INTRODUCCIÓN | MÉTODOS
| RESULTADOS
Buena
parte de los planteos ganaderos extensivos de nuestro país depende
fundamentalmente del forraje aportado por la vegetación nativa, las pasturas
implantadas o los verdeos. Los productores ganaderos cuentan con escasa
información sobre la variación espacial y temporal de la productividad de
estos recursos. La disponibilidad forrajera en este tipo de sistemas que no
importan forraje depende fundamentalmente de la Productividad Primaria Neta Aérea
(PPNA). La PPNA es la tasa de generación de materia seca de un pastizal
o pastura y se expresa en unidades de materia seca por unidad de área
y de tiempo, generalmente kg/ha.día.
La PPNA es el determinante más importante de la carga animal. El
conocimiento de sus valores promedio y de su distribución estacional permite
identificar baches forrajeros y períodos de exceso. Esto posibilita una
planificación forrajera sobre bases más sólidas.
Si
la productividad primaria constituye una información tan valiosa para la
planificación ganadera, ¿por qué no se cuenta fácilmente con estimaciones de
ella? La respuesta es sencilla: su
medición no es fácil. En general, las estimaciones de PPNA se basan en cortes
periódicos de biomasa. Este método es tedioso, consume mucho tiempo y requiere
un número elevado de muestras para ser medianamente confiable. Por lo tanto,
cuando se intenta estimar la PPNA con estas aproximaciones suele ser necesario
limitar seriamente el número de casos explorados, lo cual genera problemas de
extrapolación de los resultados obtenidos a las áreas no muestreadas
directamente.
El
objetivo general del convenio entre los CREA del Sudoeste y un equipo de
investigación de la Facultad de Agronomía de la FAUBA es evaluar la
productividad de los distintos recursos forrajeros de la zona sudoeste de AACREA.
El objetivo específico para la primera etapa del convenio, que se cierra con
este informe, es caracterizar la variación
de la productividad entre los distintos potreros que componen los grupos de la
zona.
Una de las particularidades de nuestro trabajo es que el relevamiento de
los recursos forrajeros será total y, a la vez, detallado. Total porque
obtendremos información sobre los recursos forrajeros de cada uno de los
potreros forrajeros de los campos de la zona Sudoeste. Y detallado porque
tendremos estimaciones de la PPNA para cada porción de 30 x 30 metros de cada
potrero y en cuatro fechas distintas. Esto será factible porque utilizaremos
información suministrada por sensores remotos para estimar la PPNA.
La
cantidad de radiación emitida por la superficie terrestre en las longitudes de
onda roja e infrarroja varía estrechamente con la cantidad de biomasa verde
presente. La información provista por satélites que registran la reflectancia
en esas bandas de longitud de onda puede integrarse en un índice que muestra
una estrecha asociación con la vegetación:
IVN
= ( IR - R ) / ( IR + R )
donde IVN es el Indice Verde Normalizado, IR es la reflectancia en el infrarrojo cercano y R es la reflectancia en el rojo.
Estudios
detallados sobre la transferencia de radiación dentro de un canopeo
establecieron que el IVN es un estimador de la capacidad fotosintética de ese
canopeo y por lo tanto de la Productividad Primaria. Haciendo uso de una extensa
base de datos de PPNA se llevó a
cabo una calibración del IVN para pastizales templados de Norte América. La
integral anual del IVN a lo largo del año y la PPNA anual mostraron una
estrecha relación (r2=0.93. n=19, p<0.001). Para el caso de
pastizales y pasturas del CREA Laprida, se han obtenido calibraciones
con similar grado de ajuste (r2=0.82-0.89). Estas calibraciones
mostraron que el índice verde refleja no sólo los cambios estacionales de
productividad, sino también las diferencias entre potreros cercanos o ambientes
dentro de un potrero.
Analizamos
algo más de 45000 hectáreas con diversos recursos forrajeros. A razón de un
dato cada 900 m2 y 4 fechas de análisis, nuestro trabajo resume más
de dos millones de estimaciones de productividad discriminadas por grupo CREA,
establecimiento, lote, tipo de recurso y fecha. Además de brindar esta
información en forma analítica, presentamos mapas de la productividad de cada
establecimiento, con lo cual la información se hace espacialmente explícita, y
entregamos a los usuarios toda la información básica en forma digital como
para que puedan hacer sus análisis específicos de acuerdo a sus necesidades y
a su creatividad.
Los
productores y asesores de la zona proveyeron información sobre el uso de cada
lote en los últimos años. Identificamos que la primavera de 1996 y el
verano-otoño de 1997 constituían una estación de crecimiento para la cual
contábamos con la mayor riqueza de información de campo y mayor disponibilidad
de imágenes satelitales, por lo que el estudio quedó definido para esas fechas
y abarcó 29 establecimientos de cinco grupos CREA: Cnel. Suárez, Pringles, La
Madrid, Laprida y Carhué. Los tipos de recursos forrajeros fueron codificados
como CN (Campo Natural), P1 (pasturas de loma, usualmente alfalfa), P2 (pasturas
de bajo, usualmente agropiro), VI, (verdeos de invierno) y Otros (usualmente
verdeos de verano)
A
partir de croquis de los establecimientos provistos por productores y asesores,
creamos imágenes de cada campo que fueron superpuestas sobre las imágenes
satelitales. Estas imágenes de campos contenían los contornos del
establecimiento, de los potreros, y de subdivisiones internas de los potreros
cuando estos contenían una mezcla de tipos de recursos forrajeros o una sección
con recursos forrajeros y otra con agricultura. Cada porción encerrada por uno
de estos contornos fue entonces identificada por su pertenencia a un grupo, a un
establecimiento a un lote y a un tipo de recurso forrajero. De las imágenes
Landsat, se extrajeron, para cada uno de estos contornos, los valores de IVN de
cada porción de 900 m2 y la superficie ocupada. El IVN fue traducido
a valores de PPNA mediante una calibración
previa
realizada a partir de datos de campo e imágenes satelitales en potreros del
CREA Laprida (Paruelo et al. 2000). Los valores de PPNA de cada porción de
terreno fueron resumidos en parámetros sintéticos, como la media y el desvío
estándar. Un ejemplo de este procedimiento puede verse haciendo click aquí.
Distribución de los recursos forrajeros por superficie
A
nivel de zona, aproximadamente 40% de la superficie forrajera corresponde a
pasturas de tipo P2. Las pasturas de loma y los campos naturales ocupan
aproximadamente el 30% de la superficie cada uno. Los verdeos de invierno cubren
un 2-3% de la superficie en el momento en que están implantados, mientras que
otros recursos forrajeros (verdeos de verano) ocupan una parte ínfima de la
superficie (Tabla 1).
Tabla
1. Distribución porcentual de la superficie forrajera en los distintos
tipos de recurso en la zona Sudoeste en su conjunto.
|
FECHA |
|
|||
Tipo de recurso |
Oct-96 |
Dic-96 |
Feb-97 |
Mar-97 |
Total general |
Campo Natural |
28,1% |
28,5% |
25,4% |
29,3% |
27,9% |
P1 |
30,1% |
29,7% |
32,8% |
30,5% |
30,7% |
P2 |
38,6% |
38,8% |
41,6% |
39,9% |
39,6% |
Verdeo de Invierno |
2,8% |
2,5% |
0,0% |
0,0% |
1,4% |
Otros |
0,5% |
0,5% |
0,2% |
0,3% |
0,4% |
Total general |
100,0% |
100,0% |
100,0% |
100,0% |
100,0% |
Las proporciones de recursos forrajeros por superficie varía mucho entre
los grupos de la zona (Tabla 2). Carhué y Cnel. Suárez tienen una alta
proporción de pasturas de loma, pero el primero carece de campos naturales.
Cnel Pringles y La Madrid, en cambio, tienen a los campos naturales como el
recurso con más superficie. Finalmente, Laprida concentra dos tercios de su
superficie forrajera en pasturas de tipo P2. Estas proporciones varían
marcadamente entre campos de un mismo grupo. Por ejemplo, La Gama, del grupo
Cnel. Suárez, tiene un 63% de superficie con pasturas P2, similar al promedio
de Laprida.
Tabla
2. Proporción de la superficie ocupada por los distintos recursos
forrajeros en cada grupo de la zona Sudoeste.
Tipo de Recurso |
CARHUE |
CNEL
SUAREZ |
CNEL.
PRINGLES |
LA
MADRID |
LAPRIDA |
Campo Natural |
0,0% |
21,4% |
46,2% |
42,5% |
8,4% |
P1 |
60,0% |
59,6% |
22,0% |
24,8% |
23,3% |
P2 |
33,0% |
16,3% |
29,4% |
31,0% |
67,4% |
Verdeos de Invierno |
7,0% |
1,6% |
0,9% |
1,8% |
0,8% |
Otros |
0,0% |
1,1% |
1,4% |
0,0% |
0,0% |
Total general |
100,0% |
100,0% |
100,0% |
100,0% |
100,0% |
Productividad de Forraje
La productividad primaria neta aérea (PPNA) de las pasturas P1 fue, en
promedio, unos 15 kg/ha.día mayor a la de los campos naturales y pasturas P2 (Fig.
1).
Los verdeos de invierno produjeron, en octubre, aproximadamente lo mismo que las
pasturas P1. La variación estacional de las pasturas P1 fue muy clara:
produjeron unos 50 kg/ha.día en Oct- Dic. y unos 60 kg/ha.día en Feb-Mar. Los
CN produjeron unos 35 kg/ha.día en Oct-Dic, pasaron a 50 kg/ha.día en Febrero,
y bajaron a unos 45 kg/ha.día en Marzo. Las pasturas P2 tuvieron un
comportamiento estacional muy semejante a los CN.
Tomando en cuenta la PPNA de cada recurso y su área de ocupación, puede
observarse que, según las fechas, las pasturas P1 aportan entre un 37 y un 41%
del forraje, las pasturas P2 entre un 34 y 38% y los CN un 24-26% (Tabla 3).
Tabla
3. Contribución porcentual de cada recurso forrajero a la producción
total de forraje en la zona.
Tipo de Recurso |
Oct-96 |
Dic-96 |
Feb-97 |
Mar-97 |
Total general |
Campo Natural |
23,93% |
25,83% |
25,32% |
25,71% |
25,19% |
P1 |
38,44% |
41,38% |
37,66% |
36,57% |
38,32% |
P2 |
34,39% |
31,37% |
36,71% |
37,61% |
35,27% |
Verdeos de Invierno |
3,18% |
0,92% |
0,00% |
0,00% |
1,00% |
Otros |
0,05% |
0,50% |
0,31% |
0,10% |
0,22% |
Total general |
100,00% |
100,00% |
100,00% |
100,00% |
100,00% |
La PPNA y su variación estacional variaron entre grupos. En Suárez, la
PPNA de los tres recursos perennes mostró una caída estival (diciembre) más
pronunciada que en los otros grupos (Figura
2). Pringles
mostró valores de PPNA algo menores al promedio de la zona en todas las fechas
y recursos forrajeros (Figura
3). La Madrid
tuvo un comportamiento similar a Suárez, pero con una caída menor de la PPNA
en diciembre (Figura 4).
Laprida se caracterizó por una mayor diferencia entre las pasturas P1 y los
otros dos recursos perennes (CN y P2), particularmente en Oct-Dic. También
mostró altísimos valores en sus verdeos invernales (Figura
5).
Finalmente, Carhué mostró valores mucho más bajos de PPNA (Figura
6)
Las pasturas P1 mostraron una caída significativa de la PPNA con la
edad. En promedio, su PPNA cayó unos 1.2 kg/ha.día por cada año de
envejecimiento (Figura
7).
La tasa de pérdida de productividad fue diferente según el momento del año.
Fue máxima en diciembre, cuando las pasturas perdían 1.5 kg/ha.día por cada año
de envejecimiento, y fue mínima en febrero, cuando las pasturas perdían 0.8 kg/ha.día
por cada año de envejecimiento.
La variación total de PPNA, es decir del conjunto completo de datos,
estuvo muy poco correlacionada con el tipo de recurso (P1, P2, CN), la fecha de
observación, o el grupo CREA. El tipo de recurso explicó sólo el 12% de la
variación total y la fecha de observación explicó un 2% adicional. Esto
sugiere que los controles a escala más reducida, probablemente el tipo de
suelo, son muy fuertes, lo cual hace más útil aún el análisis de la situación
de cada establecimiento y cada potrero, algo que sólo parece factible mediante
sensores remotos.
Un elemento adicional que apunta a la utilidad de un análisis con
sensores remotos, como el aquí realizado, es la alta variabilidad de la PPNA
dentro de un mismo potrero. En promedio, cada porción de 30x30 metros de un
potrero difirió en 15 kg/ha.día de la productividad promedio del potrero. Esto
significa un 33% de variación, lo cual limita grandemente las aproximaciones de
estudios puntuales de cortes de unos pocos metros cuadrados y representa un
desafío desde el punto de vista del manejo.
Tabla 4. Desvíos estándar de la PPNA dentro de potreros para
los distintos recursos y fechas.
Tipos
de Recurso |
Oct-96 |
Dic-96 |
Feb-97 |
Mar-97 |
Campo
Natural |
16,1 |
15,5 |
14,9 |
13,7 |
P1 |
14,9 |
17,7 |
16,5 |
14,1 |
P2 |
15,4 |
16,1 |
17,2 |
13,9 |
Verdeos
de Invierno |
13,8 |
10,5 |
|
|
Otros |
12,7 |
11,8 |
10,9 |
14,4 |
Total
general |
15,4 |
16,2 |
16,3 |
13,9 |
Las estimaciones de PPNA son,
en todos los casos, meras estimaciones de un valor real que nunca llega a ser
conocido. El método utilizado aquí tiene, por supuesto, algún grado de
imprecisión. Una parte de esta imprecisión deriva de la dispersión de
los datos de la calibración
utilizada. Otra parte probablemente se debe a la extrapolación de esa calibración
a situaciones para las cuales no fue implementada. Sin embargo, en el primero de
los casos, el de la dispersión de los datos de la calibración, el grado de
ajuste fue muy alto, por lo que la incertidumbre agregada por el uso de un método
indirecto parece no ser mayor que el error asociado a la mayoría de los
intentos de estimación de la PPNA mediante métodos directos de cortes de
biomasa. En el segundo de los casos, el de la extrapolación a otras
situaciones, quizás el mayor riesgo potencial sea utilizar la calibración para
estimar la PPNA de los verdeos de invierno. La estructura de ese tipo de
recursos forrajeros es suficientemente diferente como para que se requiera un
ajuste ad-hoc de la transformación de IVN en PPNA. En cambio, para los recursos
forrajeros perennes (CN, P1 y P2), la extrapolación es razonable porque se
trata del mismo tipo de sistemas que dieron origen a la calibración.
Por lo tanto, las estimaciones de PPNA de los recursos forrajeros
perennes aquí presentadas no tienen mayor incertidumbre o error que las de las
metodologías alternativas más comunes. En cambio, tienen un valor agregado
fundamental: el alto grado de cobertura de datos que hace desaparecer al
muestreo y a la extrapolación. No hemos muestreado la PPNA de los recursos
forrajeros de la zona sudoeste, sino que la hemos estimado para el 100% de la
superficie forrajera con una alta resolución espacial, menos de un décimo de
hectárea. Esto nos permite conocer no sólo el valor total y promedio de cada
uno de los lotes sino también su variación espacial.
Los resultados mismos han reforzado esta necesidad de relevar palmo a
palmo en lugar de muestrear y extrapolar. Por un lado, han mostrado que el valor
de PPNA de un lote no puede predecirse con exactitud con sólo saber si se trata
de una pastura de tipo 1 o 2, o de un campo natural, o esté en tal o cual grupo
CREA, o esté en tal o cual establecimiento. Por otro lado, aun dentro de un
lote se ha revelado una gran heterogeneidad espacial, ya que, en promedio, cada
porción de un décimo de hectárea difiere un 33% del promedio de la
productividad del lote en el que se encuentra.
Otra particularidad de nuestras estimaciones es que corresponden a
situaciones de producción real, con los animales pastoreando. Frecuentemente,
los métodos de corte de biomasa requieren que se excluya a los animales, lo
cual arroja algo así como una estimación de productividad potencial. En
nuestro caso, estimamos la PPNA real, por lo que debe tenerse en cuenta, a la
hora de interpretar los resultados, que una parte de las diferencias de PPNA
pueden estar debidas al efecto directo del ganado.
Si bien existe una gran superposición entre los rangos de PPNA de los
distintos recursos forrajeros, nuestro trabajo muestra claros patrones y es a su
vez una herramienta para responder preguntas. Por ejemplo, la PPNA en Octubre de
los más de 800 lotes con recursos forrajeros perennes mostró una distribución
muy amplia (Figura
8). Sin
embargo, puede verse que las pasturas P1 tuvieron una distribución de valores
significativamente diferente de las pasturas P2 o los campos naturales (Figura
8). Nuestro trabajo ya pudo cuantificar
que un 70% de la variación de PPNA de las pasturas P1 se explica por su edad.
¿A qué se debe el resto de la variación? A partir de la base de datos que
entregamos con este informe, puede comenzar a resolverse este interrogante. Por
ejemplo, con unos pocos clicks del mouse pueden detectarse las 10 pasturas P1
menores de 5 años con mayor y menor productividad en Octubre (Tabla 5). El
asesor o el productor podrán investigar luego las características ambientales
y de manejo que las pueden haber favorecido o perjudicado. De la misma manera,
se puede evaluar la gama de valores de PPNA de otros recursos forrajeros y
fechas para todo el espectro de datos o para porciones más reducidas, como un
grupo, un establecimiento o una serie de lotes.
Tabla 5. Ejemplo de utilización de la base de datos. Se le
pidieron los 10 lotes P1 menores de 5 años de edad con mayor
y menor PPNA.
CAMPO |
LOTE |
EDAD |
SUPERF (ha) |
PPNA (kg/ha.dia) |
MAYORES |
|
|
|
|
LOS
AROMOS |
5 |
1 |
129.9 |
98.2 |
LA
COLINA |
02AC |
3 |
56.0 |
94.5 |
LOS
CORRALES |
22c |
2 |
72.1 |
90.5 |
LA
GAMA |
2a |
1 |
70.0 |
86.9 |
LA
LOMA |
4A |
2 |
73.0 |
86.0 |
LA
CAROLA |
8a |
2 |
43.4 |
85.6 |
LA
ANUNCIACION |
7 |
2 |
34.9 |
85.4 |
MARIA
ANTONIETA |
16 |
1 |
93.8 |
84.1 |
LA
QUERENCIA |
3Q L |
2 |
44.7 |
84.1 |
LA
GAMA |
3a |
0 |
41.5 |
84.0 |
|
|
|
|
|
MENORES |
|
|
|
|
SAN
JUAN |
10A |
2 |
60.3 |
24.4 |
SANTA
MARGARITA |
30 |
4 |
70.6 |
23.8 |
LA
COLINA |
08M a |
3 |
110.0 |
21.9 |
LA
GUIA |
3 |
0 |
34.7 |
21.8 |
LOS
FORTINES |
LF5 |
1 |
33.6 |
18.3 |
CLA
LAUQUEN |
CLA11 |
0 |
41.5 |
13.6 |
SAN
FERMIN |
11Aa |
1 |
78.2 |
13.1 |
LOS
FORTINES |
LF3 |
2 |
41.0 |
12.6 |
LOS
FORTINES |
LF9 |
4 |
31.6 |
8.5 |
LA
LOMA |
17C |
4 |
14.9 |
7.2 |
El informe que aquí entregamos no es, por lo tanto, un análisis final de un trabajo puntual, sino una herramienta de datos y mapas que servirá a los usuarios (asesores y productores) para realizar diversos análisis de acuerdo a sus necesidades.