Cuando un productor o empresa agropecuaria elige un híbrido de Dekalb, no solo está accediendo a la mejor genética de maíz, sino a un completo paquete de recomendaciones de manejo elaboradas por especialistas, que utilizan cada vez más herramientas de la llamada agricultura digital.
Nahuel Peralta, líder de Proyectos Agronómicos de Dekalb, explica que la agricultura digital utiliza un conjunto de herramientas, como imágenes satelitales y drones, que permiten capturar mucha información de muy alta resolución, permitiendo integrar toda esa información para generar soluciones agronómicas en base a Ciencia de Datos. Así, sostiene que pueden tener, por ejemplo, información al detalle de las redes de ensayos que hasta hace unos años hubiera sido imposible. “Con esos datos podemos conocer muy a fondo cómo se comportan nuestros productos a través de los distintos ambientes dentro del lote, para poder generar recomendaciones agronómicas con mucha precisión, que les servirán a los productores para tomar las mejores decisiones de manejo”, agrega.
Peralta afirma que la agricultura digital les permitió dejar en el pasado la idea de que un lote es un ambiente. “Está claro que en muchos de ellos hay microambientes, que ahora podemos entender mucho mejor y generar recomendaciones a medida para cada situación”.
En el equipo de Desarrollo de maíz Dekalb tienen cuatro áreas de trabajo muy fuertes vinculados a la agricultura digital.
La primera apunta a conocer y cuantificar la performance de rendimiento de los híbridos en cada ambiente productivo dentro de los lotes de producción. “Para esto tenemos una red de ensayos muy grande, de 250 localidades por año, distribuidas en las diferentes regiones maiceras de la Argentina”, explica Peralta. Estos ensayos son en franjas, con el manejo y tecnología del productor. “El concepto es testear nuestros productos en todas las condiciones posibles o escenarios de producción del productor antes que los materiales salgan a la calle”, agrega.
Con la aplicación de herramientas digitales en las plataformas de testeo, la compañía está incrementado en casi 4 veces la información que genera. “Esto es posible ya que estamos cosechando los ensayos con monitores de rendimiento, midiendo y analizado, con modelos estadísticos muchas capas de información geo-espacial (imágenes satelitales, sensores de suelo, índices topográficos, muestreos intensivos de suelo). De esta manera, estamos caracterizando la performance de rendimiento y estabilidad de nuestros materiales en cada ambiente productivo dentro de cada lote de producción”, detalla el experto.
La segunda área de trabajo apunta a desarrollar recomendaciones de nitrógeno en media estación de crecimiento, con sensores remotos. En este punto, el equipo de maíz de Bayer Crop Science tiene una red de ensayos controlados en microparcelas de 50 localidades por año, con 1.000 parcelas por localidad y ensayos a escala de lote, que van desde Salta hasta el sudeste de Buenos Aires. “En estos ensayos evaluamos cuestiones como híbridos, densidades y dosis de nitrógeno, para entender la interacción de todos estos factores”, añade Peralta.
La primera fase del proyecto es calibrar el modelo de recomendación. Par ello los drones vuelan sobre los ensayos cuando el maíz está en V6, para ir desarrollando y ajustando los modelos que permiten capturar y mapear el estatus nutricional del cultivo de maíz, para poder así hacer recomendaciones de aplicación y ajuste de nitrógeno justamente entre V6 y V7.
La segunda parte de este proyecto es validar las recomendaciones a escala de lote y en condiciones del productor. “Para ello, utilizamos el modelo calibrado en la fase 1 en imágenes satelitales que nos permiten capturar la variabilidad del estatus de N en la planta y ajustar, por medio de prescripciones, la dosis de N necesaria para cada ambiente dentro del lote, en un estadio fenológico (V6/V7) en el que la planta de maíz empieza a demandar casi un 20% del N total”, comenta Peralta.
El técnico recuerda que, con esta estrategia de manejo sitio específico, se puede ajustar la densidad, y el N en momentos claves del cultivo (V6/V7). Esto permite incrementar entre un 8 a un 12% los rendimientos, maximizando el impacto económico para el productor y logrando sistemas sustentables de producción. “Como tenemos mucho foco en ciencia e innovación, todos estos resultados han sido presentados en congresos científicos nacionales e internacionales”, resalta.
El tercer proyecto en el que trabaja el área de Desarrollo, tiene que ver con los insectos (específicamente con spodóptera frugiperda), una de las grandes amenazas para el maíz. Consiste en utilizar herramientas de sensoramiento remoto (drones, imágenes satelitales) que permitan estimar y cuantificar el daño que generan en el cultivo y determinar qué zonas del lote presentan más riesgo, para implementar en ellas un monitoreo específico.
Finalmente, el cuarto proyecto está relacionado con la generación de modelos predictivos que permitan estimar, con mucha anticipación a la cosecha, los rendimientos del maíz a escala de lote, lo que permitiría ajustar manejo y ayudar a los productores a programar la logística del cereal previo a la cosecha.
Todos estos proyectos que se pueden hacer con la agricultura digital están transformando la manera de tomar datos, generar modelos y desarrollar las estrategias de recomendaciones de manejo. “Estamos dejando atrás un modelo viejo que está siendo reemplazado por la agricultura digital, una disciplina necesariamente multidisciplinaria, en la que se involucran agrónomos para entender el sistema suelo-cultivo, estadísticos y matemáticos para ajustar los mejores modelos y especialistas en ciencia de la computación para gestionar los masivos volúmenes de datos y automatizar los procesos, etc…. Es un nuevo paradigma”, sostiene Peralta.
El camino y las tecnologías son nuevas, pero el objetivo es el de siempre: desarrollar y brindar recomendaciones agronómicas que permitan ayudar a los productores a tomar las mejores decisiones de manejo de sus lotes, permitiendo así maximizar los rendimientos, estabilizar el sistema e incrementar la rentabilidad, en un sistema de producción sustentable.
Fuente: Dekalb