Guillermo Chantre, Mariela Lodovichi, Aníbal Blanco, Alberto Bandoni, Mario  Sabbatini*pdf button

La actividad agronómica actual presenta importantes desafíos asociados a la compleja ecuación costo/beneficio de la producción primaria y al creciente impacto ambiental resultante del empleo intensivo de agroquímicos.

El SO Bonaerense, evidencia marcadas limitaciones agroecológicas asociadas a problemas de erosión eólica de diversa magnitud y a la irregularidad en el patrón anual de precipitaciones.

Introducción general

La actividad agronómica actual presenta importantes desafíos asociados a la compleja ecuación costo/beneficio de la producción primaria y al creciente impacto ambiental resultante del empleo intensivo de agroquímicos. La zona del sudoeste de la provincia de Buenos Aires, en especial la región Semiárida Templada, evidencia marcadas limitaciones agroecológicas asociadas a problemas de erosión eólica de diversa magnitud y a la irregularidad en el patrón anual de precipitaciones que fluctúa entre los 350 y 800 mm. La región cuenta con una superficie de 6.500.000 has donde se localizan aproximadamente 7.900 establecimientos agropecuarios cuya superficie promedio no supera las 885 has (OPDS, 2013). Los cultivos más relevantes son los cereales de invierno, preferentemente trigo, avena y cebada, mientras que entre los cultivos de verano predominan el sorgo, mijo, girasol y maíz, estos dos últimos cultivos exclusivos de la región sub-húmeda. 

La zona del sudoeste bonaerense evidencia una progresiva declinación de las pequeñas y medianas empresas agropecuarias, fenómeno provocado por la falta de rentabilidad de los establecimientos producto de la imprevisibilidad del mercado agropecuario, el aumento de los costos de producción y la necesidad de incrementar la superficie de producción a fin de poder disponer de una unidad económicamente rentable que permita sacar provecho de la economía de escala. La zona se encuentra además superando la sequía que aconteció en los últimos años, que se tradujo en rendimientos muy bajos de los cultivos, lo que ha provocado una crisis agrícola casi sin precedentes. 

La complejidad del contexto socio-económico expuesto, plantea un escenario donde la disponibilidad de herramientas computacionales de asistencia en la toma de decisiones podría jugar un rol fundamental en los diversos sistemas de la producción agronómica. Estas herramientas asumen habitualmente la forma de modelos de planeamiento óptimo. Es reconocido que la aplicación sistemática de modelos de planeamiento a distintas escalas (estratégica, táctica y operativa) produce beneficios significativos por asignación óptima de los recursos disponibles a las actividades requeridas. El empleo de estos modelos permite además identificar "cuellos de botella" en los sistemas y estimar el potencial económico de su relajación o eliminación. Finalmente, la disponibilidad de modelos permite realizar análisis de escenarios y evaluar estrategias de respuesta a potenciales eventos. Además de los beneficios mencionados, el solo ejercicio de conceptualización del sistema bajo estudio, con fines de modelado matemático, es un mecanismo valioso para comprender las complejas interacciones presentes en los sistemas de producción primaria e industrial con sus componentes biofísicos, técnicos, sociales y económicos.

En términos generales, los modelos de planeamiento constituyen problemas de asignación óptima en el tiempo, de los recursos disponibles a las tareas requeridas por una actividad determinada. Los recursos pueden ser financieros, mano de obra, insumos, etc., mientras que por tareas se consideran los trabajos de producción, de procesamiento de materias primas, el transporte de bienes, etc. La necesidad de optimizar el empleo de recursos escasos responde fundamentalmente a la creciente competitividad de los mercados globales que demandan mayor calidad de producto minimizando el impacto medioambiental. Dependiendo esencialmente del tipo de decisiones involucradas y del horizonte de tiempo considerado, los modelos de planeamiento pueden tener alcances de tipo estratégico, táctico u operativo (Shapiro, 2001). El planeamiento estratégico considera típicamente horizontes de varios años e involucra decisiones relacionadas con inversiones en infraestructura y desarrollo de nuevos productos. El planeamiento táctico abarca horizontes de mediano plazo (meses/año) y considera la administración óptima de las instalaciones sobre la base de estimaciones de disponibilidad de materia prima y demandas de productos finales. El planeamiento operativo provee la asignación óptima de recursos en el corto plazo (días) sobre la base de información actualizada del sistema.

En el ámbito agroalimentario nacional, las numerosas aplicaciones de modelado matemático desarrolladas en los últimos años por la comunidad académica internacional, no han sido asimiladas en forma sistemática en la práctica. Cabe mencionar que en países europeos, por ejemplo, la aplicación de modelos matemáticos para asistir en la toma de decisiones agronómicas es una práctica difundida.

Manejo de Malezas

En los agroecosistemas la presencia de malezas interfiere dificultando las tareas de siembra y cosecha, generando pérdidas de rendimiento por competencia con los cultivos. La magnitud de estas pérdidas varía en función de la interacción de numerosos factores tales como la composición de la comunidad de malezas, la abundancia relativa de cada una de las especies, las condiciones ambientales y el sistema de laboreo implementado (convencional o siembra directa), entre otros. Por otra parte, en los últimos años ha aparecido un nuevo fenómeno que afecta el adecuado control: la resistencia a los herbicidas. La resistencia se define como la capacidad heredable de una población o biotipo para sobrevivir y reproducirse después de la aplicación de una dosis de herbicida que era letal para la población original.

La reducción del nivel de abundancia de las poblaciones de malezas que acompañan los cultivos puede efectuarse mediante: (i) control mecánico, empleando diversas herramientas de labranza; (ii) control cultural, donde se aprovechan las características propias de los cultivos que integran la secuencia de rotación, y (iii) control químico, que involucra el empleo de herbicidas. En particular, el uso de herbicidas es la práctica más efectiva y a la vez la que entraña el mayor costo para el productor y la que genera el mayor impacto ambiental.

El Manejo Integrado de Malezas (MIM) es un sistema de manejo que enfoca el problema de forma compatible con la preservación de la calidad del ambiente, utilizando las diferentes tácticas y estrategias de control disponibles con el objetivo de reducir las poblaciones de malezas a niveles tales que los perjuicios económicos producidos se hallen por debajo de un umbral económico aceptable para el sistema general de producción.

Dado que el número de alternativas individuales de control de malezas es elevado, la cantidad de posibles estrategias de manejo para un periodo de varios años es muy grande. Por otra parte, la implementación de una determinada estrategia de control que pueda resultar ecológicamente sustentable para el sistema en el futuro suele representar un "sacrificio económico" en el corto plazo. Por estas razones el beneficio de adoptar una determinada estrategia de control de malezas a largo plazo es difícil de cuantificar.

Sistemas de asistencia en la toma de decisiones

A fin de asistir a los productores y asesores técnicos en el proceso de toma de decisiones, se han desarrollado en la última década modelos matemáticos de simulación con el objetivo de cuantificar y comparar en el mediano y largo plazo tanto las ventajas como desventajas de la implementación diferentes medidas de control de malezas, permitiendo seleccionar racionalmente la que mejor se adapte a las necesidades.

Se trata de encontrar programas de control que constituyan un balance entre los beneficios producidos por el rendimiento del cultivo y los costos del control (tanto económicos como medioambientales). Por ejemplo, un uso intensivo de herbicidas puede generar rendimientos elevados pero que no necesariamente compensen los costos de aplicación, además de poseer un elevado costo ambiental y favorecer la aparición de variedades resistentes. Por otra parte, una aplicación insuficiente produciría bajos rendimientos en la temporada actual e infestaciones elevadas que impactarían negativamente en los años subsiguientes.

Un antecedente interesante a nivel internacional es el desarrollo de un sistema de Toma de decisiones para el Manejo Integrado de la maleza Lolium rigidum en Australia (Pannell y col., 2004). Dicha especie es considerada la maleza más problemática del mundo debido a que ha sido identificada como resistente en 12 países, ha desarrollado resistencia a 11 sitios de acción e infesta más de 1,5 millones de hectáreas agrícolas (Heap, 2013).

La herramienta desarrollada por Pannell y col. (2004) consiste en un modelo de crecimiento específico para L. rigidum que permite evaluar por simulación distintas alternativas de control químico, mecánico y cultural, cuantificando su impacto económico en un periodo de varios años. Cabe mencionar que en Australia se ha realizado un uso sistemático e intensivo de herbicidas en la agricultura extensiva desde 1975 y los problemas de resistencia se han incrementado dramáticamente en los últimos años.

Otro ejemplo significativo es el sistema Weed-Manager desarrollado por un grupo de investigación de Inglaterra (Parsons y col., 2009) que permite estudiar diversos sistemas agronómicos malezas-cultivos.

Dichos modelos consisten esencialmente en la representación de la dinámica demográfica de la especie maleza en función de las prácticas de control adoptadas y de un módulo que permite el cálculo de diferentes indicadores económicos de la actividad agrícola. Para que los resultados de los modelos tengan suficiente validez para posibilitar su empleo en la práctica es necesario poseer conocimiento tanto biológico como agronómico específico del sistema cultivo-maleza bajo estudio, así como del efecto en su desarrollo de las distintas prácticas de control consideradas.

El estudio de la dinámica del sistema cultivo-maleza a través de la caracterización de los procesos demográficos y sus tasas de flujo resulta imprescindible para el desarrollo de modelos de simulación que sinteticen de manera integral la complejidad de los sistemas agronómicos y posibiliten una predicción adecuada de las tasas de invasión y perpetuación de las malezas.

En el Sudoeste de la provincia de Buenos Aires han evolucionado biotipos resistentes de malezas las cuales ocasionan serios perjuicios a la agricultura regional, tal es el caso de la resistencia a glifosato en L. multiflorum (raigrás anual) y L. perenne (raigrás perenne) o el caso de resistencia a graminicidas selectivos (FOPs) para cereales de invierno en Avena fatua (avena negra) (Heap, 2013). Por ejemplo, en poblaciones de raigrás anual con un historial de alta frecuencia de aplicación de glifosato se detectaron valores de resistencia cuatro veces superiores al de poblaciones sin registro previo de uso de este herbicida (Vigna y col., 2008, 2010).

La intensificación de los casos de resistencia a herbicidas en la región está asociada al  creciente uso de técnicas de mínimo laboreo del suelo (siembra directa) altamente dependientes de la aplicación de herbicidas totales (glifosato) y herbicidas graminicidas específicos (FOPS Y DIMS), entre otros factores.

Por estas razones, la puesta en marcha de programas de control de malezas en la región resulta compleja. Por lo tanto, se entiende que la cuantificación del comportamiento de las malezas posee una proyección tecnológica significativa y resulta un elemento indispensable en la elaboración de estrategias integradas de manejo en ambientes donde la sustentabilidad del sistema esté amenazada.

Sistemas de asistencia en la toma de decisiones a nivel regional

En el ámbito de la UNS y del CCT-Bahía Blanca se ha gestado un equipo de trabajo interdisciplinario constituido por docentes e investigadores del Dpto. de Agronomía de la UNS y de la Planta Piloto de Ingeniería Química (PLAPIQUI, UNS-CONICET) quienes en colaboración con investigadores/extensionistas del INTA (EEA Bordenave) han  avanzado en el desarrollo de un modelo de planeamiento operativo (MPO) para el manejo de Avena fatua (Lodovichi y col., 2013).

Dicha maleza es muy problemática por su naturaleza altamente invasora y competitiva, generando importantes pérdidas de rendimiento en cereales de invierno a escala tanto regional, como nacional y mundial debido a su carácter cosmopolita.

El principal objetivo de dicho modelo es determinar qué herbicidas conviene aplicar y  los momentos en los cuales realizar las aplicaciones a lo largo de una temporada, de modo de maximizar el beneficio económico de la actividad teniendo en cuenta explícitamente el impacto ambiental a través de un término de costo o externalidad.

El modelo fue concebido sobre un sistema de siembra directa utilizando exclusivamente el control químico como herramienta de manejo. Se incorporaron una serie de alternativas de control a base de herbicidas totales no selectivos (glifosato y paraquat) y de herbicidas graminicidas selectivos (pinoxaden, clodinafop, fenoxaprop-p-etil, pyroxsulam, diclofop-metil, tralkoxydim) para el cultivo de trigo, habitualmente utilizados en la zona en estudio.

Se consideró un horizonte anual (año calendario) de planeamiento durante el cual se simuló la evolución de la población de avena negra y se determinaron las pérdidas de rendimiento del cultivo de trigo en función del momento relativo de emergencia de las plántulas  de la maleza y del número final de plantas establecidas que sobrevivirían a las operaciones de control.  Para el caso de los herbicidas selectivos, la eficiencia de control se estableció en función de la 'ventana' o periodo de susceptibilidad de la maleza determinada por el estado fenológico de las plántulas. 

El MPO recibe como datos de entrada: (i) el perfil de emergencia diario de la maleza (puede ser una estimación por parte de expertos o generado a partir de modelos específicos de predicción sobre datos meteorológicos), (ii) la densidad inicial del banco de semillas de la maleza (número de semillas/m2 de suelo), (iii) la fecha de siembra del cultivo, (iv) parámetros agronómico/biológicos relacionados con la competencia cultivo-maleza, producción de semillas y eficiencia de los herbicidas y (v) parámetros económicos (precios, costos y externalidades).

El MPO permite calcular los costos de las operaciones de control (costo del herbicida, aplicación y costo ambiental) y la ganancia neta obtenida a cosecha. La cuantificación del impacto ambiental causado por la aplicación de herbicidas surge de la estimación de los costos externos de la actividad (externalidades) siguiendo la metodología propuesta en Leach y Mumford (2008).

A modo de ejemplo, evaluamos las recomendaciones del MPO utilizando información provista por el EEA INTA Bordenave correspondiente a la campaña 2004/2005.

Figura 1. Perfil observado de emergencia de Avena fatua durante la campaña 2004/2005 en el campo experimental de la EEA Bordenave bajo siembra directa. La densidad inicial estimada del banco fue de 200 semillas/m2.

El perfil de emergencia de A. fatua de dicha temporada (Fig. 1) se caracterizó por poseer dos cohortes, una temprana (previa a la siembra del cultivo) y otra de aparición tardía, luego del establecimiento del cultivo de trigo.

Si no se considera el impacto de la producción de semillas de las plantas de A. fatua remanentes en el sistema luego de efectuado el control, el modelo propone dos aplicaciones de glifosato en pre-emergencia del cultivo para eliminar las malezas que emergen antes de la siembra (Figura 2) y que, de permanecer en el sistema, tendrían un gran impacto sobre el rendimiento final. Debido a que la fracción remanente de las plántulas emerge tardíamente, su impacto sobre el rendimiento final del cultivo no sería significativo y por lo tanto no se recomienda realizar operaciones de control en post-emergencia.

Sin embargo, las plantas de A. fatua no eliminadas llegarán a producir semillas al final del ciclo de cultivo. Estas semillas reabastecerán el banco del suelo y serán las responsables de acrecentar los niveles de infestación en los años subsiguientes. A fin de evitar una excesiva producción de semillas, el MPO permite incorporar una penalización sobre la función objetivo que considere los costos que esas semillas tendrían a futuro. De este modo, el modelo seleccionará una estrategia que probablemente disminuya las ganancias del año simulado pero que permitirá evitar infestaciones mayores a mediano plazo. Como se observa en la Figura 3, al penalizar la producción de semillas de la maleza, el modelo sugiere realizar una aplicación de herbicida graminicida en post-emergencia del cultivo, además de las dos de glifosato recomendadas en pre-emergencia. De este modo, se consiguen eliminar plantas que si bien no tienen un efecto significativo sobre el rendimiento actual, producirían semillas que se incorporarían al banco contribuyendo a la infestación en la próxima campaña.

Las flechas enteras indican los momentos óptimos de aplicación de los herbicidas seleccionados por el modelo. La flecha discontinua muestra la fecha estimada de emergencia  del cultivo. Adaptado de Lodovichi y col. (2013).
Figura 2. Evolución de la densidad total de Avena fatua (Dt, plantas/m2) y de la densidad real que reduciría el rendimiento del cultivo de trigo (TDEtot, plantas/m2) de acuerdo a las predicciones generadas con el MPO sin considerar la penalización por producción de semillas de la maleza.

Las flechas enteras indican los momentos óptimos de aplicación de los herbicidas seleccionados por el modelo. La flecha discontinua muestra la fecha estimada de emergencia  del cultivo. Adaptado de Lodovichi y col. (2013).
Figura 3. Evolución de la densidad total de Avena fatua (Dt, plantas/m2) y de la densidad real que reduciría el rendimiento del cultivo de trigo (TDEtot, plantas/m2) de acuerdo a las predicciones generadas con el  MPO considerando la penalización por producción de semillas de la maleza.

Conclusiones y trabajos futuros

El MPO desarrollado por nuestro grupo de trabajo permitió establecer un marco teórico-conceptual para guiar las decisiones relacionadas con el control químico a lo largo de una temporada agronómica. Como caso de estudio, el modelo fue aplicado al sistema trigo-Avena fatua de la zona de Bordenave, pero puede adaptarse a otros sistemas proporcionando la información adecuada. Por ejemplo, en estos momentos se está trabajando en su aplicación al sistema trigo-Lolium perenne, de gran importancia en la región productiva del sudoeste de la provincia de Buenos Aires.

El principal aporte de este tipo de herramientas es la posibilidad de integrar en un solo entorno información diversa, desde meteorológica hasta económica, y proponer programas de control con el objetivo de asistir en el proceso de toma de decisiones a productores y asesores agropecuarios.

Cabe aclarar que la cantidad de información requerida por el modelo es muy grande y que por lo tanto es necesaria una colaboración muy estrecha entre los desarrolladores y los expertos de campo para acordar el valor de los parámetros específicos de cada sistema, así como el tipo de estudio a realizar en función, por ejemplo, del patrón de emergencia estimado.

Se espera que este desarrollo constituya la base de un modelo estratégico que permitirá la evaluación y selección de las mejores alternativas de control de malezas en un lapso de varios años, incluyendo técnicas de manejo complementarias al control químico (rotaciones de cultivos, control biológico, control mecánico, etc.) y considerando en forma explícita el efecto de los tratamientos sobre la aparición de biotipos de malezas resistentes.

 

Referencias

  • Heap, I. 2013. The International Survey of Herbicide Resistant Weeds. Accedido online: 9 de Agosto de 2013. http://www.weedscience.org
  • Leach, A. W., Mumford, J. D., 2008. Pesticide Environmental Accounting: A method for assessing the external costs of individual pesticide applications. Environ. Pollut. 151, 139-147.
  • Lodovichi, M.V.; Blanco, A.M.; Chantre, G.R.; Bandoni, J.A.; Sabbatini, M.R.; Vigna, M.R.; López, R.L. y Gigón, R. 2013. Operational planning of herbicide-based weed management. Agricultural Systems 121, 117-129.
  • OPDS. 2013. Marco de gerstion ambinetal y social "Aumento de la resiliencia climática y mejora de la gestión sustentable de la tierra en el sudoeste de la Provincia de Buenos Aires". Accedido on line 25/09/2013. http://www.ambiente.gov.ar
  • Pannell, D.J., Stewart, V., Bennet, A., Monjardino, M., Schmidt, C., Powles, S.B. 2004. RIM: a bioeconomic model for integrated weed management of Lolium rigidum in Western Australia. Agricultural Systems 79, 305-325.
  • Parsons, D.J., Benjamin, L.R, Clarke, J., Ginsburg, D., Mayes, A., Milne, A.E., Wilkinson, D.J. 2009. Weed Manager – A model-based decision support system for weed management in arable crops. Computer and Electronics in Agriculture 65, 155 – 167.
  • Shapiro, J. F. 2001. Modeling the Supply Chain; Duxbury-Thompson Learning.
  • Vigna, M.R., López, R.L., Gigón, R., Mendoza, J. 2008. Estudios de Curvas Dosis-respuesta de Poblaciones de Lolium perenne a Glifosato en el SO de Buenos Aires, Argentina. XVIII Congreso de la Asociación Latinoamericana de Malezas, Ouro Preto, Brasil. 13 pp.
  • Vigna, M., López, R., Gigón R., Sabbatini, M.R., Lodovichi, M., Chantre G. 2010. Management and emergence dynamics of herbicide-resistant Lolium Perenne Lam in winter cereals of Argentina. Actas de Bayer Crop Pan American Weed Resistance Conference, Miami Beach, USA. p.10.

*Guillermo R. Chantre1*, Mariela V. Lodovichi1, Aníbal M. Blanco2, Alberto J. Bandoni2, Mario R. Sabbatini11

1Departamento de Agronomía y CERZOS, Universidad Nacional del Sur/CONICET
Bahía Blanca, Buenos Aires, 8000, Argentina.

2Planta Piloto de Ingeniería Química, Universidad Nacional del Sur/CONICET
Bahía Blanca, Buenos Aires, 8000, Argentina.

*Guillermo R. Chantre; e-mail:

 

Volver