Red de Nutrición de Cultivos del Norte Argentino
COORDINACIÓN GENERAL
COORDINACIÓN TÉCNICA
EMPRESAS PARTICIPANTES
LÓGICA BIO Escuchanos en
Índice
> RED DE NUTRICIÓN DE CULTIVOS DE NORTE ARGENTINO
¿Qué es la Red de Nutrición de Cultivos del Norte?
¿Qué hacemos y quiénes participan?
Objetivos
Agradecimientos
Resultados de la Campaña 23/24 y avances en la calibración de modelos para N en maíz en el NEA
Materiales y métodos
Resultados
Consideraciones finales
Bibliografía
Nutrición, manejo, spiroplasma y estréstérmico e hídrico: ¿Qué vimos en ensayos de la Red de Nutrición de Cultivos del Norte Argentino (RNCNA)?
Consideraciones finales
Bibliografía
Volatilización y retorno económico de las principales fuentes nitrogenadas sólidas en el NOA
Fertilización con Nitrógeno y Azufre para maximizar la productividad de maíz en el NEA Y NOA
Fertilización con Nitrógeno y Azufre para maximizar la productividad de maíz en el NEA Y NOA
RED de NUTRICIÓN de CULTIVOS del NORTE ARGENTINO
¿Qué es la Red de Nutrición de Cultivos del Norte?
Es una red para la generación de conocimiento e intercambio de experiencias sobre el manejo de la nutrición de cultivos en el norte argentino, con el fin de mejorar la competitividad de los sistemas productivos de dicha región.
¿Qué hacemos y quiénes participan?
La Red está abierta a todos los productores, técnicos, asociaciones, instituciones y empresas que estén interesados en la temática y que tengan necesidad de generar e intercambiar conocimiento.
A nivel experimental se trabajó en 37 sitios distribuidos en la región NEA principalmente y en el NOA. A su vez llevamos adelante acciones de transferencia como jornadas a campo, talleres de intercambio y giras técnicas; divulgamos
conocimiento generado y experiencias a través de nuestra web, redes sociales y publicaciones técnicas.
Las actividades de experimentación son llevadas a cabo dentro de los sistemas de producción en campos de productores, debidamente protocolizadas y ejecutadas por un profesional responsable en cada zona. Participan de la Red empresas que proveen insumos fertilizantes y servicios de análisis de suelo, aportando conocimiento, tecnología y apoyo económico para llevar adelante el proyecto. La Red cuenta con una Coordinación Técnica, representada por el Ing. Agr. (Dr.) Nicolás Stahringer, junto al Ing. Agr. (Dr.) Javier Fernandez quienes brindan soporte científico, analizan datos y transfieren los resultados. Finalmente hay una Coordinación General a cargo del programa Sistema Chacras de Aapresid, representada por el Ing. Agr. Ramiro Garfagnoli, para coordinar la ejecución de las diversas actividades planificadas en el proyecto.
OBJETIVOS
Una nutrición adecuada de los cultivos permite optimizar la eficiencia de uso de los recursos e insumos utilizados en la producción (García et al., 2010) y mejorar la capacidad de los cultivos de afrontar estrés biótico y abiótico. A su vez, no solo genera efectos inmediatos sobre la producción, sino que, acompañada de otras prácticas como rotación de cultivos, cultivos de servicio, siembra directa, entre otros permite generar un suelo de mayor fertilidad y productividad (García F., 2006).
En la región norte de la Argentina la práctica de fertilización no es habitual de los sistemas de producción (Calviño y Monzon, 2009) debido, entre otras causas, a la escasa información disponible sobre la nutrición de los cultivos. Por otro lado, se ha reportado un deterioro de la fertilidad química, física y biológica de los suelos (Osinaga et al, 2018; Villarino et al., 2016) debido a las pérdidas de materia orgánica del suelo tras los años de agricultura (Villarino et al., 2017) por las elevadas tasas de mineralización propia de la región (Koritko et al, 2019; Vizgarra et al, 2018) y al cambio de uso del suelo (Bauman, 2016). Por lo tanto, es clave la generación y divulgación de información sobre el ajuste nutricional de los cultivos que permita contribuir a mejorar y sostener la capacidad productiva de los ambientes del norte argentino.
Actualmente la red está abordando dos líneas experimentales “Manejo de N en maíz” y “Estrategias de nutrición en las rotaciones” en respuesta a la fuerte demanda de información de parte de los productores. Los objetivos de estas son:
Manejo de N en maíz:
• Evaluar la respuesta productiva, económica y ambiental de la fertilización nitrogenada en maíz.
• Entender los factores que determinan la respuesta (interacciones con factores del ambiente y del manejo).
• Desarrollar modelos de probabilidad de respuesta económicamente viable.
• Evaluar métodos de diagnóstico para la fertilización nitrogenada.
Estrategias de nutrición en las rotaciones:
• Evaluar la respuesta productiva-económica de diferentes estrategias de nutrición en diferentes ambientes y sistemas de cultivo.
• Evaluar el impacto de diferentes estrategias de nutrición sobre la capacidad productiva de los suelos.
• Determinar la respuesta de los cultivos a la aplicación de nitrógeno (N), fósforo (P), azufre (S) y otros nutrientes en diferentes ambientes y sistemas de cultivo.
• Evaluar metodologías de diagnóstico para la fertilización nitrogenada, fosfatada y azufrada.
Agradecimientos
El análisis y la presentación del siguiente informe fue posible gracias al aporte y dedicación de numerosos productores, técnicos e instituciones que participan activamente en la Red de Nutrición de Cultivos del Norte Argentino de AAPRESID.
Asimismo, reconocemos el apoyo de las empresas auspiciantes que permiten el desarrollo de conocimientos sobre el manejo del cultivo de maíz en el NEA.
A continuación, los responsables de cada actividad:
Generación de demandas de conocimiento, conducción de ensayos y generación de datos:
• Sitios Sachayoj: Victorio Morand, Juan Carlos Cotella, Ezequiel Krieger, Rubén Maggio, Tomás Santillan.
• Sitios Sachayoj: Walter Losada, Pablo Nazar, Ruben Médula.
• Sitio Weisbourd: Sergio Peralta; Ramón Mancilla; Juan Fernandez.
• Sitio Aerolito: Sergio Peralta, Walter Fontanela y Miguel Lopez.
• Sitio Charata: Sergio Peralta, Nahuel Scribanti, Ariel Taron, José Luis Fontanela, Walter Fontanela, Nicolás Stahringer.
• Sitio Avia Terai: Mauricio Gordyczyk.
• Sitio Gral. Capdevila: Wilson Schultz, HyH Agropecuaria, Nicolás Stahringer.
• Sitio Corzuela: Nicolás Yansen; Gabriel Soneira; Rodrigo Servin, Nicolás Stahringer.
• Sitio Otumpa: Nicolás Stahringer, Emmanuel Ortiz, Walter Hauch, Daniel Kohn, Denis Valdez; Sebastián Rodríguez; Danilo Fernandez.
• Sitio Rincón de Baguales: Nicolás Stahringer, Emmanuel Ortiz, Walter Hauch, Daniel Kohn, Denis Valdez y Sebastián Rodríguez.
• Sitio Tostado: Eduardo Corvi, Favio Gunzel.
• Sitio Los Frentones: Leandro Zilli, Franco Leguizamon, Wilson Schultz, Nicolás Stahringer.
Santiago Carro (pasantes de Aapresid) por su gran colaboración en la toma de muestras y recolección de datos en varios de los sitios.
Kramer Wilson y Lisandro Verbeek por la gestión en la entrega de fertilizantes a los sitios de experimentación y soporte en la realización de la recorrida por ensayos.
Nicolás González Midón y Daniela Sarracini por su valioso trabajo en la recepción y envío de muestras de suelo, así como en la realización de los análisis de suelos.
Coordinación Técnica: Nicolás Stahringer (UNNE) y Javier Fernández (UQ).
Javier Fernández, Fernando García y Nahuel Reussi Calvo por su gran contribución en el análisis de datos, redacción, revisión de informes y armado de protocolos.
Fabian Landriel, Diego Poliszczuk, Denis Petelko, Denis Gisbert, Gonzalo Nieto Alegre, Lucas García, Federico Pauli, Eduardo Frías, Federico Montenegro, Eber Arguello, Santiago Almirón, Esteban Stechina y Ayrton Quadrio (pasantes y tesistas de la FCA-UNNE) por su gran colaboración en la toma de muestras y recolección de datos en varios de los sitios.
Coordinación General: Ramiro Garfagnoli (Sistema Chacras – AAPRESID)
Empresas participantes
La Red de Nutrición de Cultivos del Norte 2023-2024 fue posible gracias al apoyo de las siguientes empresas: YPFAgro, BUNGE, Experta-AGD.
RED DE NUTRICIÓN DE CULTIVOS DEL NORTE
Resultados de la Campaña 23/24 y avances en la calibración de modelos para N en maíz en el NEA
Nicolás I. Stahringer1, Javier A. Fernández2, Nicolás González Midón3, Daniela Sarracini3, Ramiro Garfagnoli4 y Andrés Madias4.
1 Fac. de Ciencias Agrarias – Universidad Nacional del Nordeste
2 The University of Queensland
3 Experta Tecnología AGD
4 Aapresid – Sistema Chacras
INTRODUCCIÓN
El nitrógeno (N) es el pilar de la nutrición del maíz, siendo el nutriente que más frecuentemente limita la producción de este cultivo (Correndo y García, 2014). La fertilización nitrogenada en maíz es una práctica habitual debido a la relación positiva costo/beneficio de aplicar N por la elevada frecuencia con la que se obtiene respuesta positiva (Salvagiotti et al., 2002). Por este motivo, se considera que el N es la “bala de plata” en la fertilización nitrogenada en maíz (Reussi Calvo et al., 2020).
El incremento de productividad como respuesta al aumento del N disponible se ajusta a lo que se
conoce como respuesta de rendimientos decrecientes (Maddoni et al., 2003).
Una forma simplificada de interpretarlo es utilizando un modelo conocido como lineal-plateau. Básicamente, la interpretación de dicho modelo consiste en que se observa un aumento del rendimiento en forma lineal mientras este nutriente limita la producción. Luego, llegado un punto, la respuesta deja de ser lineal al aumento de la dosis de N porque este nutriente deja de limitar la producción que puede llegar estar limitada por otros recursos (agua, otros nutrientes, etc.). A partir de dicho punto, por más que se continúe incrementando la dosis de N no
habrá incremento de productividad y se habrá alcanzado un “techo” que se conoce como “plateau”.
La principal herramienta utilizada en Argentina para el diagnóstico y la posterior recomendación de N en maíz se basa en la disponibilidad de N (Nd), que se obtiene de sumar el N del suelo (Ns) (obtenido mediante la determinación del N de nitratos en el suelo en la profundidad de 0-60 cm previo o a la siembra) más el N aportado por el fertilizante (Nf). En general, en la región pampeana se ha observado que el Nd (Ns+Nf) consigue explicar una buena parte de la variación del rendimiento del maíz. Sin embargo, mejores diagnósticos pueden ser obtenidos considerando otras variables como: factores de suelo limitantes, variables climáticas, factores de manejo (plagas, enfermedades, malezas), presencia de napa, disponibilidad de otros nutrientes, aporte de N mineralizado durante el ciclo del cultivo, entre otros (Correndo y García, 2014). No obstante, esta herramienta no está calibrada (ajustada) para los sistemas de producción del NEA.
Más del 90 % del N se encuentra en la materia orgánica (MO) del suelo (Echeverría y Sainz Rozas, 2015), razón por cual la disminución de la MO trae aparejado una reducción de la disponibilidad de N, entre varias consecuencias negativas para el suelo. Estudios realizados en el Norte Argentino por investigadores como es el caso de Villarino et al., (2017) muestran pérdidas de aproximadamente 30 % de la MO tras los primeros 10 años de agricultura. Por otro lado, ha sido demostrado en un estudio reciente que recopiló información de 788 experimentos de N en maíz en Argentina, que
cuanto mayor es el rendimiento objetivo del maíz mayor es la demanda del cultivo por este nutriente (Correndo et al., 2021).
En el NEA se está observando en los últimos años un incremento de los rendimientos del cultivo de maíz, al mismo tiempo que los suelos presentan en general cada vez más años de agricultura (reflejado por ejemplo en menores concentraciones de MO). Esta realidad, de creciente demanda de N por maíces cada vez con mayores potenciales productivos, en un escenario de menor oferta de N por parte del suelo, está haciendo con que cada vez se esté fertilizando más, mismo sin disponer de las herramientas (modelos) calibradas para la región. Además de N, la perdida de MO influye también en la disminución de la disponibilidad de azufre (S).
A su vez, y con una visión más de largo plazo y de nutrición balanceada, se comenzó en la presente campaña con ensayos en los cuales evaluamos diferentes combinaciones de nutrientes.
De esta manera, los objetivos que planteamos abordar en este informe de la Red son: (i) evaluar los rendimientos obtenidos en los ensayos conducidos en la presente campaña, (ii) evaluar la respuesta a la fertilización nitrogenada en maíz en el NEA y como factores ambientales y de manejo la afectan, (iii) calibrar (ajustar) umbrales críticos de N disponible en el suelo para maíz en el NEA y (iv) obtener valores de disponibilidad óptima económica y calcular valores de dosis óptima económica para N en maíz en el NEA.
MATERIALES Y MÉTODOS
Ubicación de los sitios de N y S en maíz en la campaña 23/24
En la pasada campaña se condujeron un total de 13 experimentos de N y S de los cuales 6 estuvieron en Chaco, 6 en Santiago del Estero y 1 se hizo en el norte de Santa Fe (Figura 1).
Figura 1. Sitios de experimentos de N y S en maíz en la campaña 23/24, distribuidos en las provincias de Chaco (6), Santiago del Estero (6) y Santa Fe (1).
Ubicación de los sitios de larga duración (fertilización con N, P, K, S, Ca, Mg y Zn) en la campaña 23/24
En la pasada campaña se condujeron un total de 4 experimentos de larga duración (fertilización con N, P, K, S, Ca, Mg y Zn) de los cuales 3 estuvieron
en Chaco, próximos a la localidad de Pampa del Infierno y 1 en Santiago del Estero, próximo a la localidad de Sachayoj (Figura 2).
Figura 2. Sitios de experimentos de larga duración (fertilización con N, P, K, S, Ca, Mg y Zn) en la campaña 23/24, distribuidos en las provincias de Chaco (3) y Santiago del Estero (1).
Ubicación de los sitios de N en maíz que integran la base de datos de las campañas 20/21, 21/22 y 22/23.
Se confeccionó una base de datos con sitios de las campañas 20/21, 21/22 y 22/23 para evaluar la respuesta a la fertilización nitrogenada, calibrar (ajustar) modelos de umbrales críticos, así como para obtener las disponibilidades y dosis óptimas económicas en este informe. Lamentablemente, ningún sitio de la campaña 23/24 formó parte de esta base de datos debido a lo catastrófica que fue la campaña (ver “Rendimientos explorados en la campaña 23/24” dentro de “RESULTADOS”) por problemas muy severos de estrés térmico e hídrico, así como enfermedades del maíz
causadas por la chicharrita (Dalbulus maidis). La base de datos está integrada por un total de 31 experimentos de N en maíz que fueron conducidos en lotes de producción en siembra directa que tuvieron diferentes historiales de manejo previo. Se excluyeron del análisis sitios que, por diversos motivos sufrieron inconvenientes que comprometieron la normal conducción de los ensayos (por ej.: estreses bióticos y abióticos extremos, etc.). La distribución de los ensayos por provincias fue: 18 en Santiago del Estero, 9 en Chaco y 4 en Santa Fe (Figura 3).
Figura 3. Sitios de N en maíz de las campañas 20/21 (azul), 21/22 (rojo) y 22/23 (verde) que se utilizaron para calibrar modelos de umbrales críticos, así como para obtener las disponibilidades y dosis óptimas económicas. Ubicación: Santiago del Estero (18), Chaco (9) y Santa Fe (4).
Manejo de los sitios de N y S en maíz de la 2023-2024 y de N en maíz de las 3 campañas previas.
En las primeras dos campañas el mayor porcentaje de ensayos se sembraron entre el 20 de diciembre y el 10 de enero (83% en la 20/21 y 58% en la 21/22). En cambio, en la 22/23 apenas el 31% de los ensayos pudieron ser sembrados en esa ventana de fechas óptimas para la zona, y el 69% restante se sembró entre el 11 y el 20 de enero (Stahringer et al., 2023). En cuanto a la 23/24 el 50% de los ensayos se sembraron entre el 20 de diciembre y el 10 de enero, siendo que el 50% restante fue sembrado entre el 11 y el 21 de enero. Podríamos decir que, en términos generales, en la presente campaña los ensayos se habían sembrado en fecha óptima para la región.
Los sitios de la base de datos utilizada para hacer las calibraciones (campañas 2020-2021 a 2022-2023), tuvieron densidades de siembra que variaron entre 45000 y 90000 pl ha-1, siendo que el promedio se ubicó en 60000 pl ha-1. En cuanto a los materiales genéticos utilizados, estos fueron establecidos al azar, dado que los híbridos fueron definidos por los responsables de cada sitio en
función de la preferencia de cada productor o empresa (Tabla 1). En la 2023-2024 las densidades de siembra variaron entre 51000 y 76000 pl ha-1, siendo que el promedio se ubicó en 60500 pl ha-1.
El antecesor estival predominante de la base de datos 20/21 a 22/23 fue soja (87,1 % de los sitios con soja de primera y 3,2% de los sitios con soja de segunda), seguido por algodón (3,2 % de los sitios), maíz (3,2 % de los sitios) y otros (3,2 % de los sitios). Como antecesor invernal en 52 % de los sitios se hizo barbecho, en 23 % hubo trigo, en un 16 % se hicieron cultivos de servicio (vicia, centeno o trigo de cobertura) y en un 6% hubo garbanzo (Tabla 1). En la 2023-2024 se observó una tendencia similar, con soja como principal antecesor de verano y barbecho como principal antecesor de invierno.
El control de malezas e insectos se hizo siguiendo el manejo del productor/empresa en cada sitio.
Tabla 1. Características de manejo adoptadas en los sitios de la base de datos de 20/21 a 22/23.
Como fuente de N de los sitios de la base de datos 20/21 a 22/23 se utilizaron fertilizantes sólidos (86 % de los ensayos) y líquidos (14 % de los ensayos), siempre utilizando la manera en que habitualmente cada productor emplea para aplicar fertilizantes (por ejemplo: fertilizadoras al
voleo autopropulsadas, incorporadoras (Figura 4), sembradoras, pulverizadores autopropulsados, etc.) (Tabla 1). En la 2023-2024 se utilizaron fertilizantes sólidos en 62% de los sitios y líquidos en 38% de los sitios.
Figura 4. Incorporación de urea en un sitio de Charata (Chaco) con el cultivo en V6 durante la campaña 2023-2024 (CHA_24).
Foto: Ing. Agr. Sergio Peralta
El momento de aplicación de los fertilizantes fue desde pre siembra hasta el estado fenológico de V8 según la escala de Ritchie y Hanway (1982). En la base de datos 20/21 a 22/23 el 38 % de los ensayos se aplicaron entre pre siembra y siembra, el 17 % entre V2-V4 (Figura 5), el 34 % entre V4-V6 y el 10 % entre V7-V8 (Tabla 1). En los casos en que se utilizó urea esta fue incorporada para que no haya riesgo de volatilización (Figura 4).
En la campaña 2023-2024 el S se aplicó principalmente como yeso (sulfato de calcio
dihidratado) cuando se utilizó fuente sólida y como SolMIX (UAN + Tiosulfato de amonio) cuando la fuente empleada fue líquida. Estas fuentes fueron proporcionadas por la empresa BUNGE (Figura 6).
En la 2023-2024 se utilizaron fertilizantes líquidos de BUNGE en 5 de los 13 ensayos conducidos en dicha campaña (PIN_24, SAJ_24a, SAJ_24b, ARB_24a y ARB_24b). Para los tratamientos sólo con N se utilizó UAN, en cuanto que para aquellos con N y S las fuentes fueron
Figura 5. Aplicación al voleo de CAN (dosis 160 kg N ha-1) en ensayo en macroparcelas en un sitio de Otumpa (Santiago del Estero) con el cultivo en V3-V4 durante la campaña 2021-2022.
Foto: Ing. Agr. (Dr.) Nicolás Stahringer (FCA-UNNE).
Diseño experimental y tratamientos de los sitios de N y S en maíz de la 2023-2024 y de N en maíz de las 3 campañas previas
Los experimentos en macroparcelas (MA) microparcelas (MI) fueron conducidos con un diseño en bloques completamente aleatorizados (DBCA) con dos repeticiones como mínimo. Del total de 31 experimentos de la base de datos de 20/21 a 22/23, el 26% se condujeron con 2 repeticiones, 71% con tres repeticiones y 3% con 4 repeticiones. En la 2023-2024 todos los ensayos
se condujeron con 3 repeticiones, siendo que el 62% fueron en MA (Figura 7) y el 38% en MI. Las MA tuvieron un ancho mínimo de ocho surcos (hasta 36 m) y un largo mínimo de 100 m (hasta 200 m), siempre teniendo en cuenta la maquinaria disponible para sembrar, fertilizar, fumigar y cosechar los ensayos.
Figura 6. Yeso de BUNGE utilizado en el sitio de Avia Terai (Chaco) aplicado incorporado junto con urea a la siembra, durante la campaña 2023-2024 (AVT_24).
Foto: Productor y Ensayista Mauricio Gordyczyk.
Ing. Agr. Wilson Schultz (HyH)
Figura 7. Ensayos de la campaña 2023-2024, en macroparcelas en Gral. Capdevilla (Chaco) en lote con un sitio sin napa ubicado a la izquierda (CAP_24aSN) y otro con napa ubicado a la derecha (CAP_24bCN). Cada ensayo con tres repeticiones y cinco tratamientos (0N, 40N, 80N, 160N y 160N+S). Parcelas de 36 m de ancho por 120 m de largo aplicadas con fertilizadora autopropulsada Stara del equipo Experta AGD.
En la mayoría de los ensayos los tratamientos aplicados fueron 0, 40, 80 y 120 o 160 kg N ha-1. Dosis máxima de 120 kg N ha-1 cuando el antecesor invernal era barbecho y el antecesor estival soja o algodón, mientras que se optaba por dosis máxima de 160 kg N ha-1 si el antecesor invernal era trigo, gramínea de cultivo de servicio o girasol. En los sitios que fue posible se agregó un quinto tratamiento con dosis máxima de N más 20 kg S ha-1 (por ejemplo, sitios de la figura 7). De acá en adelante a todos los tratamientos se los denomina colocando la dosis seguido de la letra
N, y también S cuando corresponde (por ej.: 0N, 40N, 80N, 120N, 160 N, 160N+S, etc.).
Las muestras de suelo se tomaron en momentos próximos a la siembra, en las profundidades de 0-20, 20-40 y 40-60 cm para caracterización de la fertilidad. Para determinar agua útil (AU) se muestreo hasta un mínimo de 1 m y siempre que posible hasta 2 m (Figura 8). Los análisis de suelos se realizaron en su mayoría en el laboratorio agronómico Ag Lab de Experta Tecnología AGD (La Carlota, Córdoba).
Foto:
Foto: Ing. Agr. (Dr.) Nicolás Stahringer (FCA-UNNE).
Figura 8. Muestreo de suelo hasta 2 m para determinar agua útil a la siembra, realizado por Federico Pauli y Eber Arguello (pasantes de la FCA-UNNE) en un sitio de Avia Terai (Chaco) durante la campaña 2023-2024 (AVT_24).
Diseño experimental y tratamientos de los sitios de larga duración (fertilización con N, P, K, S, Ca, Mg y Zn) en la campaña 23/24
Estos experimentos fueron conducidos en MA, siendo que el diseño utilizado en todos fue DBCA con tres repeticiones. Las parcelas tienen 15 m de ancho y 150-200 m de largo, así cada ensayo tiene entre 4,05 y 5,40 ha en total (Figura 9).
Siempre el tamaño de las parcelas las definimos con base en la disponibilidad y tamaño de la maquinaria que disponen las empresas dónde están estos ensayos.
Figura 9. Ensayos de larga duración (fertilización con N, P, K, S, Ca, Mg y Zn) en la campaña 23/24, en Pampa del Infierno (Chaco), campo El Olvido, con 2 ambientes en el lote. A la derecha el ambiente de Alto Potencial (PDI_EO_AP) y las otras 3 repeticiones que bajan de NO a SE corresponden al ambiente de Caño Arenoso (PDI_EO_CA).
Cada ensayo con tres repeticiones y seis tratamientos. Parcelas de 15 m de ancho por 150 m de largo en las cuales se incorporó el fertilizante con equipo de la empresa HyH.
Para estos ensayos utilizamos mezclas físicas que fueron preparadas y provistas por YPF Agro, de acuerdo a los cultivos que tenía cada sitio. De esta manera, para el sitio de Sachayoj que tuvo soja como cultivo, se sacó el N de los tratamientos (Tabla 2), en cuanto que los 3 sitios en Pampa del Infierno, que fueron con maíz, tuvieron N, P, K, S,
Ca, Mg y Zn dentro de los tratamientos (Tabla 3 y Figura 10). Así se prepararon diferentes mezclas físicas según los tratamientos evaluados que fueron: T1 = testigo (sin adición de nutrientes), T2 = PS, T3 = NS, T4 = NP, T5 = NPS y T6 = competo (N, P, K, S, Ca, Mg y Zn).
Foto: Ing. Agr. Wilson Schultz (HyH)
Tabla 2. Mezclas físicas preparadas por YPF Agro para el sitio de Sachayoj con soja.
Mezcla T2 / T5 = MAP + Sulfato de Calcio. Mezcla T3 = Sulfato de Calcio. Mezcla T4 = MAP. Mezcla T6 = Sulfato de Potasio + Dolomita + mezcla química con NPS + Zn.
Tabla 3. Mezclas físicas preparadas por YPF Agro para los sitios próximos a Pampa del Infierno con maíz.
Mezcla
Mezcla
Mezcla T6
Mezcla T2 = MAP + Sulfato de Calcio Mezcla T3 = Urea + Sulfato de Calcio Mezcla T4 = Urea + MAP
Mezcla T5 = Urea + MAP + Sulfato de Calcio Mezcla T6 = Urea + Sulfato de Potasio + Dolomita + mezcla química con NPS + Zn
Figura 10. Mezclas físicas de fertilizantes preparadas por YPF Agro para ensayos de larga duración (fertilización con N, P, K, S, Ca, Mg y Zn) en la campaña 23/24, junto al equipo con el que fueron aplicadas en Pampa del Infierno (Chaco), campo El Olvido de la empresa HyH.
Siempre en estos ensayos los fertilizantes se aplicaron incorporados. Por ejemplo, en los ensayos próximos a Pampa del Infierno las
mezclas físicas las sembramos, en pre siembra, con una sembradora de grano fino con los surcos distanciados a 17,5 cm (Figuras 10 y 11).
Foto: Ing. Agr. (Dr.) Nicolás Stahringer (FCA-UNNE).
Figura 11. Sembradora de grano fino incorporando (pre siembra) en el ensayo de Caño Arenoso (PDI_EO_CA) una mezcla física de fertilizantes preparada por YPF Agro para los ensayos de larga duración (fertilización con N, P, K, S, Ca, Mg y Zn) en la campaña 23/24. Pampa del Infierno (Chaco), campo El Olvido de la empresa HyH.
Las muestras de suelo se tomaron previo a la incorporación de los fertilizantes (en pre siembra), a las profundidades de 0-20, 20-40 y 40-60 cm para caracterización de la fertilidad. Para
determinar agua útil (AU) se muestreo hasta 2 m.
Los análisis de suelos se realizaron en el laboratorio agronómico Ag Lab de Experta Tecnología AGD (La Carlota, Córdoba).
Foto: Ing. Agr. (Dr.) Nicolás Stahringer (FCA-UNNE).
Respuesta a la fertilización
Para evaluar si hubo o no respuesta significativa a la fertilización nitrogenada se lo hizo utilizando los rendimientos obtenidos, realizando un análisis de varianza en cada sitio con el software R Studio (R Core Team, 2019).
La respuesta a N fue modelada por sitio y ambiente, usando los niveles de fertilización nitrogenada como factor fijo en los modelos, y los
bloques como factor aleatorio. Además, se permitió varianza heterogénea entre tratamientos. Esto permite captar casos en los que la fertilización nitrogenada genera efectos en la media de rendimiento y/o en la variabilidad de rendimiento en la parcela. Cuando la respuesta fue significativa, una comparación de medias con LSD Fisher fue utilizada al 0,1 de nivel de significancia.
Calibración (ajuste) de umbrales críticos únicos y por ambientes
Utilizando la base de datos confeccionada con 31 experimentos, se realizó la calibración de umbrales críticos (UC) únicos y por ambientes. Para ello, los UC de N fueron determinados al hacer el ajuste del rendimiento absoluto (rendimiento a 14,5% de humedad) y/o del rendimiento relativo (RR) con el N disponible (Nd). El Nd se obtuvo al sumar el N del suelo (N de nitratos de 0-60 cm) disponible a la siembra más el N aportado con el fertilizante que varía según la dosis utilizada en cada tratamiento. El cálculo del rendimiento relativo se hizo empleando la siguiente ecuación (Álvarez et al., 2015): RR (%) = (rendimiento del tratamiento i/rendimiento más alto del sitio) x 100
Para la calibración de umbrales críticos por ambientes clasificamos los sitios en tres rangos de ambientes que fueron: ambientes de rendimiento menor a 6000 kg ha-1, ambientes con rendimientos de 6000 a 9000 kg ha-1 y ambientes cuyos rendimientos fueron superiores a 9000 kg
ha-1. La segmentación de ambientes por franjas de rendimientos como la mencionada anteriormente han sido utilizadas por Mistrorigo & Valentinuz (2004) y por Díaz Valdez et al., (2020) en Entre Ríos. Según lo expresado por algunos productores y ensayistas que participaron de esta Red de Ensayos, en la región los rindes de indiferencia para maíz con fertilización nitrogenada están aproximadamente entre 5000 y 7000 kg ha-1, dependiendo del lugar y campaña, con lo cual considerar un límite inferior de 6000 kg ha-1 (promedio de los rindes de indiferencia) se justifica por este motivo al igual que fue planteado por los autores de los trabajos realizados en Entre Ríos. Al igual que se consideró en el trabajo de Díaz Valdez et al., (2020), el rendimiento utilizado como criterio para clasificar en estos rangos de ambientes fue el promedio obtenido en los tratamientos 0N (testigo) de cada sitio, considerando que el mismo es una medida de todos los factores ambientales (edáficos y climáticos) cuando no se aplica N.
Para obtener los UC ajustamos la función
lineal-plateau que se define de la siguiente
manera:
Siendo que:
Y = a + b x x < C
Y = P x ≥ C
• Y = rendimiento absoluto o rendimiento relativo
• a = ordenada al origen
• b = eficiencia en el uso del Nd (o respuesta del rendimiento absoluto o RR a la disponibilidad de N)
• x = los valores de Nd
• C = umbral crítico de Nd (este valor es el punto a partir del cual no hay respuesta en rendimiento absoluto o RR al incremento de Nd)
• P = plateau (son todos los valores de Nd (x) en qué Y se vuelve constante).
Dosis Óptima Económica (DOE) y Disponibilidad Óptima Económica (DispOE)
Para obtener la DOE y la DispOE trabajamos con la aplicación llamada DONMaíz (https://ciampittilab.shinyapps.io/DONMaiz/), desarrollada por Adrián Correndo y Gustavo Nocera Santiago en el Ciampitti Lab. Esta aplicación es una herramienta disponible en la web que fue desarrollada con base en un gran trabajo de revisión realizado en colaboración por investigadores de diversas instituciones de Argentina (Correndo et al., 2021). Dentro de dicha aplicación trabajamos en la sección “datos propios” donde cargamos las bases de datos de
los ambientes < 6000 kg ha-1, 6000-9000 kg ha-1 y > 9000 kg ha-1, de manera a obtener valores de DOE para cada ambiente. A su vez, para definir las DOE, asumimos una relación 10:1 entre precio de maíz y precio de N, es decir, que para pagar 1 kg de N se precisan 10 kg de maíz. Lógicamente que esta relación es variable cada campaña y dependiendo del lugar donde esté ubicado cada productor, pero para llegar a valores de DOE se debe asumir un valor para la misma. Una idea de la variabilidad que podría tener esta relación se resume en la tabla 4.
Tabla 4. Valores de maíz y de urea (ambos en U$S/t), así como relaciones de kg maíz/kg N según las combinaciones entre precios de grano y del fertilizante.
Maíz (U$S/t)
Urea (U$S/t)
También para poder simular valores de DOE asumimos un valor de Nd a la siembra (0-60 cm) de 80 kg N/ha para los 3 ambientes considerados.
Además de los valores de DOE obtuvimos valores de DispOE para cada ambiente. Estos componente económico a los modelos teniendo
en cuenta la relación 10:1 kg maíz/kg N utilizada. Por último, simulamos con diferentes relaciones de precios entre 6:1 y 14:1 para obtener las DispOE correspondientes a cada ambiente dentro de ese rango de variación de relaciones de kg de maíz para pagar 1 kg de N.
Caracterización de los sitios de N y S en maíz de la 2023-2024 y de N en maíz de las 3 campañas previas
En la tabla 6 se presenta una síntesis de las características ambientales de los 31 experimentos que componen la base de datos utilizada en las calibraciones de UC, DOE y DispOE que obtuvimos en este informe. Hay una gran variabilidad en lo que hace a años de agricultura que tienen los sitios, desde un mínimo de 11 años hasta un máximo de 75 años. Entre los suelos que están mapeados el 95 % son molisoles.
Observamos una gran variabilidad en los niveles de N de nitratos a la siembra (N suelo 0-60 cm), siendo que para esta variable el rango de valores explorado fue de 31 a 224 kg N ha-1 considerando las campañas 2020-2021 a 2022-2023 (Tabla 6). El valor promedio de N suelo 0-60 cm (señalado con una “x” en las cajas) fue similar en las primeras dos campañas, siendo 98 y 102 kg N ha-1 en la 2020-2021 y 2021-2022, respectivamente. Sin embargo, en la campaña 2022-2023 dicho promedio se ubicó en 75 kg N ha-1, recordando que hubo una importante sequía en la primavera del 2022, producto de la cual también tuvimos una menor dispersión de valores observados entre 49 y 115 kg N ha-1 (Stahringer et
al., 2023). Ya la campaña 2023-2024 presentó el mayor promedio de disponibilidad de N a la siembra (128 kg N ha-1) y el 75 % de los sitios tuvieron más de 90 kg N ha-1 a la siembra (Figura 12). Es probable que los valores de N a la siembra tan altos en la campaña 2023-2024 se deban en buena parte a los bajos rendimientos que se obtuvieron en general en la campaña anterior. Nuevamente queremos ratificar que la considerable diferencia observada entre campañas resalta la importancia de determinar los kg N a la siembra siempre antes de hacer una recomendación de fertilización nitrogenada y no buscar calcular este valor a partir de la MO. Año tras año las condiciones previas a la siembra determinan una mayor o menor mineralización y mayor o menor lixiviación de nitratos. Sumado a ello, las condiciones que ocurrieron en la campaña anterior (por ejemplo, sequía), pueden incidir en la disponibilidad de N y otros nutrientes en la siguiente campaña. Además, cuestiones como la longitud del barbecho, el cultivo antecesor, etc. también inciden en la oferta de N a la siembra, recordando que más del 90% del N está en la MO (Echeverría y Sainz Rozas, 2015).
Figura 12. N suelo (0-60 cm) a la siembra en los sitios donde se condujeron los experimentos en las cuatro campañas agrícolas consideradas en este informe.
En cuanto al Nan el valor promedio de esta variable considerando los 31 sitios de la base de datos de las tres campañas, fue de 41 ppm, siendo
que los valores que obtenidos estuvieron entre 27 y 64 ppm, con el 50 % central de los valores entre 36 ppm (Q1) y 46 ppm (Q3) (Figura 13).
Figura 13. Nan (0-20 cm) en los 31 sitios de la base de datos de las campañas 2020-2021, 2021-2022 y 2022-2023.
Todos los suelos de la base de datos se caracterizaron por tener al limo como principal fracción granulométrica, variando la cantidad de esta fracción entre 51 y 73%. Las fracciones arcilla y arena variaron entre 8-33% y 1-34%, respectivamente.
Los promedios de lluvias en el ciclo variaron según las campañas, siendo más próximos los valores de las primeras dos campañas (2020-2021 = 412 mm y 2021-2022 = 394 mm), en cuanto que en la 2022-2023 fue de 302 mm.
En la campaña 2023-2024, se registraron temperaturas muy elevadas (diurnas y nocturnas) entre la segunda quincena de febrero y los primeros 20 días de marzo. Para visualizar esta realidad mostramos registros que fueron compartidos por el Ing. Agr. Emmanuel Ortíz (AGD) tomados por una estación meteorológica Davis ubicada en el establecimiento Los Gatos de la empresa AGD próximo Los Quebrachitos (Chaco) (Tabla 5).
Tabla 5. Registros de temperaturas diurnas (arriba), nocturnas (medio) y sensación térmica (abajo) obtenidos de estación meteorológica Davis ubicada en campo Los Gatos (AGD).
Fuente: Ing. Agr. Emmanuel Ortíz (AGD).
Al hacer el comparativo de las horas con temperaturas diurnas iguales o mayores a 35°C queda evidente como estas han ido en aumento en el mes de febrero de los últimos 3 años, e impresiona que en los primeros 20 días de marzo este registro superó en más de 9 veces los observados en las 2 campañas pasadas. En relación a las temperaturas nocturnas también se percibe un aumento de la media de las mismas de 2022 a 2024, tanto en febrero cuanto en los primeros 20 días de marzo. Ahora para visualizar lo extremas que fueron las condiciones basta ver la evolución de cantidad de horas con temperaturas nocturnas iguales o mayores a 30°C donde en febrero de 2024 superaron ampliamente las del mismo mes de las 2
campañas anteriores, y en los primeros 20 días de marzo fueron casi 40 veces superiores al mismo registro de 2022 y 2023. Por si estos números no fueran suficientes para comprender lo extremas que fueron las temperaturas en febrero y marzo del 2024, destacamos que en los primeros 20 días de marzo hubo 95 horas con sensación térmica igual o mayor a 50°C. Estas condiciones se vieron en múltiples lugares de la región, llevando a importantísimos daños por estrés térmico e hídrico en la última campaña, los cuales sumados a los efectos de las enfermedades del maíz (por ejemplo, spiroplasma), causadas por la chicharrita (Dalbulus maidis) fueron determinantes para decir que realmente fue una campaña catastrófica.
Un análisis más completo para tomar dimensión de la gravedad de la situación extrema que ocurrió en la región en las últimas dos campañas fue presentado recientemente por el Dr. Nicolás Nei (FCA-UNNE), quién evaluó el
impacto del déficit hídrico y las temperaturas extremas, principalmente en marzo (período de definición de rendimientos de maíz y soja en la región), sobre la disminución significativa de los rendimientos (Nei , 2024).
Tabla 6. Descripción de las características ambientales de los 31 sitios de la base de datos de las campañas 2020-2021, 2021-2022 y 2022-2023.
REC = Reconquista. SAJ = Sachayoj. OTU = Otumpa. HCA = Hermoso Campo. WEI = Weisburd. CAP = Gral. Capdevilla. AER = Aerolito. COR = Corzuela. LM = La Montenegrina. TOS = Tostado. LQ = Los Quebrachitos. TAC = Tacañitas. LNE = La Nena. LAT = Las Tinarejas. IE = Índice del estallido (Peralta et al., 2019). Ns 0-60 = N a la siembra en 0-60 cm. AU0-1 = agua útil en el primer metro. AU0-2 = agua útil hasta los 2 m. * Dato no informado hasta la fecha.
Rendimientos explorados en la campaña 2023-2024 VS. anteriores
En la campaña 2023-2024 los rendimientos variaron entre 915 y 5585 kg ha-1 en Avia Terai (AVT_24) y Árbol Blanco (ARB_24a), respectivamente. El rendimiento promedio de esta campaña fue 2834 k g ha-1 (Figura 14). Sin lugar a dudas esta campaña tuvo rendimientos extremadamente bajos, producto del sumatorio
de adversidades que ocurrieron a lo largo de la misma (por ejemplo: estrés térmico, ver registros de temperaturas en Tabla 5). Dos sitios (CAP_24aSN y CAP_24bCN) directamente no pudieron ser cosechados por problemas de caña, sumado a los estreses citados anteriormente.
Figura 14. Rendimientos obtenidos en 11 sitios de la campaña 2023-2024. Las cajas muestran los rendimientos medios y las líneas horizontales (bigotes) los rendimientos extremos de cada sitio.
Lo cierto es que, cuando la campaña 2022-2023 fue en general una campaña complicada para maíz en el NEA, la 2023-2024 fue catastrófica, a punto tal que lamentablemente los datos de esta campaña no los podremos incorporar para sumarlos a la base de datos utilizada para la calibración de los modelos que estamos ajustando en el marco de los objetivos de esta Red. Simplemente, para compararla con las 3 campañas anteriores, podemos decir que el rendimiento promedio de la presente campaña es aproximadamente 1/3 del obtenido en las
anteriores. También que el rendimiento mínimo obtenido en la actual campaña fue casi la mitad del rendimiento mínimo que tuvimos hasta el momento en las 3 campañas anteriores (Figura 14; Tabla 7). Es más, por primera vez en 4 campañas, que la cantidad de ensayos con rendimientos promedio por debajo del rinde promedio de la campaña supera a los ensayos con rendimiento promedio mayor a la media general. En la 2023-2024 hubo 5 ensayos con rendimiento promedio por encima de la media, 6 por debajo y 2 que ni se pudieron cosechar (Figura 14).
Tabla 7. Rendimientos mínimo, promedio y máximo de las tres campañas anteriores.
Campaña
Rendimiento 14,5% (kg /ha) Mínimo Promedio Máximo
2020-2021 2631 7675 13250
2021-2022 1803 8126 11688
2022-2023 2000 7200 9500
Rendimientos obtenidos en los Ensayos de Larga Duración (fertilización con N, P, K, S, Ca, Mg y Zn)
De los 4 sitios en los que realizamos estos ensayos en la campaña 2023-2024, apenas pudimos cosechar 1 sitio que fue el de Alto Potencial, en el campo La Legua, (PDI_LL_AP) ubicado próximo a la localidad de Pampa del Infierno (Chaco). Realmente, fue una campaña muy complicada la 2023-2024 y en estos ensayos lamentablemente no pudimos cosechar 2 de ellos
(PDI_EO_AP y PDI_EO_CA) porque literalmente los rendimientos marcaban entre 0 y 100 kg/ha al entrar a probar con la cosechadora en el mejor sector. En estos sitios el estrés térmico e hídrico sufrido por el cultivo fue devastador, dejando apenas las cañas de las plantas en pie y las espigas con casi todos los granos abortados (Figura 15).
Figura 15. Imágenes de 2 ensayos (PDI_EO_AP y PDI_EO_CA), próximos a Pampa del Infierno (Chaco), con el cultivo devastado por las condiciones extremas de estrés térmico e hídrico que allí se presentaron.
Foto: Ing. Agr. (Dr.) Nicolás Stahringer (FCA-UNNE).
En lo que se refiere al sitio que estaba próximo a la localidad de Sachayoj, lamentablemente perdimos los datos de este ensayo porque sin querer se cosechó el sitio antes de que se cosechara el ensayo. Lógicamente que esto no debería suceder, pero lo cierto es que todo aquel que trabaje en experimentación en campos de productores sabe que a veces este tipo de inconvenientes pueden suceder, aunque se haga todo lo posible para que no ocurran.
En el ensayo cosechado (PDI_LL_AP), los rendimientos promedio de los tratamientos se ubicaron entre 3812 y 4412 kg/ha. No hubo diferencias significativas estadísticamente entre tratamientos (p>0,1). Si podemos decir que hubo menor variabilidad de los rendimientos en los tratamientos NPS y Completo (N, P, K, S, Ca, Mg y Zn) en relación a los otros tratamientos (Figura 16). Tampoco hubo diferencias significativas en stand de plantas (promedio: 59000 plantas/ha), número de plantas quebradas (promedio: 3,7 %) y no había plantas volcadas (datos no mostrados, pero que fueron medidos previo a la cosecha). Un aspecto clave a mejorar a futuro en estos ensayos es el hecho de conseguir incorporar los fertilizantes en el mismo número de pasadas en todos los tratamientos. En la presente campaña no pudimos hacer esto y por cuestiones operativas, de dosis máxima que se podía aplicar por pasada, terminamos incorporando la mezcla física de fertilizantes en mayor número de pasadas, en los tratamientos con mayor cantidad de nutrientes (por ejemplo: 3 pasadas para NPS y 4 pasadas para Completo; Tabla 3). El hecho de requerir aumentar el número de pasadas para incorporar los tratamientos con mayor volumen de mezclas físicas (mayor cantidad de nutrientes), implica cortar más veces el rastrojo y en consecuencia disminuir la cobertura en estos tratamientos (Figura 11). Dada la importancia que tiene la cobertura para nuestros sistemas productivos (más aún en el norte por las condiciones de mayores temperaturas), es que destacamos que tener menor cobertura posiblemente perjudique a los tratamientos más completos en cuanto a cantidad de nutrientes, sobre todo en años con temperaturas tan elevadas como las que tuvimos en la campaña 2023-2024. Sin dudas, este tipo de mejoras son las que se aprenden haciendo, que es parte de la filosofía del Sistema Chacras.
Figura 16. Rendimientos a 14,5% de humedad explorados por los tratamientos evaluados en el ensayo de larga duración del sitio de Alto Potencial en campo La Legua, (PDI_LL_AP) en Pampa del Infierno (Chaco). Letras iguales indican que no hubo diferencias significativas entre tratamientos según el test LSD Fisher (p>0,1).
También queremos destacar que según indicó el Ing. Agr. Franco Leguizamón, quien fue el ensayista a cargo de este sitio y es el responsable de este campo para la empresa HyH, el rendimiento de promedio de maíz en el sector donde está ubicado el ensayo, ha sido de aproximadamente 8000 kg/ha en campañas anteriores, motivo por el cual con los rendimientos
entorno a los 4000 kg/ha que tuvimos en los diferentes tratamientos, estuvimos apenas en la mitad de lo que ha rendido ese sitio. El hecho de que los rendimientos obtenidos hayan estado tan distantes del promedio del sitio nos indica que evidentemente hubo causas más importantes que la nutrición, para lo que fue la definición de los rendimientos alcanzados.
Respuesta a la fertilización
Del total de 31 sitios de la base de datos, 29 presentaron respuesta significativa a N (p<0,1; Figura 17), lo que representa un 93,5% de ensayos con respuesta significativa a la fertilización. Estos
sitios tuvieron como principal antecesor estival soja (90%) y como antecesores invernales: barbecho (52%), trigo (23%), cultivos de servicio (16%) y otros (9%) (Tabla 1).
Figura 17. Variabilidad de rendimientos obtenidos en los 31 ensayos de la base de datos de la Red en función de las dosis de N aplicadas en cada sitio. Los 29 ensayos en verde indican sitios con respuesta significativa a la fertilización. Letras distintas entre tratamientos indican diferencias estadísticamente significativas (p < 0,1) entre dosis de N según el test LSD Fisher.
De los 29 sitios con respuesta significativa a la fertilización en 90 % de ellos el fertilizante se aplicó entre pre siembra y V6, en cuanto que en el
10 % restante, la aplicación se hizo entre V7-V8 (Tabla 1).
Calibración (ajuste) de umbrales críticos únicos y por ambientes
Considerando los sitios de las tres campañas contempladas en la base de datos de este informe, se hizo una primera calibración del umbral crítico general con los datos de rendimiento a 14,5% de humedad en función del Nd (N suelo 0-60 cm + N
fertilizante), sin considerar el aporte de N por mineralización (sin Nan). El ajuste obtenido inicialmente es relativamente bajo (R2 = 0,18; Figura 18), siendo que el umbral crítico obtenido fue de 170 kg N ha-1 (parámetro C; Tabla 8).
Figura 18. Modelo único ajustado con rendimiento a 14,5% de humedad en función del nitrógeno disponible a la siembra (Nd = N suelo 0-60 cm + N fertilizante) de los sitios de las campañas 2020-2021, 2021-2022 y 2022-2023.
A continuación, en la variable Nd se incorporó el Nan (estimador del N aportado por mineralización) y se observó una leve mejora en el ajuste (R2 = 0,19; Figura 19). En la tabla 8 se presentan los parámetros del modelo ajustado en la figura 19. Al considerar el Nan, y teniendo en cuenta todos los datos sin ningún tipo de estratificación (ambientación), el umbral crítico
obtenido fue de 296 kg N ha-1 (parámetro C; Tabla 8). Esta misma leve tendencia de mejora al incorporar el Nan fue observada en la Revista del año pasado (Stahringer et al., 2023), pero como se verá en los datos que serán presentados posteriormente en esta presente edición, sólo aquí hubo una leve mejora en el ajuste por incorporar el Nan.
Figura 19. Modelo único ajustado con rendimiento a 14,5% de humedad en función del nitrógeno disponible a la siembra + Nan (Nd = N suelo 0-60 cm + N fertilizante + Nan) de los sitios de las campañas 2020-2021, 2021-2022 y 2022-2023.
Tabla 8. Tabla de coeficientes para los modelos únicos ajustados a la base de datos de 31 sitios (campañas 20/21 a 22/23), considerando rendimiento a 14,5% de humedad en función del nitrógeno disponible (Nd) en el suelo + fertilizante (con y sin Nan)
suelo 0-60 cm + N fertilizante
N suelo 0-60 cm + N fertilizante + Nan
Por lo tanto, es común encontrar una débil asociación entre la disponibilidad de un nutriente (por ejemplo, N) y el rendimiento de un cultivo, lo cual se ve reflejado como un bajo R² de la función ajustada. La explicación de esto radica en que el rendimiento que se obtiene en cada sitio no depende únicamente de la disponibilidad de un nutriente, sino que está afectada por múltiples
factores tales como: precipitaciones, temperatura, radiación, genotipos utilizados, fechas y densidades de siembra, adversidades, etc. (Álvarez et al., 2015).
Las eficiencias de uso de N obtenidas en estos modelos únicos fueron de 21-22 kg grano/kg Nd (parámetros b; Tabla 8).
Para ver si se podía mejorar el ajuste de los modelos únicos obtenidos, probamos de reemplazar la variable rendimiento absoluto (rendimiento a 14,5% de humedad) por la variable rendimiento relativo (RR), siendo este un recurso que habitualmente se utiliza en Redes de Ensayos, para tratar de reducir la variabilidad y
mejorar el ajuste de los modelos de diagnóstico y recomendación de fertilización. Así, en las figuras 20 y 21 se presentan los modelos ajustados teniendo en cuenta RR y Nd sin Nan (Nd = suelo + fertilizante) y con Nan (Nd = suelo + fertilizante + Nan).
Figura 20. Modelo único ajustado con rendimiento relativo en función del nitrógeno disponible a la siembra (Nd = N suelo 0-60 cm + N fertilizante) de los sitios de las campañas 2020-2021, 2021-2022 y 2022-2023.
Figura 21. Modelo único ajustado con rendimiento relativo en función del nitrógeno disponible a la siembra + Nan (Nd = N suelo 0-60 cm + N fertilizante + Nan) de los sitios de las campañas 2020-2021, 2021-2022 y 2022-2023.
Resulta evidente que al cambiar la variable rendimiento absoluto por RR, los ajustes obtenidos en los modelos mejoraron considerablemente, pasando el R² de 0,18 a 0,50 para Nd = suelo + fertilizante (Figuras 18 y 20) y de 0,19 a 0,42 cuando se incorpora el Nan al Nd (Figuras 19 y 21). Al comparar los ajustes obtenidos sin Nan (Figura 20) y con Nan (Figura 21), se percibe en este caso que no hubo una mejora en el ajuste por incorporar la variable Nan. Así, los umbrales críticos únicos que obtuvimos hasta el momento en esta Red de Ensayos son de 150 y 298 kg N ha-1 para Nd sin y con Nan, respectivamente.
De esta manera, y para darle una aplicación práctica a estos modelos de umbrales críticos
únicos, podríamos establecer que se recomienda utilizarlos por ejemplo en escenarios en los cuales no se conozca el potencial de rendimiento del ambiente (por ejemplo, campo que se alquila por primera vez y se desconoce potencial de rendimiento de los lotes del mismo).
En la secuencia, buscando obtener mejores ajustes y estratificar los rendimientos, procedimos a calibrar umbrales críticos por ambientes. Para ello, clasificamos los sitios en tres rangos de ambientes que fueron: ambientes de rendimiento menor a 6000 kg ha-1, ambientes con rendimientos de 6000 a 9000 kg ha-1 y ambientes cuyos rendimientos fueran superiores a 9000 kg ha-1 (ver en materiales y métodos el criterio de segmentación por ambientes).
Figura 22. Modelos ajustados con rendimiento relativo en función del nitrógeno disponible a la siembra (Nd = N suelo 0-60 cm + N fertilizante) de los sitios de las campañas 2020-2021, 2021-2022 y 2022-2023 separados en tres ambientes según rendimientos de los testigos 0N.
Figura 23. Rendimiento relativo en función del nitrógeno disponible a la siembra + Nan (Nd = N suelo 0-60 cm + N fertilizante + Nan) de los sitios de las campañas 2020-2021, 2021-2022 y 2022-2023 separados en tres ambientes según rendimientos de los testigos 0N.
En la figura 22 se muestra la relación entre los rendimientos relativos y el Nd para los 31 experimentos considerados en este informe, separados por ambientes (< 6000 kg ha-1, 6000-9000 kg ha-1 y > 9000 kg ha-1). Al estratificar los datos por ambientes logramos mejorar el ajuste de los modelos del ambiente < 6000 kg ha-1 (R2 = 0,72) y del ambiente > 9000 kg ha-1 (R2 = 0,56), en cuanto que el modelo del ambiente 6000-9000 kg ha-1 tuvo un ajuste levemente inferior (R2 = 0,46) en relación al ajuste obtenido en el modelo único (R2 = 0,50; Figura 20). Los umbrales críticos obtenidos para los tres ambientes fueron de 138, 151 y 165 kg N ha-1 para los ambientes < 6000 kg ha-1; 6000-9000 kg ha-1 y > 9000 kg ha-1, respectivamente (parámetros C; Figura 22). Vale destacar que estos son muy buenos ajustes de modelos tanto del modelo único (Figura 20) como de los modelos por ambientes (Figura 22).
Al incorporar el Nan al Nd en los modelos ajustados por ambientes (Figura 23), no se logró
mejorar el ajuste de dichos modelos en relación a los obtenidos sin considerar Nan (Figura 22). Mismo así, los ajustes obtenidos en los modelos en que el Nd considera el Nan son muy buenos, situándose los coeficientes de determinación (R²) entre 0,36 y 0,54 para los ambientes 6000-9000 kg ha-1 y > 9000 kg ha-1, respectivamente (Figura 23). Los umbrales críticos obtenidos para los tres ambientes al incorporar el Nan al Nd fueron: 275, 300 y 311 kg N ha-1 para los ambientes < 6000 kg ha-1; 6000-9000 kg ha-1 y > 9000 kg ha-1, respectivamente (parámetros C; Figura 23). Cabe destacar que el coeficiente de Nan adoptado es 3,3 kg N ppm de Nan-1, el cual es el valor promedio obtenido hasta el momento con los datos de esta Red de Ensayos. Sin embargo, un aspecto a considerar también es que hasta el momento hemos observado una gran variabilidad en dicho coeficiente de Nan que ha variado entre 0,8 a 7,1 kg N ppm de Nan-1 en los datos trabajados hasta la fecha. Por ello, destacamos que debemos seguir trabajando para entender mejor la forma de estimar el aporte de N por mineralización de
manera a tratar de obtener mejores ajustes al considerar dicho aporte. Año tras año presentamos los avances en el procesamiento de los datos y la generación de información a partir del trabajo de investigación llevado adelante en esta Red, por lo cual los resultados que mostramos son preliminares, en función de los datos generados hasta el momento.
Para entender más sobre cuáles son las principales variables que definen los ambientes citados anteriormente hicimos un análisis discriminante para poder establecer qué variables son más importantes para separar los grupos (ambientes). Haciendo un análisis de importancia de variables (VIP) surgió que la MO es la variable más importante (> VIP Score) para separar los tres ambientes (Figura 24).
Figura 24. Importancia de las variables ambientales para la clasificación de ambientes de los sitios de las campañas 2020-2021, 2021-2022 y 2022-2023, según rendimientos de los testigos 0N.
A su vez, con un tipo de análisis de componentes principales (PLS-DA) pudimos ver por ejemplo que en ambientes de alto rendimiento (> 9000 kg ha-1) hay un elevado efecto positivo de la MO, es decir que, sitios con elevados rendimientos tienen valores altos de MO (2,9 a 4,0%). Así, las variables asociadas positivamente con ambientes de alto rendimiento
fueron en orden de importancia: MO > índice IMO (MO/limo+arcilla) > índice ICOP (COP/limo+arcilla) > COP (carbono orgánico particulado) > Nan > N suelo 0-60 cm > P Bray. En el otro extremo, ambientes de bajos rendimientos (< 6000 kg ha-1) están asociados principalmente con mayor porcentaje de arcilla y mayor cantidad de años de agricultura (Figura 25).
Figura 25. Visualización del análisis PLS-DA con variables importantes y cómo estás se direccionan (inciden positivamente) sobre la clasificación de ambientes de los sitios de las campañas 2020-2021, 2021-2022 y 2022-2023, según rendimientos de los testigos 0N.
Por último, para tener una noción de los valores promedios en cada ambiente de las variables que más explican (aquellas con VIP Score > 0,8) la clasificación en los tres ambientes señalados, los presentamos en la tabla 9.
Tabla 9. Valores promedio de las variables ambientales más importantes para clasificar los ambientes de los sitios de las campañas 2020-2021, 2021-2022 y 2022-2023, según rendimientos de los testigos 0N.
Este análisis nos destaca que los ambientes de mayores rendimientos están estrechamente asociados a mayores valores de MO, y en general a variables directamente relacionadas a la disponibilidad de N. Trabajando con otros modelos y partiendo de la base de datos de la Red de Maíz del NEA, y luego probando los
modelos con una base de datos de la Red de Nutrición del Norte, también se evidenció que la principal variable ambiental que determina el rendimiento de maíz en el NEA es la MO, siendo que por 1 % de MO que se aumenta hay un incremento de 1200 kg ha-1 en el rendimiento (Madias et al., en elaboración).
Dosis Óptima Económica (DOE) y Disponibilidad Óptima Económica (DispOE)
Al cargar las bases de datos de los ambientes < 6000 kg ha-1, 6000-9000 kg ha-1 y > 9000 kg ha-1 en la aplicación web DONMaiz, obtuvimos valores de DispOE para dichos ambientes de 130, 139 y 157 kg N/ha, respectivamente (Figuras 26, 27 y 28). Considerando la relación de precios 10:1 kg
maíz/kg N, dichos valores se ubican levemente por debajo de los umbrales críticos obtenidos para estos ambientes que fueron 138, 151 y 165 kg N/ha para Nd (suelo + fertilizante) a la siembra (Figura 22).
Figura 26. Modelo ajustado en DONMaiz (https://ciampittilab.shinyapps.io/DONMaiz) para ambiente < 6000 kg/ha, relación de precios 10:1 kg maíz/kg N y Nd a la siembra (0-60 cm) = 80 kg N/ha.
Figura 27. Modelo ajustado en DONMaiz (https://ciampittilab.shinyapps.io/DONMaiz) para ambiente 6000-9000 kg/ha, relación de precios 10:1 kg maíz/kg N y Nd a la siembra (0-60 cm) = 80 kg N/ha.
Figura 28. Modelo ajustado en DONMaiz (https://ciampittilab.shinyapps.io/DONMaiz) para ambiente < 9000 kg/ha, relación de precios 10:1 kg maíz/kg N y Nd a la siembra (0-60 cm) = 80 kg N/ha.
En lo que se refiere a las DOE, teniendo en cuenta el escenario planteado de relación de precios y Nd a la siembra, obtuvimos valores de 50, 59 y 77 kg N/ha, para los ambientes < 6000 kg ha-1, 6000-9000 kg ha-1 y > 9000 kg ha-1, respectivamente (Figuras 26, 27 y 28).
Para tener una noción de relación de precios actual, por ejemplo recientemente se menciona en el Boletín N°102 “Fertilización de cultivos de verano - Campaña 2024/25”, elaborado en septiembre del 2024 por el Dr. Martín Torres Duggan para Tecnoagro, una relación de aproximadamente 9,5:1 kg maíz/kg N, considerando urea como fuente de N. Destacándose que, a pesar de la baja de precios de los granos, en términos generales las relaciones de precios se ubican dentro de rangos se vienen observando en las últimas campañas (Torres Duggan, 2024).
En cuanto a valores de Nd a la siembra (0-60 cm) en la Red de Nutrición de Cultivos del Norte Argentino de Aapresid hemos observado a lo largo de las 4 campañas trabajadas hasta el momento, que en términos generales los valores se han ubicado en un rango de 30 – 300 kg N/ha, con promedios de 98, 108, 75 y 128 kg N/ha para las campañas 20/21, 21/22, 22/23 y 23/24, respectivamente (Figura 12).
Por último, cabe mencionar que cada productor puede calcular sus valores de DOE utilizando la relación de precios que tenga cada campaña y los valores de Nd (0-60 cm) que obtenga de realizar los análisis de suelo en pre siembra en los lotes que van a maíz. Para ello una herramienta muy útil es esta que hemos utilizado, o bien, pueden valerse de los valores de DispOE que hemos ajustado a continuación para una serie amplia de relaciones de precios (Tabla 10).
Tabla 10. Disponibilidad Óptima Económica (DispOE), en función de diferentes relaciones de precios (kg maíz/kg N) para tres tipos de ambientes*.
Relación de precios (kg maíz/kg N)
* Considere que estos ambientes se definen teniendo en cuenta lo que el maíz rendiría en el sitio (ambiente) sino se fertilizara con N, razón por la cual no los denominamos potenciales, ya que el potencial del ambiente será alcanzado recién cuando sea fertilizado.
De esta manera el productor puede obtener su propia DOE lote a lote, valiéndose del resultado que le arroja el análisis de suelos de Nd a la siembra (0-60 cm) para cada lote, y en función del valor de DispOE que obtenga para un dado ambiente, según la relación de precios que haya calculado.
Consideraciones finales
La 2023-2024 fue una campaña catastrófica, motivo por el cual los datos generados en la misma no fueron incorporados a la base de datos para el ajuste de modelos de N en maíz del NEA.
Los resultados obtenidos en ensayos de larga duración también fueron extremadamente afectados por las condiciones ambientales severas ocurridas en la presente campaña.
Hubo respuesta significativa a la fertilización nitrogenada en 93,5% de los 31 ensayos de la base de datos (20/21 a 22/23) obtenida para hacer las calibraciones presentadas en este informe.
Los umbrales críticos únicos para N en maíz en el NEA que obtuvimos hasta el momento son: 150 y 298 kg N ha-1 para Nd sin y con Nan, respectivamente.
Los umbrales críticos por ambiente de Nd (suelo + fertilizante) que obtuvimos hasta el momento para maíz en el NEA son: 138, 151 y 165 kg N ha-1 para los ambientes < 6000 kg ha-1; 6000-9000 kg ha-1 y > 9000 kg ha-1, respectivamente.
Los umbrales críticos por ambiente de Nd (suelo + fertilizante + Nan) que obtuvimos hasta el momento para maíz en el NEA son: 275, 300 y 311 kg N ha-1 para los ambientes < 6000 kg ha-1; 6000-9000 kg ha-1 y > 9000 kg ha-1, respectivamente.
MO e IMO fueron las variables más asociadas positivamente con ambientes de alto rendimiento (> 9000 kg ha-1), en cuanto qué % arcilla y años de agricultura fueron las variables con mayor asociación positiva con ambientes de bajo rendimiento (< 6000 kg ha-1).
Asumiendo una relación de precios de 10:1 kg maíz/kg N, obtuvimos hasta el momento valores de DispOE de: 130, 139 y 157 kg N/ha para los ambientes < 6000 kg ha-1; 6000-9000 kg ha-1 y > 9000 kg ha-1, respectivamente.
Con Nd a la siembra (análisis de suelos), conociendo la relación de precios de cada lote/campaña y la tabla de DispOE presentada en este informe, el productor puede calcular la DOE de cada lote campaña tras campaña.
Bibliografía
Álvarez, R.; F. Gutiérrez Boem; G. Rubio. 2015. Diagnóstico de la fertilidad y recomendación de fertilización. En: Álvarez R. Fertilidad de suelos y fertilización en la Región Pampeana. 1a Ed. Editorial Facultad de Agronomía: 263-274.
Correndo, A. & F. García. 2014. Bases de la nutrición del cultivo de maíz. Respuesta a la fertilización con nitrógeno, fósforo, azufre y zinc. IPNI Cono Sur. Capítulo 6. Maíz. Manual CREA.
Correndo A.; F. Gutiérrez Boem; F.O. Garcia, et al. 2021. Attainable yield and soil texture as drivers of maize response to nitrogen: A synthesis analysis for Argentina. Field Crops Research 273.
Correndo, A., F.H. Gutierrez-Boem, F.O. Garcia, C. Alvarez, C. Alvarez, A. Angeli, P. Barbieri, M. Barraco, A. Berardo, M. Boxler, P.A. Calviño, J.E. Capurro, H. Carta, O. Caviglia, I.A. Ciampitti, M. Diaz-Zorita, S. Diaz-Valdez, H.E. Echeverria, G. Esposito, M. Ferrari, G.N. Ferraris, S. Gambaudo, V. Gudelj, J.P. Ioele, R. Melchiori, J. Molino, J.M. Orcellet, A. Pagani, J.M. Pautasso, N.I. Reussi Calvo, M. Redel, S. Rillo, H. Rimski-Korsakov, H.R. Sainz-Rozas, M. Saks, Ma.G. Telleria, L. Ventimiglia, J.L. Zorzin, Ma.M. Zubillaga & F. Salvagiotti. 2021. Assessing the uncertainty of maize yield without nitrogen fertilization. Field Crops Res. 260, 107985 https://doi.org/10.1016/j.fcr.2021.108299
Díaz Valdez, S.T.; F.O. García & O.P. Caviglia. 2020. Calibración de umbrales críticos de nitrógeno disponible en el suelo para maíz tardío en Entre Ríos. Ciencia del Suelo 38(1):106-120.
Echeverría, H.E. & H.R. Sainz Rozas. Nitrógeno. En: H.E. Echeverría y F.O. García (eds.) Fertilidad de suelos y fertilización de cultivos. 2da Edición. Cap. 7.
Maddonini, G.A.; R.A. Ruiz; P. Villariño & I. García de Salomon. 2003. Fertilización en los cultivos para grano. En: Producción de granos: bases funcionales para su manejo, Eds.: Satorre et al. Capítulo 19. 783 p.
Mistrorigo, D. & O.R. Valentinuz. 2004. Fertilización de maíz en siembra directa en suelos molisoles y vertisoles del oeste de Entre Ríos. Revista Científica Agropecuaria 8: 99-107.
Nei , N. Temperatura y déficit hídrico: ¿Cómo impactó en nuestra campaña? https://www.contenidoscrea.org.ar/factores-determinantes-los-rendimientos-mai z-y-soja-la-region-chaco-santiagueno-n5327432.
Peralta, G.E., E.M. Bressan, N.A. Mortola, R.I. Romaniuk, M. Aciar, M.B. Agosti, F.J. Mousegne, R.C. Gil. 2019. Guía de evaluación a campo: calidad estructural de suelos bajo siembre directa. AAPRESID.
https://repositorio.inta.gob.ar/bitstream/handle/20.500.12123/13600/INTA_CIR N_InstitutodeSuelos_Bressan_Guia_de_evaluacion_a_campo.pdf?sequence=2& isAllowed=y.
R Core Team, 2019. A Language and Environment for Statistical Computing.
Ritchie, S.W. & J.J. Hanway. 1982. How a corn plant develops. Spec. Rep. 48. Iowa State University of Science and Technology, Coop. Ext. Serv., Ames, Iowa.
Reussi Calvo, N.I.; N. Diovisalvi; A. Berardo; F.O. García. 2020. Del paper al lote. ¿Cuándo, cómo y porque debería fertilizar mis maíces? Laboratório FERTILAB, FCA-INTA Balcarce, CONICET.
Salvagiotti, F.; H. Pedrol; J. Castellarin; J. Capurro; J.C. Felizia; A. Gargicevich & N. Trentino. 2002. Diagnóstico de la fertilización nitrogenada en maíz. I - Relación entre la respuesta en rendimiento y la disponibilidad de nitrógeno a la siembra. Para Mejorar la Producción. INTA Oliveros. 20:67-70.
Stahringer, N.I.; J.A. Fernández; A. Madias & S. Almirón. 2022. Evaluación de la fertilización nitrogenada en maíz en el NEA. Red de Nutrición de Cultivos del Norte Argentino. Aapresid. https://www.aapresid.org.ar/blog/disponible-informe-2022-red-nutricion-cultivos-norte-arg entino.
Stahringer, N.I.; J.A. Fernández; S. Almirón.; R. Garfagnoli & A. Madias. 2023. Avances en fertilización nitrogenada en maíz en el NEA. Red de Nutrición de Cultivos del Norte Argentino. Aapresid. https://www.aapresid.org.ar/archivos/informes/66accdcdef0b9.pdf.
Torres Duggan, M. Boletín N°102: Fertilización de cultivos de verano – Campaña 2024/25. TECNOAGRO.
Villarino, S.H.; G.A. Studdert; P. Baldassini; M.G. Cendoya; L. Ciu oli; M. Mastrángel & G. Piñeiro. 2017. Deforestation impacts on soil organic carbon stocks in the Semiarid Chaco Region, Argentina, Sci Total Environ. 575:1056-1065.
Nutrición, manejo, spiroplasma y estrés térmico e hídrico:
¿Qué vimos en ensayos de la Red de Nutrición de Cultivos del Norte Argentino (RNCNA)?
Nicolás Stahringer1,2, Pamela Dirchwolf1,3, Emmanuel Ortíz4, Eduardo Frías1, Mauricio Gordyczyk1,5, Federico Pauli1, Federico Montenegro1, Eber Arguello1, Esteban Stechina1, Santiago Almirón1, Ayrton Quadrio1, Mariana Avelar1, Ramiro Garfagnoli6 y Javier Fernández2,7
1FCA-UNNE. 2Coord. Técnico de la RNCNA de Aapresid. 3INTA Corrientes. 4AGD. 5Productor. 6Coord. General de la RNCNA de Aapresid. 7The University of Queensland.
En el NEA algunos productores y asesores vienen mencionando la importancia que podría tener la nutrición en tratar de disminuir un poco los efectos de spiroplasma (Spiroplasma kunkelli) en maíz. En esta última campaña, donde los efectos de esta enfermedad fueron particularmente intensos, se mencionan casos en que lotes de maíz fertilizados se defendieron mejor frente a esta enfermedad, e incluso que, en algunos sitios de menor potencial, y que no fueron fertilizados, no llegaron a completar su ciclo producto de la severidad con la que fueron afectados por spiroplasma. Con lo cual algunos productores y asesores observaron indicios de que cuando el
cultivo estuvo mejor nutrido quizás haya conseguido mitigar un poco los efectos de la enfermedad. Para ello, vale la pena recordar y tener presente que la nutrición del cultivo está dada por la oferta de nutrientes que le brinda el suelo, que puede ser determinada con análisis de suelo, más lo que el productor puede agregarle a través de fertilizantes y/o otras fuentes que aporten nutrientes.
Con el objetivo de tener una primera noción de cómo afecta la nutrición al efecto del spiroplasma en maíz, realizamos una evaluación de incidencia y severidad de esta enfermedad en ensayos fertilizados con nitrógeno (N) y azufre (S).
En primer lugar, evaluamos dos ensayos que participaron de la Red de Nutrición de Cultivos del Norte Argentino de Aapresid (RNCNA) en la campaña 23/24. Ambos ensayos, sembrados el 02/01/24, estuvieron situados en un lote del campo Las Cortinas, de la empresa AGD, que se caracteriza por tener dos situaciones contrastantes. Uno de los ensayos se lo realizamos en un sector con presencia de napa1 y el otro en un sector sin napa (Figura 1). Los ensayos fueron conducidos por el Ing. Agr. (Dr.) Nicolás I. Stahringer, junto con los alumnos Federico Pauli, Eduardo Frías, Federico Montenegro, Eber Arguello, Santiago Almirón y Esteban Stechina de la Facultad de Ciencias
Agrarias de la UNNE (Corrientes). Para realizarlos, contaron con la colaboración de los Ingenieros Agrónomos Emmanuel Ortiz, Walter Hauch, Daniel Kohn y Nicolás González Midón, de AGD. Ambos ensayos recibieron 3 aplicaciones de insecticidas contra chicharrita vector del spiroplasma (Dalbulus maidis). Se aplicaron 5 tratamientos de fertilización, que fueron: 0, 40, 80 y 120 kg N/ha, y 120 kg N/ha + 20 kg S/ha. Los ensayos se hicieron siguiendo un diseño en bloques completamente aleatorizado y contaron con 3 repeticiones (Figura 1). Cada parcela tenía 36 m de ancho (ancho de aplicación de la máquina Stara con la que se volearon los fertilizantes) y 120 m de largo.
Figura 1. Lote en campo Las Cortinas de la empresa AGD (Santiago del Estero) con ensayo en ambiente con napa (sitio verde a la derecha) y ensayo en ambiente sin napa (sitio amarillo a la izquierda), ambos con 3 repeticiones (bloques).
1Se colocaron freatímetros en ambos ensayos. En el sitio con napa, ésta se ubicó por debajo de los 4 m de profundidad en el ciclo del cultivo, en cuanto que, en el sitio sin napa, no se detectó presencia de la misma hasta los 4 m en el freatímetro instalado en dicho ensayo.
Lo que vimos en cuanto a fertilidad de suelo (Tabla 1), es que son situaciones que parten de una muy buena fertilidad, con contenidos de materia orgánica (MO) de aproximadamente 3,2%, y con todos los nutrientes en valores adecuados. Es importante resaltar esto, ya que es un campo en el que se realiza agricultura desde hace 18 años, con una rotación cercana al 50% de gramíneas, con cultivos de servicios en algunas campañas y que están en siembra directa desde que se comenzaron a sembrar. Estas prácticas de manejo hacen que los valores de MO sean superiores a lo habitual para un campo con esa cantidad de años de agricultura en la región. Si utilizamos la curva ajustada con los valores de MO y los años de agricultura (Figura 2) de los ensayos conducidos en las 3 campañas previas de la RNCNA (Stahringer et al. 2023), podríamos estimar que un sitio como éste con 18 años de agricultura tuviese aproximadamente 2,5 % de MO. Sin embargo,
con una buena rotación (50% de gramíneas), la adopción de cultivos de servicio, la presencia de terrazas de base ancha para reducir la erosión hídrica (curvas de forma irregular que atraviesan el lote en la figura 1) y un manejo sin laboreo de suelo es posible tener un mejor balance de carbono que conlleva a valores de MO más altos de lo esperado. Además, la diferencia de ambientes en el análisis de suelo se refleja en otros componentes de la fertilidad como por ejemplo el fósforo disponible (P Bray), con valores de 57 y 75 ppm para los ensayos con y sin napa, respectivamente, que son valores muy altos para este nutriente. En cuanto a la diferencia encontrada en este nutriente, vemos que el ambiente de mayor potencial (con napa) tiene un valor más bajo, debido a las sucesivas campañas con mayor producción que el ambiente sin napa, lo que llevó a una mayor disminución del fósforo, producto de una mayor exportación del mismo.
Tabla 1. Resultados de análisis de suelos de ensayos en ambientes sin y con napa, realizados en el laboratorio Ag Lab de Experta AGD.
Figura 2. Porcentaje de materia orgánica (MO) en función de los años de agricultura de los sitios de ensayos realizados en la RNCNA en las campañas 20/21, 21/22 y 22/23. En rojo la línea que estima 2,5 % de MO para un suelo con 18 años de agricultura con base en el modelo ajustado a partir de esta base de datos.
Al mismo tiempo, es importante destacar que encontramos un valor más bajo de N a la siembra (Ns) en el sector con presencia de napa (93 kg N/ha) en relación al que no posee napa (108 kg N/ha). Se debe resaltar este aspecto debido a que el ambiente con napa tiene un mayor potencial de rinde y arrancaba a la siembra con una menor oferta de N. Con las condiciones de estrés térmico e hídrico que se presentaron en febrero y marzo (ver tabla 5, en el artículo “Resultados de la
campaña 23/24 y avances en la calibración de modelos para N en maíz en el NEA”, dentro de esta Revista), el ambiente sin napa tuvo un desarrollo de cultivo marcadamente inferior al ambiente con napa lo que se observó en la imagen NDVI del 29/03/24 (Figura 3), razón por la cual la oferta de N resultó ser más restrictiva para el testigo (sin fertilizar) del ensayo con napa en relación al testigo del sin napa.
Figura 3. Imagen NDVI (29/03/24) del lote donde estaban los ensayos sin napa (izquierda) y con napa (centro) en campo Las Cortinas de AGD.
Las evaluaciones de incidencia y severidad por spiroplasma fueron realizadas el 23 y 24/03/24 (cultivo en R5) con base en una escala elaborada por la Dra. María de la Paz Giménez Pecci (INTA IPAVE CIAP) y difundida en la zona por el Ing. Agr. Darío Oleszczuk (Bayer) (Tabla 2). En cada parcela se evaluaron 4 estaciones (con 15 plantas por estación), habiendo 15 m entre cada estación (total de 120 estaciones). El análisis de los datos lo realizaron el Dr. Stahringer y la
Ing. Agr. (Dra.) Pamela Dirchwolf (INTA Corrientes y Cátedra de Fitopatología FCA-UNNE). Lo que pudimos ver en cuanto a menor incidencia de spiroplasma, es que la dosis de 80 kg N/ha fue la única que tuvo diferencia significativa en el ambiente de mayor potencial (con napa), que tenía menos N a la siembra. Los promedios de incidencia observados en ambos ambientes fueron similares (Figura 4).
Tabla 2. Escala para evaluación de achaparramiento por spiroplasma.
Figura 4. Valores de incidencia de spiroplasma observados en ensayos con y sin napa en campo Las Cortinas de la empresa AGD (Santiago del Estero) en el marco de la RNCNA.
Fuente: Giménez Pecci, 2024.
Por su parte, en el ambiente de menor potencial todos los tratamientos tuvieron igual nivel de incidencia, sin diferencias significativas estadísticamente (p>0,05). En lo que respecta a la severidad de la enfermedad no hubo diferencias significativas entre tratamientos en ninguno de los 2 ambientes (p>0,05) y en ambos ensayos el promedio fue cercano a 2,7 en una
escala de 0 a 4 (Figura 5). Más allá de esta evaluación de spiroplasma, a campo se lo notaba mucho mejor al cultivo en el ambiente con napa, en relación al ambiente sin napa donde estaba mucho más afectado por el estrés térmico e hídrico, lo cual, como se mencionó anteriormente se ve reflejado en la imagen NDVI del 29/03/24 (Figura 3).
Figura 5. Valores de severidad de spiroplasma observados en ensayos con y sin napa en campo Las Cortinas de la empresa AGD (Santiago del Estero) en el marco de la RNCNA.
El 28/05/24 realizamos la cosecha de los dos ensayos. Por las situaciones de estrés biótico (spiroplasma) y abióticos (térmico e hídrico) que sufrió el cultivo, la cosecha se adelantó aproximadamente 1 mes en relación a lo hubiese sido una fecha aproximada de cosecha para la fecha de siembra de estos ensayos.
En el ensayo ubicado en el sitio sin napa, los rendimientos de los tratamientos estuvieron entre 2460 y 2740 kg/ha, con un promedio de
2600 kg/ha. No se observaron diferencias significativas (p>0,05) entre los tratamientos evaluados. En cuanto que en el ensayo ubicado en el sitio con napa, los rendimientos de los tratamientos estuvieron entre 3180 y 4120 kg/ha, con un promedio de 3500 kg/ha. En este sitio, apenas el tratamiento de 40 N se diferenció significativamente del 120 N (p<0,05) y no se diferenció de los demás tratamientos (Figura 6).
Para entender la magnitud de los estreses sufridos esta campaña, por ejemplo, en estos dos ensayos, basta tener presente que promedio de rendimiento de maíz en este mismo lote fue de 11500 kg/ha en la campaña 21/22 (muy buena campaña). Incluso en una campaña como la 22/23, con marcado estrés térmico e hídrico (aunque menor al de la 23/24), se obtuvieron rendimientos promedio en soja de 4800 kg/ha en el sector con napa y 2500 kg/ha en el sector sin napa. Es decir, que en la 23/24 las condiciones de estrés fueron tan influyentes que los rendimientos promedio obtenidos en los ensayos no alcanzaron siquiera 1/3 del promedio obtenido en la 21/22. Sin dudas que cuando la productividad del sitio está condicionada por situaciones tan extremas como estas, por más que el cultivo esté bien nutrido, las limitantes para alcanzar rendimientos potenciales son otras. Lo que si pudimos observar, es que el ensayo en el sitio con napa tuvo un rendimiento
promedio que fue 35 % superior en relación al promedio obtenido en el ensayo en el sitio sin napa. Recordando que en términos generales la incidencia y severidad de spiroplasma fueron similares en ambos ensayos (Figuras 4 y 5), resulta evidente que la presencia de napa ayudó a que el ensayo en el sitio con napa, por lo menos sufriera un poco menos las condiciones de estrés hídrico. Cabe destacar que la napa no estaba tan arriba, siendo que la menor profundidad a la que se ubicó fue 3,05 m el 30/01/24. Sin embargo, para el 14/03/24 ya había bajado a la profundidad de 4,00 m. Mismo con una napa a aproximadamente 3 m en el momento que estuvo más arriba, la presencia de esta ayudó al cultivo a tolerar mejor la situación de estreses que atravesó.
Por su parte, el Ing. Agr. Emmanuel Ortíz (AGD) destacó que fue marcado el efecto observado de avance de la incidencia de spiroplasma sobre el rendimiento de sur a norte en el lote (sur
Figura 6. Rendimientos observados en ensayos con y sin napa en campo Las Cortinas de la empresa AGD (Santiago del Estero) en el marco de la RNCNA.
corresponde a la parte inferior de la figura 7). Lo que observaron en la empresa fue que hubo mayor incidencia de spiroplasma desde la cortina de monte ubicada al sur y que este efecto iba disminuyendo en la medida que se iba del sur para el norte. Así lo que vieron a nivel lote, es que
hacia la parte del centro y norte del mismo las perdidas de rinde no fueron tan elevadas y posiblemente en estos sectores la disminución de rendimiento se debió más a estrés térmico e hídrico (Figura 7).
Figura 7. Mapa de rendimiento del lote en que hicimos ensayos con y sin napa en campo Las Cortinas de la empresa AGD (Santiago del Estero) en el marco de la RNCNA.
En el centro del lote se ven los 3 bloques de sur a norte (abajo para arriba; Figura 7) los números de bloques fueron 3, 2 y 1, respectivamente. Los rendimientos promedio de estos bloques fueron 3118, 3692 y 3735 kg/ha para los bloques 3, 2 y 1, respectivamente.
Esta tendencia se observó sobre los sectores que daban a las cortinas sur de cada lote en la secuencia de lotes de este campo tal como se ve en la imagen NDVI del 29/03/24 (Figura 8). La campaña 22/23 hubo maíz sembrado en la mitad sur este de este campo. Al parecer la chicharrita se refugió en las cortinas y luego fue entrando a los lotes desde el sur hacia el norte.
Figura 8. Imagen NDVI (29/03/24) de lotes en campo Las Cortinas de la empresa AGD (Santiago del Estero).
Menores valores de NDVI del sur hacía el norte (abajo hacia arriba). Primer lote (arriba) con un rectángulo verde en sector donde se sembró un material más tolerante a spiroplasma.
Un último aspecto destacado por el Ing. Agr. Emmanuel Ortiz (AGD) es el observado en el primer lote (de arriba hacia abajo; Figura 8) en el
cual el rectángulo verde corresponde a un material más tolerante a spiroplasma que fue sembrado en dicho sector.
Otro estudio de caso: Ensayo de N y S en maíz en Avia Terai (Chaco)
Próximo a la localidad de Avia Terai (Chaco) el productor Mauricio Gordyczyk, condujo un ensayo de la RNCNA en la campaña 23/24. Para la conducción de dicho ensayo, contó con la colaboración del Ing. Agr. (Dr.) Nicolás I. Stahringer, junto con los alumnos Federico Pauli, Eduardo Frías, Eber Arguello, Esteban Stechina y Ayrton Quadrio de la Facultad de Ciencias Agrarias de la UNNE (Corrientes).
El 14 de junio, previo a la cosecha de este ensayo procedimos a hacer una evaluación de severidad de spiroplasma fue cuantificada en dos estaciones de 10 m² cada una, en cada unidad
experimental (UE). La densidad de siembra del ensayo fue de 55.000 plantas/ha, por lo que en promedio evaluamos 55 plantas consecutivas (10 m lineales en 2 surcos). Como fueron 5 tratamientos con 3 repeticiones (DBCA), en total evaluamos 30 estaciones en todo el ensayo. En dicha evaluación, las plantas fueron clasificadas como sanas, mediamente afectadas o fuertemente afectadas para los grados 1, 2 y 3, respectivamente (Figura 9) según un criterio adaptado del equipo de desarrollo de Bayer NEA (Ing. Agr. Darío Oleszczuk, comunicación personal).
Figura 9. Espigas de plantas sanas, mediamente afectadas o fuertemente afectadas por spiroplasma, para los grados 1, 2 y 3, respectivamente. Obtenidas de ensayo de N y S en maíz, en Avia Terai (Chaco).
Figura 10. Porcentaje (%) de plantas sanas, mediamente afectadas o fuertemente afectadas por spiroplasma, para los grados 1, 2 y 3, respectivamente. Valores obtenidos por tratamiento en ensayo de N y S en maíz, en Avia Terai (Chaco).
Para lo que respecta a plantas sanas (Grado 1), hubo mayor porcentaje de plantas en este estado (p<0,05), para los tratamientos fertilizados con N en relación al testigo sin fertilizar (0 N), siendo que el mayor porcentaje de plantas sanas lo obtuvimos con los tratamientos 80 N y 120 N (42%). En el otro extremo, el mayor porcentaje de plantas fuertemente afectadas (Grado 3; p<0,05) se dio en el testigo sin fertilizar (56%).
Como se puede ver en la foto de la figura 9, cuanto más grandes las espigas (plantas más sanas), mayor es el tamaño de los granos. De esta manera, al comparar el peso de 1000 granos de cada uno de los 3 grados en que fueron clasificadas las plantas, observamos que los valores fueron de 310, 127 y 93 g/1000 granos para las plantas sanas (grado 1), medianamente afectadas (grado 2) y fuertemente afectadas (grado 3), respectivamente.
En cuanto a rendimientos a 14,5% de humedad, estos variaron entre 1170 kg/ha (0 N) y 1680 kg/ha (80 N), con un promedio de 1470 kg/ha. Si bien los tratamientos 80 y 120 N se diferenciaron significativamente de los demás (p<0,05; Figura 11), resulta evidente que en este escenario de elevada incidencia de spiroplasma, junto con estrés térmico e hídrico muy fuertes, los
rendimientos estuvieron mucho más condicionados por otros factores que por la nutrición. Simplemente para tener una idea, un rinde promedio de maíz en el sitio donde se montó este ensayo es de aproximadamente 7000 kg/ha, es decir que el rendimiento promedio del ensayo fue apenas un 20% del promedio del sitio.
Figura 11. Rendimientos observados en ensayo de N y S en maíz en Avia Terai (Chaco) en el marco de la RNCNA.
Consideraciones finales
Para concluir se destaca que una adecuada nutrición es importante para que los cultivos afronten mejor una enfermedad como spiroplasma, pero evidentemente no es suficiente para que la puedan tolerar, menos aún en campañas con una presión tan alta como la vista en la 23/24, sumado a las condiciones extremas de estrés térmico e hídrico que hubo.
Cuando las condiciones son tan severas como las que sufrieron los cultivos en el verano de la campaña 23/24, sin dudas que las limitantes impuestas por dichas condiciones serán más importantes que la nutrición. Ésta puede ayudar a reducir los efectos perjudiciales de estreses bióticos y abióticos, pero dependiendo de la gravedad de las condiciones ambientales y de la fertilidad de los sitios, no siempre será económicamente viable fertilizar.
Bibliografía
Giménez Pecci, P. 2024. Spiroplasma: ¿cómo identificar correctamente la enfermedad?
https://www.contenidoscrea.org.ar/agricultura/spiroplasma-como-identificar-corr ectamente-la-enfermedad-n5326952
Stahringer, N.I.; J.A. Fernández; S. Almirón.; R. Garfagnoli & A. Madias. 2023. Avances en fertilización nitrogenada en maíz en el NEA. Simposio Fertilidad 2023. Fertilizar AC.
https://fertilizar.org.ar/publicaciones_y_eventos/avances-en-fertilizacion-nitroge nada-en-maiz-en-el-nea/
Volatilización y retorno económico de las principales fuentes nitrogenadas sólidas en el NOA
Autores: INTA, CONICET, YPF Agro Coordinador: Dr. Ing. Agr. Martín Acreche
OBJETIVOS
Generar información de calidad sobre volatilización, dosis óptima económica y retorno de las principales fuentes nitrogenadas disponibles en el mercado, como así también determinar los valores de volatilización atribuidos a la UREA como fuente de nitrógeno aplicada AL VOLEO.
Volatilización y retorno económico de las principales fuentes nitrogenadas sólidas en el NOA
Introducción
El nitrógeno (N) es el nutriente que en mayor medida limita la producción de los cultivos, por lo que la aplicación de fertilizantes nitrogenados es una práctica habitual en los sistemas productivos del núcleo pampeano, principal área productora de maíz de Argentina; sin embargo, su utilización es de diversa adopción en regiones extra pampeanas.
En este sentido, determinar la dosis de nitrógeno óptima a utilizar en función del ambiente, podría permitir una mejor adopción de estos.
La cantidad de N a aplicar como fertilizante depende no solamente de la demanda del cultivo y la oferta del suelo, sino también de la eficiencia con que se utilizan los mismos, tanto desde el punto de vista de los costos de producción, como desde la perspectiva del cuidado del ambiente. Es por ello que, para lograr la sustentabilidad del sistema de producción, es necesario utilizar la
Metodología
Durante los ciclos de cultivos 21/22-22/23-23/24, se condujeron ensayos a campo en lotes de producción agrícola de maíz en cuatro localidades de la provincia de Salta (Cerrillos, Valle de Lerma; Rosario de la Frontera; Coronel Mollinedo; Lajitas), generando evaluaciones en 12 ambientes diferentes.
dosis, fuente, forma y momentos correctos de aplicación del fertilizante, intentando maximizar el rendimiento con el menor impacto negativo sobre el ambiente.
En este sentido, entre los procesos asociados a la fertilización nitrogenada que pueden generar ineficiencias y contaminación ambiental se encuentra la volatilización como amoniaco. De acuerdo con la formulación del fertilizante (los fertilizantes a base de urea presentan mayor volatilización) y a las condiciones ambientales (principalmente temperatura y humedad del suelo), las pérdidas por volatilización tendrán diferente magnitud.
En el NOA, la fertilización con N en maíz se realiza tradicionalmente al voleo alrededor de la sexta hoja expandida (V6), coincidiendo este período con la ocurrencia de alta temperatura y humedad variable del suelo, factores que pueden favorecer la volatilización.
Volatilización y retorno económico de las principales fuentes nitrogenadas sólidas en el NOA
Todos los sitios experimentales se realizaron con siembra directa, a secano, y las prácticas de manejo (selección del germoplasma, control de malezas, plagas y enfermedades, etc.) se realizaron por cada productor según las recomendaciones sugeridas para cada zona. En todos los sitios de experimentación, el ensayo consistió en la combinación de tres formulaciones de fertilizante nitrogenado: Urea (U), Urea con inhibidor de ureasas NBPT (UNG) y Nitrato de amonio calcáreo (CAN); cada una de ellas en cinco dosis de N: 0, 50, 100, 150 y 250 kg N/ha. Todos los sitios presentaron ensayos con un diseño en bloques completamente aleatorizados con tres repeticiones y arreglo factorial.
Resultados
Para analizar los resultados, se agruparon los 12 ambientes según los días que pasaron desde la fertilización a una lluvia continua mayor a 10 mm, generando tres grupos: sitios con período libre de lluvias desde fertilización entre cero y
Dinámica de la volatilización
Los resultados de volatilización se muestran para una dosis de N cercana a la comercial (100 kg N/ha). La dinámica de volatilización muestra que, en general, el pico de volatilización ocurrió a las 48 h desde la fertilización para Urea, mientras que el mismo se disminuye y retrasa 24 a 48 h
En todos los sitios de experimentación, las mediciones de volatilización se realizaron en todas las formulaciones en dos repeticiones de los tratamientos de 0, 100 y 250 kg N/ha. La metodología de captura del N volatilizados se utilizó la descripta por H. Cantarella (Cantarella et al., 2003) con posteriormente cuantificando del mismo por el método de Kjeldhal. Las mediciones de volatilización se extendieron desde la fertilización hasta la ocurrencia de lluvias superiores a los 10 milímetros continuos (lámina suficiente considerada para la hidrólisis de la urea y consecuente incorporación del fertilizante). Además de la volatilización mencionada, ser realizaron mediciones de rendimientos y dosis óptima económica (DOE).
cuatro días; sitios con período libre de lluvias desde fertilización entre seis y nueve días; sitios con período libre de lluvias desde fertilización superiores a 10.
para Urea con inhibidor de ureasas. Independientemente del ambiente, las pérdidas por volatilización disminuyen marcadamente con la utilización de fertilizantes con inhibidores de las ureasas.
Volatilización y retorno económico de las principales fuentes nitrogenadas sólidas en el NOA
Volatilización y retorno económico de las principales fuentes nitrogenadas sólidas en el NOA
Análisis económico (Dosis Óptima Económica)
La DOE es la dosis de N por encima de la cual, mayores aplicaciones de N, no redunda en beneficios económicos. La misma se obtiene considerando la respuesta del rendimiento del maíz a diferentes dosis de N de diferentes fuentes nitrogenadas. Esta dosis se verá influenciada por el costo de la fuente utilizada
para la fertilización como el precio del producto (maíz) que se coseche para ser comercializado. De esta manera, permite calcular el retorno económico por utilizar la misma. Para los casos estudiados en estas campañas se tomaron los siguientes valores de referencia:
Promediando los sitios analizados, se observa que las formulaciones a base de Urea generan las mayores DOE y retornos económicos,
destacándose la fuente Urea con inhibidor de las ureasas NBPT con una DOE de 142 kg N/ha y un retorno económico de 295 USD/ha.
Fuente Precios en Puerto (USD t-1) Precio en puerto (USD kg N-1)
Volatilización y retorno económico de las principales fuentes nitrogenadas sólidas en el NOA
CONSIDERACIONES
Las menores pérdidas de N por volatilización se registran al utilizar CAN, intermedias al utilizar Urea con inhibidor de las ureasas NBPT y mayores al utilizar Urea.
El pico de volatilización para Urea ocurre a las 48 h desde la fertilización.
La Urea con inhibidor de ureasas NBPT disminuye y retrasa el pico de volatilización.
La volatilización de la Urea es menor al 15% para el promedio de los sitios.
La Urea con inhibidor de ureasas NBPT mostró valores de volatilización cercanos al 8%.
Los mayores DOE y retornos económicos se obtienen al utilizar Urea con inhibidor de las ureasas NBPT.
Fertilización con Nitrógeno y Azufre para maximizar la productividad de maíz en el NEA Y NOA
Autores: Lisandro Verbeek, Matías Saks. Bunge Argentina SA.
Introducción
Al momento de elaborar distintas estrategias de fertilización, debemos considerar aquellos factores que inciden directamente en la productividad y eficiencia de uso de un fertilizante como la fuente elegida, momento y método de aplicación además de planteos de fertilización balanceada y el manejo sitio-especifico la fertilización Éstas premisas son claves y cobran aún más importancia en regiones como el Norte Argentino, donde la variabilidad edafoclimática suele condicionar las respuestas a la fertilización nitrogenada, incrementando las pérdidas de Nitrógeno por volatilización debido a las elevadas temperaturas, incidiendo de manera directa en la eficiencia de uso del Nitrógeno. Durante las
últimas campañas hemos realizado más de 260 ensayos en cultivos agrícolas en el NEA y NOA con el objetivo de evaluar distintas fuentes nitrogenadas.
SolMIX es un fertilizante líquido que aporta Nitrógeno y Azufre, además minimiza las pérdidas de Nitrógeno por volatilización, mejorando significativamente la eficiencia de uso del nitrógeno aplicado. La Figura 1 muestra que fuentes como UREA están sujetas a pérdidas por volatilización respecto a fuentes liquidas (SolMIX) que contienen inhibidores de volatilización en su composiciòn, incrementando de manera significativa la eficiencia en el uso del nitrógeno aplicado.
Fertilización con Nitrógeno y Azufre para maximizar la productividad de maíz en el NEA Y NOA.
En la campaña 2022/23 se realizaron en la localidad de General Mosconi (Salta) ensayos de fertilización con distintas dosis de nitrógeno, utilizando dos fuentes nitrogenadas (Urea y SolMIX). Se realizaron curvas de N con Urea incorporada a la siembra y misma dosis de N con
SolMIX (28-0-0-5,2S) chorreado en superficie en estadio fenológico V2 del cultivo. Cada tratamiento de fertilización se repitió en 6 lotes de producción representativos de la zona y con el manejo y tecnología de cultivo que realzo el productor.
Figura 1. Volatilización para de diferentes fuentes de Nitrógeno y formas de aplicación en el Sud Oeste del Chaco- Fuente: EEA INTA Las Breñas- Grupo Charata.
Figura 2. Resultado promedio de respuesta a fertilización con Urea incorporada a la siembra.
Fertilización con Nitrógeno y Azufre para maximizar la productividad de maíz en el NEA Y NOA.
80kg de Nitrógeno
3. Resultado promedio de respuesta a fertilización con SolMIX chorreado en V2.
En la Figura 2 y 3 se muestra el rendimiento promedio de los ensayos fertilizados con Urea y SolMIX. Los rendimientos variaron entre 7006 y 7993 kg/ha para los sitios fertilizados con UREA y entre 6884 kg/ha y 9378 kg/ha para los sitios fertilizados con SolMIX respectivamente. En los sitios fertilizados con Urea la respuesta a la fertilización vario entre 439 y 728 kg/ha para la dosis de 40 y 80 kg de N/ha respectivamente.
En los tratamientos fertilizados con SolMIX la respuesta vario entre 1409 y 2484 kg/ha para los tratamientos fertilizados con 40 kg de N Y 80 kg de N/ha respectivamente. Estos resultados indican que la fertilización con SolMIX permitió lograr mayores respuestas a la fertilización al mismo nivel de N aplicado utilizando Urea como fuente de Nitrógeno.
La figura 4 muestra que SolMIX presento las mayores eficiencias de uso de Nitrógeno respecto a Urea para cada dosis de Nitrógeno aplicado.
Figura 4. Eficiencia de uso del Nitrógeno de diferentes fuentes y dosis (kg de grano obtenidos por cada kilo de Nitrógeno aportado mediante el fertilizante).
Figura
Fertilización con Nitrógeno y Azufre para maximizar la productividad de maíz en el NEA Y NOA.
Tabla 1. Resultado económico para distintas fuentes nitrogenadas y dosis aplicadas en el cultivo de maíz. Promedio de 6 sitios fertilizados con Urea y 6 sitios fertilizados con SolMIX en la localidad de General Mosconi, Salta. Campaña 2022.
La Tabla 1 muestra que la fuente y dosis que representa el menor costo/ha condiciona de manera directa el beneficio económico que puede capturar el productor. Esto indica que SolMIX permite lograr tanto mayores beneficios productivos (> kg de grano/ha) como asi también mayor retorno de la inversión.
En este caso, SolMIX con el aporte de Azufre y minimizando pérdidas por volatilización, nos dio los mejores resultados agronómicos al elevar la Eficiencia de uso del Nitrógeno y lo más importante, obtuvimos el mejor retorno económico de la inversión.
Fertilización con Nitrógeno y Azufre para maximizar la productividad de maíz en el NEA Y NOA.
CONCLUSIONES
Los ensayos de fertilización realizados en la región norte argentino muestran que la fertilización con SolMIX permite maximizar la productividad de maíz, permitiendo incrementar la eficiencia agronómica en el uso del Nitrógeno aplicado.
AGD pone a disposición del productor su nueva plataforma digital
Experta -Tecnología AGD- centraliza toda la información agronómica relevada durante los 20 años por el área de servicios tecnológicos para que el productor pueda verla desde su celular.
La evolución de la agricultura en los últimos años, el aumento de la información y las nuevas tecnologías generan una oportunidad para hacer más eficiente la producción agropecuaria, pero sistematizar y ordenar todos los datos es un desafío que tomó AGD -Aceitera General Deheza- a través de su área Experta.
“Desde hace 20 años que combinamos las ventajas que otorga la tecnología con el conocimiento de un grupo de profesionales ingenieros agrónomos y de sistemas para poder contar con variables que permitan diseñar la mejor campaña cuidando el suelo, aportándole los nutrientes necesarios, realizando prácticas de manejo adecuadas para mejorar la productividad y maximizar la eficiencia en el uso de los recursos” contó el Ing. Sebastián Storti, líder del área Experta.
Este año presentaron la nueva plataforma digital para el agro que brinda una interfaz amigable y fácil de usar, lo que permite que cualquier usuario identifique con precisión las principales variables ofreciendo la mejor solución digital para visualizar, gestionar y analizar toda la información que se genera de cada campo y de manera integrada. “El productor tiene la posibilidad de chequear la información de su campo desde cualquier lugar en el que se encuentre, teniendo la información en su celular sin perder el asesoramiento personalizado del equipo de profesionales de Experta” dijo Storti. (https://youtu.be/92Yj8MNrQfc)
Quienes ya probaron y utilizan esta nueva plataforma, destacaron la importancia de trabajar en equipos integrados por profesionales que saben analizar la cantidad de datos disponibles a través del manejo de la tecnología.
AGD pone a disposición del productor su nueva plataforma digital
“Atravesamos una etapa en donde tenemos la posibilidad de contar con mucha información de nuestros campos para manejarlos por ambientes y así optimizar las inversiones y los rindes”. Y agregaron: “es muy importante contar con información, pero más lo es saber analizar todas las variables. Contamos con mucha información que nos llega de muchos lugares, pero lo destacable del área de Experta, es que nos ayudan a analizarla, eligiendo los datos que realmente son relevantes y que influyen al momento de tomar decisiones”. -Alesandro Metallino de Haras Aniceto https://youtu.be/WUzumgihl_U
Andrés Barrionuevo, de La Viscachera https://youtu.be/oat9cnXvq8s
Detrás de los 3 servicios que ofrece Experta, Tecnología AGD -versión full agro, premium o estándar- existe un importante equipo de profesionales presentes en la zona núcleo, NOA y NEA para explicar y asesorar a cada cliente de manera personalizada. Federico Colombo, Product Manager de la empresa contó que “la plataforma Experta es una herramienta geoespacial que brinda un valor agregado a todos los clientes que confían en AGD centralizando toda la información agronómica en un único lugar, adaptándose a una agricultura evolutiva y de manejo por ambiente que responde a las nuevas demandas del campo argentino”.
Esta novedosa plataforma que concentra todos los servicios de Experta, se puede descargar desde App Store para iPhone o Google Play para Android. AGD creó una herramienta que brinda un valor agregado a cada uno de los clientes mediante la tecnología, la cercanía y fundamentalmente el acompañamiento constante para que cada uno pueda delimitar y cuantificar con precisión las principales limitantes y deficiencias químicas y físicas del suelo y así se logre diseñar prácticas de manejo que permitan mejorar los índices productivos y hacer un uso más eficiente de los recursos. Toda la información y servicios de Experta se puede ver y consultar en www.agriculturaexperta.com.
Si querés ampliar más sobre esta plataforma te invitamos a escuchar a Daniel Perez y Mariano Granatelli, profesionales de Experta en estas dos entrevistas que hicieron en Bichos de Campo y en Chacra TV: https://www.youtube.com/watch?v=x8Ucm4JRvc4 https://www.agritotal.com/nota/58402-nuevas-tec nologias-que-generan-un-negocio-cada-vez-mas -productivo-rentable-y-eficiente/
HABLEMOS DE CARBONO
Escuchanos en
