Limitaciones del rendimiento de maíz en el Chaco Semiárido y Subhúmedo

Autores: Rubio, G. 1,2 *; Casali, L. 1 ; Herrera, J.M. 1,3

1 Instituto de Investigaciones en Biociencias Agrícolas y Ambientales (INBA-CONICET). 2 Cátedra de Fertilidad y Fertilizantes. Fac. Agronomía, UBA. 3 Agroscope. Route de Duillier 50, 1260 Nyon, Switzerland. *Contacto: rubio@agro.uba.ar

Trabajo realizado en base a: Casali, L., Rubio, G., Herrera, J.M. (2018). Drought and temperature limit tropical and temperate maize hybrids differently in a subtropical region. Agronomy for Sustainable Development. 38: 49-61.

Principales limitaciones del rendimiento de maíz en el Chaco Semiárido y Subhúmedo

Un estudio que se propuso determinar las principales limitaciones climáticas y de manejo para mejorar las prácticas agronómicas en esta zona.

Palabras Claves:

Limitaciones climáticas; Manejo; Rendimientos; Modelos.

Introducción

Las regiones semiárida y subhúmeda del Chaco tienen una de las tasas más altas de deforestación en el mundo y tradicionalmente se han considerado marginales para el maíz. Sin embargo, este cultivo está siendo cada vez más adaptado por los productores locales y se espera que su expansión continúe (Giménez et al., 2015). Las evaluaciones recientes mostraron que estas regiones tienen las brechas de rendimiento más altas en Argentina para el maíz (Aramburu Merlos et al., 2015). La situación actual requiere entonces la identificación de las principales limitaciones a la productividad para minimizar el riesgo climático y mejorar las prácticas de manejo teniendo en cuenta el suelo, el clima y los genotipos (Andrade et al., 2017). Por lo tanto, es necesario generar información válida para el diseño de prácticas agronómicas que hagan compatible la alta productividad con un impacto ambiental mínimo para permitir la sustentabilidad de los agrosistemas.

Los objetivos de este estudio fueron determinar las principales limitaciones climáticas y de manejo que explican la variabilidad en los rendimientos de maíz en el Chaco semiárido y subhúmedo, e identificar las prácticas de manejo con potencial para aliviar los efectos de las restricciones identificadas.

Materiales y métodos

La evaluación se realizó en el Chaco subhúmedo y semiárido, que cubren una gran proporción de las provincias de Santiago del Estero y Chaco (Figura 1). El Chaco subhúmedo y semiárido tienen rangos de precipitación anual de 750 a 950 y de 500 a 750 mm, respectivamente, y siguen un patrón monzónico. Los suelos agrícolas son principalmente Haplustoles y Argiustoles.

Los datos se obtuvieron de lotes de producción de maíz (85 % de las observaciones) y de evaluaciones de genotipos a campo (15 %), y fueron recopilados de campos de productores AACREA, de la Red de Evaluación de Cultivares de Maíz - INTA-EEA Las Breñas y de una evaluación de genotipos realizada por Don Mario SA. El conjunto de datos consolidado incluyó información de 792 potreros de producción y parcelas de evaluación de genotipos de cinco temporadas de crecimiento (2010 a 2015). Así, el conjunto de datos capturó la heterogeneidad temporal y espacial. También incluyó el rendimiento de grano del maíz y variables que caracterizaban a los potreros y manejo de cultivos (fechas de siembra y cosecha, densidad de siembra, arreglo de cultivos, aplicación de fertilizantes y medidas de protección de cultivos). Se incluyeron tres tipos diferentes de híbridos de maíz: tropical, templado y cruces entre líneas de endogamia tropical y templada.

La mayoría de los datos ambientales se recolectaron localmente y en caso de faltantes, se complementaron con datos obtenidos de la NASA (http://power.larc.nasa. gov/). A partir de la base de datos meteorológicos, se estimó la evapotranspiración potencial según Penman

Figura 1

El área de estudio (marcada con el recuadro de línea punteada) se extiende entre el Chaco Subhúmedo y el Chaco Semiárido, entre las provincias de Chaco y de Santiago del Estero. En línea punteada se muestran las isohietas.

Monteith y Hargreaves, los índices de precipitaciónevapotranspiración y los cocientes fototérmicos. Además, se calcularon 12 índices de calor diferentes según el número de días y el grado de días acumulados en los que la temperatura máxima estuvo por encima de los seis valores de umbral.

Para definir el modelo que mejor describe los datos observados, consideramos un modelo lineal de efectos mixtos. Para seleccionar los predictores para el modelo final, seguimos la estrategia descendente de selección de modelos y el enfoque de inferencia multimodelo basado en la teoría de la información. La selección de los predictores del modelo se basó en los criterios AIC. La bondad de ajuste de los modelos mixtos se evaluó con R2 de modelos ajustados siguiendo la metodología descrita en Nakagawa y Schielzeth.

Debido a la falta de informes que validen o usen este modelo en el área estudiada, fue necesario evaluar la idoneidad de CERES-Maize para el área estudiada. Evaluamos CERES-Maize v4.5, con datos del maíz híbrido DK 747 de la base de datos consolidada.

Resultados y discusión

Resultados de la base de datos principal

Las precipitaciones durante el ciclo de cultivo variaron de 269 a 1140 mm. El rendimiento de los cultivos promedió 6156 kg ha -1 , aunque mostró gran variación. La mayoría de los productores (87 %) sembraron maíz en un período relativamente estrecho que se extiende desde el 15 de diciembre hasta el 31 de enero. La distancia entre hileras predominante fue de 52 cm (81 %), mientras que la densidad promedio varió de 3.8 a 7.6 plantas m -1 . En 2010, el porcentaje de híbridos templados fue de 32 %, mientras que en 2013 fue de 68 %. En promedio, la duración de la temporada de cultivo del maíz fue de 185 días.

Factores individuales que condicionaron los rendimientos

Entre las variables evaluadas para la relación entre la temperatura y el rendimiento del grano, la temperatura máxima promedio de enero a abril fue el predictor que explicó la mayor cantidad de varianza. En el caso de estrés por calor, el factor predictivo que explicó la mayor cantidad de varianza fue la suma de días de grado por encima de los 35 ºC (D35). Varios documentos indican que 35 ºC es un valor de umbral de temperatura óptimo por encima del desarrollo del maíz, crecimiento y procesos reproductivos.

En términos de las variables relacionadas con la disponibilidad de agua, la cantidad de lluvia durante febrero (Figura 2) fue un mejor predictor del rendimiento del maíz que los diferentes índices de evapotranspiración evaluados. Entre las variables de manejo, el tipo de híbrido de maíz explicó una cantidad significativa de los rendimientos obtenidos. En contraste, todas las variables evaluadas asociadas al suelo fueron predictores pobres del rendimiento de grano. Una variable cualitativa que clasifica los sitios según si estaban ubicados en el Chaco semiárido o subhúmedo tampoco fue retenida por los modelos, lo que sugiere que esta clasificación puede tener poca aplicación operacional. En nuestro caso, la densidad de plantas no explicó la variabilidad en el rendimiento de grano.

Entre los modelos explicativos del rendimiento evaluados, el modelo 2 mostró el mejor ajuste general (AIC: 3722; R2 marginal 0.60):

Modelo 2

Rendimiento maíz = D35 + TJA + RF + HT + D35×TJA × (Sitio x Año) + ϵi

Donde D35 son los grados día acumulados por encima de 35 ºC, TJA: temperatura promedio máxima de enero a abril, RF: lluvia durante febrero, HT: es el tipo de híbrido de maíz, ϵ: error s.

El modelo seleccionado incluyó los parámetros D35 + TJA + RF + HT como aditivos y la interacción entre un índice de estrés por calor (D35) y TJA. La Figura 3a muestra la relación entre el rendimiento de grano y la precipitación durante febrero. Aunque la interacción entre el tipo de híbrido y la precipitación no tuvo un efecto significativo en el rendimiento de grano, hubo un efecto aditivo del tipo de híbrido en el rendimiento de grano. Dado que con poca precipitación los híbridos templados tendían a rendir mejor que los tropicales, esto apoya la adopción en curso de los híbridos templados.

Relaciones entre rendimiento de grano y precipitación durante toda la temporada de crecimiento y en diciembre, febrero y abril. Los datos se obtuvieron de 792 potreros de producción de maíz.

Rendimiento (kg/ha)

Precipitación (mm)

La adopción de híbridos tropicales fue alentada en el pasado por la expectativa de que se adaptarían mejor a la temperatura local y al fotoperíodo requerido. La Figura 3b muestra la relación entre el rendimiento de grano y la temperatura media de enero a abril y el efecto interactivo de un índice de estrés térmico (D35) en esta relación. Como era de esperar, el rendimiento de grano del maíz disminuyó a medida que la temperatura aumentaba por encima del promedio ya alto de 29 ºC. Estas combinaciones de temperaturas máximas y estrés por calor tienen implicaciones para la productividad del maíz y fueron capturadas por el modelo de restricciones múltiples. La interacción

Figura 2

significativa entre la temperatura y el estrés por calor, es visible por el hecho de que en el extremo más bajo de temperaturas (es decir, <30 ºC) no hubo observaciones con D35> 150 DD, más eventos de calor resultaron en un rendimiento de grano más bajo con temperaturas más altas pero no con temperaturas más bajas. Si bien este efecto puede parecer sutil, muestra cuán complejo es el dilema para que los agricultores locales elijan un tipo de híbrido, fechas de siembra y otras decisiones de manejo que median el efecto en la productividad de dos efectos climáticos que, en un rango estrecho pueden dar como resultado. Esto, a su vez, sugiere que puede que no exista una solución fácil que se pueda

a) Relación entre rendimiento de híbridos de maíz tropicales y templados, y precipitación durante febrero. b) Relación entre rendimiento y promedio de temperatura máxima desde enero a abril bajo la influencia de

un índice de estrés térmico (días con más de 35 grados C) (D35). Los datos se obtuvieron de 792 potreros de producción de maíz.

lograr a través de la mejora genética o el manejo de cultivos, sino la necesidad de diversificar las opciones para minimizar el riesgo de efectos climáticos difíciles de anticipar.

Modelos mixtos

Con el modelo de restricciones múltiples seleccionado (modelo 2), se determinó que el ocho por ciento de la variación se atribuyó al tipo de híbrido, un factor que puede ser controlado por los agricultores. En contraste, la mayoría de los efectos en el rendimiento del grano se explicaron por las variables ambientales para las cuales no hay control: D35 (11 %), temperatura de enero a abril (26 %), lluvia durante febrero (13 %), la interacción D35 × temperaturas medias de enero a abril (13 %) y la interacción el sitio de x año (11 %).

Cuando circunscribimos el análisis del componente de varianza a un subconjunto con solo genotipos tropicales, la precipitación en febrero explicó el 24 %

Figura 3

de la varianza en el rendimiento de grano, el ambiente (es decir, el año por año) el 17 % y la temperatura máxima de enero a abril el 29 %. En cambio, para los híbridos templados, las precipitaciones tuvieron menor peso relativo. Si bien el tipo de híbrido explica menos variabilidad que otras variables, sería un factor a considerar para aumentar la productividad del maíz en el área ya que se puede contrarrestar la variabilidad climática, al menos en cierta medida, mediante la combinación de híbridos tropicales y templados.

Los híbridos tropicales se vieron menos afectados por el estrés térmico y las temperaturas más altas que los híbridos templados. Sin embargo, los híbridos tropicales se vieron más afectados por el régimen de precipitación que los templados, probablemente debido a su mayor producción de biomasa y el mayor consumo de agua asociado. De manera similar, en los experimentos de campo realizados en la pampa húmeda de Argentina, los efectos del estrés por calor en el rendimiento de

grano fueron mayores para los híbridos templados que para los híbridos tropicales (Edreira y Otegui, 2012).

Un resultado inesperado de la selección del modelo fue que la fertilización con N no se identificó como un predictor con capacidad explicativa aceptable. La disponibilidad de N en el suelo podría ser lo suficientemente alta para los cultivos de verano debido a que muchos de los lotes aún mantienen la fertilidad de los suelos vírgenes, y las altas temperaturas del verano exacerban la mineralización de N.

Modelo CERES Maize

Después de calibrar CERES-Maize para el híbrido DK 747 y evaluarlo para el área estudiada, nuestro análisis con regresión convencional indicó que el híbrido DK 747 tiene el potencial de aumentar el rendimiento de grano en 18.5 a 21 kg por ha por cada mm adicional de lluvia que cayó durante febrero. A pesar de que el modelo CERES dejó preguntas sin responder, permitirá una inversión más eficiente de recursos en los siguientes proyectos al centrarse sólo en aquellas preguntas que permanecen abiertas.

Conclusión

El modelo empírico identificó la cantidad de lluvia durante febrero como un determinante principal de los rendimientos del maíz. Sobre la base de estas observaciones, las simulaciones de maíz de CERES indicaron que los híbridos templados adecuados tienen el potencial de aumentar el rendimiento de grano de 18 a 21 kg ha -1 por cada mm de lluvia adicional que cayó durante febrero. Nuestro modelo empírico mostró que los híbridos de clima templado tendían a rendir mejor en condiciones de escasez de agua, mientras que los híbridos tropicales tendían a soportar mejores condiciones que surgían de temperaturas más altas y estrés por calor (temperatura >35 ºC). La opción de elección de genotipo para minimizar los riesgos climáticos puede ser diversificarlos y mezclarlos en diferentes potreros como medida para minimizar la vulnerabilidad climática gene ral. Independientemente del genotipo específico del maíz, todas las estrategias que contribuyen a diversificar la producción pueden ser útiles para contrarrestar el alto riesgo climático del área.

Agradecimientos

Agradecemos a Guillermo Peralta, José Micheloud, Luciana Bolañez, Salvador Prieto, Hernán Ingrassia, Néstor Gómez, Tomás Nolting y a los miembros de Aapresid e INTA Quimilí por su valiosa ayuda. El apoyo financiero fue proporcionado por CONICET, ANPCYT y UBA.

Bibliografía

Andrade JF, Poggio SL, Ermácora M, Satorre EH (2017). Land use intensification in the Rolling Pampa, Argentina: diversifying crop sequences to increase yields and resource use. Eur J Agron 82:1–10. Aramburu Merlos F, Monzon JP, Mercau JL, Taboada M, Andrade FH, Hall AJ, Jobbagy E, Cassman KG, Grassini P (2015). Potential for crop production increase in Argentina through closure of existing yield gaps. Field Crop Res 184:145–154. Edreira JIR, Otegui ME (2012). Heat stress in temperate and tropical maize hybrids: differences in crop growth, biomass partitioning and reserves use. Field Crop Res 130:87–98. Giménez R, Mercau JL, Houspanossian J, Jobbágy EG (2015). Balancing agricultural and hydrologic risk in farming systems of the Chaco plains. J Arid Environ 123:81–92.

Encuentre el presente trabajo en www.aapresid.org.ar - PUBLICACIONES