Autores: R J M Melchiori - EEA INTA Paraná CC 128 (3100) Paraná Entre Ríos,
 F O García - INPOFOS Cono Sur,
H Echeverría - Unidad Integrada INTA Balcarce-FCA Universidad Nacional de Mar del Plata

Desde comienzos de la década del 90, comenzaron a desarrollarse tecnologías y principios para manejar la variabilidad espacial y temporal asociada con los aspectos de la producción agrícola, para mejorar los rendimientos y preservar la calidad ambiental (Pierce y Nowak, 1999). La variabilidad debe conocerse y ser de suficiente magnitud para que un manejo diferenciado por sitios resulte en un beneficio frente al manejo uniforme. El rendimiento de los cultivos varía espacialmente (Ferguson et al., 1995) y determinar cuando y donde las variaciones en las propiedades del suelo causan variaciones en el rendimiento es el desafío que enfrenta la agricultura de precisión (Mulla y Schepers, 1997). Las variaciones espaciales pueden estudiarse a través de técnicas geoestadísticas que permiten elaborar mapas y delimitar áreas de manejo diferencial. Se ha estudiado la variabilidad de propiedades físicas, químicas y biológicas del suelo que afectan la productividad de los cultivos, reportándose asociaciones entre éstas y el rendimiento (Cambardella et al., 1996, Ortega et al. 1999), aunque dichas asociaciones dependen del rango de variación del parámetro y del rango en que éste afecta al rendimiento (Mallarino et al., 1996). Los suelos de la zona mixta papera presentan limitantes permanentes como la tosca y pendientes en áreas interserranas y además el uso agrícola intensivo ha disminuido su fertilidad natural. Es esperable que interacciones entre estas características causen variaciones en el rendimiento de los cultivos. El objetivo del presente trabajo es determinar variaciones espaciales en algunas propiedades del suelo y su relación con las variaciones en el rendimiento del cultivo de trigo.

El experimento se realizó en 1998 en un establecimiento del partido de Balcarce, (37 º 45’ S; 58 º 18’ O) en un lote con suelos pertenecientes a las Series Mar del Plata (80%) y Balcarce (20%), respectivamente. El sitio presentó una pendiente media de 1.45% y se abarcaron las posiciones de loma, media loma y bajo. Se implantó un cultivo de trigo con labranzas convencionales el 24 de julio de 1998. A la siembra se aplicó fósforo (18 kg P ha^-1) en bandas junto con la semilla. El muestreo de suelo se realizó en presiembra sobre una grilla con 100 celdas de 9 m de ancho y 18 m de largo abarcando un área de 16200 m². Se extrajeron muestras compuestas (10 submuestras) del centro de las celdas. Se determinaron el pH, la conductividad eléctrica (CE), la capacidad de intercambio de cationes (CIC), los cationes intercambiables (Ca, Mg, Na y K), el carbono orgánico (CO) y el P extractable (Pe) para un profundidad de 20 cm y el contenido de N-NO₃ hasta 60 cm de profundidad. La presencia de tosca se determinó hasta 1 m de profundidad. Sobre la grilla relevada se evaluaron tres tratamientos (testigo, dosis uniforme y dosis variable), en el presente trabajo se reportan los resultados correspondiente al tratamiento testigo. En madurez fisiológica se determinó la materia seca aérea total (1 m²), el N en la biomasa aérea y se calculó el N acumulado (Nt). La cosecha se realizó en forma mecánica (18 m²) y el rendimiento se ajustó a 14% de humedad. A partir del Nt y el contenido de N-NO₃ en siembra y cosecha se estimó el nitrógeno mineralizado neto (Nmin). Se calcularon estadísticos descriptivos, se probó la normalidad de las variables y se calcularon, correlaciones y regresiones con el programa SAS (SAS, Institute 1996). Los análisis espaciales incluyeron pruebas de tendencia, ajustes de semivariogramas y kriging, para lo que se utilizaron los programas S-plus v 4.0 (Statistical Science, 1996), GS⁺ v 3.1 (Gamma Desing Software, 1998) y SURFER v 5.0 (Golden Sofware, 1995).

Las variables edáficas analizadas, excepto el CO y el Nmin presentaron una distribución no normal. Esto se debió en general al sesgo que introducen valores extremos altos, aunque la mayoría de las observaciones se agruparon cerca de las medias. Los coeficientes de variación (CV) determinados estuvieron dentro de los reportados comúnmente. El Pe y el N-NO₃ presentaron los mayores CV (115% y 54%, respectivamente) y el pH y el CO los menores (3% y 9%, respectivamente). La disponibilidad media de N (0-60 cm) fue de 26.7 kg ha^-1 y el rango de variación de 10.6 a 63.8, ambos parámetros estuvieron debajo del nivel de disponibilidad considerado suficiente para el cultivo en la región (100 - 125 kg N ha^-1). El Nmin medio fue de 38.6 kg ha^-1 y su rango de 0 a 76.7 kg ha^-1, valores considerados bajos para suelos de la zona. El contenido de Pe fue medio y su rango muy amplio (5.8 - 137 mg kg^-1), la CE fue baja , con un rango de 0.082 - 0.343 dSm^-1 y un CV de 33%. El CV del CO fue de 9% y su rango de 2.0% a 3.44%. La CIC tuvo un CV de 12% y los cationes Ca, Mg, Na y K (23%, 16%, 42% y 13%, respectivamente). Los rangos de variación para los mismos fueron de 10.3 a 24.1, 1.6 a 3.3, 0.04 a 0.24, 1.35 a 2.42 cmolckg^-1, respectivamente. La profundidad del suelo tuvo un rango de variación de 45 a 100 cm. El rendimiento del cultivo varió de 1012 a 3381 kg ha^-1 con una media de 2175 kg ha^-1 y un CV de 23%, similar fue el comportamiento para el Nº de granos m^-2. El peso de los granos varió un 3% y su rango fue muy estrecho. La MS y el Nt acumulado en madurez variaron un 17% y 21%, respectivamente.

Se observó que gran parte de las variables analizadas mostraron tendencia hacia un sector erosionado de baja fertilidad, lo que se reflejó en la propiedades edáficas y en el rendimiento del cultivo (Figuras 1 y 2). Los semivariogramas teóricos se ajustaron para una distancia máxima de 145 m y un intervalo de 9 m (mínima distancia entre muestras). Los rangos de dependencia espacial variaron de 31 a 138 metros, lo que muestra la heterogeneidad en la distribución espacial de las variables analizadas. Los modelos ajustados fueron de tipo esférico en su mayoría y la proporción de variancia atribuida a la variación espacial fue desde 0% (sin dependencia espacial) en la CE hasta 100% en el caso de la variables Na y [K/ Ca + Mg] (Tabla 1).

Se estimaron balances hídricos los que mostraron un déficit medio de un 50% de la evapotranspiración potencial durante el período crítico, lo que muestra el grado de limitación hídrica que afectó al cultivo. No obstante no se encontraron relaciones entre el consumo o los déficits hídricos estimados para distintos períodos en función de las variaciones en profundidad del suelo y el rendimiento del cultivo. Este se asoció positivamente al contenido de K (r = 0.73 p<0.001) y negativamente a los contenidos de Ca y Mg (r = - 0.69 p<0.001 y r = - 0.49 p<0.001). La asociación entre el rendimiento del cultivo con el contenido de K, a pesar del alto nivel de disponibilidad, podría estar reflejando la relación subyacente entre éste y la disponibilidad de N (r = 0.29), la profundidad a la que se encontraba la tosca (r = 0.33), el CO (r = 0.23) y el Pe (r = 0.53). La mayor disponibilidad de K sería un “índice” de sitios con mayor productividad. El 74% de la variación en el rendimiento del cultivo se explicó a partir de la variación en el contenido de K, Ca y Mg (Rendimiento = 1205.9 + 1377 K - 39.6 Ca - 376.3 Mg ; R² = 0.74; p< 0.001) y un modelo simple con la relación de bases [K / Ca + Mg] explicó el 70 % de la variación del rendimiento (Rendimiento = 588.4 + 14495 [K/ Ca + Mg]; R² = 0.70; p< 0.001), lo que puede ser observado también en la coincidencia de las variaciones espaciales de la relación de bases (Fig 1) y del rendimiento del cultivo (Fig 2). Esta relación simple actuaría integrando el efecto positivo del K, “índice” de sitios con mayor productividad y la relación negativa de los mayores contenidos de Ca y Mg asociados a la presencia de suelos más someros con tosca y con signos de erosión hídrica y deterioro físico (observación visual).

La variación en el rendimiento se asoció al N absorbido en madurez fisiológica (r² = 0.70 p < 0.001) y el Nt no se asoció a la disponibilidad de N-NO₃ a la siembra, esto probablemente sea debido a la escasa disponibilidad a la siembra, que representó en promedio el 58% del N total absorbido por el cultivo y a la magnitud del aporte de la mineralización. Esto revela la importancia de las variaciones temporales en el abastecimiento de N y la problemática de la predicción del abastecimiento al cultivo con la disponibilidad inicial.

Tabla 1. Análisis de tendencia, tipo de modelo y parámetros de los semivariogramas teóricos ajustados (Co = nugett, C + Co = sill, rango, (Co /C+Co) = proporción de variancia estructural) para las variables estudiadas.

El N absorbido también se correlacionó, al igual que el rendimiento con la relación de bases (r² = 0.52 p< 0.01) y con el contenido de K y Mg (r² = 0.56 p< 0.001). Esta relación podría deberse a que en sitios mas productivos el cultivo tuvo un mayor crecimiento y ejerció una mayor demanda de N. Los resultados obtenidos permiten verificar la presencia de variaciones espaciales en las propiedades del suelo y en el rendimiento del cultivo de trigo en un sitio del sudeste bonaerense y muestran relaciones que permitieron delimitar sitios con diferente productividad.

Las variables edáficas analizadas presentaron variaciones espaciales. La proporción de variancia estructural fué de 0 a 100% y los rangos de dependencia espacial de 31 a 138 metros.

La disponibilidad inicial de N-NO₃ (0-60 cm) a la siembra y la profundidad del suelo no se asociaron a las variaciones en el rendimiento del cultivo.

Los contenidos de K, Ca y Mg a través de un modelo de regresión múltiple o integrados en la relación [K / Ca + Mg] explicaron del 74% al 70% de la variación del rendimiento, respectivamente y esta última relación presentó un patrón de distribución espacial muy similar al del rendimiento del cultivo.

Fig 1: Distribución espacial de la relación  [K/ Ca + Mg] en un sitio del sudeste bonaerense	Fig 2: Distribución espacial del rendimiento del trigo sin el agregado de N, en un sitio del sudeste bonaerense.

Cambardella, C.A., T.S.Colvin, D.L.Karlen, D.S. Lognston, E.C. Berry, J.K. Radke, T.C. Kaspar, T.B. Parkin, D.B. Jaynes. 1996. p.189-195. Precision Agriculture. ASA, CSSA, SSSA.

Ferguson, R. B., C.A.Gotway, G.W. Hergert and, T.A.Peterson. 1996. p.13-22 Precision Agriculture. ASA, CSSA, SSSA.

Golden Software Inc. 1995. SURFER for Windows users guide, Golden Software Inch. Golden, CO, USA.

Mallarino A. P., P. N. Hinz and E. S. Oyarzabal.1996. p.151-158. Precision Agriculture. ASA, CSSA, SSSA.

Mulla, D. J. and J. S. Schepers.1997. p.1-18. The State of Site Specific Management for Agriculture. ASA, CSSA, SSSA.

Ortega R. A, D. G. Westfall W. J. Gangloff, and G. A. Peterson. 1999. p 387 - 396. Precision Agriculture ‘99. Part 1. 2nd Precision European Conference on Precision Agriculture.

Pierce F. J., and P. Nowak. 1999 p 1- 85. Advance in Agronomy. 67. Academic Press.

Robertson, G. P. 1998. GS⁺ Geostatistic for the environmental sciences. Gamma Desing Software, Plainwel Michigan. USA.

SAS.1996. User’s guide: statistic. Version 6.12. SAS Inst Cary NC.

Statistical Sciences. 1994. S-Plus for windows version 3.2 Seattle WA. USA.