1. No category

BRECHAS DE RENDIMIENTO DEL MAÍZ EN ARGENTINA Y SU RELACIÓN CON EL
FENOMENO EL NIÑO-OSCILACIÓN DEL SUR (ENSO)
Aramburu Merlos Fa; Monzon JPb; Grassini Pc; Andrade Fd.
Ruta 226, km 73,5. INTA. Balcarce, Buenos Aires, Argentina. [email protected]
Ruta 226, km 73,5. CONICET. Balcarce, Buenos Aires, Argentina. [email protected]
c
387 Plant Science Hall. University of Nebraska. Lincoln, NE, EEUU. [email protected]
d
Ruta 226, km 73,5. INTA-CONICET-UNMP. Balcarce, Buenos Aires, Argentina. [email protected]
a
b
The objectives of this work were: i) to quantify maize water-limited yields (Yw), actual yields (Ya)
and yield gaps (Yg) in Argentina; and ii) to identify the effects of the El Niño Southern Oscillation
phenomenon (ENSO) on maize Yw, Ya and Yg. Using the CERES-Maize model, Yw were estimated at
15 buffer zones that cover ca. 50% of the Argentinean maize crop area, considering local
management practices and soil variability. A weighted buffer zone actual farmer’s yield (Ya) was
calculated based on the actual yield reported for the departments located within the buffer zone for
the last seven cropping seasons. The yield gaps were calculated as the difference between Yw and
Ya. Yield residuals associated to each phase in each buffer zone were assessed using non-parametric
tests in order to analyze the effect of ENSO phases on Yw and Ya. Argentinean maize Yw was 11.6
t.ha-1, Ya was 6.8 t.ha-1, and the Yg was 4.8 t.ha-1 (42% of Yw). High spatial variability in these
variables was observed, probably related to cropping history and environmental conditions of each
zone. La Niña years were associated with lower Ya and Yw. On El Niño years, Ya were greater than
in Neutral and La Niña years, but no significant differences were found in Yw between Neutral years
and El Niño years. The different response of Yw and Ya to ENSO phases suggests that Yg are bigger
on Neutral years and lower on La Niña years.
Palabras clave: Rendimiento limitado por agua; Brecha de Rendimiento; El Niño-Oscilación del Sur
Keywords: Water-limited yield; Yield gap; El Niño-southern oscillation.
Introducción
Una de las principales vías para aumentar la producción de maíz de manera sustentable,
sin expandir la frontera agrícola, es reducir las brechas de rendimiento en aquellas zonas
donde estas son mayores (Godfray et al., 2010). La brecha de rendimiento es la diferencia
entre el rendimiento promedio de los productores (rendimiento real, RR) y un rendimiento
máximo teórico de referencia (Fischer et al., 2009). En regiones donde predominan cultivos
de secano expuestos a estreses hídricos periódicos el referente más adecuado es el
rendimiento limitado por agua (RLA) (van Ittersum et al., 2013). Las brechas de
rendimiento proveen una estimación de la capacidad productiva sin explotar de una región
y un diagnóstico del estado de sus sistemas de producción (Lobell et al., 2009). Pese a su
importancia y utilidad, aún no se dispone de un mapa de brechas de rendimiento de maíz
en la Argentina.
El fenómeno El Niño-Oscilación del Sur (ENSO) es la mayor fuente de variabilidad
climática estacional e interanual de muchas partes del mundo (Trenberth, 1997). En
Argentina, los años El Niño se relacionan con un mayor régimen de precipitaciones en la
primavera tardía y verano temprano, y por lo tanto con mayores rendimientos de maíz
(Podestá et al., 1999). La posibilidad de predecir este fenómeno antes de la siembra del
cultivo ha llevado a que diversos investigadores analicen su interacción con distintas
prácticas de manejo mediante el uso de los modelos de simulación, con el objetivo de hacer
un análisis del riesgo de la producción, o bien de mejorar la toma de decisiones del
productor (Ferreyra et al., 2001; Podesta et al., 2002; Bert et al., 2006; Monzon et al.,
2012). Sin embargo, la mayoría de estos trabajos tienen un enfoque local o regional y no
analizan el efecto del ENSO sobre la capacidad de producción de maíz a nivel nacional.
Los objetivos de este trabajo fueron i) cuantificar a nivel nacional y regional la
capacidad productiva y las brechas de rendimiento de maíz y ii) identificar la influencia del
fenómeno ENSO sobre los rendimientos limitados por agua y las brechas de rendimiento
del maíz.
Materiales y Métodos
Tomando como base las regiones agroclimáticas definidas para la Argentina (van Wart
et al., 2013b) y la superficie cosechada de maíz en cada distrito reportada por el Ministerio
de Agricultura, se seleccionaron estaciones meteorológicas de referencia, y se definieron
zonas núcleos de 100 km de radio alrededor de cada una de ellas, de manera de cubrir ca.
el 50% de la superficie cosechada total con las zonas núcleo, y más del 75% con las
regiones agroclimáticas donde las zonas núcleos están ubicadas, de acuerdo a lo propuesto
por van Wart et al. (2013a). Se estimó el RLA de cada combinación zona núcleo por tipo
de suelo por año utilizando el modelo de simulación CERES-Maize de la plataforma DSSAT
v 4.5 (Jones et al., 2003). Se utilizaron los coeficientes genéticos calibrados y validados
por Monzon et al., (2012). Para las simulaciones se utilizaron los datos de temperatura y
precipitación de los últimos 30 años provistos por el SMN y el INTA; mientras que los datos
de radiación solar diaria se obtuvieron del servicio NASA-POWER. Todos los datos
climáticos fueron sometidos a un proceso de control de calidad y relleno de datos faltantes
basado en los datos de las dos estaciones meteorológicas más cercanas (Hubbard et al.,
2007). Las prácticas de manejo fueron consultadas a asesores CREA y a extensionistas de
INTA de cada zona objetivo. Se identificaron los suelos predominantes de cada zona núcleo
(2 o 3) y su proporción relativa en base a los mapas de suelo disponibles en el sistema
GeoINTA y teniendo en cuenta la preferencia de los productores para realizar un cultivo
sobre un suelo determinado. Los datos de suelo requeridos para las simulaciones se
estimaron de acuerdo a Gijsman et al., (2003). Para determinar el agua disponible a la
siembra se simularon rotaciones de soja-maíz arrancando en años consecutivos de modo
de tener estimaciones del RLA del maíz todos los años. El RR de cada zona núcleo se estimó
ponderando los rendimientos de cada distrito en las últimas 7 campañas disponibles
(2005/06-2011/12), según su contribución relativa al área total del cultivo en cada zona.
Las brechas de rendimiento de cada zona núcleo se calcularon como la diferencia entre el
RLA estimado con el modelo simulación y el RR de los productores. Las estimaciones a
nivel de región agroclimática y a nivel nacional se obtuvieron integrando las estimaciones
de las zonas núcleo de acuerdo a su contribución relativa al área cosechada total (van Wart
et al., 2013a).
La fase del ENSO (El Niño, Neutro o La Niña) de cada campaña se definió según el Índice
Oceánico de El Niño de acuerdo al National Weather Service de EEUU. Se estimaron los
rendimientos residuales de cada campaña y zona como la diferencia entre: i) el RLA de
una campaña y el RLA promedio de la zona, y ii) el RR de una campaña y el RR estimado
para esa campaña basado en la tendencia de rendimiento en función del tiempo en cada
núcleo. Se categorizaron los rendimientos residuales según la fase del ENSO de esa
campaña. Se realizó el test de Kruskal-Wallis para detectar diferencias en los residuales
asociados con las distintas fases en cada zona, y, en caso de dar diferencias significativas,
se analizaron las fases de a pares por medio de la prueba U de Mann-Whitney (p<0,1). Por
último se realizó el mismo análisis con los datos integrados a nivel nacional.
Resultados y Discusión
El RLA de maíz en la Argentina es de 11,6 t.ha-1, el RR de 6,8 t.ha-1, y la brecha de 4,8
t.ha-1 (41.5% del RLA). Sin embargo, se encontraron grandes diferencias entre zonas. Los
RLA varían de 8,0 a 13,0 t.ha-1, obteniéndose los menores valores en el SO de Bs As y los
mayores en el centro y centro-oeste de la Región Pampeana (Fig. 1). Las mayores brechas
de rendimiento, expresadas como % del RLA, se encuentran en la Región del Chaco (i.e.
Las Breñas y Famaillá), seguidas por el Oeste de la Región Pampeana; mientras que las
menores se presentan en la Pampa Ondulada (i.e. Pergamino y Marcos Juárez) (Fig. 1). En
esta última zona la brecha oscila entre el 25 y 30% del RLA, coincidiendo con lo reportado
por Cassman (1999) para las regiones más productivas del mundo. Por lo tanto, en esta
región quedaría menor margen para incrementar los rendimientos a través del cierre de
brechas. En cambio, en las zonas más marginales se encontraron brechas que van del 40
al 60% del RLA. Allí es dónde se deberían fomentar las políticas de desarrollo y extensión,
ya que en estas zonas es posible lograr aumentos significativos del rendimiento con la
tecnología actual.
Se encontró una fuerte influencia del
fenómeno ENSO sobre los RLA y los RR
de la mayor parte de la Argentina (Tabla
1). En años El Niño y Neutros, los RLA a
nivel nacional son de 12,4 y 12,1 t.ha-1
respectivamente, mientras que en años
La Niña baja a 10,8 t.ha-1. Sin embargo
el RR presentó un comportamiento
distinto, ya que en años El Niño el
rendimiento fue mayor que en años
Neutros, y en estos, a su vez, fue mayor
que en años La Niña (p<0,1),
coincidiendo con lo observado por
Podestá et al., (1999). Estas diferencias
se repiten en la mayoría de las zonas
núcleo. Las Breñas fue la única zona
donde no se encontró un efecto del ENSO Fig. 1. Rendimiento limitado por agua de maíz (RLA,
sobre el RLA o el RR. En Río Cuarto y Pilar t.ha-1) de las regiones agroclimáticas (áreas
los años La Niña estuvieron relacionados sombreadas); y RLA, rendimientos reales (RR) y
a menores RR, pero no se observó lo brechas de rendimiento de las zonas núcleo
mismo en los RLA (Tabla 1). Esto puede (gráficos circulares). El tamaño de los gráficos es
al RLA y su valor también se indica
deberse a una limitación del método de proporcional
(t.ha-1). Las zonas núcleo, de sur a norte y por
estimación, ya que en cada localidad se
región son: I) Barrow; II) Balcarce, Azul, Pehuajó;
consideró una sola fecha de siembra para III) Pergamino, Gualeguaychú, Paraná; IV) Marcos
estimar los RLA, la cual fue posterior al 1 Juárez y Rafaela; V) Las Breñas; VI) Famaillá; VII)
de diciembre tanto en Río Cuarto como Laboulaye, Río Cuarto, Pilar; VIII) Gral. Pico
en Pilar. Las fechas de siembra tardías
aminoran el efecto negativo de los años La Niña, ya que se atrasa el periodo crítico del
cultivo hacia momentos de menor demanda atmosférica y donde la influencia del fenómeno
ENSO es menor (Bert et al., 2006).
Tabla 1. Promedios de los residuales del rendimiento limitado por agua (RLA, t.ha-1) y del rendimiento
real (RR, t.ha-1) por zona núcleo y promedios de los residuales del RLA y RR ponderados a nivel
nacional, asociados a cada fase del ENSO. Letras distintas en una misma zona significan diferencias
significativas entre fases (prueba U de Mann-Whitney, p<0,1).
Zona Núcleo
Azul
Balcarce
Barrow
Famaillá
General Pico
Gualeguaychú
Laboulaye
Las Breñas
Marcos Juárez
Paraná
Pehuajó
Pergamino
Pilar
Rafaela
Río Cuarto
Argentina
Residuales del RLA (t.ha-1)
El Niño
Neutro
La Niña
1,4 a
-0,2 ab
-1,0 b
0,7 ab
2,7 a
-2,5 b
0,6 ab
2,3 a
-2,2 b
0,4 a
0,4 a
-0,6 b
0,5 a
0,9 a
-1,0 b
1,5 a
0,1 ab
-1,3 b
1,3 a
0,4 ab
-1,3 b
-0,2
0,2
0 ns
0,8 a
-0,6 b
-0,2 b
1,3 a
0,5 ab
-1,4 b
1,5 a
1,2 a
-2,0 b
0,8 a
1,6 a
-1,8 b
-0,1
0,0
0,1 ns
1,7 a
0,5 ab
-1,8 b
-0,3
0,5
-0,2 ns
0,7 a
0,5 a
-1 b
Residuales del RR (t.ha-1)
El Niño
Neutro
La Niña
0,4 a
0,1
0,1 ab
0,5 a
0,4
1a
0,7 a
0,2
0,9 a
1a
0,7 a
0,8 a
0,6 a
1a
0,7 a
0,6 a
0,2 ab
0,2
0,4 a
0,2 ab
-0,1
0,1 b
-0,2 b
-0,1
-0,1 b
0,2 b
0,0 b
0,1 b
0,0 a
-0,1 b
-0,2 ab
0b
-0,4 b
-0,3 ns
-0,4 b
-0,6 b
-0,3 ns
-0,9 c
-0,5 b
-0,1 ns
-0,6 b
-1,0 c
-0,5 b
-0,7 c
-0,6 b
-0,7 c
-0,5 b
-0,5 c
La diferencia en el patrón de respuesta de los RLA y los RR ante las distintas fases del
ENSO indicaría que las brechas a nivel nacional son mayores en años Neutros y menores
en años La Niña (Tabla 1). Sin embargo, como no se dispone de repeticiones en las
estimaciones de las brechas de rendimiento de las distintas zonas a través de los años,
porque no se pueden comparar los RLA estimados con las prácticas de manejo actuales
con los RR de años anteriores, no se puede concluir sí el ENSO tiene un efecto significativo
sobre las brechas de rendimiento. Por lo tanto, haría falta un análisis más profundo para
poder entender cómo se ven afectadas las brechas de rendimiento por el fenómeno ENSO.
Conclusiones
Las brechas de rendimiento de maíz en Argentina son del 42% del RLA. Sin embargo,
se observó una alta variabilidad espacial en la magnitud de estas brechas. En la Pampa
Ondulada las brechas de rendimiento fueron menores, cercanas al 25%, siendo cercanas
a las reportadas para las regiones más productivas del mundo. En cambio, en las zonas
más marginales, principalmente en las regiones extra-pampeanas, las brechas alcanzan el
40 al 60% del RLA, por lo tanto, es en estas zonas donde hay un mayor margen para
incrementar el rendimiento a través de prácticas que fomenten el cierre de las mismas.
Se encontró una alta influencia de la fase del ENSO sobre los RLA y los RR. Años La
Niña estuvieron relacionados a menores RLA y a menores RR. En cambio, no se encontraron
diferencias significativas en el RLA entre años El Niño y años Neutro, cuando sí existen
diferencias entre estas fases en el RR. Estas diferencias en la respuesta del RLA y el RR
ante las distintas fases del ENSO indicarían que las brechas de rendimiento son mayores
en años Neutros y menores en años La Niña.
Apoyo Financiero
Este trabajo forma parte del Global Yield Gap Atlas Project, coordinado por la Universidad de
Nebraska (Estados Unidos) y la Universidad de Wageningen (Países Bajos), y financiado por Bill and
Melinda Gates Foundation, The Water for Food Institute de la Universidad de Nebraska, y Wageningen
UR. Todos los datos utilizados para las simulaciones y los resultados presentados son de acceso libre
y están disponibles en www.yieldgap.org.
Bibliografía
Bert, F.E.; Satorre, E.H.; Toranzo, F.R.; Podestá, G.P.; 2006. Climatic information and decision-making in maize
crop production systems of the Argentinean Pampas. Agric. Syst. 88, 180–204.
Cassman, K.G.; 1999. Ecological intensification of cereal production systems: Yield potential, soil quality, and
precision agriculture. Proc. Natl. Acad. Sci. 96, 5952–5959.
Ferreyra, A.R.; Podestá, G.P.; Messina, C.D.; Letson, D.; Dardanelli, J.; Guevara, E.; Meira, S.; 2001. A linkedmodeling framework to estimate maize production risk associated with ENSO-related climate variability in
Argentina. Agric. For. Meteorol. 107, 177–192.
Fischer, R.A.; Byerlee, D.; Edmeades, G.O.; 2009. Can technology deliver on the yield challenge to 2050, en:
FAO Expert Meeting on How to Feed the World in 2050. FAO, Roma, Italia. 389–462.
Gijsman, A.J.; Jagtap, S.S.; Jones, J.W.; 2003. Wading through a swamp of complete confusion: how to choose
a method for estimating soil water retention parameters for crop models. Eur. J. Agron. 18, 77–106.
Godfray, H.C.J.; Beddington, J.R.; Crute, I.R.; Haddad, L.; Lawrence, D.; Muir, J.F.; Pretty, J.; Robinson, S.;
Thomas, S.M.; Toulmin, C.; 2010. Food Security: The Challenge of Feeding 9 Billion People. Science 327,
812–818.
Hubbard, K.G.; Guttman, N.B.; You, J.; Chen, Z.; 2007. An improved QC process for temperature in the daily
cooperative weather observations. J. Atmospheric Ocean. Technol. 24, 206–213.
Jones, J.W.; Hoogenboom, G.; Porter, C.H.; Boote, K.J.; Batchelor, W.D.; Hunt, L.A.; Wilkens, P.W.; Singh, U.;
Gijsman, A.J.; Ritchie, J.T.; 2003. The DSSAT cropping system model. Eur. J. Agron. 18, 235–265.
Lobell, D.B.; Cassman, K.G.; Field, C.B.; 2009. Crop yield gaps: their importance, magnitudes, and causes. Annu.
Rev. Environ. Resour. 34, 179–204.
Monzon, J.P.; Sadras, V.O.; Andrade, F.H.; 2012. Modelled yield and water use efficiency of maize in response to
crop management and Southern Oscillation Index in a soil-climate transect in Argentina. Field Crops Res.
130, 8–18.
Podesta, G.; Letson, D.; Messina, C.; Royce, F.; Ferreyra, R.A.; Jones, J.; Hansen, J.; Llovet, I.; Grondona, M.;
O’Brien, J.J.; 2002. Use of ENSO-related climate information in agricultural decision making in Argentina:
a pilot experience. Agric. Syst. 74, 371–392.
Podestá, G.P.; Messina, C.D.; Grondona, M.O.; Magrin, G.O.; 1999. Associations between grain crop yields in
central-eastern Argentina and El Niño-Southern Oscillation. J. Appl. Meteorol. 38, 1488–1498.
Trenberth, K.E.; 1997. The definition of el nino. Bull. Am. Meteorol. Soc. 78, 2771–2777.
Van Ittersum, M.K.; Cassman, K.G.; Grassini, P.; Wolf, J.; Tittonell, P.; Hochman, Z.; 2013. Yield gap analysis
with local to global relevance—A review. Field Crops Res. 143, 4–17.
Van Wart, J.; Kersebaum, K.C.; Peng, S.; Milner, M.; Cassman, K.G.; 2013a. Estimating crop yield potential at
regional to national scales. Field Crops Res. 143, 34–43.
Van Wart, J.; van Bussel, L.G.; Wolf, J.; Licker, R.; Grassini, P.; Nelson, A.; Boogaard, H.; Gerber, J.; Mueller,
N.D.; Claessens, L.; 2013b. Use of agro-climatic zones to upscale simulated crop yield potential. Field
Crops Res. 143, 44–55.