UNIVERSIDAD AUSTRAL DE CHILE FACULTAD DE CIENCIAS AGRARIAS ESCUELA DE AGRONOMIA
Utilización de percepción remota como una herramienta de diseño de muestreo y zonificación para fertilización sitio específica de N en un cultivo de maíz (Zea mays indentata), aplicado en Agricultura Campesina
Tesis presentada como parte de los requisitos para optar al grado de Licenciado en Agronomía.
JOSÉ ESTEBAN LARA CABRERA VALDIVIA – CHILE 2009
PROFESORES PATROCINANTES:
Dante Pinochet T.
_____________________
Ing. Agr., M. Sc., Ph. D.
Roberto Mac Donald H.
____________________
Ing. Agr., M. Sc.
PROFESOR INFORMANTE:
Ricardo Fuentes P.
____________________
Ing. Agr., M. Sc.
INSTITUTO DE INGENIERÍA AGRARIA Y SUELOS
I
INDICE DE MATERIAS
Capítulo
Página RESUMEN
1
SUMMARY
2
1
INTRODUCCION
3
2
REVISION BIBLIOGRAFICA
5
2.1
Cultivo de maíz
5
2.1.1
Origen e importancia del maíz
5
2.1.2
Utilización y valor nutritivo
6
2.1.3
Morfología de la planta
6
2.1.4
Factores importantes en el cultivo del maíz
7
2.1.4.1
Preparación de suelo y época de siembra
7
2.1.4.2
Poblaciones y distancias de siembra
7
2.1.4.3
Temperatura
7
2.1.4.4
Suelo
8
2.1.4.5
Requerimiento de agua
8
2.1.4.6
Fertilización
8
2.2
Agricultura de Precisión
9
2.2.1
Agricultura de precisión bajo principios de percepción remota
9
II
Capítulo
Página
2.2.1.1
Puntos básicos de la percepción remota
10
2.2.1.2
Aplicaciones de percepción remota en agricultura
11
2.2.1.2.1
Propiedades de suelo
11
2.2.1.2.2
Fertilización
11
3
MATERIAL Y METODO
13
3.1
Ubicación del estudio y materiales utilizados
13
3.1.1
Lugar del estudio
13
3.1.2
Material de campo
15
3.1.3
Material de laboratorio
15
3.1.4
Programas computacionales
16
3.2
Método
17
3.2.1
Identificación de zonas de crecimiento y productividad
18
maíz diferenciada en cada uno de los campos seleccionados 3.2.2
Toma de muestras y análisis de suelo
22
3.2.3
Recomendación de dosis de fertilizante
23
3.2.4
Aplicación de fertilizante
25
3.2.5
Comparación de rendimiento
25
3.3
Análisis estadístico
26
III
4
PRESENTACIÓN Y DISCUSIÓN DE RESULTADOS
27
4.1
Determinación de rendimiento
27
4.2
Variación del contenido de P disponible en los suelos
30
4.3
Variación del contenido de K intercambiable en los suelos
32
4.4
Variación de la disponibilidad del N del suelo
35
4.5
Evaluación de una estrategia de fertilización nitrogenada diferenciada de acuerdo a diferencias en el suministro de N
38
4.6
Determinación de dosis de N a aplicar
39
4.7
Rendimientos obtenidos con aplicación sitio específica de N
41
4.8
Implicancias de la aplicación de dosis de fertilización N sitio específica de N en la agricultura campesina
44
5
CONCLUSIONES
46
6
BIBLIOGRAFIA
47
IV
INDICE DE CUADROS Cuadro 1
Página Superficie, agricultor propietario y fecha de siembra de cada predio
13
utilizado en el estudio 2
Rendimiento en grano de maíz en materia seca (MS) promedio para
27
cada zona en estudio, para el año 1 de evaluación 3
Valores de P disponible (P-Olsen, mg kg-1) promedio según zona de
30
biomasa 4
Suministros de K intercambiable (mg kg-1) promedio según zona de
32
bioamasa en cada predio evaluado 5
Dosis de N (kg ha-1) calculada y aplicada, para cada zona de biomasa
41
6
Rendimiento de grano de maíz en MS promedio de 1 m lineal, para el
42
año 2 aplicación sitio específica de N, según las distintas zonas de biomasa (promedio y desviación estándar de cuatro puntos de muestreo) 7
Rendimiento de grano de maíz en MS promedio de cada predio, para el año 1 y 2
43
V
INDICE DE FIGURAS Figura
Página
1
Ubicación geográfica de los predios estudiados
14
2
Esquema de trabajo utilizado
17
3
Imagen de biomasa de 16 colores, con 18 puntos de muestreo, para
20
todos los predios en estudio 4
Imagen de biomasa con 3 zonas de variación, con 12 puntos de
21
muestreo, para todos los predios en estudio 5
Esquema de toma de muestras de suelo
22
6
Imagen de biomasa de 16 colores, con isolíneas de nivel de
29
rendimiento (qq ha-1), para todos los predios en estudio 7
Imagen de biomasa de 16 colores, con isolíneas de nivel de P (P-Olsen
31
mg kg-1), para todos los predios en estudio 8
Imagen de biomasa de 16 colores, con isolíneas de nivel de K (mg kg1
9
34
), para todos los predios en estudio
Rendimiento en qq ha-1 según la mineralización (kg N/ha) calculada para cada zona, dentro de cada predio
37
VI
INDICE DE ANEXOS Anexo 1
Página Rendimientos de grano de maíz en MS qq ha-1 en cada punto de
52
muestreo para el año 1 (fertilización homogénea en todo el predio) 2
Rendimientos de grano de maíz en MS qq ha-1 en cada punto de
53
muestreo para el año 2 (fertilización variable según zona de biomasa) 3
Resultados de análisis de suelo P-Olsen, K intercambiable, Al
54
extractable, Mg, Ca y pH en cada punto de muestreo 4
Resultados de análisis de suelo N (ppm), MO (%), dap (g cm-3), N
55
mineralizado (kg ha-1) y eficiencias de fertilización 5
Dosis de N (kg N ha-1) calculada en cada punto de muestreo, según
56
zona y predio en estudio 6
Dosis de P2O5 (kg ha-1) calculada en cada punto de muestreo, según
57
zona y predio en estudio 7
Dosis de K2O (kg ha-1) calculada en cada punto de muestreo, según zona y predio en estudio
58
1
RESUMEN Este estudio fue realizado con el objetivo de diseñar y evaluar una metodología de fertilización sitio específica, utilizando la tecnología de imágenes aérea infrarrojas. Se realizó en cuatro predios de agricultores campesinos con un historial de manejo de monocultivo de maíz para grano, ubicados en el sector del Asta (San Roberto) comuna de Pichidegua, VI Región. Una imagen infrarroja aérea fue tomada a través de vuelo de un avión bimotor a 10000 pies de altura, utilizando una cámara multiespectral sobre un cultivo de maíz en el estado V16. Con estas imágenes se generó un mapa de biomasa de un campo, sectorizándose en alta, media y baja biomasa. Posteriormente los sectores fueron corroborados en campo con medición de la productividad de maíz en 1 m lineal, con cuatro repeticiones por zona. Los resultados mostraron que existió una buena relación entre los sectores, delimitados a través de imágenes, con el rendimiento de grano de maíz en tres de los cuatro predios evaluados (predios 1, 2 y 4) y una baja correlación con el predio 3. En los sectores delimitados por zonas de rendimiento se evaluó la disponibilidad de N, P y K a través de análisis de suelo. Los sitios, además, fueron caracterizados en su contenido de Bases de intercambio, Al extractable, MO y pH. Se determinó que los macronutrientes P y K no fueron limitantes para el rendimiento a alcanzar (170 qq ha-1). A través de un balance de N, que consideró el N mineral residual en los sitios de muestreo, la absorción de N del cultivo, el aporte de N proveniente del fertilizante y la eficiencia de la fertilización se estimó el N potencialmente mineralizable de los suelos. Los resultados mostraron que existió deficiencia de N en las zonas de baja e intermedio rendimiento. A partir de ello, se diseñó una estrategia de fertilización N sitio específica en los predios 1, 2 y 4, manteniéndose una fertilización N homogénea en el predio 3. Los resultados de rendimiento del año 2, cuando se usó la estrategia sitio específica, permitió homogeneizar los rendimientos en los predios evaluados, siendo cercanos al potencial de rendimiento diseñado (170 qq ha-1), mostrando que esta herramienta es de utilidad en el diseño de la fertilización para agricultores de la zona de Pichidegua.
2
SUMMARY
This study had the aim to design and evaluate a methodology of site-specific fertilization, using infrared aerial images. This was done with four peasant agriculture farms with a register of monogrowing maize, located at the Asta (San Roberto) Pichidegua village, VI Region. Aerial infrared image were taken by flight in a bimotor airplane at 10000 feet of height, with a multispectral camera on growing maize in V16 condition. With these images a field biomass map was performed, delimiting high, medium and low biomass zones. Later the sectors were corroborated for each field, measuring crop yields in a lineal meter, with four repetitions in each zone. The results showed a good relation among delimited sectors through images and corn crop yield in three of the four evaluated farms (1, 2 and 4). In the delimited sectors by zones of crop yield the soil availability of N, P and K was evaluated through soil analysis. To characterize soil parameters in each farm, exchangeable base content, extractable Al, organic matter and pH were used. This study showed that macronutrient P and K availability were not limiting for the potential maize yield (170 qq ha-1). Using N budget, which considered the residual mineral N at the sampling sites, the crop N uptake, the N supply from fertilizer and N fertilization efficiency the N organic potential mineralization was estimated. The results showed that N deficiency at the low and medium yield crop zones. From this, a strategy of site-specific fertilization N was designed at the farms 1, 2 and 4 and a homogenous fertilization N in farm 3. The results of maize yield in the second year of evaluation, when this site-specific strategy was used, showed homogeneous maize yields in the evaluated farms, which was similar to potential of designed yield (170 qq ha-1), implying that this procedure is useful in the design of the better N fertilization for farming at the Pichidegua zone.
3
1
INTRODUCCION
Identificar zonas con distinto potencial de producción es un proceso complejo, en el cual se deben considerar varios factores. Algunos de ellos, no se pueden manejar tales como el clima, mientras que otros como algunos parámetros de fertilidad del suelo se modifican en el tiempo de acuerdo a las decisiones tomadas en el trabajo diario. Desde algunas décadas, se está implementando la tecnología de Agricultura de Precisión, la cual se basa en que las variaciones sitio específicas de potencial productivo se pueden identificar gracias a la implementación de tecnologías de sistemas de posicionamiento geográfico (GPS), sistemas de información geográfica (SIG), monitores de rendimiento (MR), sembradoras y aplicadores de insumos en dosis variable y programas para interpretar la información georeferenciada, apoyando y facilitando un manejo sitio específico (MSE). Conocidas pueden ser sus ventajas y aplicaciones, pero en rigor sus técnicas, aún son desconocidas en el país y muy pocas las experiencias prácticas en agricultura a pequeña escala. La Percepción Remota, es considerada una herramienta de Agricultura de Precisión, que consiste básicamente en la medición de las longitudes de onda que emiten los objetos que han recibido energía proveniente desde distintas fuentes, un ejemplo de esto son las distintas longitudes de onda que emiten las plantas que reciben energía desde el sol, dichas mediciones se pueden apreciar en imágenes de biomasa, a partir de las cuales es posible establecer un diseño de muestreo de rendimiento de un cultivo y de suelo. La integración de los pequeños agricultores a nuevas tecnologías y la importancia de evaluar experiencias de innovación tecnológica que consideran los recursos con los que cuenta el agricultor, modificando el modo tradicional de producción, sin producir cambios drásticos en los sistemas productivos, constituye un desafío que puede incurrir en un alto costo de dinero y tiempo, que no siempre esta dispuesto a asumir un agricultor. De acuerdo a lo anterior el 17 de Diciembre de 2001, en San Roberto,
4
comuna de Pichidegua, VI Región, se constituyó un equipo de trabajo para formar parte de la ejecución del proyecto “Utilización de herramientas de Agricultura de Precisión a escala de agricultura campesina”. El equipo de trabajo estuvo constituído por cinco participantes, Universidad Austral de Chile, Agrosat-Chile Ltda., 3 pequeños agricultores, Servicio País (VI Región, sector Pichidegua) y la Cooperativa Campesina Intercomunal COOPEUMO. La hipótesis del proyecto es que el uso de percepción remota combinada con una estrategia de fertilización, es una herramienta de intervención para homogenizar rendimientos en predios a nivel de agricultura campesina. Por lo tanto, el objetivo general planteado en este trabajo fue evaluar la aplicación de una imagen de biomasa, combinada con una estrategia de fertilización, sobre la productividad de un cultivo de maíz para grano, en agricultura campesina. Los objetivos específicos fueron: Evaluar la utilización de una imagen de biomasa, como una herramienta de diseño de muestreo, para decidir distintas zonas de aplicación. Evaluar la relación entre la variabilidad de biomasa existente en un campo observada en la imagen, con la variabilidad de rendimiento de grano de maíz a partir de un diseño de muestreo. Evaluar los cambios en la disponibilidad sitio-específica de los nutrientes NPK en el suelo y su relación con el rendimiento de maíz. Evaluar una estrategia de fertilización NPK sitio específico, diseñada a partir de imágenes infrarrojas, para el rendimiento de maíz de agricultores campesinos del sector de Pichidegua.
5
2 REVISIÓN BIBLIOGRAFICA
2.1 Cultivo del Maíz 2.1.1 Origen e importancia del maíz. El maíz (Zea mays), es una gramínea anual de la clase monocotiledónea, originario del valle de Tehuacán (México), hace alrededor de 7000 años. Inicialmente se dispersó hacia América del sur, donde existiría desde hace aproximadamente 5000 años. Luego, se habría disipado hacia Estados Unidos, en los años
600
a
700
de
la
era
cristiana.
(CIBA-GEIGY,
1979,
citado
por
FAIGUENMBAUM, 2003). El maíz es el tercer cultivo más sembrado en el mundo, ubicándose a continuación del trigo y del arroz. La superficie de siembra del maíz, en el período 1998-2002, alcanzó un promedio anual de aproximadamente 139 millones de hectáreas. La producción mundial en el mismo período fue de 606 millones de toneladas anuales, siendo el principal país productor Estados Unidos, con 242 millones (40% del total). A continuación de Estados Unidos, cuya superficie promedio anual en el período 1998-2002 fue de 28,7 millones de ha, se ubicaron China, Brasil y México con 24,6, 11,6 y 7,6 millones de ha, respectivamente. (FAO, 2003, citado por FAIGUENMBAUM, 2003). El cultivo de maíz en Chile se distribuye entre las Regiones IV y IX, concentrándose la mayor superficie en las Regiones Metropolitana, VI y VII, con un 92,2% de la superficie total, se destaca entre las regiones mencionadas la VI región con un 56,9% de la superficie sembrada de maíz a nivel nacional, alcanzando además los mayores rendimientos 125 qq ha (FAIGUENMBAUM, 2003).
En Chile la superficie sembrada de maíz en la temporada 2004-2005, fue de 134.280 ha, representando una variación anual de 12,5%, respecto de la temporada anterior. La
6
producción nacional alcanzó los 15.077.661 qq, durante la temporada 2004-2005, lo que representa una variación anual de 14,2%, respecto de la temporada anterior. El rendimiento a nivel nacional, fue de 112,3 qq ha, durante la temporada 2004-2005, representando una variación anual de 1,4%, respecto de la temporada. La superficie sembrada de maíz en Chile durante la temporada 2008, fue de 134.706 ha, presentando la VI y VII región un 47,2 y 31,3 % (respectivamente) de aporte de superficie sembrada y la producción nacional fue de 1.365.472 toneladas de grano de maíz presentando un 51,3 (VI Región) y 27,1 % (VII Región) de aporte de la producción a nivel nacional (COTRIZA 2008).
2.1.2 Utilización y valor nutritivo. La utilización de maíz en el mundo está orientada fundamentalmente a consumo animal, y en segundo término a consumo humano. En alimentación animal existen dos formas principales de usar el maíz: una corresponde al uso de granos en la alimentación de aves y cerdos, y la otra, al ensilaje de plantas para la alimentación de ganado bovino. Por otra parte, a partir del maíz utilizado en la elaboración de aceite se obtiene un subproducto denominado torta, que es de gran valor nutritivo para el ganado. En alimentación humana, el choclo, ya sea fresco o congelado, y la harina de maíz, muy utilizada en países centro y sudamericanos para la elaboración de pan o tortas (tacos), corresponden a las principales formas de consumo. (FAIGUENMBAUM, 2003).
2.1.3 Morfología de la planta. El maíz posee un sistema radical compuesto por tres tipos de raíces: raíces primarias, raíces principales o nodales, raíces adventicias o aéreas. (FAIGUENMBAUM, 2003).
De altura variable, el tallo es una rama que a veces se ramifica dando macollas, posee hojas alternas, anchas y planas. Es monoica, tiene flores masculinas que forman la panoja y femeninas en la mazorca que están dispuestas en 3 a 24 hileras, rodeada de
7
hojas modificadas llamadas chalas, que en su conjunto forman el fruto de tipo cariopse (VOLOSKY, 1974; GALINAT, 1979; FAIGUENMBAUM, 1987). 2.1.4 Factores importantes en el cultivo del maíz 2.1.4.1 Preparación de suelo y época de siembra. De la preparación de suelo oportuna depende el éxito del cultivo, ya que diferentes épocas de siembra tienen un efecto sobre la fenología de la planta (MAITI et al., 1998). Si bien es recomendable sembrar en fechas tempranas, es fundamental no hacerlo antes que la temperatura del suelo alcance 10º C. la mayor parte de la superficie destinada a maíz se siembra en el mes de Octubre en la zona central del país. Las siembras de Noviembre en la zona central no son en general recomendables, ya que deben contemplar el uso de híbridos semiprecoces, los cuales presentan un menor potencial de rendimiento (FAIGUENMBAUM, 2003). 2.1.4.2 Poblaciones y distancias de siembra. Las poblaciones recomendables en maíz para grano, dependiendo fundamentalmente de la precocidad, de la fecha de siembra y de la fertilidad del suelo, fluctúan entre 90 y 115 mil plantas por hectárea. La distancia entre hileras recomendada es de 75 cm.; la población de plantas en la hilera, en tanto, dependerá básicamente de la precocidad del híbrido. Así, para maíces semitardíos e intermedios, que son los más sembrados en el país, deberá considerarse una cantidad de 7,0 a 7,5 plantas por metro lineal a cosecha. En el caso de híbridos semiprecoces, la población deberá ser de 7,5 a 8,0 plantas por metro lineal y en híbridos precoces de 8,5 plantas por metro lineal. (FAIGUENMBAUM, 2003). 2.1.4.3 Temperatura. Las temperaturas ideales para el óptimo crecimiento del maíz fluctúan entre 24 ºC y 32 ºC, alcanzando la velocidad máxima de crecimiento a temperaturas de 28 ºC a 30 ºC (VOLOSKY, 1974). Respecto a la temperatura mínima de germinación, es de 12 ºC, con esta temperatura demora 15 o más días la emergencia de
8
las semillas, en cambio con 16 ºC a 17 ºC, ésta se acelera a 8 ó 10 días (POEHLMAN, 1969; FAIGUENMBAUM, 1987). 2.1.4.4 Suelo. El maíz es un cultivo muy exigente en condiciones de suelo, requiriendo idealmente de suelos que tengan más de 1 m de profundidad, bajo nivel de compactación, buena fertilidad, buen nivel de materia orgánica, ausencia de piedras y buena nivelación. Niveles de pH inferiores a 5,5 afectarían progresivamente, y en forma importante, los rendimientos. El maíz, por otra parte, se considera una especie medianamente tolerante a la salinidad, no viéndose afectado por niveles de conductividad iguales o inferiores a 6 mmhos/cm. (FAIGUENMBAUM, 2003). 2.1.4.5 Requerimiento de agua. Las fuertes necesidades de agua del maíz condicionan también el área del cultivo. Las mayores necesidades corresponden a la época de la floración, comenzando 15 ó 20 días antes de ésta, el período crítico de necesidades de agua. 2.1.4.6 Fertilización. De todos los macronutrientes requeridos por el cultivo de maíz, el N es uno de los más abundantes elementos en la planta. El N es usualmente aplicado en diferentes formas y en más de una aplicación, durante el desarrollo de la planta. (MAITI et al., 1998).
Las plantas de maíz presentan una baja absorción de N hasta el estado de ocho hojas, alcanzando aproximadamente a un 10% de la absorción total que realiza el cultivo a lo largo de su ciclo. Posteriormente, se produce un aumento significativo en la absorción, alcanzándose la máxima demanda en el período comprendido entre dos semanas antes y tres semanas después de la emisión de la panoja. Aproximadamente la mitad del N requerido por las plantas es absorbido durante este período. (FAIGUENMBAUM, 2003).
9
La variabilidad del N y agua del suelo, son la mayor causa de la variación del rendimiento. El N del suelo depende del manejo de los cultivo en un predio, mientras que el contenido de agua en el suelo, resulta principalmente de la textura del suelo, topografía y clima, los cuales son factores no manejables. (GEESING et al., 2001) 2.2 Agricultura de precisión La variabilidad espacial de las propiedades del suelo y de los rendimientos de los cultivos ha sido reconocida desde los inicios de la agricultura. Dicha variabilidad espacial está determinada por factores intrínsicos, como son los procesos de formación del suelo, y extrínsecos, como es el manejo histórico de las explotaciones y el apotreramiento en unidades de superficies variables, utilizando criterios arbitrarios (ORTEGA, 2000). La Agricultura de Precisión, ha emergido como una práctica de manejo con el potencial para incrementar los beneficios gracias a la utilización más precisa de la información, sobre los recursos agrícolas. En producción de cultivos, esto implica el manejo variable de insumos, tales como aplicación de fertilizantes, selección de cultivares, planificación de riegos. (GLEN et al., 2000). Los principios generales de la agricultura de precisión son transferibles de un lugar a otro, pero la adaptación a los sistemas de producción en uso es específica de cada zona (BONGIOVANNI, 2003).
2.2.1 Agricultura de Precisión bajo principios de percepción remota. La percepción remota ha ganado mucho interés como una herramienta potencial de manejo para agricultores de precisión. Imágenes de satélites o fotografías aéreas pueden permitir al
10
productor ver rápidamente los cultivos en su campo y decidir cuales áreas necesitan un manejo posterior (VON MARTINI, 2000). 2.2.1.1 Puntos básicos de la percepción remota. La percepción remota implica la medición de la energía que es reflejada o emitida por objetos, sin entrar en contacto con ellos. Esta energía electromagnética, viaja por el espacio como ondas electromagnéticas. Las ondas se diferencian por su longitud, que es la distancia entre dos crestas sucesivas de una onda (VON MARTINI, 2000). Usualmente solo una pequeña porción, o banda, de todo el espectro es de interés en la percepción remota. Para las aplicaciones agronómicas, la porción de interés es la que va desde el ultravioleta (UV) hasta el infrarrojo (IR). La mayor parte de la luz solar esta en estas bandas y tiene longitudes de onda entre 0.2 y 0.4 micrómetros. Cuando la energía electromagnética, como la del sol, incide en un objeto, hay tres cosas que pueden pasar con ella. Esta puede ser: •
reflejada por el objeto (como un espejo refleja una imagen)
•
transmitida a través del objeto (como la luz solar a través de una ventana)
•
absorbida por el objeto
En realidad, cuando la luz incide en la mayoría de los objetos, más de una de estas tres situaciones sucede al mismo tiempo. Algunas longitudes de onda pueden ser reflejadas, algunas transmitidas y otras absorbidas. La energía absorbida puede incluso ser convertida en calor y ser emitida del objeto a una longitud de onda diferente. Esto es lo que pasa cuando un objeto se calienta al sol. Se calienta y emite calor, que es energía infrarroja (VON MARTINI, 2000).
11
2.2.1.2 Aplicaciones de percepción remota en agricultura 2.2.1.2.1 Propiedades de suelo: Algunas propiedades físicas de suelo tales como, materia orgánica, han sido correlacionadas a respuestas espectrales específicas (DALAL y HENRY, 1986; SHONK et al., 1991). Por lo tanto, imágenes multiespectrales deben mostrar el potencial para la clasificación automática de unidades de suelos en mapas (LEONE et al., 1995). Tales aplicaciones dirigidas a partir de percepción remota para mapeo de suelos son limitadas ya que muchas otras variables pueden afectar la reflectancia del suelo tales como prácticas de cultivo y contenido de humedad (BARNES y MORAN 1996). El estado de N de cultivos ha sido también estimado usando datos percibidos remotamente (BLACKMER et al., 1995; FILELLA I., 1995). Yang y Anderson (1996) describe métodos para utilizar imágenes multiespectrales de campos para la determinación de zonas de manejo dentro del predio para la aplicación en agricultura sitio-específica. 2.2.1.2.2 Fertilización: los efectos de factores que influyen espacial y temporalmente en forma variable en un cultivo son usualmente expresados en modelos de crecimiento o desarrollo del cultivo. Consecuentemente, el monitoreo a través del desarrollo de un cultivo forma las bases para el Manejo Sitio-Específico en la Agricultura (MACHADO et al., 2002). El área de mayor desarrollo dentro de la Agricultura de Precisión es el Manejo de Nutrientes Sitio-específico, también llamado Tecnología de Dosis Variables (TDV), que corresponde a la aplicación variable de dosis de fertilizantes dentro del potrero (ORTEGA, 2001). El mismo autor señala que, la TDV podría ser usada con éxito cuando se dan las siguientes condiciones: •
Los potreros varían ampliamente en cuanto a las propiedades del suelo que afectan el rendimiento, y
12
•
Los rendimientos efectivamente varían en respuesta a la variación de las propiedades del suelo.
La delimitación de áreas de manejo homogéneo dentro del potrero puede hacerse según varios criterios: •
De acuerdo a la variación espacial de los rendimientos y calidad del cultivo.
•
En función de la variación espacial de la propiedad del suelo más importante en la determinación de los rendimientos y calidad.
•
En función de la variabilidad espacial de la calidad del suelo determinada a partir de todas las propiedades del suelo que explican el rendimiento y calidad.
13
3 MATERIAL Y METODO
3.1 Ubicación del estudio y materiales utilizados 3.1.1 Lugar del estudio. El estudio se realizó en cuatro predios del sector “El Asta”, en la localidad de San Roberto, comuna de Pichidegua, Provincia de Cachapoal, VI Región (Figura 1). Los predios fueron enumerados del 1 al 4, los detalles de superficie y nombre del agricultor se muestran en el Cuadro 1. CUADRO 1 Superficie, agricultor propietario y fecha de siembra de cada predio utilizado en el estudio. Predio
Superficie
Agricultor
Fecha de siembra
1
12,4
Rodemil Tobar
03 Octubre 2001
2
3,4
Pedro Nolasco
06 Octubre 2001
3
3,6
Carlos Vargas
08 Octubre 2001
4
6,3
Carlos Vargas
09 Octubre 2001
Las mediciones y cálculos de rendimientos de materia seca de grano de maíz, se realizaron en el laboratorio del Instituto de Producción Animal IPA, en tanto que los análisis de suelo se desarrollaron en el Instituto de Suelos e Ingeniería Agropecuaria IIAS de la Universidad Austral de Chile, en la ciudad de Valdivia.
Imagen aérea del sector El Asta de San Roberto 282000
283000
284000
6194000
281000
6194000
6193000
280000
6193000
N W
E S
6192000
6192000
Predio1.shp Predio2.shp Predio3.shp Predio4.shp
Datum WGS84 Coordenadas UTM Superficie Total 25,7 ha
6191000
6191000
280000
281000
282000
283000
284000
FIGURA 1 Ubicación geográfica y superficie total de los predios estudiados
15
3.1.2 Material de Campo. Para el cultivo de maíz se utilizó una semilla de maíz híbrido Pioneer 3335, una mezcla física granular con una relación N:P:K de 21:21:14, una mezcla de herbicida (2,5L ha-1 de atrazina (nombre comercial Atrazina 500SC) + 2L ha-1 de acetochlor (nombre comercial Guardian) junto a un insecticida (4L ha-1 de clorpirifos (nombre comercial Lorsban 4E) todo incorporado al suelo durante el último rastraje previo a la siembra, una máquina sembradora marca Monosem de 4 hileras, una máquina fumigadora de barra, una máquina cultivadora para aplicar urea y una máquina cosechadora de maíz marca John Deere. Para la recolección de muestras de grano de maíz y suelo se utilizó una imagen infrarroja aérea de biomasa, un sistema de posicionamiento global (GPS) Garmin datum WGS84 para la localización de los puntos de muestreo, un barreno y pala para la extracción de muestras de suelo, bolsas plásticas para trasladar las muestras de suelo al laboratorio, mallas plásticas para trasladar las mazorcas al laboratorio, cinta adhesiva y un marcador permanente. 3.1.3 Material de laboratorio. En el secado de las muestras de suelo se utilizó papel de diario, tamiz 2mm (para determinar bases de intercambio, N y P-Olsen), tamiz 0,5mm (para determinar materia orgánica), espátula, una balanza analítica digital Metler de 2 decimales. Para determinar pH se utilizó agua, cloruro de Ca (concentración 0,01 molar), un pHmetro, filtros de papel Whatman Nº2. Para determinar bases de intercambio se utilizó acetato de amonio (pH 7), cloruro de Cesio (para determinar K y Na), nitrato de lantano y agua destilada (para determinar Ca y Mg), un espectrofotómetro de absorción atómica para realizar la lectura. Para determinar P-Olsen se utilizó C activado, bicarbonato de Na (pH 8,5), solución Olsen A y B, un espectrofotómetro uv visible GBC para realizar la lectura. Para determinar N mineral se utilizó cloruro de K (concentración 2 molar), tubos Kjeldhal, ácido bórico, ácido sulfúrico (concentración 0,05 molar). Para determinar materia orgánica se utilizó dicromato de K, ácido sulfúrico concentrado, agua destilada,
16
ortofenantrolina, sulfato ferroso. Durante todos los análisis de suelo se utilizó, agitadores (mecánicos y manuales), vasos de precipitado, pipetas y matraz Erlenmeyer. Para determinar materia seca de granos de maíz se utilizó una balanza digital de 2 decimales, dos bandejas plásticas, un separador de semillas (para obtener submuestras aleatorias a partir de las mazorcas recolectadas en campo), bolsas de papel, un marcador permanente y un horno eléctrico. 3.1.4 Programas computacionales. Para el análisis de los datos obtenidos en el laboratorio se utilizó Excel versión 7.0 (Microsoft ®), Statgraphics plus 2.0, GS+ plus versión 7.0 (Gamma Design Software) y Surfer versión 6.0 (Goleen Software) ambos programas para la elaboración de mapas de contenido de N P K, ArcView 3.3 ® GIS (Copyright © 1998, 1999) y Agrosence ® para el procesamiento digital de la imagen infrarroja aérea.
17
3.2
Método
La Figura 2, muestra en detalle la metodología seguida paso a paso durante el estudio:
Obtención de Imagen de Biomasa
Selección de Puntos
Extracción de mazorca
Extracción de suelo Comparación de Resultados
Determinación de Rendimiento
Determinar rendimiento
Análisis de suelo
Extracción mazorcas
Comparación de Imagen de Biomasa y Análisis de Información Obtenida
Aplicación de Urea
Siembra
FIGURA 2 Esquema de trabajo utilizado.
Cálculo de Dosis de Fertilizante
18
3.2.1 Identificación de zonas de crecimiento y productividad de maíz diferenciada en cada uno de los campos seleccionados para el estudio. La base para determinar áreas homogéneas de producción se realizó asumiendo que estas áreas son posibles de diferenciar a través de imágenes infrarrojas (alta biomasa zona roja, intermedia zona verde, baja zona azul). De esta forma, se procedió a la identificación de zonas de crecimiento diferenciado de maíz, dentro de cada uno de los cuatro campos en estudio. Para ello se realizó un vuelo aéreo en avión bimotor a 10000 pies de altura con el objetivo de tomar las imágenes infrarrojas el 14 de Diciembre de 2001, en el estado vegetativo del maíz de 16 hojas V16, antes del inicio de la etapa de llenado de granos. Posteriormente, durante los días 15 a 16 de Diciembre, se visitaron los campos y se realizó la georeferenciación correspondiente a cada uno de ellos utilizando un GPS. Esta, se realizó a través de una caminata (track) alrededor de todo el perímetro de cada campo, tomando puntos automáticos de GPS cada 5 segundos. La georeferenciación obtenida fue vaciada sobre la imagen infrarroja realizada durante el vuelo. De forma tal que los sectores diferenciados a través de la imagen infrarroja de biomasa, fueron adscritos a coordenadas GPS en los cuatro predios en estudio. Las coordenadas utilizadas fueron UTM y el Datum WGS 84. Con las imágenes georreferenciadas se procedió a seleccionar los sitios para el muestreo de corroboración de productividad de maíz, entre lo señalado por la imagen a través de la variación de toda la gama de colores y lo realmente producido en campo. Posteriormente, al momento de la cosecha del gano de maíz (10 al 12 de abril de 2002), se procedió en terreno a verificar y seleccionar tres zonas de rendimiento de grano de maíz diferenciadas, en cada uno de los campos en estudio. Para ello, de los puntos seleccionados en la imagen infrarroja, se procedió a tomar en cuenta la seguridad de posicionamiento, dada por el GPS para encontrar los puntos
19
seleccionados en terreno. Debe considerarse que el GPS utilizado entrega un error de posicionamiento de 5 a 10 m de distancia del punto real.
De esta forma se
seleccionaron tres zonas de distinto rendimiento predicho a través de la imagen infrarroja, para ser corroboradas en terreno. En cada una de las zonas para corroborar el rendimiento de maíz se colectaron 6 muestras del grano producido (Figura 3).
Cada muestra estuvo constituida por la
colección de las mazorcas producidas en un metro lineal, las cuales fueron colectadas tres días antes de la cosecha de cada campo. Las mazorcas colectadas, por cada campo, zona diferenciada de rendimiento y por cada una de las seis repeticiones tomadas en cada zona fueron colocadas en mallas de polietileno e identificadas apropiadamente. Posteriormente, se llevaron al laboratorio, antes de dos días desde su cosecha, manteniéndose a 15º ± 3 ºC para su posterior análisis. De cada muestra colectada en terreno, se procedió a desgranar las mazorcas en el laboratorio y se registró el peso húmedo de granos en una balanza digital con dos decimales. Posteriormente de cada muestra de granos se extrajeron 3 submuestras de aproximadamente 50 g. Estas fueron sometidas a proceso de secado en horno a 60º C durante 72 h, luego se registró el peso seco obtenido y se chequeó cada 12 h posteriores, hasta que la pérdida de peso sea nula, para verificar que se ha obtenido materia seca parcial estable. Promediando el valor de las tres submuestras se obtuvo la humedad al momento de cosecha, luego el peso húmedo en gramos de grano de maíz recolectado en cada punto de muestreo fue multiplicado por un factor de MS para calcular los gramos de MS. Finalmente el rendimiento en gramos de MS (g MS) fue traducido en qq ha-1 de MS utilizando la siguiente ecuación: g _ MS 10000m 2 kg 1qq * 0,95eficiencia = qq _ ha −1 * * * 2 ha 0,75m 1000 g 100kg
Ecuación 1
20
Se consideró un 95% de eficiencia que corresponde a la cosecha mecánica de campo, ya que la eficiencia de recolección de grano fue 100%, pero para el análisis de datos se consideraron los resultados con un 95% de eficiencia para obtener resultados similares a los obtenidos por los agricultores.
Predio 1
Predio 2
Predio 3
Predio 4
FIGURA 3 Imagen de biomasa de 16 colores, con 18 puntos de muestreo, para todos los predios en estudio. Una vez determinado los rendimientos para cada punto, y los rendimientos promedios para cada zona de variación, se procesó la misma imagen de 16 colores, obtenida en un inicio, mediante el programa estadístico Agrosence, con el objetivo de agrupar en 3
21
zonas homogéneas los datos recolectados, ello obligó a hacer un análisis de descarte de puntos, dejando sólo aquellos puntos que eran más representativos para cada zona de muestreo. Una vez identificadas las distintas zonas de variación, fue necesario corroborar o comprobar en terreno si la información proporcionada por la imagen aérea de biomasa, se ajustaba a la realidad. La Figura 4 muestra los 4 puntos dentro de cada zona de variación, en los cuales se determinó tanto el rendimiento en qq ha-1, así como también el análisis de suelo.
Predio 1
Predio 3
Predio 2
Predio 4
FIGURA 4 Imagen de biomasa con 3 zonas de variación, con muestreo, para todos los predios en estudio.
12 puntos de
22
3.2.2 Toma de muestras y análisis de suelo. En cada uno de los puntos de muestreo, se tomaron 9 submuestras de suelo a 20cm de profundidad, distanciadas a 1m desde una submuestra central (Figura 5), a partir de estas submuetras se obtuvo una muestra compuesta de 10 submuestras de suelo, de esta muestra se tomó aproximadamente ½ kilo de suelo para llevar al laboratorio transportados en bolsas plásticas e identificadas por punto. A cada muestra de suelo se le realizó los siguientes análisis de suelo: •
Medición de N, mediante método de destilación Kjeldhal
•
Medición de P, mediante método de P Olsen
•
Medición de K, mediante método de extracción de bases de intercambio
•
Medición de pH al agua y cloruro de Ca
•
Medición de materia orgánica (MO), mediante método de Walkley y Black
FIGURA 5 Esquema de toma de muestras de suelo.
23
A los resultados de NPK se realizó un análisis de comparación de promedios por zona de biomasa, para verificar si las cantidades de nutrientes en el suelo tuvo relación alguna con la variación de producción determinada.
3.2.3 Recomendación de dosis de fertilizante. A partir de los resultados de los análisis de suelo, se determinaron aplicaciones variables de fertilizante (recomendación de una dosis promedio de los puntos muestreados, adecuada para distintas zonas, dentro de cada predio) con el propósito de observar una respuesta sobre las variaciones de producción determinadas con la recolección de mazorcas. Para el cálculo de la dosis de fertilizante (kg ha-1) por punto se utilizó el sistema de recomendación de fertilización de cultivos extensivos en Chile (PINOCHET 2005), basado en la siguiente ecuación:
DOSIS =
DEMANDA − SUMINISTRO EFICIENCIA _ FERTILIZACION
Ecuación 2
Para calcular la demanda se consideró como rendimiento alcanzable (RA) un rendimiento potencial de 170 qq ha-1, para ello se tomó como referencia los rendimientos históricos, para ese híbrido de maíz, obtenidos en la zona de trabajo. Además la humedad de cosecha (HC) fue 15%, el índice de cosecha (IC) fue 0,48 y el requerimiento de N (RN) fue 1, el requerimiento de P (RP) fue 0,16 y el requerimiento de K (RK) fue 0,7. De esta forma la demanda de nutrientes fue calculada según la siguiente ecuación:
DEMANDA =
RA * (1 − HC ) * RI IC
Ecuación 3
24
El suministro de N (ecuación 4), fue calculado utilizando el contenido de N mineral medido para cada punto (anexo 4) y el factor de suministro (FSN) utilizado fue 30 ya que los residuos del cultivo son incorporados al suelo.
SUMINISTRO _ N = mg / kg ( N min eral ) * Dap( g / cm3 ) * 2 + FSN
Ecuación 4
La densidad aparente (Dap) fue calculada mediante la ecuación 5, para cada punto utilizando el contenido de materia orgánica (MO) medido en el análisis de suelo por punto (Anexo 4).
Dap =
1 0,563 + 0,055 * MO
Ecuación 5
La Eficiencia de fertilización nitrogenada utilizada en el cálculo de dosis de fertilizante fue 0,5 y corresponde a un bajo nivel tecnológico (aplicación con riesgo de pérdida) que coincide con el nivel tecnológico de los agricultores que participaron en este estudio. Para calcular la dosis de P (ecuación 2), la Demanda calculada
(ecuación 3) fue
multiplicada por un factor de absorción del cultivo de maíz (FEAC) igual a 0,667, de esta forma la ecuación para estimar la Demanda de P expresada en disponibilidad en mg kg-1 es la siguiente:
DEMANDA _ P _ Olsen = DEMANDA(kgP / ha) * FEAC
Ecuación 6
La eficiencia de fertilización utilizada para el cálculo de la dosis de P (ecuación 2) fue 0,2 que corresponde a suelos de origen aluvial de la zona central y utilizando una mezcla de fertilizante localizada al suelo a un costado de la línea de siembra. El suministro de k (ecuación 7) fue calculado utilizando el contenido de K intercambiable medido para cada punto (anexo 3) y la eficiencia de fertilización utilizada
25
para calcular la dosis de K (ecuación 2) fue 0,6 que corresponde a suelos arcillosos de origen aluvial de la zona central y utilizando una mezcla de fertilizante localizada al suelo a un costado de la línea de siembra. SUMINISTRO _ K = mg _ kg −1 _ K * Dap( g / cm3 ) * 2
Ecuación 7
3.2.4 Aplicación de fertilizante. De acuerdo a la dosis promedio de fertilizante
calculado para cada zona, la recomendación de fertilización fue aplicar 1/3 de N junto con la fertilización de P y K al momento de la siembra, utilizando una mezcla física granular de N:P:K, en relación 21:21:14. La porción faltante de N (alrededor de 2/3 de la dosis de N) fue aplicada al momento del trazado de surcos con urea, en el estado vegtativo del maíz V6 (12 al 15 de Noviembre). Para
la
fertilización
sitio-específica
se
establecieron
zonas
de
aplicación
georreferenciada para cada predio según las zonas con distinta biomasa, las coordenadas límites de cada zona fueron señaladas ubicando banderas dentro del predio para que el chofer del tractor al momento de la aplicación disminuyera o aumentara la velocidad para modificar la cantidad de fertilizante aplicada. 3.2.5 Comparación de rendimiento. Al momento de cosechar el maíz, durante la
segunda temporada de cultivo, se tomaron muestras de maíz en los mismos puntos muestreados durante la primera temporada, las muestras recolectadas fueron llevadas al laboratorio para determinar materia seca, rendimiento simple.
y luego se realizó una comparación de
26
3.3
Análisis estadístico
De los resultados obtenidos, se pretendió evaluar mediante Análisis de varianza simple: Si existía diferencia estadística entre las zonas de variación en rendimiento MS (qq ha-1), para ambos años de estudio (cultivo 1 y 2). Si existía diferencia estadística entre las zonas de variación en los parámetros de suelo evaluados.
27
4
4.1
PRESENTACION Y DISCUSION DE RESULTADOS
Determinación de Rendimiento
En el Cuadro 2, se presentan los rendimientos promedio en materia seca producida (MS) de grano de maíz (qq ha-1), para cada zona dentro de cada predio, con sus correspondientes desviaciones estándar. CUADRO 2 Rendimiento en grano de maíz en materia seca (MS) promedio para cada zona en estudio, para el año 1 de evaluación.
Predio
Predio 1
Predio 2
Predio 3
Predio 4
Zona de Biomasa
Rendimiento de MS (qq ha-1)
Desviación estándar
Alta
186 a
29
Media
148 ab
14
Baja
130 b
17
Alta
174 a
19
Media
170 ab
16
Baja
130 b
28
Alta
96 a
57
Media
137 a
10
Baja
117 a
47
Alta
181 a
11
Media
141 ab
11
Baja
108 b
17
Letras distintas indican diferencia estadística (p ≤ 0,05), según prueba de Tukey, dentro de cada predio.
28
Existieron diferencias estadísticas significativas en los resultados de materia seca producida entre la zona de alta y baja biomasa, para los predio 1, 2 y 4 (Cuadro 2). Esto significa que no existieron 3 zonas claras con distinto rendimiento como era esperado a partir de la Figura 4. Estadísticamente se determinaron 2 zonas, una zona de alto y bajo rendimiento con una zona intermedia entre ambas, que no se diferenció estadísticamente. De esta forma, la zona de rendimiento intermedio puede ser considerada común para ambas zonas de manejo. En este estudió se decidió considerar la zona de rendimiento intermedio junto con la zona de rendimiento bajo y, de esta forma, en una misma zona de manejo. Ello es debido a que se estimó que las zonas de rendimiento intermedio pueden aumentar su rendimiento. En la Figura 6 se observan las isolíneas de rendimiento determinadas a partir de la recolección de granos, contrastadas con las zonas de biomasa determinadas en la imagen infrarroja. Se puede observar que para los predios 1, 2 y 4, los mapas de rendimiento se ajustan a la imagen de biomasa predicha por los cambios de coloración determinados, mientras que para el predio 3, los mapas de rendimiento no se ajustaron a lo observado en la imagen de biomasa. De esta forma, en este predio 3, se observa que zonas de alto rendimiento medido se encuentran en zonas de baja biomasa predicha en las imágenes, sin mostrar un patrón uniforme. Este último resultado implica que la distribución de la biomasa en el predio no presentó un ordenamiento predecible, ni tampoco una dirección que nos permitiera inferir y decidir un diseño de muestreo claro y fácil de ejecutar. La agrupación en zonas homogéneas a partir de imágenes con su posterior corroboración en mediciones de rendimiento, para estudios de manejos de nutrientes ha sido investigada por otros autores. En estos estudios se ha mostrado que siempre existen zonas que no obedecen a los patrones evaluados. De esta forma, CLAY et al. (2002) en un trabajo realizado en el sur de Dakota (USA), han mostrado que la mejor aproximación para identificar distintas zonas de manejo de nutrientes, debieran ser establecidas bajo los siguientes criterios: (a) la facilidad para agrupar zonas con resultados de análisis de suelo similares, (b) la facilidad para agrupar zonas con
29
rendimientos similares, y (c) la facilidad para mejorar recomendaciones de aplicación de fertilizante, mediante la exclusión de zonas que puedan sobreestimar o subestimar los resultados del análisis de suelo.
De esta forma, se evaluaron parámetros de
disponibilidad de macronutrientes primarios (P, K y N) que pudieran explicar las diferentes zonas determinadas en los predios 1, 2 y 4.
Predio 1
Predio 2
Predio 3
Predio 4
FIGURA 6 Imagen de biomasa de 16 colores, con isolíneas de nivel de rendimiento (qq ha1), para todos los predios en estudio.
30
4.2
Variación del contenido de P disponible en los suelos
En el Cuadro 3, se presenta el contenido de P disponible en el suelo (0-20 cm de profundidad) para cada zona de rendimiento muestreada en el momento de la cosecha, para cada predio en estudio. CUADRO 3 Valores de P disponible (P-Olsen, mg kg-1) promedio según zona de biomasa.
Predio
Predio 1
Predio 2
Predio 3
Predio 4
Zona de Biomasa
Promedio de P-Olsen (mg kg-1)
Desviación estándar
Alta
16,9 a
3,8
Media
8,1 b
4,0
Baja
13,0 ab
2,6
Alta
20,7 a
9,7
Media
18,1 a
2,5
Baja
20,7 a
7,3
Alta
29,7 a
15,0
Media
21,5 a
11,8
Baja
27,0 a
10,6
Alta
20,3 a
7,1
Media
17,6 a
10,3
Baja
29,0 a
7,0
Letras distintas indican diferencia estadística (p≤ 0.05), según prueba de Tukey, dentro de cada predio. No existieron diferencias estadísticas entre las zonas de distinta biomasa para el P disponible del suelo (Cuadro 3) en los predios número 2, 3 y 4. En el predio 1, las diferencias estadísticas determinadas no obedecen a la sectorización correspondiente a las imágenes, ni a la determinación del rendimiento de maíz. Por ello, se consideró esta variación como errática y es probable que obedezca a la dificultad de muestreo después
31
de la cosecha, particularmente cuando la fertilización fosforada se realiza en forma localizada.
Predio 1
Predio 2
Predio 3
Predio 4
FIGURA 7 Imagen de biomasa 16 colores, con isolíneas de nivel de P (P-Olsen mg kg -1), para todos los predios en estudio.
Las isolíneas de P disponible de acuerdo a los valores determinados para cada predio se muestran en la Figura 7. Se observa que los sectores de P no coincidieron con las imágenes de biomasa. Por lo tanto, se consideró que la disponibilidad de P no fue el patrón determinante de la variación de biomasa y rendimiento determinada para los predios en estudio.
32
La fertilización P de los campos evaluados usualmente es localizada a un costado de la línea de siembra utilizando una mezcla de fertilizante NPK. En el diseño de la colección de las muestras de suelo se intentó tomarlas justo al costado de las plantas, coincidiendo con la línea de aplicación de fertilizante (a una altura media del camellón formado entre los surcos de riego), dejando fuera toda la zona del surco. Sin embargo, es posible que en este caso no siempre haya coincidido con la zona de alta concentración de P, por lo tanto una razón para no encontrar variación que explique los resultados, pudo haber estado en el diseño de muestreo de suelos. 4.3
Variación del contenido de K intercambiable en los suelos
En el Cuadro 4, se muestran los valores promedio de K disponible, evaluado a través del K intercambiable (mg kg-1), para cada zona muestreada y para cada predio en estudio. CUADRO 4 Suministros de K intercambiable (mg kg-1) promedio según zona de biomasa en cada predio evaluado.
Predio
Predio 1
Predio 2
Predio 3
Predio 4
Zona de Biomasa
Promedio de K (mg kg-1)
Desviación estándar
Alta
50,9 a
19,8
Media
37,5 a
7,6
Baja
43,8 a
12,0
Alta
59,5 a
7,2
Media
57,9 a
20,5
Baja
71,9 a
11,0
Alta
51,9 a
12,8
Media
51,1 a
8,9
Baja
66,8 a
29,6
Alta
62,6 a
7,4
Media
58,6 a
13,3
Baja
79,2 a
16,7
33
No existieron diferencias estadísticas en la variación del K intercambiable entre las zonas de distinta biomasa (Cuadro 4).
Este resultado implica que no es posible
determinar zonas de variación de biomasa relacionadas con este factor. Los resultados de K intercambiable se sectorizaron y se contrastaron con la determinación de biomasa a través de las imágenes (Figura 8). Se muestra que los distintos sectores de K mostraron una variación errática con respecto a las zonas de distintos rendimientos. Se observa que los valores de K intercambiable son bajos. Sin embargo, ello puede deberse a que al muestrear después de la cosecha, el K se encuentra en los tejidos del cultivo y dado que sólo una fracción menor se exporta en los granos (HAVLIN et al., 2000), se estima que gran parte del K es retornado en los residuos del cultivo y la baja cantidad de K determinada corresponde al K residual dejado en el suelo, sin haber sido absorbido por el cultivo. Este valor residual de K no permitió relacionar el contenido de K con el rendimiento (Figura 8, Cuadro 4), implicando que existieron cantidades suficientes de K para el cultivo y que por ello no se constituyó en factor que justificase las diferencias entre sectores de rendimiento en ninguno de los predios evaluados. Otro factor que pudiese explicar esos resultados, corresponde a la baja cantidad de muestras colectadas en cada zona de muestreo (solo se colectaron cuatro muestras compuestas de 10 submuestras). Esta decisión se tomó en el diseño del muestreo dado que se asumió que la ventaja de una imagen de biomasa es realizar pocas muestras de análisis de suelo, para obtener un menor costo de análisis, más eficiente en el uso del tiempo requerido en el muestreo y en el estudio de una zona. Sin embargo, un mayor número de muestras, mediante un diseño de muestreo en grilla, podrían reflejar resultados más confiables (FERGUSON et al., 1996). No obstante, uno de los objetivos específicos de este ensayo fue evaluar en la práctica un diseño de muestreo de suelo mediante una imagen de biomasa, tomando una baja densidad de muestras por hectárea.
34
Predio 1
Predio 2
Predio 3
Predio 4
FIGURA 8 Imagen de biomasa de 16 colores, con isolíneas de nivel de K (mg kg-1), para todos los predios en estudio.
Considerando que la metodología de determinación de P y K disponibles refleja la fertilidad de suelos de estos nutrientes para cada zona, la falta de ajuste entre las imágenes y el rendimiento con los parámetros de fertilidad, permite suponer que no existen zonas de fertilización variable para P y K, por ello, el macronutriente más probable de ser responsable de la variación de la fertilidad del suelo relacionada con la productividad de biomasa sería el N.
35
4.4
Variación de la disponibilidad del N del suelo
No existe un método de disponibilidad de N totalmente aceptado para estimar el suministro de N de los suelos, tal como para el caso de P y K (RODRIGUEZ et al., 2001). Dada la importancia del N como factor determinante de la productividad en los suelos aluviales de la Zona Central, donde es común que este sea el único nutriente limitante de la productividad de maíz, se diseñó un sistema que permite evaluar la mineralización del N del suelo, durante el cultivo de maíz. Se determinó el N mineral residual al momento de la cosecha (ppm N, anexo 5). Este valor por si solo no refleja la disponibilidad de N del suelo en cada zona, pero es un índice del N que se habría mineralizado durante el cultivo y que no fue absorbido por la planta.
Por otra parte, la absorción de N puede ser supuesta como parte de la
mineralización de N más el N aplicado como fertilizante. Esto es, que de todo lo que absorbió la planta, parte de ello corresponde a N mineralizado desde el N orgánico del suelo (conocido como N potencialmente mineralizable, Npm. PINOCHET et al., 2001) y parte viene del fertilizante aplicado. De esta forma, se realizó un balance de N para cada predio y zona de rendimiento. Este balance de N consideró los siguientes parámetros. Por un lado, el N absorbido por el cultivo (Nabs, kg N ha-1) más el N mineral residual (Nm, kg N ha-1) que debe ser igual, por otro lado, al Nitrógeno potencialmente mineralizable (Npm, kg N ha-1) más el N fertilizante (Nfer) multiplicado por la eficiencia de fertilización (EfN) de N (kg N ha-1). Esto es:
Nabs + Nm = Npm + Nfer * EfN
Ecuación 8
La cantidad de N absorbido (Nabs) fue estimada a partir del rendimiento a través de la ecuación propuesta por RODRIGUEZ et al. (2001) y PINOCHET (2005), usando un Requerimiento interno de N de 1% y un índice de cosecha de 0,47 y una humedad a la
36
cosecha de 0,15.
El valor de Nm fue medido en cada sector y para cada predio y para
transformarlo a kg N ha-1 desde mg kg-1, se utilizó la estimación de la densidad aparente (g cm-3) a partir del contenido de MO (%) (PINOCHET, 2005), el cual fue medido para cada sector y predio (%MO, anexo 4) y la profundidad de muestreo (en decímetros), que en este caso se utilizó 20 cm. La cantidad de N aplicado como fertilizante fue conocida a través de comunicación con cada agricultor dueño de cada predio. Para esta evaluación del balance se estimó que la eficiencia de la fertilización promedio fue de 0,5 (50%). A partir de estos datos, se despejó el valor del Npm para cada sector y predio. Esto es: Npm = Nabs + Nm − ( Nfer * EfN )
Ecuación 9
Para homogeneizar en cada zona el valor del Npm, se consideraron valores variables para la eficiencia de la fertilización N, ya que esta varía de acuerdo al manejo tecnológico, realizada por los agricultores (RODRIGUEZ et al., 2001). Los valores de la eficiencia mantienen el promedio de eficiencia de 0,5, aunque variaron entre 0,50 y 0,56).
Las variaciones de la eficiencia de fertilización N se muestran en el anexo 4.
Como se puede observar en las variaciones de la eficiencia de fertilización N, esta fue relativamente estrecha, por lo cual el error de estimar Npm con eficiencias variable no se consideró significativo. Los valores de Npm, como estimador de la cantidad de N mineralizable (disponible) para el cultivo, de acuerdo con este balance se graficaron con respecto al rendimiento obtenido en cada sector y en cada predio. En la Figura 9 se muestran las relaciones obtenidas para cada zona muestreada, dentro de cada predio en estudio, la relación obtenida se consideró representativa de la variación del Npm en las zonas de bajo, medio y alto rendimiento detectadas a través de las imágenes.
37
Predio 1
Predio 2 250
200 Alta Media Baja ecuación
150 100
r2 0,87 e. e. 11,6
50
Rendimiento (qq/ha)
Rendimiento (qq/ha)
250
0
200 Alta Media Baja ecuación
150 100
r2 0,86 e. e. 11,3
50 0
0
50
100
150
200
250
300
0
50
N mineralizado (kg/ha)
100
Predio 3
200
250
300
Predio 4
250
250
200 Alta Media Baja ecuación
150 100
r2 0,46 e. e. 18,4
50 0
Rendimiento (qq/ha)
Rendimiento (qq/ha)
150
N mineralizado (kg/ha)
200 Alta Media Baja ecuación
150 100
r2 0,92 e. e. 9,8
50 0
0
50
100
150
200
N mineralizado (kg/ha)
250
300
0
50
100
150
200
250
300
N mineralizado (kg/ha)
e .e. Error estándar de la ecuación
FIGURA 9 Rendimiento en qq ha-1 según la mineralización (kg N ha-1) calculada para cada zona, dentro de cada predio.
38
Existió una relación significativa entre el rendimiento y el N mineralizado estimado para cada zona en los predios 1, 2 y 4, mientras que en el predio 3 el rendimiento no tuvo relación con el N mineralizado (Figura 9). Al observar el gráfico del predio 3, pudiese ser considerado el punto 39 como un “outlayer”, dado que es el único punto que se separa de la linealidad.
Al realizar una regresión, sin considerar este punto, el
coeficiente de determinación aumenta desde 0,46 a 0,84. Sin embargo, esta mejor relación no explica adecuadamente los resultados esperados, dado que la relación entre el N mineralizado y el rendimiento no siguió un ordenamiento de acuerdo a la biomasa de maíz obtenida a través de imágenes en este predio. Esto es, que las zonas delimitadas en la imagen como zonas de un tipo de biomasa (menor, medio y mayor) presentaron niveles de N mineralizable tanto bajo, medios y altos dentro de cada zona, no siguiendo la lógica esperada que zonas de bajo delimitadas por la imagen de bajo rendimiento tuviese menor N potencialmente mineralizable y las zonas delimitadas como de mayor rendimiento, tuviesen N potencialmente mineralizable mayor, como ocurre en los predios 1, 2 y 4. De esta forma, el mantener una aplicación de fertilizante homogénea en un predio sin considerar que las zonas con bajo rendimiento históricamente incorporaron menos rastrojo y tuvieron una baja mineralización de N, no satisface la demanda para un rendimiento similar al obtenido en las zonas con una mayor biomasa. Todo lo anterior justificaría que utilizar dosis sitio-específica de N en zonas con rendimiento variable, determinado a partir de una imagen aérea de biomasa, puede ser una buena estrategia de fertilización.
4.5
Evaluación de una estrategia de fertilización nitrogenada sitio-específica de
acuerdo a diferencias en el suministro de N Al planificar las estrategias de fertilización para el año siguiente de producción de maíz, de acuerdo con la variación del suministro de N, se tuvo que enfrentar la siguiente disyuntiva: ¿aumentar la fertilización nitrogenada en zonas de alta producción, o aumentar la fertilización nitrogenada en zonas de baja producción?. Asumiendo que el
39
potencial productivo de la zona está cercano a los valores alcanzados en las zonas de alta biomasa y considerando que el suministro de N fue deficiente en las zonas de baja productividad, se decidió aumentar la fertilización nitrogenada en aquellas zonas con rendimiento bajo e intermedio y mantener la fertilización realizada por los agricultores en la zona de alto rendimiento. De esta forma, se apostó a aumentar el rendimiento de maíz en las zonas de rendimiento bajo e intermedio, disminuyendo así la variación de rendimiento existente en el predio y homogeneizar el rendimiento a valores similares a los obtenidos en las zonas de alta biomasa, para los predios 1, 2 y 4. Una situación diferente se determinó para el predio 3. En este predio no se encontró una relación entre la imagen de biomasa determinada por medición infrarroja y el ordenamiento espacial de la mineralización del N, lo cual dificulta establecer una fertilización variable para cada zona. Por ello, para este predio, se decidió aplicar una dosis de nitrógeno homogénea para todo el predio. Con la ayuda de la imagen aérea de biomasa se establecieron las coordenadas límites de la zona de alta biomasa y se determinaron dos zonas de manejo distintas al momento de la aplicación de nitrógeno como urea. Las coordenadas descargadas al GPS permitieron ubicar banderas en el límite de ambas zonas de aplicación. Mediante cambios en la velocidad del tractor con la máquina cultivadora-fertilizadora se aplicaron las dosis deseadas.
4.6
Determinación de Dosis de N a aplicar
Las dosis de N a aplicar se calcularon para alcanzar un rendimiento alcanzable de 170 qq ha-1, que correspondió al rendimiento promedio máximo obtenido desde las zonas de alta biomasa. Este valor de rendimiento a alcanzar se justifica en que los suelos son de textura franco arcillosa hasta los 25cm de profundidad y arcillosa entre los 25 a 45cm de profundidad y con una profundidad máxima de suelo entre 60 a 70cm, lo que dificulta alcanzar rendimientos mayores.
40
Además, se consideró un suministro de N variable de acuerdo a lo mostrado anteriormente (ver punto 4.4) y una eficiencia de fertilización N de 0,53 para el predio 1, 0,56 para el predio 2 y de 0,50 para los predios 3 y 4, de acuerdo con la capacidad tecnológica de manejo de N de los agricultores de cada predio. Los datos más en detalle se muestran en anexo 4. Las dosis generadas para cada predio y zona se muestran en el cuadro 5. Las dosis calculadas fueron similares a las dosis de N aplicadas frecuentemente en la zona de estudio, que varían usualmente entre 400 a 450 kg N ha-1. De esta forma, el trabajo de HIRZEL (2007) recomienda estas dosis de fertilización N para el cultivo de maíz en suelos aluviales de entre 1,5 a 3,0% de materia orgánica, cuando se quiere obtener rendimientos alcanzables moderados. Debe destacarse que en las dosis de fertilización N propuesta por esta metodología, presentan un rango de variación más amplio, dado que se encuentra entre 385 a 480 kg N ha-1, con un promedio ligeramente por sobre las dosis más altas aplicadas usualmente por los agricultores del área. Para efectos prácticos de manejo y demostración de los efectos del manejo sitio específico para los agricultores, a partir de las dosis calculadas se diseñó una estrategia de fertilización separada en dos sectores en los predios 1, 2 y 4. Para ello, se aplicó en el sector de alta biomasa la dosis usual aplicada por los agricultores y se incrementó la dosis de N a un valor cercano al promedio del valor calculado de dosis de N en las zonas de baja e intermedia biomasa detectadas previamente. Las dosis aplicadas se muestran en el cuadro 5.
41
CUADRO 5 Dosis de N (kg ha-1) calculada y aplicada, para cada zona de biomasa. Predio
Dosis de N (kg ha-1) Zona de Biomasa
Calculada
Aplicada
Alta
410
400
Media
440
440
Baja
400
440
Alta
395
400
Media
420
420
Baja
385
420
Alta
410
450
Media
450
450
Baja
480
450
Alta
445
400
Media
455
450
Baja
480
450
Predio 1
Predio 2
Predio 3
Predio 4
4.7
Rendimientos obtenidos con aplicación sitio específica de N
En el cuadro 6, se muestran los rendimientos promedio de materia seca de grano de maíz (qq ha-1) para cada zona, después de la estrategia sitio específico, diferenciada de acuerdo a cada predio.
42
CUADRO 6 Rendimiento de grano de maíz en MS promedio de 1m lineal, para el año 2 aplicación sitio específica de N, según las distintas zonas de biomasa (promedio y desviación estándar de cuatro puntos de muestreo). Predio
Predio 1
Predio 2
Predio 3
Predio 4
Zona de Biomasa
Rendimiento de
Desviación
grano (qq ha-1)
estándar
Alta
178 a
35
Media
178 a
24
Baja
184 a
27
Alta
170 a
17
Media
176 a
12
Baja
171 a
9
Alta
122 a
17
Media
149 a
24
Baja
155 a
15
Alta
180 a
16
Media
143 a
8
Baja
165 a
33
No se determinaron diferencias estadísticas significativas (cuadro 6) para los rendimientos obtenidos, después de una aplicación sitio específica variable de N. Este resultado muestra que la aplicación de dosis N sitio-específica dentro de un predio, disminuyó la variación en los rendimientos observados. Sin embargo, para validar la metodología propuesta se debería continuar con ensayos durante varios años, manteniendo la estrategia de fertilización utilizada durante este ensayo.
43
CUADRO 7 Rendimiento de grano de maíz en MS promedio de cada predio, para el año 1 y 2.
Predio
Promedio de qq ha-1 Año 1
d.e.
Año 2
d.e
1
155
31
180
27
2
158
28
173
12
3
117
43
142
23
4
143
33
163
25
d.e. desviación estándar En todos los predios se aumentó el rendimiento de grano (cuadro 7) con las nuevas dosis de fertilización N propuestas, las cuales en promedio fueron mayores que las utilizadas por los agricultores. Sin embargo, aun subsiste una variación en el rendimiento entre los sectores, que no fue estadísticamente significativa (cuadro 6). Debe considerarse que el rendimiento no solo es dependiente de la fertilización N, sino de una serie de otros factores, entre los cuales son destacables los efectos relacionados a la disponibilidad y manejo del agua en los suelos. Muchos autores consideran que la variación sitio específica no obedece a un solo factor sino a una combinación de ellos. De esta forma, DAVIS et al. (1996) al discutir sobre los requerimientos de fertilizantes en distintas zonas determinadas según mapas de rendimiento, asociados con la topografía de los predios, determinaron que la variabilidad de rendimientos en los predios puede deberse a la disponibilidad de agua afectada según la diferencia topográfica que presentan los predios. Del mismo modo, GEESING et al. (2001) proponen que asociada a una mayor dosis de N los efectos sobre la producción de grano en un cultivo de trigo de invierno se conjuga, la disponibilidad de agua, la cual parece ser la limitante más importante, proponiendo que se evalúen en conjunto la variación de ambos parámetros y en su estudio proponen asociar mapeos de nutrientes con mapeo de textura de suelos. En este estudio, no se consideró como un objetivo
44
estudiar la disponibilidad de agua en los suelos, dado que el riego se realizó por surcos, con la misma duración e intensidad para todos los predios en estudio y éstos a su vez son planos (pendiente menor a 2%). Sin embargo, dada la alta variabilidad textural que presentan los suelos en estos predios, resultaría útil evaluar la variabilidad textural en las distintas zonas de biomasa observadas, para determinar si existen diferencias significativas en las respuestas de rendimientos observadas.
4.8
Implicancias de la aplicación de dosis de fertilización N sitio específica en la agricultura campesina
El cambio tecnológico siempre ofrece dificultades y particularmente en un sector usualmente resistente al cambio, como es la agricultura campesina. Por ello, la incorporación de los agricultores en este estudio no fue fácil. En un comienzo, ellos tenían aprensiones sobre la tecnología a utilizar y su aplicación al trabajo práctico. No conocían los GPS y no utilizaban análisis de suelos para el cálculo de la dosis, sino que adoptaban dosis de fertilización en base a las utilizadas por vecinos, que obtenían buenos rendimientos. A través de este trabajo, la confianza en la metodología propuesta en este estudio, surgió paulatinamente en la medida que se trabajó en conjunto. La interacción durante el desarrollo del estudio fue recíproca, ya que los agricultores colaboraron con su trabajo y experiencia, mientras se adaptaba su tecnología de aplicación de fertilizante (máquina cultivadora para aplicar fertilizante) a través de variaciones en la velocidad de trabajo de la máquina para aplicar las distintas dosis recomendadas.
De esta manera, la tecnología implementada a través de pequeños
agricultores, no fue una limitante para el estudio. El nivel de aprendizaje de los agricultores y su actitud positiva hacia la incorporación de nuevas tecnologías fue aumentando con la obtención de resultados parciales durante el estudio. Esto es, la obtención de la superficie de los predios utilizando GPS y el conocimiento de zonas de bajo crecimiento por medio de imágenes de biomasa.
45
Luego de la aplicación de N sitio específica y al momento de evaluar los rendimientos en la cosecha, la percepción de los agricultores con respecto a este proyecto fue positiva, incluso uno de ellos confidenció que destinó el predio de más bajo rendimiento para este estudio.
46
CONCLUSIONES
El rendimiento del cultivo de maíz tuvo una relación directa con la variación observada a través de imágenes infrarrojas tomadas desde avión a 10000 pies de altura. Sin embargo, para que esta metodología pueda ser aplicable a los objetivos de manejo sitio específico, se requiere que la biomasa dentro de un predio presente un ordenamiento espacial bien definido. En el estudio realizado, los niveles de disponibilidad de P y K no fueron limitantes para el rendimiento a alcanzar propuesto en este estudio, lo que se ratificó en que no se ajustaron a la sectorización realizada a través de las imágenes de biomasa. El N mineralizado calculado para cada zona tuvo una relación significativa con el rendimiento para cada zona, demostrando que la aplicación sitio específica de N se justificaba para tres de los cuatro predios evaluados. La estrategia de fertilización sitio específica de N, a partir de un diseño de muestreo interpretando imágenes de biomasa, homogeniza el rendimiento del cultivo de maíz en un predio, logrando un aumento en el rendimiento promedio.
47
BIBLIOGRAFIA
BARNES, E. y MORAN, M. 1996. Multiespectral remote sensing and site-specific agriculture: Examples of current technology and future possibilities. Proceedings of the 3erd International Conference on Precision Agriculture. Minneapolis, June 23-26, 1996. BLACKMER, T. y SCHEPERS, J. 1995. Remote sensing to detect nitrogen deficiency in corn. ASA-CSSA.SSSA. p. 505-512. BONGIOVANNI, R. 2003. Precision agriculture and variable rate: economic analysis of site-specific nitrogen management in corn. http://www.agriculturadeprecision.org (8 Octubre 2005). CLAY, D. KITCHEN, N., CARLSON, C., KLEINJAN, J., TJENTLAND, W. 2002. Collecting representative soil samples for nitrogen and phosphorus fertilizer recommendations. Site-Specific Management Guidelines SSMG-38. http://www.ipni.net/ssmg. (15 Diciembre 2007) COTRIZA, 2008. Distribución regional de la superficie sembrada y de la producción de maíz en Chile. Temporada 2008. http://www.cotriza.cl/mercado/maiz/nacional/distribucion.php. (15 enero 2009). DALAL, R. y HENRY, R. 1986. Simultaneous determination of moisture, organic carbon and total nitrogen by near infrared reflectance spectrophotometry. Soil Sci.Soc.Am.J. 50:120-123.
48
DAVIS, MALZER, COPELAND, LAMB y ROBERT 1996. Spatial relationships of soil Nitrogen with corn yield response to applied Nitrogen. Proceedings of the 3erd International Conference on Precision Agriculture. Minneapolis, June 23-26, 1996. FAIGUENMBAUM, H. 1987. Producción de cultivos en Chile. Santiago. Editorial Torreones. 322 p. FAIGUENMBAUM, H. 2003. Labranza, siembra y producción de los principales cultivos de Chile. Santiago. Editorial Ograma. 760 p. FERGUSON, R., GOTWAY, C., HERGERT, G., PETERSON, T. 1996. Soil sampling for site-specific nitrogen management. Proceedings of the 3erd International Conference on Precision Agriculture. Minneapolis, June 23-26, 1996. FILELLA, I. 1995. Evaluating wheat nitrogen status with canopy reflectance indices and discriminant analysis. Crop Sci. 35:1400-1405. GALINAT, W. 1979. Botany and origin of maize. CIBAGEIGY Agrochemical maize.Switzerland. 95 p. GEESING, D., GUTSER, R. Y SCHMIDHALTER, U. 2001. Importance of spatial and temporal soil water variability for nitrogen management decisions. Third european conference on precision agriculture. (vol1). Edited by agromontpellier. 970 p. GLEN, C. y DANIEL, L. 2000. Precision farming an introduction.
College of
agricultural and environmental sciencies. University of Georgia. Bolletin 1186/January.
49
HAVLIN, J., BEATON, J., TISDALE, J. y NELSON, W., 1999. Soil fertility and fertilizer. And introduction to nutrient management. Sixth edition. Prentice Hall. New Jersey. U.S.A. 499 p. HIRZEL J., (2007). Nutrición y fertllización de maíz. Seminario producción de Maíz. Facultad de ciencias agronómicas de la Universidad de Chile. 26 y 27 de Junio. JOHANNSEN, C., CARTER, P., MORRIS, D., ERICKSON, B. y ROSS, K. 2002. Potential applications of remote sensing. Site-Specific Management Guidelines SSMG-22. http://www.ipni.net/ssmg. (15 Diciembre 2007) LEONE, A., WRIGHT, G. y CORVES, C. 1995. The application of satellite remote sensing for soil studies in upland areas of southern Italy. Int. J. Remote sens. 16:1987-1105. MACHADO, S. et al. 2002. Spatial and temporal variability of corn growth and grain yield: Implications for site-specific farming. Crop Science. (Vol 42), número 5, 1564-1576. September-October. 2002. MAITI, R. y WESCHE-EBELING, P. 1998. Maize Science. Oxford & IBH Publishing Co. PVT. Ltda. New Delhi Calcuta. 457 p. ORTEGA, R. 2000. Agricultura de precisión: bases y potencialidades del manejo sitioespecífico en América latina. 22pp. http://www.capuc.puc.cl. (8 Octubre 2005). ORTEGA, R. 2001. Agricultura de Precisión: usos y potencialidades en Chile. Agronomía y Forestal UC. (Vol 13). Octubre 2001.
50
PINOCHET, D. 2005. El Sistema de recomendación de fertilización de cultivos extensivos en Chile. Simposio fertilidad 2005.Nutrición, producción y ambiente. INPOFOS/Fertilizar. Rosario, Argentina. p 35-39. POEHLMAN, J. 1969. Mejoramiento genético de las cosechas. México, Lumusa-Wiley. 453 p. RODRIGUEZ, J., PINOCHET, D., MATUS, F. 2001. Fertilización de los cultivos. La fertilización de los cultivos. Editorial LOM Santiago de Chile. 117 p. SHONK, J., GAULTNEY, L., SCHULZE, D. y VAN SCOYOC, G. 1991. Spectroscopic sensing of soil organic matter content. Trnas. ASAE 34:1661-1666. VOLOSKY, E. 1974. Hortalizas, cultivo y producción en Chile. Santiago, Editorial Universitaria. 353 p. VON MARTINI, A. 2000. Proyecto Agricultura de Precisión INTA Manfredi. http://www.agriculturadeprecision.org (8 Octubre 2005). YANG, C., ANDERSON, L., 1996. Determining within-field management zones for grain sorghum using aerial videography. In proc. 26 th International symposium on remote sensing of environment. Tucson.
51
ANEXOS
52
ANEXO 1 Rendimientos de grano de maíz en MS qq ha-1 en cada punto de muestreo para el año 1 (fertilización homogénea en todo el predio). Predio 1
Zona Alta
Media
Baja
2
Alta
Media
Baja
3
Alta
Media
Baja
4
Alta
Media
Baja
Punto 12 14 15 17 8 10 11 18 1 3 5 7 28 30 31 32 19 20 26 33 21 23 34 36 39 41 48 49 38 43 44 46 37 40 45 54 58 63 67 68 55 60 71 72 56 61 62 69
Coordenada E Coordenada N Huso 282528 6192831 19H 282484 6192926 19H 282426 6192923 19H 282339 6193013 19H 282232 6192934 19H 282356 6192818 19H 282447 6192820 19H 282249 6192984 19H 282029 6192906 19H 282258 6192670 19H 282224 6192753 19H 282140 6192888 19H 280760 6193349 19H 280819 6193313 19H 280768 6193287 19H 280713 6193309 19H 280745 6193393 19H 280708 6193385 19H 280629 6193331 19H 280621 6193288 19H 280647 6193358 19H 280599 6193361 19H 280577 6193277 19H 280681 6193260 19H 281809 6192748 19H 281732 6192686 19H 281828 6192625 19H 281793 6192614 19H 281833 6192773 19H 281747 6192633 19H 281780 6192661 19H 281868 6192697 19H 281846 6192828 19H 281778 6192721 19H 281801 6192697 19H 281938 6192755 19H 282395 6191290 19H 282454 6191167 19H 282554 6191159 19H 282536 6191098 19H 282374 6191361 19H 282378 6191174 19H 282618 6191140 19H 282642 6191181 19H 282418 6191347 19H 282322 6191165 19H 282401 6191119 19H 282561 6191074 19H
g MS /punto 1568 1592 1228 1181 1167 1213 1097 966 1140 856 890 1022 1170 1197 1451 1397 1107 1339 1384 1281 896 1143 718 1153 784 101 1090 901 1093 1074 927 1010 738 891 1353 525 1444 1258 1403 1322 1051 946 1083 1141 692 732 855 973
qq/ha 209 212 164 157 156 162 146 129 152 114 119 136 156 160 194 186 148 179 185 171 119 152 96 154 105 13 145 120 146 143 124 135 98 119 180 70 192 168 187 176 140 126 144 152 92 98 114 130
53
ANEXO 2 Rendimientos de grano de maíz en MS qq ha-1 en cada punto de muestreo para el año 2 (fertilización variable según zona de biomasa). Predio 1
Zona Alta
Media
Baja
2
Alta
Media
Baja
3
Alta
Media
Baja
4
Alta
Media
Baja
Punto 12 14 15 17 8 10 11 18 1 3 5 7 28 30 31 32 19 20 26 33 21 23 34 36 39 41 48 49 38 43 44 46 37 40 45 54 58 63 67 68 55 60 71 72 56 61 62 69
Coordenada E Coordenada N Huso 282528 6192831 19H 282484 6192926 19H 282426 6192923 19H 282339 6193013 19H 282232 6192934 19H 282356 6192818 19H 282447 6192820 19H 282249 6192984 19H 282029 6192906 19H 282258 6192670 19H 282224 6192753 19H 282140 6192888 19H 280760 6193349 19H 280819 6193313 19H 280768 6193287 19H 280713 6193309 19H 280745 6193393 19H 280708 6193385 19H 280629 6193331 19H 280621 6193288 19H 280647 6193358 19H 280599 6193361 19H 280577 6193277 19H 280681 6193260 19H 281809 6192748 19H 281732 6192686 19H 281828 6192625 19H 281793 6192614 19H 281833 6192773 19H 281747 6192633 19H 281780 6192661 19H 281868 6192697 19H 281846 6192828 19H 281778 6192721 19H 281801 6192697 19H 281938 6192755 19H 282395 6191290 19H 282454 6191167 19H 282554 6191159 19H 282536 6191098 19H 282374 6191361 19H 282378 6191174 19H 282618 6191140 19H 282642 6191181 19H 282418 6191347 19H 282322 6191165 19H 282401 6191119 19H 282561 6191074 19H
g MS /punto 1628 986 1323 1392 1135 1352 1571 1269 1399 1644 1156 1306 1461 1178 1252 1221 1319 1387 1375 1193 1201 1261 1326 1357 1053 769 969 860 1228 1306 915 1016 1106 1031 1275 1232 1322 1527 1291 1270 1034 1054 1159 1043 1205 1139 1027 1591
qq/ha 217 131 176 186 151 180 209 169 187 219 154 174 195 157 167 163 176 185 183 159 160 168 177 181 140 103 129 115 164 174 122 135 147 138 170 164 176 204 172 169 138 140 154 139 161 152 137 212
54
ANEXO 3 Resultados de análisis de suelo P-Olsen, K intercambiable, Al extractable, Mg, Ca y pH en cada punto de muestreo. Predio 1
zona Alta
Media
Baja
2
Alta
Media
Baja
3
Alta
Media
Baja
4
Alta
Media
Baja
punto 12 14 15 17 8 10 11 18 1 3 5 7 28 30 31 32 19 20 26 33 21 23 34 36 39 41 48 49 38 43 44 46 37 40 45 54 58 63 67 68 55 60 71 72 56 61 62 69
P (ppm) K (mg/kg) Al extr(ppm) Mg (meq/100g) Ca (meq/100g) 16 34 15 1,26 10 15 40 13 1,30 11 22 50 13 1,67 12 14 79 13 2,06 15 14 46 24 2,39 12 6 33 11 2,02 12 6 30 25 1,30 11 6 41 11 1,48 11 15 59 13 1,81 13 12 36 10 1,98 12 15 33 9 1,36 10 10 48 21 2,08 11 14 53 16 2,65 14 30 64 17 3,44 19 28 67 15 3,19 18 11 54 15 2,30 14 21 87 13 2,80 17 19 53 15 1,83 13 15 38 14 1,19 9 18 54 15 1,63 11 27 56 14 2,18 13 24 73 14 1,73 11 22 82 12 1,79 14 10 76 13 2,74 16 22 41 15 2,39 12 17 40 16 2,26 16 29 64 17 3,21 18 51 62 16 3,05 18 16 52 15 2,02 14 12 63 26 3,68 19 38 44 16 2,35 15 19 46 16 2,55 13 36 108 16 1,75 13 29 68 18 2,90 15 12 40 15 1,85 13 31 51 11 2,04 12 15 59 11 2,74 15 20 58 8 2,24 14 31 59 10 3,15 15 16 74 9 3,68 18 15 51 9 2,24 14 11 46 7 2,33 14 12 61 9 3,29 14 33 76 9 2,98 16 26 68 9 2,39 27 33 99 7 1,98 11 21 63 8 2,76 13 37 87 10 3,87 19
pH 7,0 7,0 6,9 7,4 7,3 7,4 7,2 7,7 7,0 7,0 7,3 6,8 7,0 6,9 6,9 7,0 7,1 6,8 7,3 6,8 7,1 7,1 7,3 7,1 7,2 8,2 7,8 8,2 7,2 7,8 7,9 7,3 7,2 7,1 7,2 7,1 7,3 7,3 7,4 7,2 7,2 7,3 7,5 7,3 7,2 7,2 7,3 7,2
55
ANEXO 4 Resultados de análisis de suelo N (ppm), MO (%), dap (g cm-3), N mineralizado (kg ha-1) y eficiencias de fertilización. Predio 1
Zona Alta
Media
Baja
2
Alta
Media
Baja
3
Alta
Media
Baja
4
Alta
Media
Baja
Punto 12 14 15 17 8 10 11 18 1 3 5 7 28 30 31 32 19 20 26 33 21 23 34 36 39 41 48 49 38 43 44 46 37 45 54 40 63 67 68 58 55 60 71 72 56 61 62 69
Efic. Fertilización 0,53 0,53 0,53 0,53 0,53 0,53 0,53 0,53 0,53 0,53 0,53 0,53 0,56 0,56 0,56 0,56 0,56 0,56 0,56 0,56 0,56 0,56 0,56 0,56 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50
N(ppm) 14 18,2 30,8 9,8 8,4 14 19,6 9,8 23,8 8,4 11,2 36 12,6 19,6 28 9,8 15,4 40,6 8,4 14 9,8 5,6 21 9,8 55,2 12,6 12,6 11,2 14 8,4 7 32,2 7 8,4 12,6 15,4 29,4 9,8 18,2 11,2 30,8 11,2 12,6 7 8,4 8,4 14 14
MO (%) 2,3 2,0 2,3 2,3 2,0 2,3 2,2 2,3 1,9 2,3 2,3 2,3 2,0 2,6 2,6 1,9 2,6 2,2 1,3 1,6 1,9 1,9 3,0 2,4 2,3 2,0 2,3 1,9 2,0 1,6 2,3 2,2 2,6 2,3 2,2 2,3 2,0 2,3 2,3 2,3 2,3 2,6 2,6 2,8 2,4 2,6 2,6 2,7
dap 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,4 1,4 1,5 1,4 1,5 1,6 1,5 1,5 1,5 1,4 1,4 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,4 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,5 1,4 1,4 1,4 1,4 1,4 1,4 1,4
N mineralizado 273,4 293,5 225,7 151,5 144,0 172,8 156,7 90,4 182,7 55,3 73,0 182,4 133,9 160,0 256,1 190,6 122,5 263,8 183,9 171,2 48,4 105,9 26,2 120,0 130,8 128,0 120,7 64,3 126,5 105,5 58,4 155,9 4,2 183,2 67,6 72,3 264,2 246,3 247,9 262,1 207,4 120,2 163,0 163,1 40,4 51,4 102,2 135,4
56
ANEXO 5 Dosis de N (kg N ha-1) calculada en cada punto de muestreo, según zona y predio en estudio. Predio Zona 1 Alta
Media
Baja
2
Alta
Media
Baja
3
Alta
Media
Baja
4
Alta
Media
Baja
Punto 12 14 15 17 8 10 11 18 1 3 5 7 28 30 31 32 19 20 26 33 21 23 34 36 39 41 48 49 38 43 44 46 37 40 45 54 58 63 67 68 55 60 71 72 56 61 62 69
qqm qqm esperado demanda N (Kg) ppm N suministro N (Kg) (Kg N/ha) 209 170 301 14 71 435 212 170 301 18 84 410 164 170 301 31 119 343 157 170 301 10 58 458 156 170 301 8 55 464 162 170 301 14 71 435 146 170 301 20 88 403 129 170 301 10 58 458 152 170 301 24 101 377 114 170 301 8 54 465 119 170 301 11 63 450 136 170 301 36 134 314 156 170 301 13 67 417 160 170 301 20 86 385 194 170 301 28 110 342 186 170 301 10 59 432 148 170 301 15 74 406 179 170 301 10 59 433 185 170 301 8 56 437 171 170 301 14 73 407 119 170 301 10 59 432 152 170 301 6 47 454 96 170 301 21 88 381 154 170 301 41 147 276 105 170 301 55 190 222 14 170 301 13 67 467 145 170 301 13 67 469 120 170 301 11 64 475 146 170 301 14 72 459 143 170 301 8 56 491 124 170 301 7 50 501 135 170 301 32 124 353 98 170 301 7 50 502 119 170 301 15 75 453 180 170 301 8 54 493 70 170 301 13 67 468 192 170 301 11 62 478 168 170 301 29 114 375 187 170 301 10 57 489 176 170 301 18 80 443 140 170 301 31 119 363 126 170 301 11 62 478 144 170 301 13 66 470 152 170 301 7 49 503 92 170 301 8 54 493 98 170 301 8 55 492 114 170 301 14 70 462 130 170 301 14 67 468
57 ANEXO 6 Dosis de P2O5 (kg ha-1) calculada en cada punto de muestreo, según zona y predio en estudio. Predio Zona Punto 1
Alta
Media
Baja
2
Alta
Media
Baja
3
Alta
Media
Baja
4
Alta
Media
Baja
12 14 15 17 8 10 11 18 1 3 5 7 28 30 31 32 19 20 26 33 21 23 34 36 39 41 48 49 38 43 44 46 37 40 45 54 58 63 67 68 55 60 71 72 56 61 62 69
Demanda Demanda Suministro Dosis qqm obtenido kg (P2O5) P-Olsen ppm P-Olsen (P-Olsen) 209 48 32 16 79 212 48 32 15 88 164 48 32 22 48 157 48 32 14 88 156 48 32 14 91 162 48 32 6 132 146 48 32 6 129 129 48 32 6 129 152 48 32 15 86 114 48 32 12 99 119 48 32 15 85 136 48 32 10 112 156 48 32 14 91 160 48 32 30 10 194 48 32 28 21 186 48 32 11 107 148 48 32 21 57 179 48 32 19 67 185 48 32 15 86 171 48 32 18 70 119 48 32 27 26 152 48 32 24 41 96 48 32 22 53 154 48 32 10 109 105 48 32 22 51 14 48 32 17 76 145 48 32 29 14 120 48 32 51 -94 146 48 32 16 79 143 48 32 12 102 124 48 32 38 -32 135 48 32 19 64 98 48 32 36 -20 119 48 32 29 15 180 48 32 12 102 70 48 32 31 6 192 48 32 15 84 168 48 32 20 61 187 48 32 31 8 176 48 32 16 82 140 48 32 15 88 126 48 32 11 106 144 48 32 12 101 152 48 32 33 -4 92 48 32 26 32 98 48 32 33 -3 114 48 32 21 55 130 48 32 37 -23
Dosis Kg P2O5 181 202 111 202 208 302 296 296 196 227 195 258 208 24 49 245 130 153 198 161 60 95 121 251 116 175 33 -214 180 234 -72 146 -46 35 234 13 193 141 18 187 200 242 232 -9 74 -6 127 -52
Aporte de residuos 109 111 85 82 81 84 76 67 79 59 62 71 81 83 101 97 77 93 96 89 62 79 50 80 54 7 76 63 76 75 64 70 51 62 94 36 100 87 97 92 73 66 75 79 48 51 59 68
58 ANEXO 7 Dosis de K2O (kg ha-1) calculada en cada punto de muestreo, según zona y predio en estudio. Predio
Zona
Punto
1
Alta
12 14 15 17 8 10 11 18 1 3 5 7 28 30 31 32 19 20 26 33 21 23 34 36 39 41 48 49 38 43 44 46 37 40 45 54 58 63 67 68 55 60 71 72 56 61 62 69
Media
Baja
2
Alta
Media
Baja
3
Alta
Media
Baja
4
Alta
Media
Baja
qqm Demanda K obtenidos kg K2O 209 211 212 211 164 211 157 211 156 211 162 211 146 211 129 211 152 211 114 211 119 211 136 211 156 211 160 211 194 211 186 211 148 211 179 211 185 211 171 211 119 211 152 211 96 211 154 211 105 211 14 211 145 211 120 211 146 211 143 211 124 211 135 211 98 211 119 211 180 211 70 211 192 211 168 211 187 211 176 211 140 211 126 211 144 211 152 211 92 211 98 211 114 211 130 211
Suministro K (mg/kg) 34 40 50 79 46 33 30 41 59 36 33 48 53 64 67 54 87 53 38 54 56 73 82 76 41 40 64 62 52 63 44 46 108 68 40 51 59 58 59 74 51 46 61 76 68 99 63 87
Suministro K (K2O) 100 120 144 229 137 95 87 120 177 104 95 138 157 183 191 162 246 155 118 167 169 220 225 219 120 120 186 186 153 195 127 134 306 197 117 150 171 166 161 201 148 131 172 213 197 294 181 230
Dosis K2O (kg/ha) 222 181 132 -37 147 231 248 181 67 213 232 145 108 56 40 98 -70 111 185 88 84 -19 -29 -17 181 182 50 50 116 32 168 153 -191 28 187 122 80 90 99 20 125 160 77 -4 26 -166 60 -38
Aporte de residuos 327 332 256 246 243 253 229 201 237 178 185 213 244 249 302 291 231 279 288 267 187 238 150 240 163 21 227 188 228 224 193 210 154 186 282 109 301 262 292 275 219 197 226 238 144 152 178 203
