 8,00 3,60 11/04/2008 -36,49937 -61,87915 2007-08 LRA-1m1-bh-01 1m1 medio TRIGO 36 1,42 9,70 11,60 11/04/2008 -36,49937 -61,87915 2008-09 LRA-1m1-bh-01 1m1 medio SOJA 36 1,42 9,70 11,60 11/04/2008 -36,50416 -61,86758 2007-08 LRA-1m1-me-02 1m1 medio TRIGO 63 1,48 6,30 5,70 11/04/2008 -36,50416 -61,86758 2008-09 LRA-1m1-me-02 1m1 medio SOJA 63 1,48 6,30 5,70 11/04/2008 -36,48627 -61,86859 2007-08 LRA-1m1-me-03 1m1 medio TRIGO 62 1,60 6,80 11/04/2008 -36,48627 -61,86859 2008-09 LRA-1m1-me-03 1m1 medio SOJA 62 1,60 6,80 11/04/2008 -36,49499 -61,87768 2007-08 LRA-1m1-me-04 1m1 medio TRIGO 55 1,80 8,70 3,10 11/04/2008 -36,48982 -61,85725 2007-08 LRA-1m1-me-05 1m1 medio TRIGO 54 1,84 7,50 3,40 11/04/2008 -36,48982 -61,85725 2008-09 LRA-1m1-me-05 1m1 medio SOJA 54 1,84 7,50 3,40 11/04/2008 -36,49360 -61,87929 2007-08 LRA-1m1-ba-01 1m1 medio TRIGO 46 1,90 7,50 14,20 11/04/2008 -36,49360 -61,87929 2008-09 LRA-1m1-ba-01 1m1 medio SOJA 46 1,90 7,50 14,20 11/04/2008 -36,51153 -61,85782 2007-08 LRA-2a1-la-01 2a1 alto TRIGO 79 1,10 5,90 17,40 11/04/2008 -36,51153 -61,85782 2008-09 LRA-2a1-la-01 2a1 alto SOJA 79 1,10 5,90 17,40 11/04/2008 -36,49822 -61,85420 2007-08 LRA-2a1-me-01 2a1 alto TRIGO 68 1,84 6,20 14,30 11/04/2008 -36,42130 -61,92600 2007-08 LRA-5a2-me-01 5a2 alto TRIGO 62 1,50 6,60 3,60 11/04/2008 -36,50115 -61,85130 2007-08 LRA-2a1-me-02 2a1 alto TRIGO 52 2,00 6,90 3,60
  10. 10. Parámetros de suelo x Amb DATOS INFORMACIÓN 90 16,0 80 14,0 70 12,0 %MO-Ph-Pasim 60 10,0 % de Arena 50 8,0 40 6,0 30 20 4,0 10 2,0 0 0,0 Loma Loma Medio Bajo Bajo Hidrico Arenosa %ARENA 81 73 65 56 50 %MO 1,0 1,7 1,8 2,0 1,5 ph 6,1 6,4 4,7 6,4 6,5 8,1 P 15 10 6 10 12
  11. 11. Base de Datos de un monitor de rinde: DATOS 285.000 filas para 1.500 has!!!
  12. 12. DATOS INFORMACIÓN CONOCIMIENTO Rendimiento X Genotipo X Promedio de REND_SECO Micro ambiente Microambiente Loma Bajo Bajo Variedad Arenosa Loma Medio Bajo Hidrico Salino Media dm3700 2,513 3,321 3,217 1,876 1,069 3,207 Análisis de dm4670 2,143 2,608 3,975 4,134 2,686 3,922 Campaña dm4970 1,212 1,408 2,920 3,055 2,511 2,706 Cual es la variedad dm4970-dm5.1i 1,433 1,652 3,065 3,010 1,500 2,808 mas apropiada para dm5.1i 1,305 1,864 2,803 2,638 2,714 cada ambiente? Media 1,316 2,290 3,484 3,566 2,028 1,069 3,366 4,500 4,000 3,500 dm3700 3,000 dm4670 dm4970 2,500 dm4970-dm5.1i 2,000 dm5.1i 1,500 Media 1,000 Loma Loma Medio Bajo Bajo Bajo Arenosa Hidrico Salino
  13. 13. Los puntos de muestreo se corresponden con un área de 1 ha. Luego se correlacionan los mapas de rendimiento con los parámetros edáficos
  14. 14. Análisis de Campaña Cual es la variedad mas apropiada para cada ambiente? Rendimiento X Genotipo DATOS INFORMACIÓN Parámetros edáficos CONOCIMIENTO Soja 08-09 + de 4 78% de R² = 0,6378 y = -0,1349x + 12,179 Arena R² = 0,4291 3 Media Tn - Ha dm 3700 y = -0,0402x + 5,1361 dm4670 si Dm5.1i R² = 0,412 dm5.1i 2 no Dm4670 1 40 50 60 70 80 % de Arena al Protocolo!!!
  15. 15. 4 años de monitores de rinde cruzado con análisis de suelo Cuál es la rotación apropiada para cada ambiente? Rendimiento X Cultivo DATOS INFORMACIÓN Parámetros edáficos CONOCIMIENTO 11,000 3,500 Tn-Ha Soja Tn-Ha Maiz y Trigo Maiz 2 10,000 y = -0,0099x + 1,193x - 25,653 3,000 9,000 Trigo 2,500 y = -0,0062x 2 + 0,9457x - 29,592 8,000 7,000 2,000 Soja y = -0,0015x 2 + 0,1684x - 1,5467 6,000 1,500 5,000 Soja 2da 4,000 1,000 40 50 60 70 80 90 % de Arena
  16. 16. MAPA DE AMBIENTES Mapa de Estandarización Aplicación DATOS INFORMACIÓN CONOCIMIENTO PROTOCOLO Reglas de decisión por ambiente
  17. 17. Como controlarla la calidad de una aplicación? Aplicación de Urea al voleo Dosis Prescripta vs DATOS INFORMACIÓN Dosis Aplicada CONOCIMIENTO
  18. 18. Como controlarla la calidad de una aplicación? Aplicación de Urea al voleo Dosis Prescripta vs DATOS INFORMACIÓN Dosis Aplicada CONOCIMIENTO Prescripta Realizado AnchoLabor Velocidad Hora 240,000 146,000 24,000 10,000 17:30:11 240,000 175,000 24,000 12,000 17:30:14 240,000 235,000 24,000 12,000 17:30:17 240,000 237,000 24,000 12,000 17:30:20 240,000 237,000 24,000 12,000 17:30:23 240,000 236,000 24,000 12,000 17:30:26 240,000 265,000 24,000 10,000 17:30:29 240,000 165,000 24,000 17,000 17:30:32 240,000 172,000 24,000 21,000 17:30:34 240,000 179,000 24,000 22,000 17:30:35 240,000 194,000 24,000 23,000 17:30:37 240,000 210,000 24,000 23,000 17:30:38 240,000 227,000 24,000 23,000 17:30:40 240,000 227,000 24,000 23,000 17:30:41 240,000 235,000 24,000 23,000 17:30:43 Valores 240,000 236,000 24,000 23,000 17:30:44 240,000 239,000 24,000 23,000 17:30:46 Rótulos de fila Promedio Desvest de Realizado de Realizado 240,000 239,000 24,000 23,000 17:30:48 40 55 43 240,000 238,000 24,000 23,000 17:30:49 240,000 237,000 24,000 23,000 17:30:51 120 121 33 240,000 238,000 24,000 23,000 17:30:52 140 160 32 240,000 239,000 24,000 23,000 17:30:54 240,000 239,000 24,000 23,000 17:30:55 160 173 22 220 215 20 240 226 33 260 248 23 Total general 189 64
  19. 19. Cada ambiente tiene una tecnologia apropiada que genera un CD por ambiente. Costo Directo X Cultivo X DATOS INFORMACIÓN Microambiente 500 450 Maiz 400 Densidad P P N N 350 u$s/ha Trigo 300 P P N N 250 200 Soja P P 150 100 la lo me ba bh bs media 2% 16% 61% 13% 6% 2%
  20. 20. Finalmente, calculamos con el CD y el Rendimiento x Ambiente, calculamos el MB por ambiente. Margen Bruto X Cultivo X DATOS INFORMACIÓN Microambiente CONOCIMIENTO Ambientes donde el 600 Trigo-Soja es competitivo!!! 500 MB u$s/ha 400 Soja 380 343 300 T/S2 200 217 Maiz 100 0 Loma Loma Medio Bajo Bajo Bajo Media Arenosa Hidrico Salino 2% 16% 61% 13% 6% 2%
  21. 21. Monitoreo de Plagas. Como buscar eficiencia con escala?
  22. 22. Monitoreo de Plagas. Como buscar eficiencia con escala? Ejemplo de Arañuela
  23. 23. El Control de la Aplicación Aerea Devolución: Mapa de Aplicacion
  24. 24. Mapa de Margen Bruto Mapa de Costo Directo Mapa de Aplicación Mapa de Prescripción Mapa de Macro Ambientes Mapa de Puntos de Muestreo de Suelos Mapas de Mapa de Micro Ambientes Mapa de Macro Ambientes Mapa de Rendimiento Imágenes Mapas de Mapa de Genotipo Curvas de Mapa de Grilla de Puntos Mapa de Aplicación Manchoneo Insecticidas Nivel Protocolos Mapas de Mapas de Ambientes Aplicación Mapas de Prescripción Mapas de Puntos de Muestreo de Suelos Mapas de Rendimiento DATOS INFORMACIÓN CONOCIMIENTO
  25. 25. Agricultura por Ambientes: Ejes clave para ir a la ACCIÓN 1. Maximizar la eficiencia de los recursos . 2. Maximizar flexibilidad y velocidad en la toma de decisiones usando plataformas web colaborativas. 3. Diseñar y controlar los procesos gestionando flujos de información on-line.
  26. 26. Agricultura por Ambientes: ESTRATEGIA •Digital · Digital Técnología · GIS •Web · Internet •GIS · Con TODO Integración •Outsourcing estratégico · De la información Gestión · Del Conocimiento •De la Información · De Riesgo •Del Conocimiento •Del Riesgo
  27. 27. Agricultura por Ambientes: • Protocolos productivos • Tablero de control Implementado • Gestión de reportes los conceptos • Decisiones real time • Web es “LA ” plataforma en la ACCIÓN • Procesos • Redes y Comunidades

×