Severini, A.1; Álvarez Prado, S.2,3; Fernández Long, M.E.2; Crespo, A.O.2; Otegui M.E.1,2,3; Vega, C.R.C.1; Zuil, S.1; Kavanová, M.4; Ceretta, S.4; Acreche, M.1,3; Scholz Drodowski, R.5, Serrago, R. 2,3; Miralles, D.J.2,3
1 INTA Instituto Nacional de Tecnología Agropecuaria, Argentina – 2 Universidad de Buenos Aires, Facultad de Agronomía, Argentina –3 CONICET –4 INIA La Estanzuela, Uruguay – 5 IPTA Capitán Miranda, Paraguay
Conocer la ocurrencia de los diferentes estadios fenológicos es clave para tomar decisiones de manejo acertadas en el cultivo ya que para poder obtener la mayor producción (rendimiento) es crucial exponer los periodos más relevantes en los que se genera el rendimiento y la calidad de los granos a las condiciones ambientales más favorables
El modelo CRONOSOJA es un software que permite predecir la ocurrencia de los estadios fenológicos más importantes que ocurren a lo largo del ciclo ontogénico del cultivo de soja, así como el riesgo de heladas y el contenido hídrico (agua útil) que está disponible en cada una de las etapas del ciclo (Figura 1). El modelo CRONOSOJA permitirá al usuario conocer en qué fecha calendario ocurrían los mencionados estadíos y conocer el riesgo climático tanto desde el punto de vista de los daños por heladas como del contenido de humedad del suelo a los que se expondrá el cultivo. El modelo contempla más de 30 variedades comerciales de soja disponibles en el mercado que van desde un grupo 3 de madurez a un grupo 7 y abarca en su predicción 291 partidos de toda la región productora de soja de Argentina.
CRONOSOJA está disponible en el dominio http://cronosoja.agro.uba.ar/, es de uso gratuito y el usuario solo debe registrarse y obtendrá inmediatamente una confirmación en el mail.
El modelo fue desarrollado en un trabajo multidisciplinario por investigadores de la UBA (Dres. Santiago Álvarez Prado, Daniel Miralles y la Mag. María Elena Fernández Long) y de INTA (Dr. Alan Severini) los que junto con otros colaboradores le dieron forma a dicha herramienta. La programación estuvo a cargo del Lic. Anibal Crespo quien forma parte del equipo de la UTI (Unidad de Tecnología Informática de la FAUBA)
¿CÓMO FUNCIONA EL MODELO?
Los algoritmos matemáticos que utiliza el modelo son complejos ya que simula el estado de desarrollo del cultivo de soja de manera dinámica, día a día, basados en la marcha de la duración del día (fotoperiodo) y las temperaturas cardinales que definen la tasa de desarrollo (temperaturas base, óptima y crítica). A su vez, las ecuaciones que definen cada etapa fueron aplicadas a una serie climática de más de 30 años lo que permite conocer por parte del usuario que error de predicción tienen el modelo para cada una de las etapas respecto de la ocurrencia promedio. A pesar de dicha complejidad matemática, el modelo presenta un formato amigable, intuitivo e interactivo para el usuario lo que lo hace muy versátil y simple para su uso.
Los estadíos fenológicos que estima el modelo a partir de la elección de una fecha de siembra elegida por el usuario son los siguientes: E: emergencia, se considera cuando los cotiledones son visibles sobre la superficie; R1: inicio de la floración considerando la primer flor abierta en alguno de los cuatro nudos superiores en el tallo principal, R3: inicio de la formación de vainas en alguno de los cuatro nudos superiores en el tallo principal, R5: inicio del llenado de granos dentro de las vainas, R7: comienzo de madurez fisiológica (Figura 2).
Una vez seleccionada una localidad/partido, una fecha de siembra y una variedad el modelo permitirá al usuario conocer la fecha de los distintos estadios de rendimiento, el contenido de agua útil en cada estadio (como un balance hidrológico) y la probabilidad de riesgo de heladas en cada una de las etapas ontogénicas (Figura 3)
En cada estadio el modelo permite desplegar, pulsando el botón del estadio ontogénico deseado, una pantalla donde se puede ver imágenes del estadio seleccionado y además una breve explicación de los procesos que están ocurriendo en cada una de las etapas.
Cálculo del contenido de agua en el suelo en cada estadío ontogénico
Para el cálculo del contenido de agua en el suelo se utilizó el modelo de Balance Hidrológico Operativo para el Agro (BHOA, Fernández Long et al., 2012; Fernández Long 2017). Este modelo, desarrollado en la Facultad de Agronomía de la Universidad de Buenos Aires (FAUBA), es utilizado hoy en día para el monitoreo de humedad del suelo por el Servicio Meteorológico Nacional (https://bit.ly/2JwUbaX) y por el INTA en sus informes semanales (http://climayagua.inta.gob.ar).
El modelo establece un balance entre la demanda atmosférica de agua (dada por la evapotranspiración potencial “EP”), la oferta de agua (dada por la precipitación “PP”) y el agua almacenada en el suelo (ALM). Los datos diarios para calcular la EP y los de PP se obtuvieron de la base de datos del proyecto POWER NASA (NASA-POWER Project: National Aeronautics and Space Administration–Prediction Of Worldwide Energy Resources) para los departamentos de la región Pampeana simulados en el modelo CRONOSOJA para el período 1985-2019.
Dado que el suelo y la vegetación que lo cubre no siempre ceden a la atmósfera toda el agua que ésta demanda, el modelo determina una función de extracción de agua del suelo que depende de la textura del suelo y de los coeficientes hidrológicos de cada uno medidos y/o estimado para cada tipo de suelo de la Argentina. Para mayores detalles del modelo BHOA ver https://bit.ly/2obEVIW.
Con estos datos se calcula el agua útil medio para cada día del año y su desvío estándar (Figura 4). Los valores son expresados como porcentaje de la capacidad de agua útil potencial de cada suelo. El CRONOSOJA muestra para la fecha de ocurrencia de cada estadio ontogénico, el valor medio de agua útil (expresado en porcentaje del agua útil potencial) y su desvío correspondiente a ese día del año.
Cálculo de la probabilidad de heladas en cada estadio ontogénico
Con la finalidad de conocer el riesgo de heladas que existe en cada estadio ontogénico y para cada sitio, se calculó la probabilidad de ocurrencia de heladas. Se trabajó con los datos de temperatura mínima del proyecto POWER NASA. El cálculo se realizó considerando, para la emergencia: la probabilidad de ocurrencia de heladas en un período de 15 días centrado en la fecha estimada para esa fase por el modelo CRONOSOJA. Para el resto de las fases se calculó la probabilidad sobre un período de 45 días centrado en la fecha estimada por el modelo.
Como ejemplo se muestra en la figura 5 la probabilidad de ocurrencia de heladas en Alberti (provincia de Buenos Aires) calculada sobre un período de 45 días. De esta manera, si, por ejemplo, R1 ocurriese el 15 de octubre, el riesgo por heladas para esa fase sería de 32%; en cambio, si se atrasase la siembra y R1 ocurriese el 30 de octubre, la probabilidad de heladas se reduciría a un valor de 7 % disminuyendo fuertemente el riesgo por heladas.
ALCANCE DEL MODELO
Este proyecto se inició en el marco de un proyecto financiado por PROCISUR en el que están involucrados grupo de investigación de Argentina, Paraguay, Brasily Uruguay. El modelo CRONOSOJA ya puede utilizarse en Argentina en el dominio http://cronosoja.agro.uba.ar/ y en el año 2020 se expandirá a al resto de los países incluidos en el proyecto PROCISUR que está coordinado por la Dra. Fernanda González (INTA Pergamino).
Bibliografía
Fehr, W.R., Caviness, C.E., 1977. Stages of soybean development (No. 87).
Fernández Long, M. E. 2017. Balance Hidrológico Operativo para el Agro (BHOA). En: “JASMIN”, Joint Assessment of Soil Moisture Indicators (JASMIN) forsoutheastern South America (Valoración conjunta de indicadores de humedad del suelo para la región sudeste de Sudamérica). Editorial Facultad de Agronomía. Pag: 35-39.
Gelman, A., Carlin, J.B., Stern, H.S., Dunson, D.B., Vehtari, A., Rubin, D.B., 2013. Bayesian data analysis. Chapman and Hall/CRC.
NASA-POWER Project Data Sets [WWW Document] (2018) NASA. URL https://power.larc.nasa.gov/
Soetaert, K., Petzoldt, T., 2010. Inverse Modelling, Sensitivity and Monte Carlo Analysis in R Using Package FME. Journal of Statistical Software 33, 1–28.
