Informe Chacra Sacháyoj

CHACRA

SACHÁYOJ “Ajustar modelos productivos sustentables a las características ambientales y contribuir al desarrollo local”

INFORME FINAL | 2023

Miembros fundadores • GATTO HNOS SRL • SURI YACO SRL • ANÍBAL MOSCHEN HERMANOS SA • PROVINVEST SA • BUNGE ARGENTINA

Mesa de expertos • Graciela Leguizamón (EEA INTA Quimilí) • Nahuel Peralta (Bayer CropScience) • Amanda Lidia Vizgarra (EEA INTA Quimilí) • Clara María Berton (EEA INTA Quimilí) • Gonzalo Scarpin (EEA INTA Reconquista) • Octavio Caviglia (CONICET - FCA UNER) • Guido Di Mauro (FCAgr – UNR)

Equipo Sistema Chacras • Ing. Agr. Morand Victorio (RTD) • Ing. Agr. Dra. Lina Bosaz (CTZ) • Ing. Agr. Suyai Almirón (CTZ) • Ing. Agr. MSc. Alejo Ruiz (CTZ) • Ing. Agr. MSc. Andrés Madias (GP) • Ing. Agr. MSc. Rodolfo Gil (DAC)

Instituciones que participan • INTA • AAPRESID

Índice general

Capítulo 1 | Caracterización edáfica de ambientes de la Chacra Sacháyoj 1.1. Introducción 1.2. Materiales y métodos 1.2.1. Etapa I 1.2.2. Etapa II 1.2.3. Etapa III 1.3. Resultados y discusión 1.3.1. Etapa I 1.3.1.1. Límites de lotes y establecimientos 1.3.1.2. Modelo digital de elevación 1.3.1.3. Acumulación de flujo 1.3.1.4. Índice Topográfico Compuesto 1.3.1.5. Vegetación Original (1994-95) 1.3.1.6. Índice de Vegetación Normalizada (NDVI) 1.3.1.7. Índice de Vegetación Mejorado (EVI) 1.3.1.8. Rendimientos normalizados 1.3.1.9. Correlación entre atributos de mapas temáticos 1.3.2. Etapa II 1.3.2.1. Descripción en conjunto de las variables 1.3.2.2. Análisis de conglomerados 1.3.2.3. Características de suelo según posición en el paisaje 1.3.2.4. Relaciones entre variables 1.3.3. Etapa III 1.3.3.1. Tipos de suelos y capacidad de uso 1.4. Comentarios finales Referencias

6 6 7 7 9 11 12 12 12 12 14 14 15 17 18 18 19 20 20 21 23 25 27 27 36 38

Anexo I. Descripción detallada por horizontes de las calicatas descriptas Anexo II. Ejemplos de lotes bajo manejo sitio específico

42 46

Capítulo 2 | Análisis de riesgo climático, ventana de siembra y dinámica del agua del suelo para cultivos de invierno 49 2.1. Introducción 49 2.2. Materiales y métodos 50 2.3. Resultados y discusión 53

2.3.1. Probabilidades de ocurrencia de precipitaciones 2.3.2. Probabilidad de acumulación de lluvias durante el invierno 2.3.3. Probabilidades de recarga primavera-estival 2.3.4. Dinámica del agua y producción de biomasa 2.3.4.1. Dinámica del agua 2.3.4.2. Producción de biomasa y Eficiencia del Uso del Agua (EUA) 2.4. Comentarios finales Referencias

53 55 56 58 58 61 63 65

Capítulo 3 | Respuesta a la densidad de siembra y fertilización nitrogenada en maíz 67 3.1. Introducción 67 3.2. Materiales y métodos 69 3.3. Resultados 72 3.3.1. Caracterización de los sitios 72 3.3.2. Respuesta productiva 73 3.3.3. Análisis de caso: la interacción densidad por fertilización en el sitio GT02 76 3.3.3.1. Análisis económico 77 3.4. Comentarios finales 79 Referencias 80 Capítulo 4 | Ajuste de densidad de siembra en soja en ambientes de productividad contrastantes 84 4.1. Introducción 84 4.2. Materiales y métodos 85 4.3. Resultados y discusión 86 4.4. Comentarios finales 89 Referencias 90 Capítulo 5 | Avances en prácticas de manejo del cultivo de algodón y experiencias de fertilización nitrogenada en la Chacra 93 5.1. El desarrollo del cultivo en el mundo 94 5.2. Los sistemas productivos algodoneros en Brasil 95 5.3. El desarrollo del cultivo en Argentina 97 5.4. Los sistemas productivos algodoneros en la Chacra Sacháyoj 99 5.4.1. Nutrición del cultivo: una experiencia de la Chacra Sacháyoj 99 5.5. Comentarios finales 102 Referencias 103 Capítulo 6 | Respuesta a la fertilización foliar con zinc en maíz. Análisis de casos 106

6.1. Introducción 6.2. Materiales y métodos 6.3. Resultados y discusión 6.4. Comentarios finales Referencias

106 107 108 110 111

CAPÍTULO 1

CARACTERIZACIÓN EDÁFICA DE AMBIENTES DE LA CHACRA SACHÁYOJ Victorio Morand1, Alejo Ruiz2 y Lidia A. Vizgarra3 1 RTD, Chacra Sacháyoj 2 Sistema Chacras, AAPRESID 3 INTA Quimilí

1.1. INTRODUCCIÓN La zona de influencia de la Chacra abarca aproximadamente 70 km alrededor de la ciudad de Sacháyoj, provincia de Santiago del Estero. El desarrollo agrícola de la región es reciente y la mayoría de las tierras destinadas a los cultivos extensivos se incorporaron a dicha actividad a fines de la década del 90 y comienzos del 2000 (Pértile, 2004).

Los suelos se caracterizan por mostrar una gran capacidad productiva para realizar cultivos extensivos. De origen fluvio-eólico, predominan suelos de texturas finas, principalmente franco-arcillo-limosa a franco-limosa, del orden de los Molisoles (Boletta, 2001; Vizgarra, 2018).

La ausencia de cartas de suelos detalladas (1: 50.000) para gran parte de la zona es uno de los grandes inconvenientes para el ajuste agronómico del manejo sustentable de cultivos extensivos. Las mismas sólo están disponibles para los establecimientos ubicados en la provincia del Chaco (Ledesma et al., 2001) y, dentro de la provincia de Santiago del Estero, para un solo lote ubicado en la sub-cuenca La Esperanza (Vizgarra et al., 2018). Por esto, actualmente

06

los miembros de la Chacra Sacháyoj se apoyan en herramientas de agricultura de precisión y manejo sitio-específico que permiten apreciar la variabilidad y distribución de sus suelos, al menos, en términos de productividad de biomasa de los cultivos. En algunos casos, se utilizan estrategias de ambientación detallada dentro de un mismo lote y, en otros, se trabajan lotes completos como unidades homogéneas según los macro ambientes a los que pertenezcan dentro de un mismo establecimiento. Sin embargo, esta división es realizada de manera subjetiva por los productores según su experiencia a campo y en la mayoría de los casos se desconocen las limitantes edáficas de cada zona de manejo.

La teledetección a través de imágenes satelitales permite caracterizar grandes superficies en poco tiempo, con una amplia capacidad de trabajo y con una precisión variable según la herramienta utilizada. Entre las aplicaciones más útiles en la producción agropecuaria, se puede mencionar el uso de índices de vegetación como medida indirecta de la productividad de los cultivos (Johnson, 2016.)

Los miembros de la Chacra Sacháyoj buscan un mejor entendimiento de las relaciones causa-efecto de sus ambientes productivos, con el objetivo de definir variables ambientales drivers e identificar lotes que justifiquen establecer diferentes zonas de manejo, para poder lograr así, sistemas productivos más eficientes.

El objetivo de este trabajo fue identificar, caracterizar y comprender qué diferencia a los ambientes de la Chacra Sacháyoj; así como identificar lotes con alta heterogeneidad espacial como candidatos para avanzar con delimitación de zonas de manejo sitio específico.

El trabajo se dividió en 3 etapas: • Identificar y delimitar ambientes contrastantes a través de productos de teledetección.

• Caracterizar el suelo de los ambientes con propiedades físicas-químicas.

• Estudiar la morfología de los suelos en sitios representativos de cada macroambiente establecido.

1.2. MATERIALES Y MÉTODOS

1.2.1. Etapa I Se utilizó la plataforma Google Earth Engine, de procesamiento de imágenes satelitales para obtener diversos productos de teledetección que se apilaron e integraron como capas de información en un software de Sistema de Información Geográfica (SIG) como QGis. Las capas de información digitalizadas fueron las siguientes: 1 Límites de lotes y establecimientos Se digitalizaron los límites de lotes y establecimientos correspondiente a campos cultivados por los productores miembros, en la zona de influencia de Sacháyoj. Para ello se generó un

07

archivo en formato shape con el software QGis, basándose en los mapas cedidos por los productores e imágenes satelitales del espectro visible, en muchas ocasiones con la participación de los mismos miembros.

2 Modelo Digital de Elevación (MDE) Se descargó un Modelo Digital de Elevación (MDE) de la misión espacial “Shuttle Radar Topographic Mission” (SRTM) con una resolución espacial aproximada de 30m y una precisión altimétrica de 5m aprox. (Farr et al., 2007). Se representó con una paleta de colores que va desde el azul (menor altitud) al marrón (mayor altitud).

3 Índice Topográfico Compuesto (ITC) El Índice Topográfico Compuesto (ITC) o Índice de humedad es una medida de la cantidad de movimiento del flujo que pasará por cada punto del terreno en función del área drenada y la pendiente (Moore et al., 1991). Se calculó el ITC de la zona de la chacra en base al DEM de resolución de 30 m de la misión satelital SRTM. 4 Mapa de Acumulación de Flujo A partir del modelo digital de elevación, es posible calcular cual es la dirección teórica del movimiento del agua de escurrimiento y elaborar así un mapa de acumulación de flujo. A través de la plataforma Google Earth Engine, se descargó un mapa de acumulación de flujo derivados de la misión SRTM, elaborado por la World Wildlife Foundation y llamados por sus siglas en inglés HydroSHEDS (Hydrological Data and Maps Based on Shuttle Elevation Derivatives at Multiple Scales). El mismo consta de un archivo raster con resolución de 90 m aprox. (Lehner et al., 2008).

5 NDVI promedio Se elaboró un mosaico libre de nubes promediando pixel a pixel el valor NDVI de las imágenes disponibles de los meses de febrero y marzo de los últimos 6 años. Luego, se calculó el promedio de todo el lote y se representó con una escala que va del rojo al verde. Para esto, se utilizó la colección de imágenes Landsat 8 corregidas a reflectancia de superficie, de resolución de 30m, disponibles en la plataforma Google Earth Engine.

6 EVI promedio Al igual que con el NDVI, se calculó el EVI (índice de vegetación mejorada). Este índice se utiliza para obtener una mejor interpretación cuando la canopia del cultivo es todavía muy escasa o demasiada densa, ya que reduce el efecto del suelo desnudo y no se satura tan fácilmente como el NDVI cuando la cobertura vegetal es muy abundante.

08

7 Rendimiento de cultivos promedio Para calcular el rendimiento normalizado promedio se tomaron los registros de rendimiento en grano de soja o maíz disponibles para cada lote agrupándolos por cultivo y campaña y se aplicó la fórmula:

Esto permite comparar los rendimientos entre campañas y cultivos distintos, ya que ubica a cada lote en una posición relativa a los demás, convirtiendo la distribución en una normal con media igual a cero y desvío igual a uno.

Correlación entre variables Se utilizó el software QGis para cruzar la información de las distintas capas y exportarla en formato de tabla de Microsoft Excel. Luego se importó la información al software Infostat (Di Rienzo et al., 2008) para realizar un análisis de correlación y obtener el coeficiente de Pearson, un estadístico que varía entre -1 y 1, e indica el grado y sentido de la covariancia de dos variables.

1.2.2. Etapa II Utilizando la información generada en la Etapa I y con la participación activa de los productores integrantes de la chacra, se identificaron diferentes ambientes a analizar. El día 28/12/2020 se realizaron muestreos de suelos en 19 sitios (Fig. 1) seleccionados por presentar características de interés (ambientes contrastantes, bajos, historia agrícola, etc.). Los muestreos fueron realizados con un equipo calador neumático y remitidos al mismo laboratorio para su análisis.

Figura 1. Mapa con los establecimientos de la Chacra y estaciones de muestreo. En rojo los bajos y en verde las lomas.

09

Se realizaron determinaciones químicas, físicas y de contenido de agua del suelo. Para ello se tomaron muestras de suelo hasta un metro de profundidad. Las variables determinadas a cada profundidad se encuentran listadas a continuación (Tabla 1).

Tabla 1. Variables evaluadas según la profundidad de la muestra.

PROFUNDIDAD

0-20cm

VARIABLE Materia orgánica (%) Fósforo (ppm) S (ppm) Zn (ppm) Ca (meq 100 g1) K (meq 100 g1) Mg (meq 100 g1) Na (meq 100 g1) pH CIC (meq 100 g1) CE (uS cm1) N-NO3 (kg ha1) Textura (%)

20-60cm

N-NO3 (kg ha1) Textura (%)

0-100cm

Resistencia mecánica a la penetración (MPa)

Para el análisis de los datos se utilizó el software INFOSTAT (Di Rienzo et al., 2008). Primero se realizó un análisis de componentes principales (ACP) para analizar en conjunto todas las variables. Esta técnica estadística combina todas las variables en estudio y crea nuevas variables denominadas “componentes principales” (ejes del gráfico). Como resultado, se generan numerosas componentes principales, pero por lo general se analizan las dos o tres que explican en mayor parte la varianza del conjunto de datos estudiados. A partir de estos nuevos componentes, se puede elaborar un gráfico que permite visualizar todas las variables en estudio al mismo tiempo. Este tipo de técnica es útil para realizar un primer análisis exploratorio del conjunto de datos e identificar posibles asociaciones o correlaciones (positivas y negativas) entre las mismas.

En segundo lugar, se realizó un análisis de conglomerados para agrupar ambientes de similares características y se evaluó si hay diferencias significativas entre variables. Por último, se realizó una matriz de correlación y análisis de regresión para estudiar la relación entre las variables evaluadas.

10

1.2.3. Etapa III Esta etapa comprendió la selección de cuatro lotes en una transecta de 57km aproximadamente desde la localidad de Sachayoj al establecimiento El Wichi (-26,501608; -62,371401). Los macroambientes incluidos abarcaron diferentes manejos agronómicos y años de habilitación, disminución de las precipitaciones medias anuales, en una misma unidad cartográfica de suelos de acuerdo al mapa de suelos escala 1:500.000 (Fig. 2).

Se estudió a campo, la morfología de los suelos en calicatas y se caracterizó el paisaje, esta información se recopiló en fichas edafológicas (Schoeneberger et al., 2012). También se extrajeron muestras de cada horizonte, que luego fueron enviadas al laboratorio para las determinaciones físico-químicas. Estas fueron: • Granulometría por el método de la pipeta de Robinson; • Densidad aparente por el método del cilindro (Blake y Hartge, 1986); • pH potencial, actual e hidrolítico por el método potenciométrico en una suspensión suelo-agua 1:2.5, CaCl2 (0.01M) y KCl (1M); • Conductividad eléctrica por conductimetría en el extracto acuoso de la pasta saturada y en suspensión suelo-agua 1:2.5; • Capacidad de intercambio catiónico y cationes de intercambio mediante saturación con acetato de amonio 1 N a pH 7 (Klute, 1986); • Carbono orgánico (Walkley-Black, 1934); • Carbonato de calcio (%), según la técnica del calcímetro de Scheibler.

En base a los resultados se clasificó los suelos a nivel de Familia, según el sistema "Soil Taxonomy" (Soil Science Division Staff, 2017). La evaluación de tierras se realizó con la Capacidad de Uso (Klingebiel y Montgomery, 1961).

Figura 2. Ubicación de las calicatas realizadas.

11

1.3. RESULTADOS Y DISCUSIÓN 1.3.1. Etapa I 1.3.1.1 Límites de lotes y establecimientos Se digitalizaron un total de 242 lotes (en algunos casos se consideraron campos completos que se trabajan como una misma unidad de manejo) que contabilizaron un total de 40.907ha.

Figura 3. Límites de los lotes de los establecimientos trabajados por los miembros de la Chacra Sacháyoj.

1.3.1.2 Modelo digital de elevación El MDE permite vislumbrar la particular morfología del terreno de la zona, al mismo tiempo que se identifican los lotes de los establecimientos de los integrantes de la chacra y su posición en la geomorfología local. El rasgo más destacable lo constituyen dos “lomadas” muy suaves y de gran extensión con orientación N-S. Estas estribaciones del terreno son parte de las “Lomadas de Otumpa” (Rossello y Bordarampé, 2005) y desentonan con la llanura circundante que caracteriza a la región NEA, alcanzando 210 msnm. Según Contreras (2019) y Peri (2012), estas unidades geomorfológicas interrumpen el escurrimiento en sentido NO-SE típico de la zona, provocando la formación de vías de escurrimiento que modelan el paisaje e influyen en la formación del suelo.

12

Figura 4. Modelo digital de elevación de la zona de la Chacra.

Las lomadas de Otumpa pueden dividirse en tres grandes formaciones: la Lomada Oriental, ubicada en sentido casi paralelo al límite interprovincial con Chaco y en cuyo extremo norte se encuentra asentada la localidad de Sacháyoj; la Lomada Occidental, de menor extensión que la anterior; y el bajo Interlomas, un sector deprimido en comparación a los anteriores y que corre en sentido N-S (Peri, 2012).

Dentro de la Chacra Sacháyoj existen establecimientos ubicados en distintas posiciones dentro de estas formaciones (Fig. 4); pero, sin dudas toman gran importancia aquellos lotes que se ubican en el bajo-interloma o en las “laderas” de las lomadas, dado que es allí donde se encuentran los lotes bajos, ya conocidos por los productores por su menor capacidad productiva.

Estos bajos se caracterizan por tener suelos muy pesados, probablemente más evolucionados y con altos contenidos de arcilla. Suelos similares y que ocupan la misma posición en el paisaje, pero al oeste de la lomada oriental, fueron descriptos por Vizgarra et al. (2018) como asociaciones de vertisoles con limitaciones para la infiltración y el desarrollo de raíces, con presencia de un horizonte Bt y rasgos hidromórficos. También se destaca la importante susceptibilidad a la erosión que tienen los mismos por encontrarse en vías de escurrimiento y por la baja cobertura que generan los cultivos en estos ambientes. Se constituye así, un círculo vicioso dónde asegurar la protección del recurso frente a la degradación se vuelve difícil, pero crucial para la sostenibilidad de los sistemas productivos.

13

1.3.1.3 Acumulación de flujo En el mismo se puede observar con colores que van del naranja al blanco las vías de escurrimiento de la zona, siendo las líneas blancas de mayor grosor las vías principales, que reciben el afluente de las vías secundarias, simbolizadas por líneas naranjas de trazo fino (Fig. 5).

Figura 5. Acumulación de flujo (HydroSHEDS) de la zona de la Chacra Sacháyoj.

Los “bajos” antes mencionados coinciden con las principales vías de escurrimiento de la zona, sobre todo aquellas que drenan el agua del bajo interlomas (flechas rojas).

1.3.1.4 Índice Topográfico Compuesto La topografía tiene influencia sobre las características del suelo por su rol como factor formador del mismo. Varios autores han destacado su rol relacionado al rendimiento de los cultivos (Castro Franco et al., 2012; Mieza et al., 2016), ya que influye en la dinámica de acumulación y escurrimiento de agua, como también en la deposición, arrastre o redistribución de las partículas del suelo.

14

Figura 6. Índice topográfico compuesto (TCI) de la zona de la Chacra Sacháyoj.

Se observa que, al tratarse de una región de llanura, el índice no muestra demasiadas variaciones, destacándose las zonas “bajas” (alto valor de ITC, representadas en verde) que tendrían una mayor posibilidad de recibir agua en caso de que se diera escurrimiento desde las partes más altas (Fig. 6). Cabe recordar que esto es un cálculo teórico basado en la forma del terreno y no precisamente se dé una acumulación de agua o escurrimiento real, ya que esto último depende también de muchos otros factores como intensidad de precipitaciones, magnitud de pendiente, capacidad de infiltración del suelo, etc.

1.3.1.5 Vegetación Original (1994-95) El análisis de las imágenes satelitales previas a la entrada en producción de los lotes permite ver como se distribuía el tapiz vegetal. Como se puede observar en la Figura 7, el monte se alternaba con abras, las cuales, en muchos casos, coinciden con las principales vías de escurrimiento de la zona.

15

Figura 7. Mosaico visible de 1994 de la zona de la Chacra Sacháyoj con superposición de las vías de escurrimiento alculadas a partir del MDE.

Trabajando en la zona, Peri (2012) encontró útil la interpretación de la distribución de la vegetación a través de imágenes satelitales para identificar paleocauses, bajos y lomas. Esto puede ser un indicio de que distinta vegetación natural se corresponde con diferencias en las características edáficas y por lo tanto puede haber diferente respuesta productiva. De hecho, se observan en algunos lotes de la Chacra que los ambientes marcados antes por la vegetación natural hoy se ven reflejados en imágenes NDVI de los cultivos con bastante similitud (Fig. 8 y 9).

Figura 8. a) Imagen NDVI promedio de cultivos, b) Vegetación natural, c) Vías de escurrimiento, d) Modelo Digital de Elevación, para un lote del establecimiento La Pradera.

16

Figura 9. a) Imagen NDVI promedio de cultivos, b) Vegetación natural, c) Vías de escurrimiento, d) Modelo Digital de Elevación, para un bajo del establecimiento El Estribo.

1.3.1.6 Índice de Vegetación Normalizada (NDVI) El valor promedio para todos los lotes de la Chacra fue de 0,798, con un máximo de 0,871 y un mínimo de 0,691. Se puede observar que los lotes que se encuentran en los bajos o cercanos a ellos muestran menor NDVI promedio (Fig. 10), también sucede algo similar con aquellos establecimientos ubicados en la provincia del Chaco. El NDVI promedio de cada lote permitiría identificar rápidamente y discriminar de manera grosera entre lotes en función del vigor de los cultivos para el período de análisis.

Figura 10. Promedio de NDVI de los lotes de la Chacra Sacháyoj.

17

Además, este mosaico permite ver como se comportó el índice dentro del lote a lo largo de 6 años e identificar así sectores del mismo donde la actividad fotosintética haya sido menor (Fig. 8 a y 9 a).

1.3.1.7 Índice de Vegetación Mejorado (EVI) El valor promedio para todos los lotes de la Chacra fue de 0,610 con un máximo de 0,697 y un mínimo de 0,496. Si bien hay sutiles diferencias entre ambos índices empleados, en general se observó un comportamiento muy similar al NDVI, aunque los valores absolutos son menores en el EVI, razón por la cual es preferible en situaciones de mucho vigor y cobertura vegetal (Fig.11).

Figura 11. Promedio de EVI de los lotes de la Chacra Sacháyoj.

1.3.1.8 Rendimientos normalizados Se puede observar que los lotes ubicados en la provincia del Chaco son los que exhiben los valores más bajos, junto con lotes atravesados por vías de escurrimiento naturales (Fig. 12 y 13)

18

Figura 12. Rendimiento normalizado promedio de los lotes de la Chacra.

1.5 1 0.5

0 -0.5

-1.5

Salvi-Boaglio San Claudio Don Jorge Don Alejandro El Milagro Ramirez Ahí veremos Pasquini El Coraje La Agustina Las Marias Los Fabian Los Indios El Estribo Triangulo Santa Rosa Monte del Buey El Mataco Baoglio-Druetta Carregio Pertile Fiorito Santo Domingo San Paulessi Boneto Grintur Chimeneas

-1

Figura 13. Promedio de rendimientos normalizados de las últimas 6 campañas para los establecimientos de la Chacra (en marrón los establecimientos ubicados en la provincia del Chaco).

1.3.1.9 Correlación entre atributos de mapas temáticos A excepción de los casos donde se ve involucrado el Índice Topográfico Compuesto (ITC), se halló correlación con significancia estadística (p<0,05) entre todas las demás variables (Tabla 2). Todas las correlaciones son positivas excepto las del ITC con NDVI y EVI, ya que el valor numérico del índice de humedad es mayor en zonas deprimidas del terreno, dónde los cultivos poseen menor desarrollo y por lo tanto el promedio de dichos índices espectrales es menor.

19

Tabla 2. Matriz de correlación entre las principales variables.

RENDIMIENTO NORMALIZADO Rendimiento normalizado

ALTITUD MDE

NDVI

VALOR ITC

EVI

0.49*

0.37*

-0.04

0.19*

0.34*

0.08

0.23*

-0.15

0.88*

Altitud MDE

0.49*

NDVI

0.37*

0.34*

Valor ITC

-0.04

0.08

-0.15

EVI

0.19*

0.23*

0.88*

-0.18 -0.18

*Correlación significativa (p<0.05) La correlación entre NDVI y EVI es muy elevada por haberse calculado a partir de las mismas imágenes satelitales. La correlación entre NDVI y rendimiento normalizado fue significativa y positiva.

También se observó una correlación entre el rendimiento normalizado y la altitud del DEM que probablemente se deba a que los establecimientos ubicados en la provincia de Chaco poseen una menor altitud sobre el nivel del mar (Fig. 2) que los de Santiago del Estero y presentan una menor productividad. Para evitar esto último, se incluyó también en el análisis el índice topográfico compuesto (TCI) ya que este expresa mejor la posición en el paisaje que ocupa el lote (loma, media loma, bajo). Igualmente, el TCI no tuvo correlación con el rendimiento normalizado.

1.3.2. Etapa II 1.3.2.1 Descripción en conjunto de las variables En la Figura 14 se puede observar el gráfico resultante del análisis de componentes principales (ACP). Cada “componente” o eje explica un porcentaje de la variación de todo el conjunto de datos. En este caso, vemos que el componente principal 1 (eje de las x) explica alrededor del 57.5 % de la variabilidad, y el componente principal 2 (eje de las y) explica un 19.5% del total, quedando en evidencia que con solo dos componentes se puede explicar gran parte de la variabilidad de los datos (77%).

A modo práctico, para interpretar la información del gráfico se debe primero observar qué valores toman las variables en el eje x y luego, cuales en el eje y. Mientras más elevados en valor absoluto sean eso valores, más estará influyendo dicho factor en la variabilidad del conjunto de observaciones.

20

En este caso, se puede observar que se distinguen dos grandes grupos a lo largo del eje x (componente principal 1). Por un lado, resistencia mecánica a la penetración (RMP), contenido de arcilla y pH; y por el otro, MO, contenido de limo, N-NO3, S, Zn y P. A términos prácticos, esta distribución permite suponer que las variables de un mismo grupo correlacionan positivamente entre sí; pero negativamente con las del grupo opuesto. Variables como las bases de intercambio (K, Mg, Ca) y años de agricultura tomaron valores más cercanos a 0 (considerando el eje X) por lo que podríamos suponer que no existe una correlación tan notoria con las de los dos grupos mencionados anteriormente. Se podría pensar en cambio, que el K, Mg y Ca correlacionan negativamente con los años de agricultura ya que toman valores opuestos en el eje y (CP 2).

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 8,00 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil

Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Mg Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ca (meq/100gr) K Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil C.E. (uS/cm) Versión Estudiantil Versión 4,00 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil pH Versión Estudiantil Versión Estudiantil Versión Estudiantil RMP media (MpA) P (ppm) Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión MO Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Namax (MpA) RMP (ppm) 20-60 S (ppm) (ppm) Versión Zn Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión EstudiantilN-NO3 Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Limo 20-60 (%) N-NO3 (ppm) 0-20 Arcilla 0-20 (%) Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil0,00 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 0-20 (%) Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Limo Arcilla 20-60 (%) Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil

CP 2 (19,5%)

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil -4,00 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Años de agricultura Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión-8,00 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil -8,00 -4,00 0,00 4,00 8,00 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

CP 1 (57,5%)

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Figura 14. Análisis de componentes principales generados a partir de las variables edáficas.

Es importante destacar que el ACP no permite establecer las causas de esas correlaciones, ni las magnitudes de las mismas. Sin embargo, es muy útil para seleccionar las variables sobre las cuales después realizar un análisis más detallado, como se muestra a continuación.

1.3.2.2 Análisis de conglomerados Es una técnica de estadística multivariada que se utiliza para identificar grupos o conglomerados de observaciones que comparten más similitudes con los integrantes del mismo grupo que con el resto. A partir del análisis, quedaron en evidencia dos grandes grupos, uno compuesto por los muestreos realizados en los “bajos” (ej. Pasquini, LP 47, EE08, LP27, etc.) y el otro, conformado por los sitios de “loma” (Figura 15). Esto quiere decir que los suelos de los bajos de distintos establecimientos comparten características entre sí que los diferencian de las lomas; convirtiéndose estos sitios en candidatos ideales para el diseño de estrategias de manejo por ambientes (ver ambientaciones en el Anexo II).

21

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Promedio (Average linkage) Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Distancia: (Euclidea) Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Baja Estudiantil Versión 20 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil EE08 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 18 DA06 Versión Estudiantil 11 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil VersiónEEstudiantil Versión LP47 Baja 9 LP27 Baja Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 8 LP27 VersiónMedia Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 6 Pasquini N baja Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 4 Pasquini S baja Versión Estudiantil 2 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Monte del buey Versión 21 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil EE08 Alta 14 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión BO 03 Estudiantil Versión 5 PasquiniVersión N AltaEstudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 3 Las Marías O Versión Versión Estudiantil 19 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil DJ 07 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 17 ET 06 12 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión LP 47 E Alta 16 LA 16 C Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 10 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil LP 27 Alta 7 LP 02 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 15 EM 02Estudiantil Versión Versión 13 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil El CorajeVersión Estudiantil 1 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil

Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 0,00 1,80 3,61 5,41 7,22 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Versión Estudiantil

Figura 15. Dendograma donde se agrupan sitios de similares características generado a partir del análisis de conglomerados.

Existen estudios zonales que vinculan la posición en el terreno con ciertas características de suelo, principalmente textura (Brest et al., 2019; Vizgarra et al., 2018). Estos trabajos destacan que los sectores deprimidos y vías de escurrimiento poseen texturas más arcillosas que las de relieve normal o lomas (Fig. 16), coincidiendo con los resultados obtenidos en el muestreo de la Chacra.

Figura 16. Distribución de tipos de suelo según su textura y posición en el terreno para la zona Pinedo. Extraído de Brest et al. (2019)

22

Arena 0-20 (%)

Limo 0-20 (%)

Arcilla 0-20 (%)

100

80 60 40

Loma

LP 27 C1 BP

LP 27 C3 MP

LP 47 C2 Bajo

Pasquini S Bajo

Pasquini N Bajo

EE08 baja

DA 06

DJ 07

ET 06

EE08 alta

El Coraje

LA 16 C

LP 02 A

LP 27 C5 AP

EM 02

LA 04

LP 47 C2 Loma

Las Marias Oeste

Monte del Buey

Pasquini N Loma

0

BO 03

20

Bajo

Figura 17. Textura 0-20 (%) de los suelos en los diferentes ambientes muestreados

Además de su posición en el paisaje, las principales diferencias entre los bajos (ambientes de baja productividad) y las lomas (ambientes de alta productividad) están asociada a su textura, lo cual implicaría que sufrieron distintos procesos edafogenéticos en su formación (Fig. 17).

Esta variación de la textura de los suelos según la posición que ocupan en el paisaje también fue descripta por Vizgarra et al. 2018 en la sub-cuenca La Esperanza (zona de influencia de la Chacra), quienes encuentran asociaciones de vertisoles con limitaciones para la infiltración y el desarrollo de raíces en los sectores que corresponden a las vías de escurrimiento del terreno.

A partir de análisis de imágenes satelitales del tapiz vegetal original, se pudo comprobar que estos sectores más bajos estaban colonizados naturalmente por pastizales y raleras, a diferencia de sectores más elevados donde se desarrollaban bosques, lo que constituye otra evidencia de que los suelos en esos sectores ya eran diferentes incluso antes de entrar en producción.

1.3.2.3 Características de suelo según posición en el paisaje Se observaron menores contenidos de MO, fósforo, N-nitratos, azufre y zinc en los bajos (Figura 18 y 19). No se registraron diferencias al analizar las bases intercambiables K, Ca y Mg entre ambientes; pero si se encontraron mayores contenidos de sodio en los bajos (Figura 19).

Igualmente, los niveles de sodio son bajos para afectar el desarrollo de los cultivos, en todos los casos fueron mucho menores al umbral de 2 mmhos/cm1 normalmente utilizado para cultivos de cereales (Maas y Hoffman, 1977). Es importante destacar que el sodio junto con la conductividad eléctrica, fueron solamente medidas en el horizonte superficial. Para una evaluación completa, sería importante determinar también si no existen limitantes de salinidad-sodicidad en profundidad.

23

a)

b)

c)

d)

Figura 18. Gráficos de caja en función de la posición en el paisaje: a) % Materia orgánica, b) Fósforo (ppm), c) N-NO3 0-20 cm (ppm), d) N-NO3 20-60 cm (ppm).

a)

b)

c)

d)

e)

f)

Figura 19. Gráficos de caja en función de la posición en el paisaje: a) Azufre (ppm), b) Zinc (ppm), c) Calcio (meq 100 g1), d) Magnesio (meq/100 g1), e) Potasio (meq/100 g1), f) Sodio (meq/100 g1).

24

1.3.2.4 Relaciones entre variables A partir de la matriz de correlación entre todas las variables medidas, se observó una asociación entre los parámetros físicos como textura y resistencia mecánica a la penetración. A mayores contenidos de arcilla, por lo general encontrados en ambientes de bajo, se asociaron mayores niveles de resistencia mecánica del suelo (r = 0,75; Fig. 19 a). En algunos sitios se determinaron niveles de RMP superiores a 2 MPa, valor adoptado como límite para el normal crecimiento de las raíces (Letey, 1985). En este mismo sentido, suelos con un mayor contenido de arcilla y RMP, se asociaron con menores contenidos de MO (Fig. 20 b) y nutrientes móviles, como S y NO3.

Al momento de leer e interpretar estos resultados, se debe tener presente que los valores de RMP del suelo se ven fuertemente afectados por el contenido de humedad del mismo. En este trabajo las determinaciones de RMP no corresponden a suelos en capacidad de campo y, al realizarse todas las mediciones el mismo día, algunos sitios pueden haberse encontrado con menores contenidos de humedad que otros.

7 6 5 4 3 2 1 0

b)

4% 3%

MO

RMP (Mpa)

a)

1%

y = 11.499x - 0.1868 R² = 0.5387

0%

20%

40%

2%

0%

60%

Arcilla 0-20 cm

y = -0.036x + 0.036 R² = 0.5046

0%

20%

40%

60%

Arcilla 0-20 cm

Figura 20. a) Resistencia mecánica a la penetración (RMP), b) contenido de MO en función del contenido de arcilla del suelo.

También vale la pena analizar cómo se distribuyen algunos indicadores de suelo según los años de agricultura de los lotes. Existe una tendencia de la MO y el P a disminuir según se incrementan los años en producción de los lotes (coeficientes de correlación de -0,50 y -0,51 respectivamente). La pérdida de MO es acentuada durante los primeros años después de la habilitación y pareciera estabilizarse alrededor de los 10 años (Fig. 21). Trabajando en la zona de Otumpa, Koritko et al. (2019) encontraron que el carbono del suelo se estabiliza a los 6 años de agricultura aproximadamente, en siembra directa. Es oportuno destacar que en éste primer análisis se incluyen a todos los sitios.

Como se analizó anteriormente, los sectores de “bajos” correspondían a abras dentro del monte cuya vegetación natural la constituían pastizales o raleras con pocas especies leñosas de gran porte; razón por la cual, estos ambientes fueron los primeros en entrar en producción, debido a que no requerían del esfuerzo de desmonte. Es por esto que, en muchas ocasiones, estos sitios son los más antiguos y, simultáneamente, los que menores contenidos de MO

25

presentan. Esto puede estar influyendo en los resultados de los análisis de correlación y regresión, ya que tiende a mejorar los coeficientes de Pearson R y de determinación (R2). Si sólo analizamos los sitios que corresponden a “lomas” vemos que la caída de la MO con los años es mucho más suave (Fig. 22a) y la correlación entre ellos, aunque sigue siendo negativa, solo es de -0,20 y no significativa estadísticamente.

4.0%

90

3.0% 2.5% 2.0% 1.5% 1.0% 0.5% 0.0%

b) 80 P (ppm)

MO

a) 3.5%

y = -4E-07x3 + 3E-05x2 - 0.0009x + 0.0322 R² = 0.4027

0

10

20

30

Años de agricultura

40

70 60 50 40 30 20 10 0

y = 0.0614x2 - 3.1497x + 72.683 R² = 0.3501

0

10

20

30

40

Años de agricultura

Figura 21. a) Dispersión de los contenidos de MO en relación a los años de agricultura, el punto verde indica una situación prístina. b) Contenido de fósforo en relación a los años de agricultura.

Otra de las relaciones interesante de analizar es la MO con el contenido de N-NO3 del suelo en pre siembra (Fig. 22b). En este caso, la correlación entre ambos fue de 0,79; un valor consistente que nos habilita a pensar que el contenido de MO puede llegar a ser un gran indicador de la capacidad del suelo de aportar N y, por lo tanto, puede ser considerado en los modelos de respuesta a la fertilización. b)

a) 3.5%

N-NO3 ha-1

MO loma

3.0% 2.5% 2.0% 1.5% 1.0%

0.5% 0.0%

100 90 80 70 60 50 40 30 20 10 0 1.0%

y = -1E-05x2 + 0.0002x + 0.0245 R² = 0.0611

0

10

20

30

Años de agricultura

y = -160667x2 + 12360x - 152.78 R² = 0.6533

2.0%

3.0%

4.0%

% MO

Figura 22. a) Porcentaje de MO de los ambientes de lomas en relación a años de agricultura. b) Dispersión de los valores de NO3 (kg ha1, 0-60cm) en relación a la materia orgánica (%).

26

1.3.3. Etapa III 1.3.3.1 Tipos de suelos y capacidad de uso Para establecer pautas de manejo agronómico sustentables en el ámbito de la Chacra Sachayoj se definieron los tipos y aptitudes de los suelos.

A continuación, se detallan los suelos, sus características, potencialidades y limitantes ubicados desde el establecimiento El Wichí a Sachayoj. En la Figura 23 se muestran los sitios donde se realizaron las calicatas correspondientes.

Figura 23. Ubicación de las calicatas.

El Wichi Suelo: Haplustol éntico. Familia franca-gruesa.

El perfil estudiado se ubica en posición de loma en un relieve normal. Se caracteriza por escaso desarrollo de horizontes genéticos de textura franca en todo el perfil, permeabilidad moderada y bien drenado. Posee contenidos de MO de medios a bajos. No salino y sódico a partir de los 33cm de profundidad (PSI mayor a 15%). En el horizonte superficial se registraron valores de densidad aparente (dap) altos para la textura, esto se puede atribuir a los años de habilitación y manejo. En relación a este último, en algunos sectores se observó estructura laminar en el horizonte A en los primeros 9cm aprox.

27

Capacidad de uso IVsc es agrícola con limitaciones por presencia de sales cercanas a la superficie y condiciones climáticas, escasas precipitaciones y/o elevadas temperaturas.

Figura 24. Perfil representativo de establecimiento “El Wichi”, calicata 1.

28

Tabla 3. Datos analíticos por horizontes del perfil “El Wichí”.

HORIZONTE

A

AC

Ck

2Ck

Profundidad (cm) MO % Arcilla (< 2 µ) Limo fino (2 – 20 µ) Limo Total (2 – 50 µ) Arena muy fina (50 -100 µ) Arena fina (100-250 µ) Arena media (250 -500 µ) Arena gruesa (500-1000 µ) Arena muy gruesa (1000-2000 µ) Clasificación Textural CaCO3 (%) Cond. Eléct. Extr (dS m1) CE (1:2,5 suelo/agua, dS m1) pH en H2O (1:2,5) pH en 1 M KCl (1:2,5) pH en 0,01 M CaCl2 (1:2,5) CIC (T) (cmolc kg1) Ca ++ (meq 100g1) Mg ++ (meq 100g1) Na + (meq 100g1) K + (meq 100g1) PSI (% p p1) Dap (gr cm3)

0-25 1,57 18,40 20,40 47,20 16,18 16,04 1,98 0,10 Franco 0,02 0,22 0,08 7,81 6,22 6,80 19,66 14,28 2,68 0,15 2,49 0,76 1,43

25-50 0,87 15,30 26,50 49,60 17,61 15,64 1,72 0,13 Franco 0,03 0,25 0,09 8,45 6,76 7,49 17,89 14,69 3,20 0,15 0,95 0,84 1,25

50-136 0,30 17,00 19,40 43,90 19,87 17,20 1,83 0,10 Franco 4,15 0,29 0,13 9,11 7,66 8,17 15,06 37,17 3,92 2,66 1,74 17,66 1,34

136-188 0,22 9,50 20,10 48,70 19,35 19,92 2,35 0,17 Franco 5,70 0,49 0,20 9,69 7,82 8,25 12,10 37,89 4,85 1,57 2,68 12,98 1,37

29

Grintur (lote “El 75 y 76”) Suelo: Haplustol éntico. Familia franca-gruesa.

Este suelo también fue descrito en una posición de loma en un relieve normal. Presenta permeabilidad moderada y es bien drenado. El perfil posee un incipiente desarrollo, de textura franco-limosa, bien provisto de MO en el horizonte A. En línea con esto, los resultados de dap son acordes a la textura. Tampoco es salino, pero si sódico desde los 120cm de profundidad.

Posee capacidad de uso IIIse, agrícola con restricciones de sales en la profundidad efectiva de exploración de las raíces y susceptible a la erosión por su posición en el paisaje.

Figura 25. Perfil representativo Grintur.

30

Tabla 4. Datos analíticos por horizonte del perfil Grintur

HORIZONTE

A

AC

Ck1

Ck2

Profundidad (cm) MO % Arcilla (< 2 µ) Limo fino (2 – 20 µ) Limo Total (2 – 50 µ) Arena muy fina (50 -100 µ) Arena fina (100-250 µ) Arena media (250 -500 µ) Arena gruesa (500-1000 µ) Arena muy gruesa (1000-2000 µ)

0-20 2,18 1 3,70 30,10 73,10 8,06 3,84 0,70 0,50 -

20-46 0,88 12,60 27,80 71,20 11,12 4,52 0,43 0,13 -

46-120 0,53 9,90 35,40 74,60 9,21 5,06 0,60 0,56 0,10

120-174 0,23 10,40 30,90 75,10 9,63 3,95 0,58 0,34 -

Clasificación Textural

Franco limoso

Franco limoso

Franco limoso

Franco limoso

CaCO3 (%) Cond. Eléct. Extr (dS m1) CE (1:2,5 suelo/agua, dS m1) pH en H2O (1:2,5) pH en 1 M KCl (1:2,5) pH en 0,01 M CaCl2 (1:2,5) CIC (T) (cmolc kg1) Ca ++ (meq 100g1) Mg ++ (meq 100g1) Na + (meq 100g1) K + (meq 100g1) PSI (% p p1) Dap (gr cm3)

0,13 0,22 0,09 7,29 5,67 6,50 27,16 22,42 2,32 0,37 3,95 1,36 1,16

0,04 0,24 0,12 8,21 6,42 7,34 28,54 18,66 4,74 0,37 3,94 1,30

3,19 0,29 0,16 8,92 7,36 8,06 22,75 44,59 4,95 1,02 4,18 4,48 1,14

5,70 0,49 0,20 9,69 7,82 8,25 12,10 37,89 4,85 1,57 2,68 12,98 1,15

31

1,13

El Estribo «media loma» Argiustol típico. Familia limosa-fina.

Este suelo bien desarrollado fue reconocido en posición de media loma en el contexto de un relieve normal. Posee permeabilidad moderada y es bien drenado. La textura varia de franco arcillo limoso en superficie a arcillo limoso y franco limoso en profundidad. Posee un horizonte Ap de 16cm de espesor con buena provisión de MO. No salino ni sódico en todo el perfil.

La capacidad de uso IIIe, es agrícola susceptible a erosión por su ubicación en el paisaje.

Figura 26. Perfil representativo del sector de pendiente en El Estribo (media loma).

32

Tabla 5. Datos analíticos por horizonte del perfil en El Estribo (media loma).

HORIZONTE

A

Bt1

Bt2

BC

Ck

Profundidad (cm) MO % Arcilla (< 2 µ) Limo fino (2 – 20 µ) Limo Total (2 – 50 µ) Arena muy fina (50 -100 µ) Arena fina (100-250 µ) Arena media (250 -500 µ) Arena gruesa (500-1000 µ) Arena muy gruesa (1000-2000 µ)

0-16 2,79 40,00 18,60 52,20 5,25 1,97 0,29 0,24 0,06 Franco arcillo limoso 0,19 0,62 0,177 6,91 5,64 6,42 28,34 20,57 4,95 0,59 4,19 2,08

16-37 1,44 44,30 22,90 49,60 4,09 1,52 0,23 0,26 -

37-61 0,85 23,40 26,70 69,10 5,27 1,85 0,21 0,17 -

61-77 0,73 16,00 27,20 71,20 8,81 3,38 0,32 0,29 -

77-130 0,48 6,90 35,20 68,00 17,43 6,92 0,43 0,29 0,02

Arcillo Limoso

Franco limoso

Franco limoso

Franco limoso

0,21 0,187 0,073 7,26 5,45 6,43 30,91 23,45 4,18 0,48 3,95 1,55

0,25 0,238 0,091 7,49 5,65 6,63 30,12 23,45 4,48 0,48 3,59 1,59

0,29 0,555 0,193 8,11 7,16 7,32 28,61 25,57 3,4 0,59 3,2 2,06

3,16 0,39 0,179 8,8 7,16 7,87 26,44 47,94 4,02 1,13 3,95 4,27

Clasificación Textural CaCO3 (%) Cond. Eléct. Extr (dS m1) CE (1:2,5 suelo/agua, dS m1) pH en H2O (1:2,5) pH en 1 M KCl (1:2,5) pH en 0,01 M CaCl2 (1:2,5) CIC (T) (cmolc kg1) Ca ++ (meq 100g1) Mg ++ (meq 100g1) Na + (meq 100g1) K + (meq 100g1) PSI (% p p1) Dap (gr cm3)

33

El Estribo «bajo» Natrustalf vértico. Familia limosa-fina.

Este perfil fue reconocido en un sector bajo del paisaje, “vías de drenaje”, en un relieve normal. Es moderadamente bien drenado a imperfecto y su permeabilidad es moderado a lento. Es un suelo bien desarrollado, con texturas que varían de franco-arcillo-limoso en superficie, arcillo-limoso a franco-limoso en profundidad, además se pudo visualizar la presencia de grietas. Los valores de pH oscilan de neutro en superficie a muy fuertemente alcalino en profundidad. A partir de los datos analíticos es posible identificar discontinuidades litológicas.

Posee capacidad de uso agrícola Ivsw, limitado por contenidos altos de sódico a partir de los 17cm y el escaso drenaje.

Figura 27. Perfil representativo del sector bajo en El Estribo.

34

Tabla 6. Datos analíticos por horizonte del perfil del sector bajo en El Estribo.

HORIZONTE

A

2Bt

3Btk1

3Btk2

Profundidad (cm) MO % Arcilla (< 2 µ) Limo fino (2 – 20 µ) Limo Total (2 – 50 µ) Arena muy fina (50 -100 µ) Arena fina (100-250 µ) Arena media (250 -500 µ) Arena gruesa (500-1000 µ) Arena muy gruesa (1000-2000 µ)

0-17 2,40 33,10 22,60 58,00 5,69 2,04 1,04 0,24 Franco arcillo limoso 0,00 0,93 0,15 6,59 4,97 5,75 19,60 11,78 2,92 1,24 3,16 92,40 -

17-42 1,37 44,20 13,90 50,50 3,90 1,17 0,18 0,16 -

42-70 0,57 23,70 16,90 69,90 4,47 1,57 0,15 0,21 -

Arcillo limoso

Franco limoso

0,03 0,54 0,22 7,96 5,61 6,70 33,28 20,98 4,64 4,56 4,41 105,20 -

0,45 1,82 0,60 9,27 6,94 8,03 35,05 22,68 5,98 8,92 4,34 137,80 -

70-116 0,30 27,00 17,10 65,90 4,89 1,89 0,20 0,12 Franco arcillo limoso 2,03 2,24 0,77 9,40 7,08 8,24 34,66 30,36 5,21 10,01 4,58 113,80 -

Clasificación Textural CaCO3 (%) Cond. Eléct. Extr (dS m1) CE (1:2,5 suelo/agua, dS m1) pH en H2O (1:2,5) pH en 1 M KCl (1:2,5) pH en 0,01 M CaCl2 (1:2,5) CIC (T) (cmolc kg1) Ca ++ (meq 100g1) Mg ++ (meq 100g1) Na + (meq 100g1) K + (meq 100g1) PSI (% p p1) Dap (gr cm3)

35

1.4. COMENTARIOS FINALES

Los productos de teledetección fueron útiles para describir rápidamente grandes superficies a nivel zonal. Esto permitió explorar distintas variables que son de utilidad para identificar ambientes a gran escala o comprender la distribución de lotes y establecimientos en el paisaje.

De las variables cuantitativas analizadas, la altitud del MDE y el valor NDVI fueron las que mejores correlacionaron con el rendimiento.

En cuanto a la metodología y las herramientas empleadas, se debe tener en cuenta cuál es el alcance de la información que brindan hoy las imágenes satelitales disponibles. El análisis de series plurianuales de índices vegetales como el NDVI pueden ser herramientas muy poderosas, pero es crucial minimizar las fuentes de error ajenas al producto de teledetección en sí (presencia de nubes, prácticas de manejo, etc.). Tarea que se vuelve una odisea cuando se trabaja con grandes superficies y lotes con diferentes cultivos, fechas de siembra y variedades.

A través del MDE se visualizó la particular geomorfología de la zona, la cual es muy influenciada por el sector norte de las Lomadas de Otumpa, que determinan la dirección de las vías de escurrimiento y la ubicación de los bajos. Por su rol fundamental como factor formador de suelo, el relieve podría haber contribuido en gran medida a las diferencias en el tipo de suelo hallado entre los sectores más bajos y los más elevados del terreno.

Estas diferencias se asociaron a mayores contenidos de arcilla y menores contenidos de MO y P en los sectores bajos. Es factible hipotetizar que los sectores bajos, con genética de suelo y procesos formadores de suelo (vegetación, dinámica del agua) diferentes a la loma, probablemente ya poseían en su condición prístina menores contenidos de MO o P. Para responder a esta hipótesis, serán necesarios trabajos futuros que contemplen también información de la situación prístina de los distintos tipos de suelos (por ejemplo, cortinas de monte en bajos y lomas).

Es ya conocida por los productores, la menor productividad de los cultivos tradicionales en estos suelos pesados. El pobre desarrollo tanto aéreo como radical del cultivo, implica un menor aporte de carbono y cobertura al suelo, afectando la dinámica de nutrientes y agua, sin mencionar que aumenta la susceptibilidad a la erosión. Es así, que nos vemos encerrados en un círculo vicioso dónde la baja productividad agrícola impide alcanzar altos niveles de cobertura y aporte de carbono, tan necesarios para aumentar la productividad del sistema. Buscar estrategias que contribuyan a revertir esta situación será el desafío de ahora en adelante.

Por último, si bien todavía no se registran grandes caídas en los niveles de MO y P, éstos muestran una clara tendencia a disminuir con los años de agricultura.

La descripción de los perfiles de suelo más representativos de la Chacra constituye el primer trabajo de este tipo en la zona y un avance importante en el conocimiento de las características de los suelos, fundamental para avanzar en el ajuste agronómicos de los cultivos.

36

En los sectores de baja productividad ubicados en las vías de escurrimiento del “Bajo Interlomas” se clasificó un suelo natracualf vértico, presentó poca profundidad efectiva por excesivos contenidos de arcilla en todo el perfil y problemas de sodicidad como principales características limitantes para su manejo.

Los ambientes de alta productividad hallados en lomas y media loma corresponden a haplustoles énticos y argiustoles típicos respectivamente, con mucha profundidad efectiva para el desarrollo de raíces. Los contenidos de arcilla son elevados en los horizontes superficiales en los argiustoles descriptos como media loma en la “Lomada Oriental” de las Lomadas de Otumpa. Al avanzar hacia el oeste a lo largo de la transecta evaluada, se apreció un incrementó de los valores de arena fina y muy fina, sobre todo en los horizontes superficiales de los perfiles descriptos en la “Lomada Occidental” y más allá de esta última.

37

Referencias Blake, G. R., y Hartge, K. H. (1986). Particle Density. En A. Klute, Methods of Soil Analysis (págs. 377-382). Madison, WI, USA: American Society of Agronomy.

Boletta, P. (2001). Utilización de información agrometeorológica y satelital para la evaluación de la desertificación en el Chaco Seco - Departamento Moreno, Santiago del Estero. Tesis Magister en Ciencias Agropecuarias, Mención Agrometeorológica, Facultad de Ciencias Agropecuarias, Universidad Nacional de Córdoba, 199.

Brest, E. F., López, A. E., y Zurita, J. J. (2018). Fragipanes en la provincia del Chaco: identificación, propiedades y distribución. En C. R. Alvarez, y P. Imbellone (Edits.), Compactaciones naturales y antrópicas en suelos argentinos (1° ed., págs. 58-88). Ciudad Autónoma de Buenos Aires: Asociación Argentina de la Ciencia del Suelo AACS. Castro Franco, M., Córdoba, M. A., Balzarini, M. G., y Costa, J. L. (2018). A pedometric technique to delimitate soil-specific zones at field scale. Geoderma, 322, 101-111.

Contreras, F. I. (2019). La incidencia de las Lomadas de Otumpa sobre el escurrimiento superficial en las provincias de Chaco y Formosa (Rep. Argentina). Huellas, 23(2).

Di Rienzo, J., Casanoves, F., Balzarini, M., Gonzalez, L., Tablada, M., y Robledo, C. (2008). InfoStat, versión 2008. Córdoba: Universidad Nacional de Córdoba.

Farr, T. G., Rosen, P. A., Caro, E., Crippen, R., Duren, R., Hensley, S., Alsdorf, D. (2007). The Shuttle Radar Topography Mission. Reviews of Geophysics, 45(2), Article RG2004.

Johnson, D. M. (2016). A comprehensive assessment of the correlations between field crop yields and commonly used MODIS products. International Journal of Applied Earth Observation and Geoinformation, 52, 65-81.

Klingebiel, A. A., y Montgomery, P. H. (1961). Land-capability classification (No. 210). Soil Conservation Service, US Department of Agriculture.

Klute, A. (1986). Methods of Soil Analysis. Madison, WI, USA: American Society of Agronomy.

38

Koritko, L. M., Suárez, R. A., Anriquez, A. L., Pece, M., y Albanes, A. (2019).

Efecto de la siembra directa en la estabilización del carbono orgánico del suelo a escala de sitio en Santiago del Estero, Argentina. Rev. Agron. Noroeste Argent., 39(1), 9-18.

Lehner, B., Verdin, K., y Jarvis, A. (2008). New global hydrography derived from spaceborne elevation data. Eos, Transactions, AGU, 89(10), 93-94.

Letey, J. (1958). Relationship between Soil Physical Properties and Crop Production. Advances in Soil Science, 1, 277–294.

Mass, E. V., y Hoffman, G. J. (1977). Crop salt tolerance. Current assessment.

Journal of the Irrigation and Drainage Division, 115-135.

Mieza, M. S., Cravero, W. R., Kovac, F. D., y Bargiano, P. G. (2016). Delineation of site-specific management units for operational applications using the topographic position index in La Pampa, Argentina. Computers and Electronics in Agriculture, 127, 158-167.

Moore, I. D., Grayson, R. B., y Ladson, A. R. (1991). Digital terrain modelling: A review of hydrological, geomorphological, and biological applications. Hydrological Processes, 5, 3-30.

Morábito, J., Salatino, S., Hernández, R., Schilardi, C., y Álvarez, A. (2015).

Spatial distribution of reference crop evapotranspiration and effective rainfall in the central-northeastern provinces of Argentina. Rev. FCA UNCUYO, 47(1), 109-125.

Peri, G. (2012). Caracterización morfotectónica de las Lomadas de Otumpa (Gran Chaco, Santiago del Estero y Chaco): influencias en el control del drenaje. Tesis Doctoral en Ciencias Geológicas, 329.

Pértile, V. (2004). Ampliación de la frontera agropecuaria chaqueña- El Oeste Chaqueño y el cultivo algodonero. Revista Geográfica Digital, UNNE, Facultad de Humanidades. IGUNNE. Resistencia, Chaco, Argentina, 1(1).

Rosello, E. A., y Bordarampé, C. P. (2005). Las Lomadas de Otumpa: nuevas evidencias cartográficas de deformación neotectónica en el Gran Chaco (Santiago del Estero, Argentina). La Plata, Buenos Aires.

Schoeneberger, P. J., Wysocki, D. A., Benham, E. C., y Staff, S. S. (2012). Field

39

book for describing and sampling soils. Lincoln, NE: National Soil Survey Center, Natural Resources Conservation Service, USDA. Soil Science Division Staff. (2017). Soil survey manual USDA Handbook 18.

(C. Ditzler, K. Scheffe, y H. C. Monger, Edits.) Washington, D.C.: Government Printing Office.

Vizgarra, L., Moretti, L., y Schulz, G. y. (Edits.). (2018). Carta de suelos de República Argentina subcuenca “La Esperanza”, departamento Moreno, provincia de Santiago del Estero. Quimilí, Santiago del Estero, Argentina: Ediciones INTA. Walkey, A., y Black, I. A. (1934). Determination of organic matter in soil. Soil Science, 37, 549-556.

40

41

ANEXO I Descripción detallada por horizontes de las calicatas descriptas Chacra INTA - AAPRESID Sacháyoj

Establecimiento El Wichi

Haplustol éntico. Familia franca-gruesa. Hipertérmica.

A continuación, se presenta una caracterización de las calicatas realizadas y los perfiles caracterizados por profesionales de INTA Quimilí, especialistas en la temática.

Ubicación: El perfil fue descrito en el establecimiento “El Wichi” (26° 30’ 05,6” latitud sur y 62° 22’ 16,6” longitud oeste).

Fecha: 04/04/2022 Reconocedores: Lidia Vizgarra, Laura Mas y Juan Cáceres.

Ap 0-25cm; pardo a pardo oscuro (10YR 4/3) en seco; pardo oscuro (10YR 3/3) en húmedo; franco; estructura en bloques subangulares medios moderados; duro en seco; friable en húmedo; ligeramente plástico y ligeramente adhesivo en mojado; pH ligeramente alcalino; límite claro y suave.

AC 25-50cm; pardo amarillento (10YR 5/4) en seco; pardo amarillento oscuro (10YR ¾) en húmedo; franco; estructura en bloques subangulares medios a grandes débiles; ligeramente duro en seco; muy friable en húmedo; ligeramente plástico, no adhesivo en mojado; fuertemente alcalino; límite claro y suave.

Ck 50-136cm; pardo claro amarillento (10YR 6/4) en seco; pardo amarillento oscuro (10YR 4/4) en húmedo; franco; estructura masiva; suelto en seco; suelto en húmedo; ligeramente plástico, no adhesivo en mojado; muy fuertemente alcalino; fuerte reacción de los carbonatos libres en la masa; límite claro y suave.

2Ck 136-188cm; pardo claro amarillento (10YR 6/4) en seco; pardo amarillento oscuro (10YR 4/4) en húmedo; franco; estructura masiva; suelto en seco; suelto en húmedo; ligeramente plástico, no adhesivo en mojado; muy fuertemente alcalino; fuerte reacción de los carbonatos libres en la masa; presencias comunes de concreciones calcáreas.

42

Establecimiento Grin tour (Lote El 75)

Haplustol éntico. Familia franca-gruesa. Hipertérmica.

Ubicación: El perfil fue descrito en el establecimiento Grin Tour (26° 37’ 43,9” latitud sur y 62° 04’ 47,6” longitud oeste).

Fecha: 04/04/2022 Reconocedores: Lidia Vizgarra, Laura Mas y Juan Cáceres Ap 0-20cm; pardo a pardo oscuro (10YR 4/3) en seco; pardo grisaceo oscuro (10YR 3/2) en húmedo; franco limoso; estructura en bloques subangulares medios a grandes fuertes; duro en seco; friable en húmedo; plástico y ligeramente adhesivo en mojado; pH neutro; límite claro y suave.

AC 20-46cm; pardo amarillento (10YR 5/4) en seco; pardo amarillento (10YR ¾) en húmedo; franco limoso; estructura en bloques subangulares medios débiles; blando en seco; suelto en húmedo; no plástico, no adhesivo en mojado; moderadamente alcalino; límite claro y suave.

Ck1 46-120cm; pardo pálido (10YR 7/4) en seco; pardo amarillento oscuro (10YR 4/4) en húmedo; franco limoso; estructura masiva; suelto en seco; suelto en húmedo; no plástico, no adhesivo en mojado; fuertemente alcalino; fuerte reacción de los carbonatos libres en la masa; límite claro y suave.

Ck2 120-174cm; rosado (7,5YR 7/4) en seco; pardo fuerte (7.5YR 5/6) en húmedo; franco limoso; estructura masiva; blando en seco; suelto en húmedo; ligeramente plástico, no adhesivo en mojado; muy fuertemente alcalino; fuerte reacción de los carbonatos libres en la masa; presencias comunes de concreciones calcáreas y arcillosas.

43

Establecimiento El Estribo «media loma»

Argiustol típico. Familia limosa-fina. Hipertérmica.

Ubicación: El perfil fue descrito en el establecimiento El Estribo (26° 58’ 59.58” latitud sur y 61° 46’ 48.27” longitud oeste).

Fecha: 30/03/2021 Reconocedores: Lidia Vizgarra, Clara Berton y Victorio Morand Ap 0-16cm; pardo grisáceo oscuro (10YR 4/2) en seco; pardo grisáceo muy oscuro (10YR 3/2) en húmedo; franco arcillo limoso; estructura en bloques angulares gruesos a medios moderados; duro en seco; friable en húmedo; plástico y ligeramente adhesivo en mojado; pH neutro; límite claro y suave.

Bt1 16-37cm; pardo a pardo oscuro (10YR 4/3) en seco; pardo grisáceo muy oscuro (10YR 3/2) en húmedo; arcillo limoso; estructura en bloques angulares medios a gruesos moderados; duro en seco; friable en húmedo; plástico y adhesivo en mojado; pH ligeramente alcalino; barnices comunes; límite claro y suave.

Bt2 37-61cm; pardo (10YR 5/3) en seco; pardo a pardo oscuro (10YR 4/3) en húmedo; franco limoso; estructura en bloques angulares medios moderados; duro en seco; muy friable en húmedo; plástico y ligeramente adhesivo en mojado; ligeramente alcalino; barnices escasos; límite claro y suave.

BC 61-77cm; pardo claro amarillento (10YR 6/4) en seco; pardo amarillento (10YR 5/4) en húmedo; franco limoso; estructura en bloques angulares medios débiles; ligeramente duro en seco; muy friable en húmedo; ligeramente plástico, no adhesivo en mojado; moderadamente alcalino; límite claro y suave.

Ck 77-130cm; pardo pálido (10YR 7/4) en seco; pardo amarillento (10YR 5/4) en húmedo; franco limoso; estructura masiva; suelto en seco; suelto en húmedo; ligeramente plástico, no adhesivo en mojado; fuertemente alcalino; débil reacción de los carbonatos libres en la masa; límite claro y suave.

44

Establecimiento El Estribo «bajo»

Natrustalf vértico. Familia Limosa-fina. Hipertérmica.

Ubicación: El suelo fue descrito en el establecimiento El Estribo (26° 40’ 26.4” latitud sur y 61° 57’ 11.05” longitud oeste).

Fecha: 30/03/2021 Reconocedores: Lidia Vizgarra, Clara Berton y Victorio Morand Ap 0-17cm; pardo grisáceo oscuro (10YR 4/2) en seco; pardo grisáceo muy oscuro (10YR 3/2) en húmedo; franco arcillo limoso; estructura en bloques angulares medios débiles; duro en seco, fiable en húmedo, plástico y ligeramente adhesivo en mojado; pH neutro; se observan grietas; límite claro y suave.

2Bt 17-42cm; pardo grisáceo muy oscuro (10YR 3/2) en seco; pardo muy oscuro (10YR 2/2) en húmedo; arcillo limoso; estructura en prismas medios moderados que rompen en bloques angulares fuertes; muy duro en seco, friable en húmedo, muy plástico y adhesivo en mojado; pH moderadamente alcalino; barnices abundantes; límite claro y suave.

3Btk1 42-70cm; pardo amarillento (10YR 5/4) en seco; pardo a pardo oscuro (10YR 4/3) en húmedo; arcillo limoso; estructura en bloques medios moderados; pH muy fuertemente alcalino; duro en seco, friable en húmedo, plástico y ligeramente adhesivo en mojado; barnices comunes; fuerte reacción de los carbonatos libres en la masa; límite claro y suave.

3Btk2 70-116cm; pardo claro amarillento (10YR 6/4) en seco; pardo amarillento (10YR 5/4) en húmedo; franco arcilloso limoso; estructura en bloques angulares gruesos moderados; ligeramente duro en seco, muy friable en húmedo; plástico y ligeramente adhesivo en mojado; barnices comunes; pH muy fuertemente alcalino.

45

ANEXO II Ejemplos de lotes bajo manejo sitio específico % Arcilla: 29 % Limo: 66 % MO: 2,6 RMP media: 1,86 MPa Agua útil 0-100cm: 80,6mm

% Arcilla: 42 % Limo: 55 % MO: 2,34 RMP media: 3,18 MPa Agua útil 0-100cm: 66,7mm

% Arcilla: 47 % Limo: 51 % MO: 1,98 RMP media: 4,13 MPa Agua útil 0-100cm: 61,3mm

Figura 1. Mapa de 3 ambientes y caracterización de Lote 27 de establecimiento “La Pradera”.

% Arcilla: 27 % Limo: 67 % MO: 2,87 RMP media: 1,80 MPa Agua útil 0-100cm: 77,1mm

% Arcilla: 39 % Limo: 57 % MO: 2,05 RMP media: 3,00 MPa

Ambientes

Baja productividad Media productividad Alta productividad

Agua útil 0-100cm: 62,6mm

Figura 2. Mapa de 3 ambientes y caracterización de Lote 47 de establecimiento “La Pradera”.

46

% Arcilla: 22 % Limo: 76 % MO: 2,7 RMP media: 1,70 MPa Agua útil 0-100cm: 80,6mm

% Arcilla: 38 % Limo: 60 % MO: 2,1 RMP media: 2,97 MPa

Ambientes

Baja productividad Media productividad Alta productividad

Agua útil 0-100cm: 50,9mm

Figura 3. Mapa de 3 ambientes y caracterización de un lote del establecimiento “Pasquini”.

47

48

CAPÍTULO 2

ANÁLISIS DE RIESGO CLIMÁTICO, VENTANA DE SIEMBRA Y DINÁMICA DEL AGUA DEL SUELO PARA CULTIVOS DE INVIERNO Victorio Morand1, , Alejo Ruiz2, Suyai Almirón2 y Lina Bosaz2 1 RTD, Chacra Sacháyoj 2Sistema Chacras, AAPRESID

1.1. INTRODUCCIÓN Los establecimientos de la Chacra Sacháyoj se encuentran ubicados en la región Chaco Santiagueña, donde rige un clima subhúmedo seco con precipitaciones anuales promedio que oscilan entre 700 y 800mm, concentradas en los meses de octubre a marzo, y con una marcada estación seca en invierno (Boletta, 2001). Con una evapotranspiración de referencia anual de 1.600mm (Morábito et al., 2015), es clave poder administrar el recurso agua a través de prácticas culturales que permitan un aprovechamiento más eficiente por parte de los cultivos.

49

En la región se dio un reciente cambio en el uso de los suelos, los cuales pasaron de bosques naturales y pastizales a agricultura, reduciendo los aportes de materia seca al suelo (Bauman, 2016). Este cambio, combinado con las elevadas temperaturas promedio y la alta tasa de descomposición de la materia orgánica, está generando el deterioro de la fertilidad química, física y biológica de los suelos (Villarino et al., 2016; Osinaga et al., 2018;).

Como en muchas otras partes del norte argentino, la agricultura en la zona de Sacháyoj se basa principalmente en cultivos estivales de soja, maíz y algodón; por lo cual, durante la época invernal los lotes quedan en barbechos largos (Calviño y Monzon, 2009; Osinaga et al., 2018).

A partir de dicho contexto, la intensificación de los sistemas productivos a través de la incorporación de cultivos invernales en las rotaciones, tanto para renta como de servicios, surge como una alternativa para mantener y mejorar la salud de los suelos (Novelli, et al., 2017).

En los últimos años la región de la Chacra ha incrementado el nivel de intensificación de la rotación mediante la inclusión de los cultivos previamente mencionados. Sin embargo, es posible que el consumo del agua del perfil repercuta de manera negativa sobre el cultivo sucesor estival de renta (Salvador Prieto et al., 2019), riesgo que es potenciado por la alta variabilidad interanual de las precipitaciones y la alta demanda atmosférica de la región (Boletta, 2001; Morábito et al., 2015). Por otro lado, la falta de información previa sobre el manejo de cultivos y el régimen de lluvias típicamente monzónico de la zona dificulta el éxito de la siembra de cultivos invernales (Calviño y Monzon, 2009; Maddonni, 2012).

El objetivo de este trabajo fue evaluar la posibilidad hídrica de incorporar cultivos invernales a las rotaciones, generando información sobre la ventana climática de siembra para los mismo, y explorar los cambios en la dinámica del agua en el suelo con su inclusión en el sistema. Se buscó, a su vez, elaborar criterios que ayuden a la toma de decisiones a la hora de sembrar o no un cultivo invernal.

2.2. MATERIALES Y MÉTODOS

2.2.1. Probabilidades de ocurrencia y acumulación de precipitaciones Se analizó una serie de precipitaciones diarias desde 1997 hasta 2020, correspondientes al establecimiento Las Perforaciones, ubicado a 20km de la ciudad de Sacháyoj (26° 26’ 14.57’’ S 61° 51’ 11.04’’ O). A partir de dicha información, se calcularon las probabilidades de acumular lluvias mayores a 10mm, 20mm, 30mm, 40mm y 50mm cada diez días, como la frecuencia relativa de ocurrencia de dichos eventos en la serie de años analizados. Los resultados se expresan como porcentaje de años del total de la serie para los cuales se dio tal condición de forma decádica.

Luego, se calcularon las probabilidades de acumular lluvias en tres períodos, desde el 01/04 al 01/06, desde el 01/06 al 15/09 y desde el 01/08 al 01/03. El primer periodo es considerado el momento de recarga hídrica entre cultivos estivales e invernales, el segundo, es el periodo en el cual transcurre el ciclo completo de los cultivos invernales y el tercero, el de recarga del

50

perfil previo a la siembra del cultivo estival. El cálculo consistió en obtener las frecuencias relativas acumuladas de precipitaciones ocurridas en el período considerado para la serie de años en estudio.

2.2.2. Dinámica del agua y producción de biomasa de cultivos invernales Se llevó adelante un estudio comparativo de situaciones con y sin cultivos invernales. Para ello se analizaron casos en lotes de producción con cultivos de trigo y garbanzo (Fig.1) en los cuales se dejó un sector sin cultivo (barbecho) con el objetivo de tener ambas situaciones en cada lote.

El estudio se realizó en la zona de Sacháyoj durante las campañas 2021-22 y 2022-23 (Tabla 1). En la primera campaña, las situaciones sin cultivo (barbecho) se generaron mediante el secado químico del cultivo post emergencia en parcelas de 10m x 6m. En la segunda campaña se dejaron macroparcelas sin sembrar de entre 200-500m de largo por 15-30m de ancho.

Figura 1. Sitios donde se llevaron adelante los ensayos posicionados según la topografía.

51

En cada parcela se establecieron estaciones de muestreo georreferenciadas sobre las que se determinó el contenido de humedad del suelo por gravimetría, hasta los 2m de profundidad realizando mediciones cada 20cm en cuatro momentos: siembra del cultivo invernal (SIEM INV), pre antesis en trigo o 10% floración en garbanzo (FLO), madurez fisiológica del cultivo invernal (MF) y siembra del cultivo estival (SIEM EST).

Se determinó biomasa aérea del cultivo invernal en dos momentos: FLO y en MF. Las mediciones de biomasa aérea se realizaron por el método de corte y pesada de 1m2 de superficie en 4 sectores por sitio en la campaña 2021-22 y 3 en la campaña 2022-23. De cada muestra se extrajo una alícuota para determinar el % materia seca (MS), el cual se usó para expresar la cantidad de biomasa aérea como kg MS ha1.

Tabla 1. Sitios de experimentación, cultivo y variedad utilizada en dos campañas, en establecimientos de la Chacra Sacháyoj.

CAMPAÑA

SITIO

CULTIVO

VARIEDAD

2021-22 2021-22 2021-22 2021-22

SP 02 SP 03 EE 06 EE 02

Trigo Trigo Trigo Garbanzo

DM Ñandubay I 201 I 202 Norteño

2022-23 2022-23 2022-23 2022-23 2022-23 2022-23

El Milagro El Coraje CA 02 LA 17 SE LA 17 SO EE 09

Trigo Trigo Trigo Garbanzo Garbanzo Garbanzo

BioINTA 1006 BioINTA 1006 ACA 603 Felipe Felipe Norteño

Se calculó la evapotranspiración de los cultivos como el contenido hídrico total del suelo a SIEM INV menos el contenido hídrico a MF más las precipitaciones ocurridas en ese período.

El costo hídrico para el cultivo estival se calculó como la diferencia entre los contenidos de agua total a 2 m de profundidad del tratamiento de cultivo y del barbecho a SIEM EST. Para el tratamiento de barbecho, también se calcularon las pérdidas del barbecho por evaporación como el contenido hídrico total a SIEM INV menos contenido hídrico total a MF del cultivo, más las precipitaciones ocurridas durante ese período. Se consideró despreciable la pérdida por percolación profunda.

52

Se determinó la eficiencia de barbecho para ambos tratamientos mediante la siguiente fórmula:

Se calculó la eficiencia del uso del agua (EUA) para la biomasa aérea en FLO, en MF y el grano como:

Los datos fueron analizados con el software Infostat (Di Rienzo, 2008) mediante análisis de la varianza (ANOVA) ajustando modelos lineales generales y mixtos. En el modelo empleado se tomaron como efectos fijos “Campaña”, “Cultivo” y su interacción; y como efecto aleatorio la “Campaña>lote”. La comparación de medias se realizó con test LSD de Fischer.

2.3. RESULTADOS Y DISCUSIÓN 2.3.1. Probabilidades de ocurrencia de precipitaciones Las probabilidades de ocurrencia de precipitaciones durante el mes de marzo son elevadas, con más del 65 % de probabilidad de acumular 10mm cada 10 días y más de 30% de superar 50mm (Fig. 2). Estos valores son prometedores ya que una lluvia de más de 10mm permitiría la correcta germinación e implantación de los cultivos invernales.

Después de los primeros diez días de abril la probabilidad de ocurrencia de lluvias cae abruptamente a 30 % para acumular 10mm. Esto quiere decir que 3 de cada 10 años se presentan condiciones de humedad adecuadas para sembrar a fines de abril, si consideramos que la humedad de la cama de siembra se pierde aproximadamente a los 10 días. Entrado el otoño, en la segunda decena de mayo, hay un 40 % de probabilidad de que se den precipitaciones, lo cual es importante por ser una fecha apropiada para la siembra de trigo. A nivel de la Chacra, esta fecha ha comenzado a aprovecharse para intensificar los sistemas.

53

Probabilidad de ocurrencia de precipitaciones (%) % de Lluvias > 10 mm

90%

% de Lluvias > 20 mm

80%

% de Lluvias > 30 mm

70%

% de Lluvias > 40 mm

60%

% de Lluvias > 50 mm

50% 40% 30% 20%

10% 0%

1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 Ene

Feb

Mar

Abr

May

Jun

Jul

Ago

Sep

Oct

Nov

Dic

Figura 2. Probabilidad de ocurrencia de precipitaciones por cada período de 10 días por mes, desde marzo a septiembre, durante los últimos 23 años.

A campo, no siempre es posible aprovechar las recargas hídricas otoñales, ya que durante el mes de marzo nos encontramos con los cultivos estivales aún en pie. En estos casos, la única opción para la implantación de cultivos de servicios es la siembra aérea o con equipos desparramadores del tipo “Altina”. A esto hay que sumarle que los lotes con cultivos de maíz aún se encuentran con un follaje activo y muy abundante, que obstaculiza la llegada de la semilla al suelo por su retención entre la canopia y reduce la luminosidad en el estrato inferior, dos condiciones que atentan contra el éxito de una buena siembra aérea (USDA, 2010).

Para el caso de aquellos lotes que vienen de soja, la situación es un poco más favorable, ya que la leguminosa no sólo alcanza antes la madurez de cosecha, sino que, generalmente también se siembra antes que el maíz. Dependiendo de la fecha de siembra, el grupo de madurez y las condiciones meteorológicas durante el llenado y precosecha; podemos esperar que el cultivo desocupe los primeros lotes a principios de abril, posibilitando que se aprovechen las últimas lluvias importantes de marzo para implantar cultivos de invierno, incluso con sembradoras terrestres. Frente a esta situación, es importante planificar anticipadamente la logística de cosecha y siembra dado su solapamiento.

La experiencia de los miembros de la Chacra nos dice que, en general, los cultivos de soja de grupos “cortos” (GM VI cortos e intermedios) sembrados los primeros días de diciembre

54

desocupan los lotes en forma anticipada, siempre y cuando no se presenten condiciones climáticas adversas que retrasen la cosecha.

En el caso de optar por siembras aéreas sobre soja para adelantar la fecha de siembra de los cultivos de servicio invernales o aprovechar la humedad del perfil, el principal riesgo que perciben los productores es el de comprometer la calidad de la cosecha de la oleaginosa. El cabezal sojero trabaja a pocos centímetros por encima del suelo, por lo que cualquier retraso en la cosecha (condiciones climáticas, falta de maquinaria, etc.) puede significar que el cultivo de servicio crezca por encima de la altura de cosecha, se recolecte e incorpore material verde y humedad a los granos de soja.

2.3.2. Probabilidad de acumulación de lluvias durante el invierno Durante el otoño-invierno y cuando las precipitaciones lo permiten, en general los productores de la Chacra optan por sembrar trigos de ciclo corto e intermedio-corto y garbanzo como cultivos de renta; y Vicia villosa o centeno como cultivos de servicios. Las fechas de siembra para estos cultivos en la zona van desde los primeros días de abril hasta mediados de mayo, dependiendo de los eventos de precipitaciones de cada año.

Durante los meses de abril y mayo podemos esperar 70 % de probabilidades de acumular 85-90mm de lluvia efectiva en el perfil (Fig. 3). Estos milímetros representan un buen aporte hídrico pero insuficiente si consideramos que durante el invierno es muy baja la probabilidad de precipitaciones, o si el agua remanente del cultivo estival fue muy escasa. Es importante destacar que muchos lotes en estas fechas aún se encuentran con cultivos de soja o maíz en llenado de granos y consumirán gran parte del aporte de estas lluvias.

Probabilidad de acumulación de lluvias entre 01/04 y 01/06

100

Lluvia

Probabilidad (%)

90 80

Lluvia efectiva

70 60 50 40 30 20 0

0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340 360 380 400

10

mm de lluvia Figura 3. Probabilidad de acumular lluvias entre abril y mayo.

55

100 90 80 70 60 50 40 30 20 10 0

Probabilidad de acumulación de lluvias entre 01/06 y 15/09 Lluvia Lluvia efectiva

0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300

Probabilidad (%)

Debido al régimen monzónico de la zona (Boletta, 2001) las precipitaciones son muy escasas durante el invierno y hasta fines de septiembre. Es en ese período cuando vuelven a presentarse eventos que recargan los perfiles y posibilitan la siembra de cultivos estivales. Las precipitaciones primaverales ocurren muy tarde como para ser aprovechadas por los cultivos invernales. Desde mayo, hasta la primera quincena de septiembre, sólo hay 50% de probabilidad de acumular 30mm, por lo que es normal que los cultivos invernales transiten la mayor parte de su ciclo de vida sin nuevos aportes importantes de lluvias (Fig. 4).

mm de lluvia

Figura 4. Probabilidad de acumulación de lluvias entre junio y septiembre.

Otro aspecto interesante a observar es la brecha entre los mm de lluvia caídos y los mm de lluvia efectiva durante abril y mayo. Esta diferencia se incrementa a partir de los 100mm acumulados, indicando que dichos valores se alcanzan con pocos eventos de gran caudal e intensidad, ya que mientras mayor sean estos parámetros, un mayor porcentaje de agua escurre y no infiltra en el perfil, aumentado la brecha entre el volumen de agua precipitado y el volumen de agua que realmente ingresa al suelo y queda disponible para el crecimiento de los cultivos.

2.3.3. Probabilidades de recarga primavera-estival El impacto del consumo de agua por parte del cultivo invernal sobre el maíz está estrechamente relacionado con la cantidad de lluvias que ocurran durante el periodo comprendido entre la madurez fisiológica de este último y la siembra del cultivo sucesor, denominado habitualmente como “período de recarga”.

56

En la región de Sacháyoj, las precipitaciones suelen reanudarse tarde en los meses de septiembre-octubre y con bastante erraticidad entre años. Para la serie histórica evaluada, por ejemplo, solo existe un 30 % de posibilidad de acumular 100mm de lluvia en el periodo del 01/8 al 30/10 (Fig. 5).

100

Probabilidad (%)

90 80 70 60 50 40 30 20 10 0

0

50

100

Agosto Ago-Diciembre

150

200

250

300

350

400

Lluvia acumulada (mm)

Ago-Sep�embre Ago-Enero

Ago-Octubre Ago-Febrero

450

500

550

600

Ago-Noviembre

Figura 5. Probabilidad de precipitaciones acumuladas desde el 01/08 al 01/03 para la serie histórica de 1997-2020.

Contar con un análisis de probabilidades de acumular lluvias durante el periodo de recarga nos permite interpretar mejor cuales son los riesgos de consumir el agua del perfil durante el invierno y no reponerla a tiempo para la siembra del cultivo estival (Tabla 2). Asimismo, permite dimensionar la importancia de atrasar la fecha de siembra del maíz si se busca reducir el riesgo lo mayor posible.

Tabla 2. Precipitaciones que se pueden acumular, con determinada probabilidad, mes a mes desde agosto a febrero.

Período (del 01-08 al último día de cada mes)

Probabilidad 30%

40%

50%

60%

70%

80%

Ago-Septiembre

40 mm

35 mm

25 mm

20 mm

10 mm

0 mm

Ago-Octubre

105 mm

90 mm

80 mm

75 mm

50 mm

35 mm

Ago-Noviembre

195 mm

180 mm

165 mm

150 mm

120 mm

110 mm

Ago-Diciembre

280 mm

270 mm

255 mm

250 mm

210 mm

190 mm

Ago-Enero

395 mm

390 mm

375 mm

370 mm

305 mm

240 mm

Ago-Febrero

500 mm

470 mm

445 mm

425 mm

360 mm

345 mm

57

Atrasar la fecha de siembra del maíz para permitir la recarga del perfil es una práctica habitual. En la Figura 6 se muestra como aumentan las probabilidades de acumular lluvias a medida que se atrasa la fecha de siembra en 15 días desde el 1 de diciembre al 15 de enero.

100 90

Probabilidad (%)

80 70

60 50 40 30

20 0

0 15 30 45 60 75 90 105 120 135 150 165 180 195 210 225 240 255 270 285 300 315 330 345 360 375 390 405

10

01-08 al 1-12

Lluvias acumuladas (mm) 01-08 al 15-12 01-08 al 1-01

01-08 al 15-01

Figura 6. Probabilidad de acumular lluvias hasta el 01/12, 15/12, 01/01 y 15/01.

2.3.4. Dinámica del agua y producción de biomasa 2.3.4.1 Dinámica del agua Al momento de la siembra de los cultivos de invierno del año 2021, el perfil se encontraba con el primer metro con buen nivel de reservas hídricas, pero el segundo metro seco (total de 170mm a los 2m); durante el año 2022, sin embargo, el perfil se encontraba con muy buenas reservas hídricas por debajo de los 30cm con un total de 220mm a los 2m (Fig. 7).

58

AU (mm)

AU (mm)

Profundidad (cm)

0

10

20

30

0

40

10

20

30

40

10

10

30

30

50

50

70

70

90

90

110

110

130

130

150

150

Cultivo

170

170

Barbecho

190

190

Campaña 21-22

Campaña 22-23

Figura 7. Contenido de agua útil (AU) promedio de todos los sitios al momento de la siembra del cultivo de invierno para las dos campañas evaluadas.

A excepción del valor a la siembra del cultivo invernal, en ambas campañas el contenido de agua útil (AU) del suelo mostró diferencias estadísticamente significativas entre tratamientos para los distintos momentos de muestreo (Fig. 8).

350

2021-22

AU (mm)

300

2022-23

Barbecho Cultivo

250 200 150 100 50

M Si em F m aí z

in Fl or v ac io n

Si em

M Si em F m aí z

Si em

in Fl or v ac io n

0

Figura 8. Contenidos promedio de AU según momento de muestreo para cada campaña.

59

La diferencia de AU fue mayor en la campaña 21-22, probablemente debido a una mayor disponibilidad del agua de suelo en los horizontes superficiales (0-30cm) respecto a la campaña 22-23; sector que concentra el 60% de la biomasa radical (Fan et al., 2016) por lo que los cultivos aprovecharon mejor el agua almacenada.

El costo hídrico promedio de los sitios fue 44mm en la campaña 21-22 y 75mm en la 22-23.

La evapotranspiración promedio de todos los sitios fue de 167mm, siendo menor en el sitio EE06 con 118mm y mayor en el sitio SP02 con 228mm. La pérdida de agua durante el barbecho largo fue similar para ambas campañas, promediando 51 y 58mm respectivamente, lo que representó aproximadamente un 30% de lo consumido por el cultivo en todo el ciclo (Fig. 9).

Evapotranspiración 21-22: 167 mm (118-228) 22-23: 150 mm (53-270)

Abr

May

Jun

Jul

Ago

Sep

Lluvias 21-22: 325 mm 22-23: 148 mm (62-216)

Oct

Evaporación 21-22: 51 mm (42-64) 22-23: 58 mm (17-91)

Abr

May

Jun

Jul

Ago

Sep

Nov

Dic

Ene

Feb

Mar

Abr

May

Mar

Abr

May

Costo hídrico 21-22: 44 mm (24-73) 22-23: 75 mm (0-135)

Oct

Nov

Dic

Ene

Feb

Figura 9. Representación esquemática de los valores promedio (mín-máx) de evapotranspiración, evaporación y costo hídrico del cultivo vs. barbecho.

La eficiencia del barbecho corto (entendida como el porcentaje del agua precipitada que es efectivamente retenida por el suelo durante el período que va de la cosecha del cultivo invernal a la siembra del estival) fue mayor en la situación con *cultivo (61 % en 21-22 y 28 % en 22-23) vs al barbecho (43% en 21-22 y 12 % en 22-23) debido a que la cobertura permite mayor infiltración de las lluvias y menor pérdida por evaporación (Fig. 10).

60

Ef. barbecho (%)

80

Barbecho Cultivo

60 40 20 0

2021-22

2022-23

Figura 10. Eficiencia del barbecho corto según tratamientos para las distintas campañas.

2.3.4.2 Producción de biomasa y Eficiencia del Uso del Agua (EUA) Los rendimientos en grano fueron similares para el cultivo de trigo en ambas campañas, promediando 1.244 kg ha1 y 1.145 kg ha1 en la 21-22 y 22-23 respectivamente. Para el garbanzo, los rendimientos en grano fueron de 381 y 675kg ha1 para las campañas 21-22 y 22-23.

La producción de biomasa aérea a MF promedio fue de 3.635 kg MS ha 1 durante la campaña 21-22 y 2.660kg MS ha1 durante la 22-23. Durante la campaña 21-22, el sitio EE06 fue el de menor producción de biomasa de todos los sitios con trigo, atribuible a que se encontraba en una posición más baja del terreno y, por ende, las heladas lo afectaron más. Durante la campaña 22-23, fueron los sitios CA02 y EE09 los que mostraron las menores producciones de biomasa aérea, atribuido en este caso a una muy mala implantación de cultivo.

Biomasa (kg.ha-1)

10000

2021-22

2022-23

Grano

8000

Materia seca a MF

6000

Garbanzo Trigo

4000 2000

C

SP

03 A 02 EE * El 0 9 C * El o r a M je ila LA gr 17 o LA S 17 E SO

02

06

SP

EE

EE

02

0

Figura 11. Producción de materia seca y en grano de los distintos sitios de experimentación. *valores de grano no disponibles

61

Consumo-Costo hídrico (mm)

El rendimiento en grano y la producción de biomasa fue mayor en los cultivos que más evapotranspiraron y el costo hídrico a la siembra acompañó esta tendencia en igual medida (Fig. 12) 300

Consumo Costo hídrico

200 100 0

1000

2000

3000

4000

5000

Biomasa a MF (kg ha-1)

-100

Figura 12. Consumo de agua y costo hídrico para el maíz en función de la producción de biomasa.

La EUA promedio para la producción de biomasa aérea fue de 18 y 11kg MS ha1.mm1 para el trigo y el garbanzo respectivamente. Para dichos cultivos, la EUA para la producción de grano fue de 7.6 y 3kg MS ha1.mm1 respectivamente (Fig. 13). La mayor EUA del trigo comparado con el garbanzo podría explicarse por la mayor necesidad energética para acumular biomasa de las leguminosas respecto de las gramíneas.

EUA por cultivo EUA (kg ha-1 mm-1)

30

Biomasa aérea a MF Grano

20

10

0

Trigo

Garbanzo

Figura 13. Eficiencia del uso del agua (EAU) para la biomasa aérea y el grano para ambos cultivos.

62

2.4. COMENTARIOS FINALES Existe alta probabilidad (60-70%) de ocurrencia de lluvias hasta los primeros días de abril, momento a partir del cual se reducen abruptamente hasta ubicarse por debajo del 20% en los meses de invierno.

A mediados de mayo, existe lo que se podría denominar una segunda oportunidad de siembra, aunque con tan solo una probabilidad de ocurrencia de precipitaciones del 30%. Esta coincide con las fechas zonales de siembra de trigo, aunque podrían ser muy tempranas para cultivares de ciclo corto (preferidas por su menor consumo de agua), ya que si se desea la cosecha de grano y el año es frío, los riesgos de sufrir heladas durante espigazón son altos. También cabe destacar que los milímetros caídos en el período abril-mayo (50% de probabilidad de acumular 100mm) no son suficientes para suplir los requerimientos de todo el ciclo de los cultivos invernales, por lo que para tener éxito en la cosecha de grano debemos tener, a la siembra, agua remanente de los cultivos estivales almacenada en el perfil.

Por todo esto, la fecha en que desocupan el lote los cultivos estivales es uno de los motivos que condiciona la posibilidad de aprovechar las últimas lluvias de abril para tener éxito en la implantación de los cultivos invernales. El nicho para las siembras de invierno con equipos terrestres se encuentra después del cultivo de soja, sobre todo en los lotes sembrados temprano con grupos de madurez cortos. En los lotes de maíz para grano, sembrados en las fechas tradicionales de la zona (primeros días de enero) no queda más opción que optar por siembras aéreas para aprovechar la ventana hídrica de siembra.

En esta experiencia, se observó un costo hídrico de 44mm y 75mm promedio en las campañas 21-22 y 22-23 respectivamente. En la campaña 22-23 se observó mayor variabilidad entre sitios (de 0mm a 123mm) debido a que hubo un amplio rango de producción de biomasa, siendo ésta y el costo hídrico directamente proporcionales. Por otro lado, es fundamental el aporte de las precipitaciones durante el periodo de recarga ya que influye directamente sobre el costo hídrico del cultivo estival.

Por otro lado, la intensificación de los sistemas productivos generó un aporte de cobertura y C al suelo durante el invierno, cuando normalmente los lotes se encuentran en barbecho químico. Cabe destacar, que en algunos sitios disminuyó la aplicación de herbicidas para el control de malezas (datos no mostrados).

Identificar la situación inicial respecto a la cantidad de agua contenida en el perfil y su distribución en profundidad es clave para tomar mejores decisiones al momento de decidir la siembra de cultivos invernales. Para ello es importante contar con buenos muestreos de AU a la siembra y conocer el rendimiento potencial alcanzable en función del contenido hídrico inicial del suelo.

La evaporación directa en la situación de barbecho fue importante, promediando 51mm en todos los casos. Lograr que estos mm se aprovechen por los cultivos y que los lotes acumulen buenos niveles de cobertura permitiría aumentar la eficiencia del sistema.

63

A pesar de la baja producción de biomasa, la eficiencia de captura de lluvia aumentó en el rastrojo del cultivo de invierno respecto del barbecho; compensando, al momento de la siembra del maíz, parte del costo hídrico del invernal.

El impacto de los cultivos invernales sobre el sucesor será variable en función del agua consumida y las precipitaciones durante el periodo de recarga. Sumado a eso, tenemos poco conocimiento del rol de otros factores como el N en las mermas de rendimiento del maíz sucesor. Cabe destacar que, al momento de redacción de este informe, aún no se cuenta con los datos de rendimiento del maíz de los ensayos de la campaña 22-23 por encontrarse el cultivo en pie. Con estos datos se podrá medir directamente el impacto que tuvo realizar o no cultivo de invierno de renta en dicha campaña

64

Referencias Baumann, M., Gasparri, I., Piquer-Rodriguez, M., Gavier Pizarro, G., Griffiths, P., Hostert, P., y Kuemmerle, T. (2016). Carbon emissions from agricultural expansion and intensification in the Chaco. Global Change Biology. doi:10.1111/gcb.13521 Boletta, P. (2001). Utilización de información agrometeorológica y satelital para la evaluación de la desertificación en el Chaco Seco - Departamento Moreno, Santiago del Estero. Tesis Magister en Ciencias Agropecuarias, Mención Agrometeorológica, Facultad de Ciencias Agropecuarias, Universidad Nacional de Córdoba, 199.

Calviño, P., y Monzon, J. (2009). Farming Systems of Argentina: Yield Constraints and Risk Management.

Di Rienzo, J., Casanoves, F., Balzarini, M., Gonzalez, L., Tablada, M., y Robledo, C. (2008). InfoStat, versión 2008. Córdoba: Universidad Nacional de Córdoba.

Maddonni, G. A. (2012). Analysis of the climatic constraints to maize production in the current agricultural region of Argentina, a probabilistic approach. Theoretical and Applied Climatology, 107, 325-345.

Morábito, J., Salatino, S., Hernández, R., Schilardi, C., y Álvarez, A. (2015). Spatial distribution of reference crop evapotranspiration and effective rainfall in the central-northeastern provinces of Argentina. Rev. FCA UNCUYO, 47(1), 109-125.

Novelli, L. E., Caviglia, O. P., y Piñeiro, G. (2017). Increased cropping intensity improves crop residue inputs to the soil and aggregate-associated soil organic carbon stocks. Soil and Tillage Research, 165, 128-136.

Osinaga, N. A., Álvarez, C. R., y Taboada, M. A. (2018). Effect of deforestation and subsequent land usemanagement on soil carbon stocksin the South American Chaco. SOIL, 4, 251-257.

Prieto-Angueira, S., Berton, C. M., y Ventura, J. (2019). Efecto de los cultivos de servicio sobre la disponibilidad de agua y nitrógeno y el rendimiento en el cultivo de maíz en Santiago del Estero. Simposio de fertilidad 2019: Conocer más. Crecer mejor., (págs. 272-277). Rosario, Argentina.

USDA. (2010). Aerial Seeding of Cover Crops. USDA, Natural Resources Conservation Service. Des Moines, Iowa: Iowa State Office.

Villarino, S. H., Studderta, G. A., Baldassinic, P., Cendoya, M. G., Ciuffolic, L., Mastrángelo, M., y Piñeiro, G. (2016). Deforestation impacts on soil organic carbon stocks in the Semiarid Chaco Region, Argentina. Sci. Total Environ. doi:10.1016/j.scitotenv.2016.09.175

65

66

CAPÍTULO 3

RESPUESTA A LA DENSIDAD DE SIEMBRA Y FERTILIZACIÓN NITROGENADA EN MAÍZ Victorio Morand1; Guido Di Mauro2; Alejo Ruiz3; Suyai Almirón3; Lina Bosaz3 1 RTD, Chacra Sacháyoj 2 Facultad de Cs. Agrarias, UNR 3 Sistema Chacras, AAPRESID

3.1. INTRODUCCIÓN En los últimos años, el cultivo de maíz en la provincia de Santiago Del Estero ha crecido tanto en superficie sembrada como en los rendimientos alcanzados, llegando a representar el 10% de la producción nacional para este cereal (BCCBA, 2022). Esta zona posee una historia agrícola reciente, producto de la expansión de la frontera productiva que comenzó a finales de los años 90 (Pértile, 2004; Volante et al., 2012) y continúa hasta la actualidad. Al igual que sucede en muchas regiones productivas del norte argentino, la superficie dedicada a la agricultura extensiva se origina en el cambio de uso de suelo del monte nativo, compuesto principalmente por bosques caducifolios xerófitos (Boletta, 2006; Oyarzabal et al., 2018). En un principio, el cambio de vegetación natural hacia sistemas de producción agrícola extensiva de la región Chaco-Santiagueña se inició con predominancia de los cultivos de soja y algodón. Esto relegó al maíz a un lugar de poca relevancia regional, siendo manejado principalmente bajo un esquema de escasa inversión en tecnología y sin adopción de fertilizantes como práctica habitual (Calviño y Monzón, 2009).

67

La introducción del maíz resistente a insectos a fines de la década del 90, permitió expandir las siembras tardías a una amplia gama de ambientes del norte argentino con rendimientos estables (Otegui et al., 2021). En consecuencia, el cultivo de maíz comenzó paulatinamente a consolidarse como un cultivo cada vez más importante en la rotación agrícola, al mismo tiempo que creció gradualmente en tecnología y rendimientos (BCCBA, 2022). Sin embargo, actualmente los rendimientos medios que obtienen los agricultores se encuentran un 30% del rendimiento potencial en condiciones de secano para la zona (Aramburu Merlos et al., 2015). Este hecho puede estar asociado a que la fertilización sigue siendo una práctica poco habitual entre los productores de la zona (BCCBA, 2022). Es probable que la causa principal de la falta de adopción de esta práctica es la ausencia de información local debido a su reciente historia agrícola, a diferencia de lo que ocurre con otras zonas maiceras relevantes como núcleo (Coyos et al., 2018, Ruiz et al., 2021) o litoral argentino (Maltese et al., 2019).

De todos los elementos que son necesarios para la nutrición de los cultivos, el nitrógeno (N) es uno de los más importantes y demandado en mayor cantidad por los vegetales, especialmente las gramíneas como el maíz (Setiyono et al., 2010). Se trata de un macronutriente que cumple funciones esenciales para el crecimiento vegetal, así como influye en la capacidad de interceptar radiación u otros recursos, limitando fuertemente la producción de maíz (Uhart y Andrade, 1995). El rendimiento potencial de maíz de la región Chaco-Santiagüeña es cercano a 10 tn ha1 (Aramburu Merlos et al., 2015). Experimentos in silico sugieren que, para alcanzar ese rendimiento objetivo, se requieren aproximadamente 164 kg N ha1 (Setiyono et al., 2010).

Sin embargo, en las zonas rara vez se alcanzar tales dosis de fertilizantes nitrogenados (Koritschoner et al., 2023), hecho que no sólo compromete el rendimiento del productor, sino además la sustentabilidad ambiental del cultivo al degradar las reservas de materia orgánica (MO) del suelo (Leguizamón et al. 2023).

En este sentido, los suelos de la región presentan una alta tasa de mineralización de MO no sólo debido a las elevadas temperaturas promedio, sino además a los elevados contenidos de C lábil de los suelos recientemente desmontados (Koritko et al., 2019; Vizgarra et al., 2018).

Esto se traduce en una disminución de la oferta de N del suelo (Nsuelo) a medida aumentan los años en agricultura continua. Esta disminución de la oferta de Nsuelo, combinada con la nula reposición y el aumento de la demanda y extracción de N por parte del maíz, permiten suponer un incremento en la respuesta a la fertilización con el paso de los años si se mantiene el modelo productivo actual (Leguizamón et al., 2023, Novelli et al., 2023). Dado que la respuesta a N depende de ciertos parámetros de suelo (Coyos et al., 2018), es esperable que exista una respuesta diferencial al agregado de N vía fertilizantes en lotes que presenten diferencias en los años desde que entran en producción, y por ende, en su capacidad de mineralizar N. Paralelamente, está documentado que la densidad de siembra y el manejo de N en maíz son dos decisiones claves para cerrar las brechas entre los rendimientos reales y potenciales en una región dada (Ruffo et al., 2015). Ambas decisiones muestran fuerte interacción entre sí, lo que implica que la densidad que maximiza el rendimiento está fuertemente condicionada por el nivel de N disponible para el cultivo (Schwalbert et al., 2018). En este sentido, no contamos información local para manejar ambas decisiones en conjunto.

Alternativamente, y frente a la escasez de estudios locales, una opción simple para guiar a

68

los agricultores en el manejo de N y densidad en maíz en la zona bajo estudio es adaptar recomendaciones de otras regiones. A pesar de que es una alternativa válida, dichas curvas pueden estar generadas con suelos, fechas de siembras, genotipos y otras condiciones, poco representativas de la región Chaco-Santiagueña limitando su utilidad (Uhart y Andrade, 1995; Salvagiotti et al., 2011; Díaz Valdez et al., 2019; Gambin et al., 2016, Coyos et al., 2018; Correndo et al., 2021, Vitantonio-Mazzini et al., 2020). Actualmente desconocemos si los modelos de fertilización y densidad generados en otras regiones pueden ayudar a guiar las decisiones agronómicas en el Norte Argentino. Sin embargo, generar modelos de recomendación de N y densidad en maíz para la zona de influencia de la Chacra Sacháyoj puede ayudar a generar modelos más informativos para las condiciones agroecológicas locales.

De esta forma, este capítulo pretende generar información para guiar a los agricultores en el manejo de N y densidad en maíz para la región Chaco-Santiagueña, una zona con reciente historia agrícola, y dónde el maíz es un cultivo relevante en la rotación. Esta información es particularmente relevante para los miembros de la Chacra Sachayoj dado que los sistemas productivos presentan diferente madurez en la adopción de dicha práctica dentro del grupo.

Algunos productores han adoptado hace algunos años la aplicación de N líquido, mientras que otros, están hoy dando sus primeros pasos y sopesando la posibilidad de convertirla en una práctica habitual. Generar información local y adaptada a sus condiciones locales es necesario para que los productores puedan incrementar la productividad y rentabilidad de los sistemas, sin desatender la sustentabilidad ambiental.

Los objetivos particulares de este capítulo fueron: • Ajustar localmente las curvas, respuesta del rendimiento en grano de maíz a la fertilización nitrogenada en la región del Nordeste Santiagueño.

• Explorar la respuesta en rendimiento del maíz a la densidad de siembra en ambientes representativos de la Chacra Sacháyoj.

• Evaluar si la densidad que maximiza el rendimiento varía según los niveles de N disponible para el cultivo de maíz en situaciones productivas de la Chacra.

3.2. MATERIALES Y MÉTODOS Se llevaron a cabo cinco experimentos en lotes de producción durante las campañas 2020-21 y 2021-22 dentro de establecimientos de la Chacra Sacháyoj (Fig. 1). Los años en agricultura de los sitios estuvieron comprendidos entre 3 y 20 (Tabla 1). Las fechas de siembra variaron desde el 23/12 hasta 13/01, siendo estas fechas típicas para la siembra de maíz en la zona. Tanto la siembra, fertilización y cosecha se realizaron con la tecnología disponible del productor, siendo representativas de las condiciones locales de producción. Se controlaron plagas y enfermedades según incidencia y severidad siguiendo los criterios y manejo habitual de cada sitio.

69

En cada sitio se evaluaron cuatro densidades de siembra (45.000, 60.000, 75.000 y 90.000 semillas ha1) y dosis crecientes de fertilizante nitrogenado (Tabla 1). La fuente N utilizada fue principalmente UAN-S (fertilizante líquido, grado 28-0-0 5,2S) a excepción del sitio LP46, donde se utilizó fertilizante granulado al voleo (grado 34-0-0 4,2S 0,86 CaO 2,53 MgO).

Figura 1. Ubicación de los ensayos dónde fueron evaluados diferentes densidades y tratamientos de N en la Chacra Sacháyoj durante dos años.

En cada sitio de experimentos se realizó la caracterización química de suelo al momento de la siembra (N-NO3, porcentaje de materia orgánica, P, S y bases). La lluvia diaria (mm) fue registrada a través de pluviómetros cercanos a cada sitio.

En todos los sitios se empleó un diseño en bloques completos al azar, con al menos dos repeticiones. En dos de los sitios el rendimiento se midió cosechando individualmente cada parcela y pesando con tolvas auto descargables, mientras que en los otros tres sitios se determinó por procesamiento de los mapas de rendimiento de las cosechadoras (Tabla 1). Se determinó peso de mil granos para cada tratamiento.

En primer lugar, se evaluó mediante un análisis ANOVA si los factores experimentales evaluados (N, densidad y su interacción) presentaron diferencias estadísticamente significativas.

En el caso de encontrarlas, se realizó posteriormente un test de comparación de medias LSD-Fischer con nivel de significancia del 5%. Esto fue planteado individualmente por sitio, y un análisis global que agrupó todos los sitios. Estos análisis fueron realizados con el software esta-

70

dístico INFOSTAT (Di Rienzo et al., 2008).

En segundo lugar, se ajustó un modelo lineal cuadrático de respuesta en rendimiento para cada densidad en función del N total (suelo más fertilizante aplicado) con el software GraphPad Prism. Alternativamente, se ajustó la respuesta del rendimiento al contenido de N (suelo más fertilizante) según el índice ambiental empleando el software estadístico R 4.3.0 (R Core Team, 2023). El índice ambiental (kg ha1) fue definido como el promedio del rendimiento para todos los tratamientos de N dentro de cada densidad-sitio. Para ello, se incluyó el índice ambiental como una covariable cuantitativa del modelo.

Tabla 1. Descripción de los ensayos dónde fueron evaluados diferentes densidades y tratamientos de N en la Chacra Sacháyoj durante dos años.

SITIO*

HÍBRIDO

CANTIDAD DE TRATAMIENTOS**

ANTECESOR

AÑOS AGRICULTURA

SIEMBRA

COSECHA

LA16 C

P2089

5 (0, 30, 60, 120 y 150 kg N ha-1)

Soja

18

05/01/21

13/07/21

LM O

P2089

5 (0, 30, 60, 120 y 150 kg N ha-1)

Soja

20

13/01/21

23/07/21

CA 01

PWU 510

4 (0, 60, 120 y 150 kg N ha-1)

Soja-trigo

10

06/01/21

12/07/21

GT 02

PWU 510

5 (0, 50, 100, 150, 200 kg N ha-1)

Trigo

17

23/12/21

28/06/22

LP 46

DK 7320

5 (0, 50, 100, 150, 200 kg N ha-1)

Algodón

3

08/01/22

29/07/22

* Para ver detalles de ubicación de los sitios ver Fig. 1. ** entre paréntesis, detalle de las dosis de N evaluadas en cada sitio.

Además, por mostrar las mayores respuestas a la fertilización, la densidad e interacción positiva entre ambos, se analizó el caso del sitio GT02 también por separado. Para el mismo, se calculó la Eficiencia Agronómica del Fertilizante (EAF; Doberman, 2007) como:

EAF (kg maíz. kg N-1) =

Rend. tratamiento (kg.ha-1) - Rend. testigo (kg.ha-1) Dosis de fertilizante (kg N.ha-1)

Para el análisis de respuesta económica y agronómica se obtuvo la Eficiencia de Uso Marginal a partir de la primera derivada de las funciones ajustadas para cada densidad. A ésta se la comparó con la relación insumo/producto actual para encontrar la disponibilidad óptima económica

71

del nutriente (DOEN) y se tomó el valor que vuelve 0 la función como la disponibilidad óptima agronómica del nutriente (DOAN).

3.3. RESULTADOS 3.3.1. Caracterización de los sitios La campaña 2020-21 se caracterizó por un régimen hídrico 66% inferior al promedio de los últimos 18 años (807mm). La lluvia promedio a través de los sitios fue de 535mm anuales. Con pocas diferencias entre sitios, el déficit ocurrió desde diciembre a febrero, afectando los primeros estadios de desarrollo hasta floración.

A fines de marzo un solo evento de 80-100mm revirtió la situación de déficit hídrico y junto a las sucesivas lluvias de abril, logró cubrir la demanda del cultivo durante el llenado de granos (Fig. 2). De los cuatro sitios evaluados, el lote LM O fue el de menor precipitaciones con 503mm, seguido por CA 01 con 520mm y LA 16 C con 584mm.

En la campaña 2021-22 las precipitaciones promediaron 880mm anuales, ubicándose el sitio GT 02 levemente por debajo de la media histórica con 739mm y el sitio LP 46 por encima de la misma con 1036mm anuales. Los mayores acumulados se dieron en el periodo de recarga previo a la siembra del cultivo en el mes de noviembre; y en llenado de granos en el mes de marzo.

400

Campaña 2020-21 Campaña 2021-22 Precipitaciones históricas 2002-2020

Precipitaciones (mm)

350 300 250 200 150 100 50 0

jul

ago

sep

oct

nov

dic

ene

feb

mar

abr

may

jun

Figura 2. Precipitaciones (mm) mensuales promedios de todos los sitios durante las campañas 20-21 y 21-22.

La línea gris representa los promedios históricos.

72

El análisis de suelo arrojó un contenido de materia orgánica (MO) promedio de todos los sitios de 2,6 % (Tabla 2). Por su parte, el contenido de N-NO3 (0-60 cm) promedió 92 kg N ha1.

Los valores mínimos de N-NO3 (0-60 cm) fueron de 63,7 kg N ha1, correspondiente al sitio GT 02 con antecesor trigo; los valores máximos fueron de 157,3 kg N ha1 y se observaron en el sitio LP46. Este último presentó como antecesor algodón seguido de un barbecho químico largo y posee muy pocos años de agricultura, razón por la cual los elevados niveles de N en suelo.

Tabla 2. Resultados análisis de suelo en pre-siembra: MO(%), S de 0-20cm (kg ha1 ), N-NO3 de 0-20 y 20-60cm (kg ha1 ) y N-NO3 total (kg ha1).

SITIO

MO

S-SO4 0-20cm (kg ha1)

N-NO3 0-20cm (kg ha1)

N-NO3 20-60cm (kg ha1)

N-NO3 0-60cm (kg ha1)

LMO

2,7

26,4

43,2

36,4

79,6

LA 16C

2,6

28,0

38,4

31,2

69,6

CA01

3,0

36,6

42,4

35,0

77,4

GT02

2,4

47,9

31,0

32,7

63,7

LP 46

3,9

54,5

68,8

88,5

157,3

PROMEDIO

2,6

41,8

45,1

46,9

92,0

3.3.2. Respuesta productiva El rango de rendimiento explorado en este trabajo fue de 5.790 a 13.635 kg ha1. El análisis estadístico realizado a nivel de sitio indicó que, de los cinco sitios evaluados, la respuesta al N total fue estadísticamente significativa en tres, la densidad en cuatro y la interacción entre ambas sólo en dos (Tabla 3).

De los tres sitios con respuesta significativa al N total, dos tenían como cultivo antecesor trigo y ambos más de diez años de agricultura continua. Por otra parte, destaca el caso del sitio LP46

73

que, a pesar de haber obtenido altos rendimiento (alrededor de 12.000 kg ha1), mostró respuesta nula a la fertilización, muy posiblemente debido los elevados contenidos de MO y N-NO3 del sitio (Tabla 2 y 3). Esto pone en evidencia que la respuesta a la fertilización depende de múltiples factores y que es fundamental identificar aquellos que tengan más peso dentro de los sistemas productivos de la zona para mejorar el diagnóstico de los requerimientos de fertilización. (Correndo et al.; 2021; Coyos et al.; 2018).

El sitio CA02 fue el único dónde los tratamientos de densidad no tuvieron un efecto estadísticamente significativo. Esto puede atribuirse a que fue el sitio de menor potencial de rendimiento.

Tabla 3. Significancia estadística (p-valor) para N total, densidad y su interacción para los distintos sitios de la Chacra Sacháyoj durante dos años.

SITIOS LMO

LA 16C

CA01

GT 02

LP 46

TODOS

N total (suelo + fertilizante)

0,0004

ns

<0,0001

<0,0001

ns

<0,0001

Densidad

<0,0001

<0,0001

ns

<0,0001

<0,0001

<0,0001

Interacción

0,0424

ns

ns

<0,0001

ns

<0,0001

ns: no significativo con p-valor > 0,05

Dens x N Rend Rendimiento (kg ha-1)

15000

45 mil 60 mil 75 mil

10000

90 mil

5000 0

100

200

300

400

N fert+suelo (kg N ha-1) Figura 3. Rendimiento en grano en función del N total y la densidad de siembra. Los distintos símbolos corresponden a las diferentes densidades de siembra y las líneas a la función de ajuste para cada densidad.

74

Al evaluar la relación entre el rendimiento alcanzado y el N total, la diferencia entre los tratamientos testigo y los fertilizados fue mayor en las densidades más elevadas (Fig.3). Al incluir todos los datos en el análisis (ambas campañas y sitios con diferentes antecesores), el ajuste de la curva por cada densidad no fue muy bueno, como reflejan los coeficientes de determinación R2 obtenidos (Tabla 4).

Tabla 4. Estimadores y coeficiente de determinación (R2) de las ecuaciones de respuesta al contenido de N total ajustadas para las distintas densidades de siembra.

ESTIMADOR

45 mil sem ha1

60 mil sem ha1

75 mil sem ha1

90 mil sem ha1

β0

6.633

5.734

4.980

5.090

β1

23,28

27,23

39,29

36,57

β2

-0,03905

-0,0356

-0,05735

-0,04682

R2

0,39

0,48

0,52

0,45

Rendimiento (kg ha-1)

Al incorporar el índice ambiental como variable cuantitativa al modelo, se observó que la curva de respuesta al N alcanza el plateau en valores mayores de N total a medida que aumenta el índice ambiental (Fig. 4). Esto quiere decir que la Disponibilidad Óptima Agronómica de N (DOAN) aumenta cuando aumenta el potencial del sitio. Estos resultados son coincidentes con lo reportado por Correndo et al. (2021) para maíz en zona pampeana.

N total (kg N ha-1) Figura 4. Rendimiento en grano en función al N total según el índice ambiental.

75

3.3.3. Análisis de caso: la interacción densidad por fertilización en el sitio GT02 El sitio GT02 de la campaña 2021-22 fue el ensayo que mayor respuesta registró tanto a la fertilización cómo a la densidad, siendo ambas estadísticamente significativas (p<0,0001). Con una campaña de 739mm, de los cuales 440 mm se dieron durante el ciclo del cultivo y muy bien distribuidos, el maíz pudo explotar su potencial y se alcanzaron rendimientos máximos de 13.470 kg ha1 correspondiente a la combinación de 90 mil sem ha1 y 200 kg N ha1. Para todas las densidades, los testigos con 0 kg N ha1 aplicado no mostraron diferencias significativas.

15 Rendimiento (tn ha-1)

GT 02

a)

45 mil 60 mil 75 mi 90 mil

10

5

0

0

100

200

300 -1

N suelo + fertilizante (kg ha )

Figura 5. Rendimiento en función del N total para cada densidad.

La interacción entre ambas variables también fue estadísticamente significativa (p<0,0001), lo que se ve reflejado en el hecho de que, la diferencia de rendimiento entre las distintas densidades fue cada vez mayor a medida que aumentaba la dosis de fertilizante (Fig. 5) Esta interacción también se vio reflejada en la Eficiencia Agronómica del Fertilizante (EAF), que se incrementó al aumentar la densidad de siembra debido a que un mayor stand de plantas permitió aprovechar mejor los recursos disponibles. Como es de esperar, dentro de una misma densidad de siembra, la EAF disminuyó a medida que se aumentó la dosis fertilizante (Fig. 6).

76

EAF (kg maiz kg N-1)

80

45 mil 60 mil

60

75 mi 90 mil

40 20

5 100 N 150 N 200 N 0 N 50 10 N 150 N 20 0 N 0 N 50 10 N 150 N 20 0 N 0 N 50 10 N 150 N 200 N 0 N

0

Figura 6. Eficiencia Agronómica del Fertilizante según dosis aplicada y densidad de siembra para el sitio GT02.

3.3.3.1. Análisis económico Para realizar el análisis económico fue necesario tener en cuenta variables que no son estables en el tiempo como el precio percibido por cada tonelada de grano vendida o el costo del fertilizante, el de costo de aplicación y los costos de flete. Por este motivo, indicadores como el margen bruto deben ser recalculados cada vez que se presenta variación en los precios de insumos o granos.

Para evitar este trabajo, se puede recurrir a la utilización de la derivada de la función de rendimiento ajustada con los datos del experimento. La misma representa el incremento en kg de maíz ha1 por cada incremento unitario de N total, y se denomina Eficiencia de Uso del Nutriente marginal (EUN marginal; Doberman, 2007). Así, reemplazando en la ecuación de esta última el valor de “y” con la relación de precio insumo/producto del momento y despejando el valor de “x”, se obtiene la Disponibilidad Óptima Económica del Nutriente (DOEN), que representa el valor de N total al cual deja de ser rentable seguir aumentado la cantidad de fertilizante aplicado.

Para un mismo valor de N total, la EUN marginal fue mayor a medida que se incrementó la densidad (Fig. 7), indicando que para este sitio cada unidad de N aplicado fue más eficiente para producir granos a medida que se aumentó la densidad de siembra.

77

80

45 mil 60 mil 75 mil

EUN marginal

60

90 mil

40 20 0

100

200

300

-1

kg N ha (suelo + fertilizante)

Figura 7. Eficiencia de Uso Marginal (kg maíz kg N1) del fertilizante en función del N disponible.

La DOAN (y por consiguiente también la DOEN) aumentó a medida que se incrementó la densidad de siembra desde un mínimo de 235 kg N ha1 a 283 kg N ha1 (Tabla 5).

Tabla 5. Primera derivada de la función, DOAN y DOEN para cada densidad del sitio GT 02.

DENSIDAD

PRIMERA DERIVADA

DISPONIBILIDAD ÓPTIMA AGRONÓMICA DEL NUTRIENTE (DOAN)

DISPONIBILIDAD ÓPTIMA ECONÓMICA DEL NUTRIENTE (DOEN)

45 mil

Y = -0,2146x + 50,42

235 kg N ha1

168 kg N ha1

60 mil

Y = -0,19316x + 53,11

275 kg N ha1

201 kg N ha1

75 mil

Y = -0,2532x + 70,11

277 kg N ha1

221 kg N ha1

90 mil

Y = -0,2698x + 76,29

283 kg N ha1

230 kg N ha1

*calculada a partir de precios y costos reales percibidos en la campaña 21-22.

78

3.4. COMENTARIOS FINALES

Es posible aumentar la productividad del cultivo de maíz a través de la incorporación de fertilizantes y el aumento de densidad de siembra. Se comprobó que existen situaciones que muestran una fuerte interacción entre densidad de siembra y fertilización en los ambientes de la Chacra. Ser estratégicos en combinar estas dos variables de manejo incrementa los rendimientos y aumenta la eficiencia de uso del fertilizante cuando hay respuesta positiva al mismo.

La magnitud de la respuesta a la fertilización varió según los sitios evaluados y las densidades empleadas. En tres de los cinco sitios se encontró respuesta estadísticamente significativa al agregado de N. Para aumentar la probabilidad de éxito en la fertilización, resulta fundamental identificar las variables que más influencia tienen en la respuesta a la misma e incluirlas en el diagnóstico previo. Antecesor y años de agricultura parecieran ser las más interesantes de seguir en nuestra zona. Con la creciente intensificación en los sistemas de la Chacra, el maíz de segunda sobre gramíneas invernales es cada vez más habitual y la inmovilización del N del antecesor invernal podría estar limitando la disponibilidad del nutriente, por ende, se vuelve importante contar con información sobre el ajuste de la fertilización en estas situaciones.

En los casos donde hay respuesta a la fertilización, la dosis óptima de fertilizante y la magnitud de la respuesta respecto al testigo aumenta con el potencial del ambiente. Esta información permite orientar el manejo de la fertilización, priorizando lotes de alta productividad con bajos contenidos de N inicial, escenario en el cual la brecha de rendimiento respecto al máximo alcanzable es mayor.

79

Referencias Andrade, F. H., y Sadras, V. O. (2002). Bases para el manejo del maíz, el girasol y la soja. Balcarce, Argentina: Ediciones INTA. Aramburu Merlos, F., Monzon, J. P., Mercau, J. L., Taboada, M., Andrade, F. H., Hall, A. J., . . . Grassini, P. (2015). Potential for crop production increase in Argentina through closure of existing yield gaps. Field Crops Research, 184, 145–154.

BCCBA. (10 de Febrero de 2023). Bolsa de Cereales de Córdoba. Obtenido de https://www.bccba.org.ar/informes/calculos-finales-de-produccion-de-maiz-en-santiago-del-estero-campana-2021-22/ Boletta, P. (2001). Utilización de información agrometeorológica y satelital para la evaluación de la desertificación en el Chaco Seco - Departamento Moreno, Santiago del Estero. Tesis Magister en Ciencias Agropecuarias, Mención Agrometeorológica, Facultad de Ciencias Agropecuarias, Universidad Nacional de Córdoba, 199.

Calviño, P., y Monzon, J. (2009). Farming Systems of Argentina: Yield Constraints and Risk Management.

Correndo, A. A., Gutiérrez-Boem, F., García, F., Alvarez, C., Álvarez, C., Angeli, A., . . . Salvagiotti, F. (2021). Attainable yield and soil texture as drivers of maize response to nitrogen: A synthesis analysis for Argentina. Field Crops Research, 273.

Coyos, T., Borrás, L., y Gambin, B. L. (2018). Site-specific covariates affecting yield response to nitrogen of late-sown maize in central Argentina. Agronomy Journal, 110(4), 1544-1553.

Di Rienzo, J., Casanoves, F., Balzarini, M., Gonzalez, L., Tablada, M., y Robledo, C. (2008). InfoStat, versión 2008. Córdoba: Universidad Nacional de Córdoba.

Díaz Valdez, S. T., y García, F. O. (2020). Calibración de umbrales críticol de nitrógeno disponible en el suelo para maíz tardío en Entre Ríos. Ciencia del Suelo, 38(1), 106-120.

Dobermann, A. (2007). Nutrient use efficiency – measurement and management. Fertilizer Best Management Practices (págs. 1-28). Paris, France: International Fertilizer Industry Association.

80

Gambin, B. L., Coyos, T., Di Mauro, G., Borrás, L., y Garibaldi, L. A. (2016).

Exploring genotype, management, and environmental variables influencing grain yield of late-sown maize in central Argentina. Agricultural Systems, 146, 11-19.

Koritko, L. M., Suárez, R. A., Anriquez, A. L., Pece, M., y Albanes, A. (2019).

Efecto de la siembra directa en la estabilización del carbono orgánico del suelo a escala de sitio en Santiago del Estero, Argentina. Rev. Agron. Noroeste Argent., 39(1), 9-18.

Koritschoner, J. J., Whitworth Hulse, J. I., Cuchietti, A., y Arrieta, E. M. (2023).

Spatial patterns of nutrients balance of major crops in Argentina. Science of The Total Environment, 858, Article 159863.

Leguizamón, Y., Goldenberg, M. G., Jobbágy, E., Seppelt, R., y Garibaldi, A. (2023). Environmental potential for crop production and tenure regime influence fertilizer application and soil nutrient mining in soybean and maize crops.

Agricultural Systems, 210.

Maddonni, G. A. (2012). Analysis of the climatic constraints to maize production in the current agricultural region of Argentina, a probabilistic approach.

Theoretical and Applied Climatology, 107, 325-345.

Maltese, N. E., Melchiori, R. J., Maddonni, G. A., Ferreyra, J. M., y Caviglia, O. P. (2019). Nitrogen economy of early and late-sown maize crops. Field Crops Research, 231, 40-50.

Morábito, J., Salatino, S., Hernández, R., Schilardi, C., y Álvarez, A. (2015).

Spatial distribution of reference crop evapotranspiration and effective rainfall in the central-northeastern provinces of Argentina. Rev. FCA UNCUYO, 47(1), 109-125.

Novelli, L. E., Caviglia, O. P., Jobbágy, E. G., y Sadras, V. O. (2023). Diversified crop sequences to reduce soil nitrogen mining in agroecosystems. Agriculture, Ecosystems and Environment, 341.

Otegui, M. E., Riglos, M., y Mercau, J. L. (2021). Genetically modified maize hybrids and delayed sowing reduced drought effects across a rainfall gradient in temperate Argentina. Journal of Experimental Botany, 72, 5180–5188.

Oyarzabal, M., Clavijo, J., Oakley, L., Biganzoli, F., Tognetti, P., Barberis, I., . . . León, R. J. (2018). Unidades de vegetación de la Arentina. Ecología Austral, 28, 40-63.

81

Pértile, V. (2004). Ampliación de la frontera agropecuaria chaqueña- El Oeste Chaqueño y el cultivo algodonero. Revista Geográfica Digital, UNNE, Facultad de Humanidades. IGUNNE. Resistencia, Chaco, Argentina, 1(1).

R Core Team. (2023). R: A Language and Environment for Statistical Computing. Vienna, Austria. Obtenido de https://www.R-project.org/ Ruffo, M. L., Gentry, L. F., Henninger, A. S., Seebauer, J. R., y Below, F. E. (2015). Evaluating management factor contributions to reduce corn yield gaps.

Agronomy Journal, 107(2), 495-505.

Ruiz, A., Salvagiotti, F., Gambin, B. L., y Borrás, L. (2021). Maize nitrogen management in soils with influencing water tables within optimum depth. Crop Science, 61(2), 1386–1399.

Salvagiotti, F., Caastellarín, J. M., Ferraguti, F. J., y Pedrol, H. M. (2011). Dosis óptima económica de nitrógeno en maíz según potencial de producción y disponibilidad de nitrógeno en la región pampeana norte. Ciencia del Suelo, 29(2), 199-212.

Schwalbert, R., Amado, T. J., Horbe, T. A., Stefanello, L. O., Assefa, Y., V., P. V., . . . Ciampitti, I. A. (2018). Corn yield response to plant density and nitrogen: spatial models and yield distribution. Agronomy Journal, 110, 970-982.

Setiyono, T. D., Walters, D. T., Cassman, K. G., Witt, C., y Dobermann, A. (2010). Estimating maize nutrient uptake requirements. Field Crops Research, 118, 158–168.

Uhart, S. A., y Andrade, F. H. (1995). Nitrogen deficiency in maize: I. effects on crop growths, development, dry matter partitioning and kernel set. Crop science, 35(1376-1383).

Vitantonio-Mazzini, L. N., Borrás, L., Garibaldi, L. A., Pérez, D. H., Gallo, S., y Gambin, B. L. (2020). Management options for reducing maize yield gaps in contrasting sowing dates. Field Crops Research, 251.

Vizgarra, L., Moretti, L., y Schulz, G. y. (Edits.). (2018). Carta de suelos de República Argentina subcuenca “La Esperanza”, departamento Moreno, provincia de Santiago del Estero. Quimilí, Santiago del Estero, Argentina: Ediciones INTA. doi:ISBN 978-987-521-924-3 Volante, J. N., Alcaraz-Segura, D., Mosciaro, M. J., Viglizzo, E. F., y Paruelo, J. M. (2012). Ecosystem functional changes associated eith land clearing in NW Argentina. Agriculture, Ecosystems and Environment, 154, 12-22.

82

83

CAPÍTULO 4

AJUSTE DE DENSIDAD DE SIEMBRA EN SOJA EN AMBIENTES DE PRODUCTIVIDAD CONTRASTANTES Victorio Morand1, Alejo Ruiz2, Suyai Almirón2; Lina Bosaz2 1 RTD, Chacra Sacháyoj 2 Sistema Chacras, AAPRESID

4.1. INTRODUCCIÓN La reciente y rápida incorporación de las tecnologías de agricultura de precisión genera nuevos desafíos para su implementación y necesidades de ajustes en los sistemas productivos de la Chacra Sacháyoj, Santiago del Estero. Dentro de las distintas opciones para realizar un manejo sitio-específico de los cultivos extensivos, la siembra variable es una de las más difundidas y comúnmente adoptada.

Si bien, la dosificación variable de semillas es muy implementada en maíz, también es posible de aplicar en soja sin necesidad de realizar inversiones extras en la sembradora. Por esta

84

razón, los productores que tienen acceso a esta tecnología también la emplean para la siembra variable de soja.

Esta práctica en el cultivo de soja busca aumentar la densidad en los ambientes de baja productividad para compensar con un mayor número de plantas la falta de ramificación, de estructuras reproductivas por planta y las fallas de implantación (Carciochi et al., 2019). Al mismo tiempo que se busca disminuir la densidad en ambientes de alta productividad, haciendo un uso más eficiente del insumo semilla. Sin embargo, muchas son aún las incógnitas sobre la respuesta al aumento o disminución de la densidad de siembra en este cultivo en la zona del Chaco Santiagüeño.

El objetivo de este trabajo fue explorar la respuesta a la densidad de siembra de soja en dos sectores del lote de productividad contrastante, definidos a priori por su posición en el paisaje como bajo y loma.

4.2. MATERIALES Y MÉTODOS Se realizaron ensayos experimentales en dos lotes en dos campañas agrícolas dentro de los establecimientos de la Chacra Sacháyoj (Tabla 1), correspondientes a la firma GATTO HNOS (Pasquini N) y MOSCHEN HNOS (LP47 E C3). Ambos estudios se plantearon con un diseño en bloques completos al azar.

Tabla 1. Sitios, materiales, fechas de siembra y cosecha en cada sitio evaluado.

SITIO

CAMPAÑA

VARIEDAD

GM

FECHA DE SIEMBRA

FECHA DE COSECHA

1-Pasquini N

2020/21

DM 67i70 IPRO

VI largo

02-01-21

23-05-21

2-LP47 E C3

2021/22

DM 67i70 IPRO

VI largo

18-12-22

01-05-22

A los 35 días después de la siembra se determinó cobertura a través de la app CANOPEO. Los datos de rendimiento se obtuvieron por pesaje de las tolvas autodescargables en caso del sitio 1 y a través del mapeo de rendimiento en el sitio 2. Los datos de rendimiento se expresan a humedad comercial 13,5%.

Los tratamientos evaluados correspondieron a 5 (sitio 1) y 6 (sitio 2) densidades de siembra en dos sectores de productividad contrastante del lote (loma y bajo). Las densidades evaluadas fueron 150.000, 210.000, 240.000, 290.000, 350.000 y 400.000 semillas ha1. El distanciamiento entre surcos fue de 42cm para el sitio 1 y de 52cm para el sitio 2. Los datos se analizaron a través del software estadístico INFOSTAT (Di Rienzo et al., 2008).

85

4.3. RESULTADOS Y DISCUSIÓN La campaña 20/21 fue mucho más restrictiva en cuanto a lluvias que la 21/22. En la primera se dieron 530mm versus 960mm de la segunda. Como es de esperar, la brecha de rendimiento entre bajo y loma fue más marcada en la campaña seca. La misma fue de 1.284 kg ha1 en la campaña 20/21 y de 275 kg ha1 en la 21/22.

En la Figura 1 se puede observar el aumento del porcentaje de cobertura a medida que se incrementa la densidad de siembra, medido a los 35 días después de la siembra. A su vez, fue muy evidente la diferencia de crecimiento entre los dos ambientes, alcanzando para el mismo momento valores de 65 a 80 % de cobertura en la loma y 25 a 35% en el bajo durante la campaña 20/21 y de 70% a 85% en la loma contra 50% a 75% en el bajo durante la campaña 21/22.

Campaña 2021/22

Campaña 2020/21 100%

y = -3E-06x2 + 0.0019x + 0.5037 R² = 0.5436

y = -5E-06x2 + 0.0039x + 0.0299 R² = 0.5665

90% 80%

Cobertura

70% 60% 50%

y = -2E-06x2 + 0.0017x + 0.2826 R² = 0.7105

y = 3E-07x2 + 0.0002x + 0.1885 R² = 0.2421

40%

30%

Loma

20%

Bajo

10% 0%

150

250

350

Miles de semillas ha-1

450

150

250

350

Miles de semillas ha-1

450

Figura 1. Porcentaje de cobertura de suelo a los 35 días desde la siembra (DDS) para las densidades evaluadas en dos ambientes contrastantes (Bajo y Loma).

Al aumentar la densidad se incrementó el porcentaje de cobertura del canopeo, al menos durante los estadios iniciales del cultivo. No obstante, aún a bajas densidades, la alta plasticidad vegetativa de la especie le permitió llegar al período crítico para la determinación del rendimiento con altos valores de área foliar. (Malone et al., 2002; Andrade, 1995). En la Tabla 2 se pueden observar los resultados obtenidos en rendimiento para las densidades evaluadas en los distintos ambientes.

86

Tabla 2. Rendimiento (kg ha1) de distintas densidades en loma y bajo.

AMBIENTE

Bajo

Alto

DENSIDAD DE SEMILLA

RENDIMIENTO (kg ha1) CAMPAÑA 20/21

RENDIMIENTO (kg ha1) CAMPAÑA 21/22

150 mil

-

4.243 ABCD

210 mil

1.754 A

4.038 A

240 mil

1.760 A

4.205 ABC

290 mil

1.690 A

4.096 AB

350 mil

1.848 A

4.395 BCD

400 mil

1.743 A

4.242 ABCD

150 mil

-

4.474 CD

210 mil

2.926 B

4.457 CD

240 mil

3.143 B

4.437 CD

290 mil

2.922 B

4.469 CD

350 mil

3.047 B

4.547 D

400 mil

3.179 B

4.489 CD

FUENTE DE VARIACIÓN

P VALOR

Densidad

ns

ns

Ambiente

<0,0001

0,0002

Bloque

ns

ns

Densidad x Ambiente

ns

ns

ns, no significativo; letras iguales no difieren significativamente.

Para ambas campañas, el rendimiento no mostró diferencias significativas entre las distintas densidades de siembra, pero si entre loma y bajo (p valor <0,001) siendo el promedio de rendimiento en el ambiente bajo 1.760 kg ha1 y en la loma 3.043 kg ha1 para la campaña 20/21 y de 4.203 kg ha1 para el bajo y 4.479 kg ha1 para la campaña 21/22 (Figura 2).

87

5000

Rendimiento (kg ha-1)

4500 4000 3500 3000

2500 2000 1500 1000 500 0

150,000

210,000

240,000

290,000

350,000

400,000

Densidad (sem ha-1) Bajo Campaña 20/21 Bajo Campaña 21/22

Loma Campaña 20/21 Loma Campaña 21/22

Figura 2. Rendimiento en granos para las distintas densidades en bajo y loma para las dos campañas evaluadas.

La bibliografía muestra resultados variables respecto a la respuesta a la densidad de siembra en soja, algunos autores no encuentran diferencias (Cox et al., 2010; Da silva et al., 2021; Di mauro et al., 2019) coincidiendo con lo observado en esta primera experiencia de la Chacra; mientras que otros sí reportan caídas de rendimiento al disminuir densidades de siembra (Cox and Cherney, 2011; Walker et al., 2010; Hicks et al., 1990) aunque solo para tratamientos de menor densidad respecto a los evaluados. Carciochi et al. (2019), en cambio, encuentran que la respuesta a la densidad depende del potencial del ambiente en el cual se encuentra el cultivo y que es mayor cuanto peor es la calidad del ambiente.

También es importante remarcar que la mayor parte de la bibliografía proviene de trabajos en regiones templadas de Norteamérica o Argentina, con grupos de madurez cortos menores a IV. Poca es la información referida a nuestros ambientes subtropicales y con GM VI-VII que habitualmente se siembran en la zona.

Adicionalmente, conocer la capacidad de compensación de la soja en bajas densidades se vuelve muy útil al momento de decidir resiembra de lotes con bajo stand de plantas. Gaspar y Conley (2015) encontraron que resembrar el cultivo solo aumentó el rendimiento cuando el stand inicial está por debajo de 91.000 planta ha1 para Wisconsin, EE.UU. En el sur de Brazil, Corassa et al. (2018) halló que la densidad de siembra en ambientes de alta productividad puede reducirse un 18% sin afectar al rendimiento, en coincidencia con lo hallado en nuestro estudio.

88

4.4. COMENTARIOS FINALES

No se encontraron diferencias de rendimiento en ninguno de los tratamientos de densidad de siembra en las dos campañas evaluadas. Sí se hallaron diferencias significativas entre ambientes, pero no interacción entre densidad de siembra y ambiente, indicando la gran plasticidad del cultivo. A partir de lo observado se plantea si el ajuste de la densidad de siembra no debería orientarse hacia una estrategia de ahorro de insumos, sobre todo en ambientes de alta productividad.

Esta primera experiencia involucró dos sitios en dos campañas con una variedad de grupo de madurez VI, aspecto indicado por la bibliografía como uno de los más influyentes en la respuesta (Madias et al., 2021; Corassa et al., 2018b; Edwards y Purcell, 2005). Además, podría ser relevante involucrar otras variables de estudio importantes desde el punto de vista agronómico y la sustentabilidad de los sistemas productivos. Algunas de éstas pueden ser la incidencia de enfermedades, el control de malezas y el aporte de biomasa y raíces. Sumar información en campañas venideras y con distintas variedades podría ayudar a confirmar o refutar la tendencia.

89

Referencias Andrade, F. H. (1995). Analysis of growth and yield of maize, sunflower and soybean grown at Balcarce, Argentina. Field Crops Research, 41(1), 1-12.

Carciochi, W. D., Schwalbert, R., Andrade, F. H., Corassa, G. M., Carter, P., Gaspar, A. P., . . . Ciampitti, I. A. (2019). Soybean seed yield response to plant density by yield environment in North America. Agronomy Journal, III(4), 1923-1932.

Corassa, G. M., Amado, J. C., Strieder, M. L., Schwalbert, R., Pires, J. L., Carter, P. R., y Ciampitti, I. A. (2018). Optimum Soybean Seeding Rates by Yield Environment in southern brazil. Agronomy Journal, 110(6), 1-9.

Corassa, G. M., Santi, A. L., Amado, T. J., Reimche, G. B., Gaviraghi, R., Bisognin, M. B., y Pires, J. L. (2018b). Performance of soybean varieties differs according to yield class: a case study from Southern Brazil. Precision Agriculture.

Cox, W. J., y Cherney, J. H. (2011). Growth and yield responses of soybean to row spacing and seeding rates. Agronomy Journal, 103(1), 123-128.

Cox, W. J., Cherney, J. H., y Shields, E. (2010). Soybeans compensate at low seeding rates but not at high thinning rates. Agronomy Journal, 102(4), 1238-1243.

Da Silva, E. E., Rojo Baio, F. H., Teodoro, L. P., Silva Campos, C. N., Barbosa Plaster, O., y Teodoro, P. E. (2021). Variable-rate seeding in soybean according to soil attributes related to grain yield. Precision Agriculture.

Di Mauro, G., Borrás, L., Rugeroni, P., y Rotundo, J. L. (2019). Exploring soybean management options for environments with contrasting water availability.

Journal fo Agronomy and Crop Science, 1-9.

Di Rienzo, J., Casanoves, F., Balzarini, M., Gonzalez, L., Tablada, M., y Robledo, C. (2008). InfoStat, versión 2008. Córdoba: Universidad Nacional de Córdoba.

Edwards, J. T., y Purcell, L. C. (2005). Soybean yield and biomass responses to increasing plant population among diverse maturity groups: I. Agronomic characteristics. Crop Science, 45, 1770-1777.

Gaspar, A. P., y Conley, S. P. (2015). Responses of canopy reflectance, light interception, and soybean seed yield to replanting suboptimal stands. Crop Science, 55, 377-385.

90

Hicks, D. R., Lueschen, W. E., y Ford, J. H. (1990). Effect of stand density and thinning on soybean. Journal Prod. Agric., 3, 587-590.

Madias, A., Di Mauro, G., Vitantonio-Mazzini, L. N., Gambin, B. L., y Borrás, L. (2021). Environment quality, sowing date, and genotype determine soybean yields in the Argentinean Gran Chaco. European Journal of Agronomy(123), 1-11.

Malone, S., Ames Herbert, D. J., y Holshouser, D. L. (2002). Relationship Between Leaf Area Index and Yield in Double-Crop and Full-Season Soybean Systems. Journal of Economic Entomology, 95(5), 945-951.

Walker, E. R., Mengistu, A., Bellaloui, N., H., K. C., Roberts, R. K., y Larson, J. A. (2010). Plant population and row-spacing effects on maturity group III soybean. Agronomy Journal, 102(3), 821-826.

91

92

CAPÍTULO 5

AVANCES EN PRÁCTICAS DE MANEJO DEL CULTIVO DE ALGODÓN Y EXPERIENCIAS DE FERTILIZACIÓN NITROGENADA EN LA CHACRA El algodón (Gossypium hirsutum L.) es una planta perenne semileñosa, que se cultiva como anual para la obtención principalmente de fibra vegetal utilizada en la industria textil. En Argentina, se trata de un cultivo regional que concentra el 96% de la superficie sembrada en las provincias de Santiago del Estero, Chaco y norte de Santa Fe. Durante la campaña 2021-22 en la Argentina se sembraron 503.802 ha y se obtuvo un rendimiento promedio de 639kg fibra ha1. La superficie agrícola destinada a su producción es relativamente baja si lo comparamos con los dos cultivos producidos a gran escala del país como maíz y soja, que ostentaron 10.670.126 y 16.094.383 ha sembradas respectivamente (MAGyP, 2023). Pese a esto, el algodón posee una gran importancia como cultivo regional y actividad económica en las provincias de Chaco y Santiago del Estero.

En cuanto al manejo agronómico y el desarrollo tecnológico del cultivo en la región del noreste Santiagueño, los avances han sido muy focalizados. Se ha avanzado en la incorporación de maquinaria de cosecha moderna y la aparición de unas pocas nuevas variedades, más que en avances de la técnica de cultivo propiamente dicha. La bibliografía sobre el ajuste agronómico del cultivo es escasa a nivel país y prácticamente nula si nos circunscribimos a la zona de influencia de la Chacra Sacháyoj. Esto representa una dificultad a la hora de definir líneas de trabajo claves para mejorar el cultivo en nuestros sistemas productivos. Con el objetivo de identificar posibles puntos de mejora a futuro, se presenta en este trabajo una breve revisión del cultivo, no sólo en Argentina, sino también en otros países productores. Se muestran y discuten también los resultados de una experiencia de fertilización nitrogenada llevada adelante en un establecimiento de la Chacra.

93

5.1. EL DESARROLLO DEL CULTIVO EN EL MUNDO Domesticada por los nativos mesoamericanos hace unos 5.000 años, Gossypium hirsutum L. es la especie más empleada mundialmente de las cuatro cultivadas por el hombre (Brubaker, et al., 1999). Durante la última década, la superficie agrícola destinada a su cultivo se mantuvo estable en torno a las 32-33 millones de ha a nivel mundial, siendo China, India, EEUU, Brasil y Australia los cincos grandes países productores de algodón (ICAC, 2023).

En lo que refiere a rendimiento, en la campaña 21-22 Australia lideró el podio con 2011kg de fibra ha1 seguido por China con 1.892kg de fibra ha1 y Brasil con 1.859kg de fibra ha1. Cabe destacar que, en los dos primeros, gran parte de la producción se realiza bajo riego; en Australia más del 80% de la superficie de algodón es irrigada (Roth et al., 2014).

2,000 1,800 1,600 1,400 1,200 1,000 800 600 400 200 0

Rendimiento Argentina Rendimiento Brasil

45/46 48/49 51/52 54/55 57/58 60/61 63/64 66/67 69/70 72/73 75/76 78/79 81/82 84/85 87/88 90/91 93/94 96/97 99/00 02/03 05/06 08/09 11/12 14/15 17/18 20/21

Rendim iento (kg de fibra ha-1)

En este mismo ranking, Argentina se encuentra en el puesto 24 con 693kg de fibra ha1, valor que está por debajo del promedio mundial y que contrasta notoriamente con el del país vecino de Brasil, donde la mayor parte de su superficie algodonera se realiza en condiciones de secano (Campelo y Silva, 2020). Asimismo, resulta interesante tratar de comprender que fue lo que posibilitó, por ejemplo, que este último mejorara significativamente sus rendimientos a partir de fines de los noventa, mientras los argentinos se mantuvieron estables (Fig. 1).

Figura 1. Evolución histórica de los rendimientos de fibra para Argentina y Brasil (datos ICAC, 2023)

94

5.2. LOS SISTEMAS PRODUCTIVOS ALGODONEROS DE BRASIL La producción algodonera se concentra en la región del Cerrado, una ecorregión que abarca 1,8 millones de km2 y donde se viene dando la expansión de la frontera agrícola (Fig. 2). Esta región concentra más del 90 % de la superficie algodonera total del país, de la cual el estado de Mato Grosso acapara el 70% (CONAB, 2023).

El cultivo de algodón se lleva a cabo sobre distintos tipos de suelos de los órdenes de los Oxisoles, Ultisoles, y Entisoles con buenas propiedades físicas pero muy pobres en fertilidad química y con problemas de acidez y aluminio intercambiable (Lepsch, 2016; dos Santos et al., 2020) por lo que los productores deben recurrir a la aplicación de enmiendas regularmente y fertilización de los cultivos, principalmente con N-P-K pero también S, Ca y Mg (Zancanaro y Kappes, 2020).

Figura 2. Extensión del Cerrado Brasileño (extraído de Batlle-Bayer, 2010)

El clima de la región es tropical semi-húmedo con marcada estacionalidad que concentra el 80-90% de las lluvias entre los meses de octubre a abril. El régimen pluviométrico de la región oscila entre los 1.200 a 2.000mm anuales. La temperatura promedio anual varía de 26°C en la región norte a 20 °C en el sur y la diferencia entre la temperatura media del mes más cálido y el más frío es tan solo de 4 °C, lo que configura un escenario sin heladas que les permite siembras tardías de algodón incluso hasta el mes de febrero (dos Santos et al., 2020). Si lo comparamos con la región del Chaco-Santiagueño, la temperatura promedio es de 21,9 °C y la diferencia entre la temperatura promedio del mes más cálido y el más frío es de 11,8 °C, con 5 eventos de heladas promedio por año.

95

Las abundantes precipitaciones permiten esquemas de rotaciones intensas que involucran dos cultivos por año, denominado como cultivo de zafra al cultivo de renta sembrado en primavera y de segunda zafra o “zafrinha” al cultivo inmediatamente posterior sembrado en enero-febrero, también de renta. Así, Zancanaro y Kappes (2020) mencionan que en la región generalmente el algodón se siembra en dos esquemas: como monocultivo de zafra sembrado en diciembre sobre cultivos de servicio, ya sea “milheto” (Pennisetum glaucum), crotalaria o brachiarias, o como algodón zafrinha sembrado sobre soja de primavera en enero-febrero, siendo este último el esquema más adoptado por los productores.

Las recomendaciones sobre fertilización nitrogenada brindada por las principales universidades e instituciones ligadas al sector (EMBRAPA, IAMT, AMPA) hacen hincapié en que se debe tener en cuenta un buen diagnóstico de suelo, el antecesor, la historia agrícola y la expectativa de rendimiento de cada situación por separado. Los autores sugieren tomar como valores orientativos los mostrados en la Tabla 1 y recomiendan dividir aplicaciones en dos momentos para evitar pérdidas por lavado, a la siembra y en cobertura durante el periodo vegetativo sin sobrepasar el estadio de primera flor blanca. Dichas recomendaciones están elaboradas para cultivos con expectativas de rendimiento en bruto de más de 3.000 kg ha1, productividades que, según los autores, son muy difíciles de alcanzar en suelos en proceso de corrección de fertilidad o lugares con bajas precipitaciones (<1.200mm) durante los primeros 160 días del cultivo. (Zancanaro y Kappes, 2020b; Borin et al., 2014).

Tabla 1. Sugerencia de dosis de N para el cultivo de algodón en la región del Cerrado. (Carvalho, 2011 citado por Dias y Santos, 2023).

EXPECTATIVA DE RENDIMIENTO EN BRUTO (kg ha1)

N A LA SIEMBRA (kg ha1)

N EN COBERTURA (kg ha1)

Hasta 3.000

15 a 20

60 a 80

4.000

15 a 20

80 a 100

5.000⁽1⁾

15 a 20

100 a 120

6.000⁽1⁾

15 a 20

100 a 140

⁽1⁾ Los mayores valores de rendimiento corresponden a áreas con mayor potencial de respuesta a la fertilización nitrogenada, como ser: suelos con bajo tenor de materia orgánica; primeros años de siembra directa; antecesor gramínea. Los menores valores de rendimiento son esperados en suelos con: rotación con cultivos de leguminosas; suelos con muchos años de siembra directa y alto tenor de materia orgánica.

96

5.3. EL DESARROLLO DEL CULTIVO EN ARGENTINA El cultivo del algodón fue introducido en el país en épocas coloniales, alrededor del 1550, con semillas traídas de Chile que se sembraron en la provincia de Tucumán y después se difundió hacia provincias vecinas como Santiago del Estero y Catarmaca (Guy, 1993). Sin embargo, no fue hasta la segunda mitad del siglo IX que se registraron los primeros esfuerzos por arraigar el cultivo como una actividad económica y que terminarían fracasando. Así, el cultivo logra instalarse en las provincias del Chaco y Corrientes como actividad de renta recién a comienzo del siglo XX. Impulsado por la suba de precios provocada por la primera guerra mundial, los avances en infraestructura ferroviaria que trajo la industria forestal, el impacto del picudo en la producción norteamericana y la adaptación de nuevo germoplasma a las condiciones ambientales (Guy, 1993; Valenzuela, 2006).

A partir del auge productivo de la década del 30, y desde que se tienen registros, la superficie sembrada osciló aproximadamente entre 150.000 y 700.000 ha hasta alcanzar su máximo histórico a fines de los 90s, única oportunidad en la cual se superó el millón de hectáreas sembradas (Fig. 3). Considerando que en el mundo se siembran alrededor de 32 millones de ha y que los rendimientos argentinos están por debajo de la media global, el país aporta poco a la producción mundial, habiendo participado solo con el 1,3 % del total (ICAC, 2023).

Área sembrada (miles de ha)

1,000 900 800 700 600 500 400 300 200 100 0

Figura 3. Superficie por campaña sembrada con algodón en Argentina en el periodo 1970-2022 (extraído de ICAC, 2023).

Si bien, Argentina no participa como gran jugador en el cultivo de algodón, este tuvo y tiene gran importancia para la economía regional de las provincias productoras. Es por esto que ya en 1920, se inició el programa de mejoramiento del INTA Saenz Peña, el cual es la única iniciativa exitosa de este tipo que se mantiene hasta la actualidad. Las empresas privadas que alguna vez realizaron desarrollo de semilla en el país, ya hace tiempo que han dejado de apostar por esta actividad, quedando las opciones reducidas a tan solo 7 variedades disponibles comer-

97

cialmente. Esto se ha visto reflejado en la pobre ganancia genética del cultivo, que fue de 3,24 kg ha1 año1 en Argentina (Scarpin et al., 2022), muy por debajo de los 7,4 kg ha1 año1 promedio reportados para USA (Conaty y Constable, 2020).

Este atraso en el desarrollo de nuevas variedades es señalado como uno de los principales motivos del estancamiento de la productividad del cultivo (Vaquero y Fried, 2019). En Argentina se llevan registradas comercialmente 45 variedades mientras que países como EEUU y Brasil poseen 132 y 223 variedades respectivamente (Tabla 2).

Tabla 2. Variedades de algodón registradas comercialmente y eventos biotecnológicos aprobados por país (extraído de Vaquero y Fried, 2019).

PAÍS

CANTIDAD DE CANTIDAD DE EVENTOS VARIEDADES BIOTECNOLÓGICOS REGISTRADAS CON APROBACIÓN COMERCIALMENTE COMERCIAL

OBSERVACIONES

Estados Unidos

132

28

En 2019 se lanzaron 20 nuevas variedades con eventos de última generación

Brasil

223

20

83 variedades GM

Australia

108

21

Casi todas son variedades GM

Argentina

45

9

Casi todas son variedades GM

98

5.4. LOS SISTEMAS PRODUCTIVOS ALGODONEROS EN LA CHACRA SACHÁYOJ En la Chacra, el cultivo se realiza completamente de secano, bajo sistema de siembra directa y con fecha de siembra típica comprendida entre el 10 de noviembre y el 10 de diciembre. El espaciamiento entre surcos es de 76cm o 104cm y se emplea normalmente una densidad de siembra de 10-12 semillas por m lineal, muy similar a los demás países productores de algodón.

La principal variedad empleada es DP1238, de ciclo intermedio y posicionada para siembras en la segunda quincena de noviembre. A partir de la campaña 2020-21 se comenzó a incursionar en las nuevas variedades de INTA, Guazuncho 4, Porá 3 y Guaraní; que por sus ciclo más corto son aptas para siembras tardías en los primeros 10 días de diciembre.

El algodón se inserta dentro de una rotación de cultivos estivales anuales soja-algodón-maíz con barbechos químicos largos entre uno y otro. La cosecha la realizan máquinas de última tecnología con sistemas “piker” y “stripper” que entregan el algodón en rollos de 2.500kg aproximadamente. Todas cuentan con tecnología de mapeo de rendimiento que facilitan la recolección de datos de productividad y la evaluación de ensayos.

A diferencia de lo que sucede en el país vecino de Brasil, los suelos de la región están muy bien provistos de bases, fósforo y, en muchos casos, de materia orgánica. Habitualmente no se realiza fertilización de base, pero sí aplicaciones eventuales de productos foliares a base de giberelinas y aminoácidos para recuperar la condición del cultivo ante situaciones de stress, principalmente cuando hay fitotoxicidad por herbicidas hormonales.

5.4.1. Nutrición del cultivo: una experiencia de la Chacra Sacháyoj Un correcto suministro de nitrógeno (ya sea provisto por el suelo o suelo + fertilizante) es necesario para maximizar la producción de fibra del cultivo, que necesita captar 63 kg N ha1 por tonelada de fibra (Tabla 3) y exporta unos 42 kg N ha1 del sistema (Bauer et al., 1993; Rochester y Constable, 2006; Girma et al., 2007). Sin embargo, poca es la información disponible sobre el efecto de la fertilización nitrogenada en los sistemas productivos de la región y con los cultivares empleados actualmente. Por este motivo, dentro de un establecimiento de la Chacra se llevó a cabo un experimento con el objetivo de evaluar el efecto de la fertilización nitrogenada sobre la productividad del cultivo de algodón y los principales parámetros de calidad de fibra.

Tabla 3. Valores teóricos de absorción y extracción de N-P-K de 1.000 kg de fibra ha1 (adaptado de Rochester, 2007).

NUTRIENTE

ABSORCIÓN (kg ha1)

EXPORTACIÓN (kg ha1)

N

63

42

P

13

10

K

77

16

99

Se evaluaron 6 dosis de fertilizante, 0, 15, 30, 45, 60, 90 kg N ha1. La fuente utilizada fue urea (46-0-0). Las características del sitio se mencionan en la Tabla 4.

El diseño experimental fue en bloques completos al azar, con 4 repeticiones. Los datos de rendimiento se obtuvieron por mapeo y se cosechó la fibra bruta de 3 plantas por tratamiento para determinar porcentaje de fibra y variables de calidad de fibra con un equipo HVI. Tabla 4. Características de manejo y contenidos de MO y NO3 del sitio.

VARIEDAD

FECHA DE SIEMBRA

ANTECESOR

% MO

N-NO3 (kg ha1)

FUENTE UTILIZADA

Guazuncho 4

20/11/21

Soja

2,4

42,7

Urea

Rendimiento Kg fibra.ha-1

En esta experiencia, no se observaron diferencias significativas entre los tratamientos de fertilización sobre el rendimiento (Fig. 4) y los principales componentes de la calidad de fibra (Tabla 5). Esto pudo deberse a que la disponibilidad de N del sitio (Tabla 4) no haya sido limitante para la construcción del rendimiento, el cual fue bajo con relación a los habituales (524 kg fibra ha1 promedio) debido a importantes daños de fitotoxicidad por derivas de herbicidas hormonales y golpes de calor durante los períodos críticos de fijación de estructuras reproductivas.

1000 800 600 400 200 0

0

20

40

60

Dosis N Figura 4. Rendimiento de fibra en función de la dosis aplicada.

100

80

100

Es muy escasa la bibliografía sobre fertilización en algodón en la Argentina, sin embargo, y en contraste con lo hallado en este trabajo, en países extranjeros (principalmente EEUU, Australia) diversos autores reportan incrementos significativos de producción de fibra con el agregado de N hasta valores de entre 45 y 120 kg N ha1 dependiendo mucho del cultivo antecesor.

Por otro lado, reportan nulos o muy pocos efectos de la fertilización sobre los parámetros de calidad, los cuales parecen estar más asociados a la variedad y las condiciones climáticas durante su crecimiento (Bauer et al.,1993; Girma et al., 2007; Boquet et al., 2004; Watts et al., 2014).

Tabla 5. Resultados de porcentaje, longitud y resistencia de fibra según dosis de N.

DOSIS DE N (kg ha1)

PORCENTAJE DE FIBRA (%)

LONGITUD DE FIBRA (mm)

RESISTENCIA DE FIBRA (g tex1)

0N

37,18 A

28,32 A

28,90 A

15 N

37,03 A

27,02 A

28,67 A

30 N

35,78 A

27,12 A

29,20 A

45 N

36,52 A

27,74 A

29,03 A

60 N

36,18 A

27,71 A

28,73 A

90 N

37,20 A

26,62 A

27,33 A

FUENTE DE VARIACIÓN Tratamiento

P VALOR 0,5306

0,4357

0,4764

ns

ns

ns

DMS (0.05) Trat.

1,3999

1,3236

1,5126

Cv

2,97

3,75

4,10

Bloque

101

5.5. COMENTARIOS FINALES El cultivo de algodón en el país se encuentra estancado en rendimiento en comparación con los principales países productores, los cuales han ampliado en los últimos 20 años esta brecha en base a un aumento sostenido de los rendimientos. Entre las posibles causas de este estancamiento, podemos mencionar el escaso desarrollo de nuevo material genético y los pocos esfuerzos para optimizar el manejo de las variedades disponibles documentados. En base a esto último, y considerando la importancia que reviste el cultivo en la zona, se puede inferir que existe una gran oportunidad para el desarrollo y ajuste agronómico a campo del cultivo para las empresas o asociaciones de productores algodoneros.

Es indudable que la alta productividad alcanzada en países como Australia o Brasil se basa en un buen suministro hídrico para el cultivo, ya sea aportada por riego o por precipitaciones.

Sin embargo, esos niveles de rendimientos se alcanzaron solo porque, el uso de genética de punta y el ajuste de prácticas de manejo, como programas de nutrición y rotación de cultivos permitieron explotar el potencial limitado por agua.

En la región del noreste Santiagueño desconocemos cual es el potencial del cultivo y qué lo define bajo las condiciones edafoclimáticas locales. Empezar a clarificar estas cuestiones podría sentar bases para el ajuste agronómico. Por otro lado, los balances negativos de nutrientes irán mermando la fertilidad química de los suelos y es muy probable que en futuro cercano sea necesario reponer nutrientes, si no lo es ya en el presente en determinadas situaciones de cultivo. Comenzar a generar información sobre dosis, momentos o fuentes permitiría adelantarse a la problemática y contar con herramientas de decisión de manera anticipada.

102

Referencias Batlle-Bayer, L., Batjes, N. H., y Bindraban, P. S. (2010). Changes in organic carbon stocks upon land use conversion in the Brazilian Cerrado: a review.

Agriculture, Ecosystems and Environment, 137, 47-58.

Bauer, P. J., Camberato, J. J., y Roach, S. H. (1993). Cotton Yield and Fiber Quality Response to Green Manures and Nitrogen. Agronomy Journal, 85, 1019-1023.

Boquet, D. J., Hutchinson, R. L., y Breitenbeck, G. A. (2004). Long-Term Tillage, Cover Crop, and Nitrogen Rate Effects on Cotton: Yield and Fiber Properties. Agronomy Journal, 96, 1436-1442.

Borin Coellho, A. L., Barbosa Ferreira, G., y Santana Carvalho, M. (2014).

Comunicado Técnico 375 Adubação do Algodoeiro no Ambiente de Cerrado.

Campina Grande, Paraíba: EMBRAPA. Brubaker, C. L., Bourland, E. M., y Wendel, J. F. (1999). The origin and domestication of cotton. En W. C. Smith, y J. T. Cothren, Cotton: origin, history, technology and production (págs. 3-31). United States of America: John Wiley y Sons Inc. Campelo Junior, J. H., y Silva Amorin, R. S. (2020). Produtividade do cultivo algodoeiro em Mato Grosso - chuva, solo e época de plantio. En J. Bélot, y P. M. Vilela, Manual de boas práticas de manejo do algodoeiro em Mato Grosso (págs. 20-31). Cuiabá, Mato Grosso: Casa da Árvore.

CONAB. (2023). Portal de Informações Agropecuárias. Obtenido de https://portaldeinformacoes.conab.gov.br/produtos-360.html Conaty, W. C., y Constable, G. A. (2020). Factors responsible for yield improvement in new Gossypium Hirstum L. cotton cultivars. Fields Crops Research, 1-13.

Dias, A., y Santos, C. C. (2023). O cultivo de algodao de ponta a ponta: manejo fitotécico, nutricional e fisiológico. En J. K. Andrade, Estudos em ciências florestais e agrárias (págs. 73-100). Campina Grande: Licuri.

Dos Santos, A., E., d. S., da Silva Freddia, O., Galbieri, R., y La, R. (2020).

Cotton production systems in the Brazilian Cerrado: The impact of soil attributes on field-scale yield. European Journal of Agronomy, 1-11.

Girma, K., Teal, R. K., Freeman, K. W., Boman, R. K., y Raun, W. R. (2007).

Cotton Lint Yield and Quality As Affected by Applications of N, P, and K Fertili-

103

zers. The Journal of Cotton Science, 11, 12-19.

Guy, D. J. (1993). Oro Blanco: Cotton, Technology, and Family Labor in Nineteenth-Century Argentina. The Americas, 49(4), 457-478.

International Cotton Advisory Committee . (2023). Supply and demand.

Obtenido de https://icac.shinyapps.io/ICAC_Open_Data_Dashboaard/# Lepsch, I. F. (2016). Cerrado: soils from the Encyclopedia of Soil Science, 1-3.

Ministerio de Agricultura, Ganadería y Pesca. (2023). Estimaciones Agrícolas. Obtenido de https://datosestimaciones.magyp.gob.ar/reportes.php?reporte=Estimaciones Rochester, I. J. (2007). Nutrient uptake and export from an Australian cotton field. Nutr Cycl Agroecosyst, 77, 213-223.

Rochester, I. J., y Constable, G. A. (2015). Improvements in nutrient uptake and nutrient use-efficiency in cotton cultivars released between 1973 and 2006. Field Crops research, 173, 14-21.

Roth, G., Harris, G., Gillies, M., Montgomery, J., y Wigginton, D. (2013).

Water-use efficiency and productivity trends in Australian irrigated cotton: a review. Crop and Pasture Science, 64, 1033–1048.

Scarpin, G. J., Dileo, P. N., Winkler, H. M., Cereijo, A. E., Lorenzini, F. G., Roeschlin, R. A., . . . Paytas, M. (2022). Genetic progress in cotton lint and yield components in Argentina. Field Crops Research, 275, 1-9.

Valenzuela, C., Mari, O., y Scavo, A. (2011). Persistencias y transformaciones del sector algodonero tradicional en la provincia del Chaco. Revista Universitaria de Geografía, 20, 117-150.

Vaquero, P., y Fried, A. (2019). Consecuencias de no innovar en semillas en el cultivo de algodón en Argentina. Obtenido de Asociasión de Semilleros Argentinos: http://www.asa.org.ar/biblioteca/consecuencias-de-no-innovar-en-semillas-en-el-cultivo-de-algodon-en-argentina/ Watts, D. B., Brett Runion, G., Smith Nannenga, K. W., y Allen Torbert, H. (2014). Enhanced-Efficiency Fertilizer Effects on Cotton Yield and Quality in the Coastal Plains. Agronomy Journal, 106(2), 745-752.

Zancanaro, L., y Kappes, C. (2020 b). Correção do solo e adubação da cultura. En J. Bélot, y P. M. Vilela, Manual de boas práticas de manejo do algodoeiro em Mato Grosso (págs. 183-193). Cuiabá, Mato Grosso: Casa da Árvore.

Zancanaro, L., y Kappes, C. (2020). Sistemas de cultivo do algodoeiro. En J. Bélot, y P. M. Vilela, Manual de boas práticas de manejo do algodoeiro em Mato Grosso (págs. 58-63). Cuiabá, Mato Grosso: Casa da Árvore.

104

105

CAPÍTULO 6

RESPUESTA A LA FERTILIZACIÓN FOLIAR CON ZINC EN MAÍZ. ANÁLISIS DE CASOS. Victorio Morand | RTD, Chacra Sacháyoj

6.1. INTRODUCCIÓN La deficiencia de zinc (Zn) es citada como la más habitual de todos los micronutrientes en los cultivos del mundo, siendo el maíz (Zea mays L.) una de las especies más susceptibles (Alloway, 2009).

El Zn es un microelemento esencial para el crecimiento vegetal ya que participa en la composición de muchas enzimas y distintas rutas metabólicas dentro de la planta (Lindsay, 1972; Alloway, 2009). Los síntomas típicos de deficiencia de este elemento se presentan en el cultivo de maíz como clorosis internerval de las hojas jóvenes, por tratarse de un elemento no móvil dentro de la planta (Hazeef et al., 2013). En los campos de la Chacra Sacháyoj es frecuente observar esta sintomatología en plantas jóvenes de maíz, tendiendo a desaparecer a medida que las mismas crecen.

Al tratarse de un metal, el contenido de Zn de cada suelo depende principalmente del material originario y los procesos de meteorización que le dieron forma. Presenta poca movilidad en

106

el suelo, similar al fósforo, por lo tanto, para que la planta pueda abastecerse en cantidades suficientes no sólo dependerá de la concentración de Zn en el suelo, sino también de la capacidad exploratoria de las raíces (Ova et al., 2015). Existen muchos factores que pueden reducir significativamente la disponibilidad para la planta y provocar deficiencias, aún cuando el elemento esté presente en cantidades suficientes. Dichos factores corresponden a suelos calcáreos, pH muy elevado o altos contenidos de fósforo (Zhang et al., 2017; Ova et al., 2015; Sacristán et al., 2018). Este último factor es habitual hallar en la región de la Chacra Sacháyoj (Vizgarra et al., 2018).

El umbral de respuesta es definido como el valor de Zn en el suelo por debajo del cual la aplicación de fertilizante incrementa la productividad del cultivo. Los umbrales críticos citados para la zona pampeana, obtenidos en investigaciones a campo, son de 1,02 ppm (Martínez-Cuesta et al., 2020) y 0,99 ppm (Barbieri et al., 2017) de DTPA-Zn en suelo. Sin embargo, en dichos trabajos, el ajuste de los modelos de respuesta ha resultado insatisfactorio, con coeficientes de determinación (R2) muy bajos, variando en un rango de 0,21 a 0,51 en función de la metodología de ajuste empleada y demostrando que el contenido de Zn en los estratos superiores del suelo no sería un buen predictor de la respuesta a la fertilización. En recientes estudios a campo, Martínez-Cuesta et al. (2020) demuestra respuesta al agregado de Zn en maíz en tan solo el 29% de los casos y Barbieri et al. (2017) en el 33% de los casos estudiados.

El objetivo del presente trabajo fue explorar la respuesta a la fertilización foliar con Zn en el cultivo de maíz en los lotes de la Chacra.

6.2. MATERIALES Y MÉTODOS Se llevaron a cabo cuatro ensayos a campo comparando un tratamiento de aplicación de fertilizante foliar de Zn entre V6 y V8 (Ritchie y Hannaway, 1982) y un tratamiento testigo sin aplicación. La fuente utilizada fue Zintrac® de YARA, que sólo aporta este nutriente (70 % p/v de Zn). La dosis utilizada fue la recomendada por el marbete: 1 litro ha1; equivalente a 700 g de Zn ha1.

En la Tabla 1 se muestran los valores de Zn y fosforo a la siembra a 20cm de profundidad, además de información de fechas de siembra y cosecha e híbrido utilizado en cada sitio. El diseño experimental empleado fue en bloques completamente aleatorizados con dos repeticiones. En el sitio El Coraje el ensayo se realizó sin repeticiones. En el sitio EE08 se evalúo por separado el ambiente de loma y de bajo. El análisis estadístico se realizó con el software estadístico INFOSTAT (Di Rienzo et al., 2008).

107

Tabla 1. Información sobre contenido de Zn (ppm DTPA-Zn) y fósforo (ppm) a la siembra, el momento de aplicación del fertilizante, y los genotipos utilizados en cada sitio.

SITIO

HÍBRIDO

FECHA DE APLICACIÓN

FECHA DE COSECHA

Zn

FÓSFORO

EE08 Loma

P2089

08-02-21

30-06-21

0.54

29

EE08 Bajo

P2089

08-02-21

29-06-21

0.35

22

LA16 C

P2089

26-01-21

12-07-21

1.1

58

La Pradera

PWU 510

05-02-21

20-07-21

-

-

El Coraje

P2089

08-02-21

19-07-21

0.8

38

En el presente trabajo, se incluyó una recopilación de los resultados de los análisis de suelo realizados en diciembre de 2020 en 18 lotes de la Chacra, para evaluar cuál es la situación general de los sistemas de producción respecto a los contenidos de Zn en el suelo.

6.3. RESULTADOS Y DISCUSIÓN Estado del Zn en el suelo El promedio general de todos los registros de la Chacra (n=18) fue de 0,88 ppm de DTPA-Zn. Al analizar el conjunto de datos segregando los sitios según su posición en el paisaje en “bajo” y “loma”, el promedio fue de 0,58 y 1,00 ppm de DTPA-Zn respectivamente (Figura 1).

Figura 1. Niveles de DTPA-Zn (ppm) del conjunto de sitios analizados, segregados en función de su posición en el paisaje.

108

Respuesta a la fertilización No se observaron diferencias significativas de rendimiento por la aplicación foliar de Zn en ninguno de los sitios evaluados (p valor > 0,05). En el sitio EE08 se observó un fuerte efecto del ambiente (alta y baja productividad) sobre el rendimiento (p valor< 0,001), pero la aplicación con Zn no generó ningún efecto (Tabla 2).

Tabla 2. Rendimiento (kg ha1) de maíz con y sin aplicación de Zn (tratamiento Zinc y testigo respectivamente) en los sitios ensayados.

SITIO

TRATAMIENTO

RENDIMIENTO

La Pradera

Zinc Testigo Zinc Testigo Zinc Testigo Zinc Testigo Zinc Testigo

4.462 A 4.516 A 6.028 B 6.288 B 7.258 C 7.687 C 9.184 D 9.664 D E 9.853 E 9.863 E

EE08 Baja LA 16 C EE08 Alta El Coraje

FUENTE DE VARIACIÓN

P VALOR

Tratamiento Sitio Tratamiento x sitio

0.5674 <0,001 0.1363

*Medias con letras en común no difieren estadísticamente (p valor>0,05)

109

6.4. COMENTARIOS FINALES A pesar de que los análisis de suelo arrojaron valores de Zn menores o iguales a los umbrales de respuesta citados por la bibliografía, no se observó respuesta al tratamiento de aplicación foliar con Zn en ninguno de los sitios evaluados.

Cabe mencionar que estos umbrales han sido determinados en la región templada de la Argentina, donde las condiciones climáticas son muy diferentes. El clima cálido de la zona de Sacháyoj, podría promover un mayor crecimiento radical y en consecuencia la planta pueda acceder a mayores contenidos de Zn (Carsky y Reid, 1990) sobre estimándose el valor de los umbrales.

Por último, en este trabajo se presentan los resultados de experiencias de una sola campaña, en ambientes de buena productividad (excepto sitio EE08-bajo) y con una única forma de aplicación. Podrían ser motivo de futuras experimentaciones la fertilización a través del tratamiento de semillas, o la evaluación en ambientes de bajos arcillosos, dónde las plantas muestran una menor exploración radical y los contenidos de Zn en suelo son menores, con lo cual se podría plantear la hipótesis de obtener respuesta bajo dichas condiciones.

110

Referencias Alloway, B. J. (2009). Soil factors associated with Zn deficiency in crops and humans. Environ Geochem Health, 31, 537-548.

Barbieri, P. A., Sainz Rozas, H. R., Wyngaard, N., Eyherbide, M., Reussi Calvo, N. I., Salvagiotti, F., . . . Echeverría, H. E. (2017). Can Edaphic Variables Improve DTPA-Based Zn Diagnosis in Corn? Soil Fertility and Plant Nutrition Journal, 81(3).

Carsky, R. J., y Reid, W. S. (1990). Response of Corn to Zn Fertilization. Journal Prod. Agric., 3(4), 502-507.

Di Rienzo, J., Casanoves, F., Balzarini, M., Gonzalez, L., Tablada, M., y Robledo, C. (2008). InfoStat, versión 2008. Córdoba: Universidad Nacional de Córdoba.

Hafeez, B., Khanif, Y. M., y Saleem, M. (2013). Role of Zn in plant nutrition- A review. American Journal od Experimental Agriculture, 3(2), 374-391.

Lindsay, W. L. (1972). Zn in Soils and Plant Nutrition. Advances in Agronomy, 24, 147-186.

Lindsay, W. L., y Norvell, W. A. (1978). Development of a DTPA soil test for Zn, iron, manganese and copper. Soil Science Society of America Journal, 42, 421-428.

Martínez Cuesta, N., Wyngaard, N., Sainz Rozas, H. R., Reussi Calvo, N. I., Carciochi, W., Eyherbide, M., . . . Barbieri, P. A. (2020). Determining Mehlich-3 and DTPA extractable soil Zn optiimun economic threshold for maize. Soil Use Manage, 00, 1-13.

Ova, E. A., Kutman, U. B., y Ozturk L., C. I. (2015). High phosphorus supply reduced Zn concentration of wheat in native soil but not in autoclaved soil or nutrient solution. Plant and Soil, 393(1).

Rashid, A., y Rafique, E. (1989). Zn requirement of maize grown on two calcareous soils of Pakistan. Journal of Plant Nutrition and Soil Science, 152, 405-408.

Ritchie, S. W., y Hanway, J. J. (1982). How a Corn Plant Develops. Special Report N°48, Iowa State University of Science and Technology, Cooperative Extension Service.

111

Vizgarra, L., Moretti, L., y Schulz, G. y. (Edits.). (2018). Carta de suelos de República Argentina subcuenca “La Esperanza”, departamento Moreno, provincia de Santiago del Estero. Quimilí, Santiago del Estero, Argentina: Ediciones INTA. doi:ISBN 978-987-521-924-3 Zhang, W., Chen, X., y Liu, Y. (2017). Zn uptake by roots and accumulation in maize plants as affected by phosphorus application and arbuscular mycorrhizal colonization. Plant and Soil, 413, 59-71.

112

113