INTRODUCCIÓN | MÉTODOS | RESULTADOS | DISCUSIÓN

INTRODUCCIÓN

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.

MÉTODOS 

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)

  Para la mayoría de los campos, contamos con cuatro imágenes Landsat TM del 5 de octubre 1996, 24 de diciembre de 1996, 10 de febrero de 1997 y 30 de marzo de 1997. Para los campos del CREA Carhué, contamos con dos imágenes (28 de octubre de 1996 y 17 de febrero de 1997). 

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. 

RESULTADOS

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.

            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.

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.

             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.

DISCUSIÓN

             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.

             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.

Inicio | Siguiente