Como transformar los Mapas de Rendimiento en Conocimiento para la toma de Decisiones.

1. Análisis de Monitores de Cosecha
Campaña 2010-2012
LA PAZ
Oeste Provincia de Buenos Aires
Santiago Gonzalez Venzano
santiagogvenzano@solapa4.com
Colaboradores:
La Paz: Marcelo Muñoz , Mauro Recarey y Iñaki Zuberbuhler
GIS: Hernán Sanchez
Solapa 4: Rita Robledo y Vero Leiva
Metafóricos: Jorge Luis Borges

2. Introducción Metodológica
Este trabajo es producto de una metodología de análisis que consideramos innovadora,
y es consecuencia emergente de la aparición de los datos entregados por las
cosechadoras: Los Mapas de Rendimiento.
Pero este análisis es posible si estos datos interactúan con otras fuentes de información
, hablando el mismo idioma, es decir, en este caso, estar dispuestas como capas de
datos georeferenciados sobre una plataforma GIS. Las capas relevantes que se usaron
para este análisis, interactuando con el mapa de rendimiento, fueron:
•Capa de Microambiente.
•Capa de análisis de suelo de Puntos de Muestreo georeferenciados
•Capa de Genotipos.
Los procesos de gestión de información permiten hoy pasar de una identificación por
“potrero o lote” a una identificación por “georeferencia”. La palabra “lote” o “potrero” fue
especialmente omitida en este estudio.
La tecnología es quien abre esta nueva posibilidad de análisis, pero hay dos cuestiones
básicas que permiten que esta posibilidad se concrete:
•El uso de nomenclaturas, que en el caso de ambientes, significa crear categorías o
lenguaje estandarizado.
•La implementación de procesos para gestionar flujos de información
superabundantes. Los datos que no son incorporados a un proceso claro, son
datos perdidos.
Y es el lenguaje, los procesos, y la natural pulsión del ser humano a modelizar y
conceptualizar, lo que nos lleva a construir síntesis, es decir, conocimiento para tomar
mejores decisiones.

3. Introducción Metodológica
Pero, ¿de cuantos datos estamos hablando para un análisis de campaña usando monitores
de rendimiento?
Atrás de cada vistoso mapa de rendimiento, hay una base de datos, con extensión .dbf y
exportable a Excel. Como ejemplo, en este caso, la base de datos de la cosecha de 2.800
has de soja tiene 2.000.000 de filas, por unas 8 columnas relevantes. Es decir, ¡16.000.000
de datos!.
Afortunadamente, las herramientas GIS permiten que los atributos (datos en columnas) de
una capa, pasen a otra capa subyacente, de acuerdo a su georeferencia. Por lo tanto el
mapa (base de datos) de rendimiento se va “cargando” de datos de las otras capas y luego,
exportado a Excel y con tablas dinámicas, se completa el análisis.
Antes de hablar de tecnología y procesos, deberíamos hablar de “quienes hacen” esto:
Todo este proceso involucra gente que pertenece a distintas empresas y que se organiza en
función de procesos y proyectos. Los limites entre las empresas se vuelven porosos y se
configura un nuevo mapa organizacional basado en procesos y proyectos.
En el trasfondo de esta metodología hay una actitud de integración de redes con distintas
empresas / personas:
•Gestión y Operación de la producción.
•Gestión de Información y Conocimiento.
•Proveedores de TIC´s.
•Proveedores de Servicios de Labores y Cosecha.
•Proveedores de Insumos + Conocimiento.
Un especial agradecimiento a todas las personas que participan con su valiosa actitud.

4. Lluvias
250
200
lluvias mm/mes
150
Media
1983-2010
100
2010
50
2011
0
1 2 3 4 5 6 7 8 9 10 11 12
Meses Primavera 2010
seca
Enero 11 muy lluvioso
Febr 11 muy seco
hasta el 15 de Mzo

5. Profundidad de Napa
0,00
-3,50
-3,00
-2,50
-2,00
-1,50
-1,00
-0,50
1987
1988
1989
1990
1991
1992
Napa Freática
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
deseado: entre 2 y 2,5 mts
2009
Rango de profundidad de Napa
2010

6. Napa Freática
Meses
1 2 3 4 5 6 7 8 9 10 11 12
-1,80
Profundidad de la Napa
Media
1983-2010
-2,00
-2,20 2010
-2,40
2011
-2,60
-2,80
-3,00
Las lluvias de Enero dieron un mejor
punto de partida, pero con la sequia de
feb-mzo la napa recupero profundidad

7. Rendimientos 10-11
El buen comportamiento relativo 13,0
del Maíz Tardío en ambientes
altos, frente a Trigo y Soja, 12,0
obligara a replantear la rotación 11,0
de los Macroambientes Altos:
10,0
•Hoy: T-S2 / S1 (sin Maíz)
Rendimiento Tn/ha
•Propuesta: T-S2 / Mz Tardío / S1 9,0
Evitábamos T-S2 como 8,0
antecesor de Mz por el riesgo de
heladas tardías, sin embargo, en
7,0
siembras de fin de Noviembre, 6,0
esto ya no es relevante. 5,0
Esta rotación es de mas margen 4,0
y, para estos ambientes mas 3,0
frágiles, mas sustentable. 2,0
1,0
Análisis de Monitores de Bajo- Bajo
Loma Media
Loma Bajo Riesgo Halomo
Rendimiento por MicroAmbiente. Arenosa Loma
Hidrico rfico
Maiz Tardio 5,6 8,2 10,8 12,2 11,3
Maiz Temprano 7,0 10,9 11,4 10,3 9,2
Trigo 2,1 3,4 5,3 5,7 5,5 5,1
Soja 1,8 2,6 3,7 4,3 4,3 3,1
Soja 2° 1,3 1,3 1,4 1,8 1,9 1,4

8. Rendimientos Maíz 10-11
13,0
El Maíz Tardío se
12,0 destaco en casi
todos los
11,0
ambientes, aun en
Rendimiento Tn/ha
10,0 los de más
potencial
9,0
8,0 Los “Rindes
Históricos”
7,0
corresponden a
6,0 años con menores
profundidades de
5,0 napa,
produciendo
4,0 caídas de
Bajo- Bajo
Loma Media rendimiento en
Loma Bajo Riesgo Halomorf
Arenosa Loma
Hidrico ico
los ambientes
bajos por
Maiz Tardio 5,6 8,2 10,8 12,2 11,3 anegamiento
Maiz Temprano 7,0 10,9 11,4 10,3 9,2
Maiz Hist 4,8 8,0 9,4 9,5 7,8
Análisis de
monitores del
2004 al 2009

9. Rendimientos Maíz Temprano 10-11
14,0
13,0 Las diferencias entre estos
dos genotipos no fueron
Rendimiento Tn/ha
12,0 significativas, mas teniendo
11,0 en cuesta que en el sector
del dk190 llovió más.
10,0
9,0
Dk 190 MGRR
8,0
Dk 747 MGRR
7,0
6,0
5,0 y = -0,2024x + 23,647
50 60 70 80 R² = 0,4001
% de Arena
Los rendimientos de Maíz caen
linealmente al aumentar el % de
arena a razón de 200 kg por aumento
de un 1% del % de arena. El ajuste de
este modelo tiene un r2 = 0,4.

10. Rendimientos Maíz Tardío 10-11
Ensayo de Genotipo x Densidad x Ambiente
En Maiz Fecha de Siembra 25-11-2010
Monsanto-S4 con la colaboración de Eduardo Mendiondo y Gabriel Ginopoli
Loma
Medio

11. Ensayo de Densidad Bajo
en Maíz 60% de Arena
Fotos del 20 de Enero 2% MO
Baja Densidad Alta Densidad
40.000 pl/ha 80.000 pl/ha
Loma
80% de Arena
1,5% MO

12. Rendimientos Maíz Tardío 10-11
Esta información Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)
promedio sirve para
tomar decisiones a
Densidad x Genotipo
nivel de Promedio de toda la Parcela (pesada con tolvas con balanza)
macroambientes si
no se dispone de
equipos para VRT 8000
7750 Dk 670 se destacó
en todas las
7500
Rendimiento Kg/ha
densidades
evaluadas
7250
DK670MGRR
7000
DK699MGRR
6750
6500 DK747MGRR
6250
6000
4,5 6 7,5 8,5
Si tenemos que tomar una decisión Densidad Semillas/m2
a nivel de Macroambiente (sin
VRT), la densidad mas conveniente
es de 60.000 sem/ha

13. Rendimientos Maíz Tardío 10-11
Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)
Densidad x Genotipo
Promedio de toda la Parcela (pesada con tolvas con balanza)
320
310 DK670MGRR
Peso de 1000 granos
300 y = -4,1791x + 308,48
290 R² = 0,6465
280 DK699MGRR
270 y = -10,417x + 346,43
R² = 0,4809
260
250 DK747MGRR
240 y = -8,6531x + 318,16
R² = 0,9752
230
4 5 6 7 8 9
Densidad Sem/m2 La fuerte caída de rendimiento de Dk 747 en altas
densidades, se explica por la sensibilidad que tiene el
peso de 1000 granos en este genotipo a la densidad.

14. Rendimientos Maíz Tardío 10-11
Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)
Densidad x Ambiente (promedio de todos los genotipos)
En el ambiente Datos de Monitores de Rendimiento
medio, el ajuste es Para el ambiente medio,
curvilíneo  se la densidad optima fue
exploraron todas las entre 6 y 8,5 sem/m2
densidades.
En la loma el ajuste
6.000 14.500
es casi lineal falta Loma
explorar densidades Arenosa
5.500 14.000
Rendimiento Kg/ha
menores.
R² = 0,788
5.000 13.500 Medio
R² = 0,8585
4.500 13.000
4.000 12.500
Para el
ambiente loma,
la densidad
3.500 12.000
optima fue de 4 5 6 7 8 9
4,5 semIm2
Densidad Semilla/m2

15. Rendimientos Maíz Tardío 10-11
Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)
Ambiente Medio . Interacción genotipo x densidad
Datos de Monitores de Rendimiento
Para este híbrido, en el
ambiente medio, la densidad
optima fue 8,5 sem/m2
15000
DK670MGRR2
14500
Rwndimiento Kg/ha
R² = 0,6853 La mejor
14000 combinación en
DK699MGRR2 el ambiente
R² = 0,9329 medio:
13500 Dk 699 con alta
densidad
13000 DK747MGRR2
R² = 0,9101
12500
Total general
12000
R² = 0,8585
4 5 6 7 8 9
Densidad Semilla/m2 Para estos híbridos , en el
ambiente medio, la densidad
optima fue 6 sem/m2

16. Rendimientos Maíz Tardío 10-11
Ensayo de Genotipo x Densidad x Ambiente (Monsanto -S4)
Ambiente Loma Arenosa. Interacción genotipo x densidad La mejor
Datos de Monitores de Rendimiento combinación en
el ambiente
loma:
5000 Dk 670 con baja
DK670MGRR2 densidad
4500 y = -162,22x + 5454,6
Rendimiento Kg/ha
R² = 0,5309
4000
DK699MGRR2
y = -227,08x + 5149,4
3500 R² = 0,4244
3000 DK747MGRR2
y = -96,426x + 4492 Todos los
2500 R² = 0,225 híbridos , en el
ambiente loma,
Total general respondieron
2000
y = -161,99x + 5137,7 negativamente
4,0 5,0 6,0 7,0 8,0 9,0 R² = 0,7391 al aumento de
densidad. El Dk
Densidad Semillas/m2 747 fue el menos
sensible

17. Rendimientos Soja 10-11
Los ambientes
Thapto están
5,0
impactando en
la soja
relativamente
4,0 mas que en las
Rendimiento Tn/ha
gramíneas
3,0 Los “Rindes
Históricos”
corresponden a
años con menores
2,0 profundidades de
napa,
produciendo
1,0 caídas de
Bajo- Bajo rendimiento en
Loma Media
Arenosa
Loma
Loma
Bajo Riesgo Halomor los ambientes
Hidrico fico bajos por
Soja 1,8 2,6 3,7 4,3 4,3 3,1 anegamiento
Soja Hist 1,9 2,9 3,5 3,9 3,5
Análisis de
monitores del
2004 al 2009

18. Rendimientos Soja 10-11
Covarianza entre datos de
•Análisis de suelos de puntos georeferenciados y
•Rendimiento por monitores (círculos de 1ha sobre el punto de muestreo)
% Arena PH % MO P ppm Rend
% Arena 1,00
PH -0,57 1,00
% MO -0,29 -0,55 1,00
P ppm 0,24 0,13 -0,43 1,00
Rend -0,74 0,51 0,21 -0,06 1,00
•La variable dependiente (datos de suelo) que mejor ajusta con
la variable independiente (rendimiento) es el % de arena.
•El pH muestra una relación, pero es por que los pH ácidos
están relacionados con texturas mas arenosas, y a la inversa los
alcalinos.
•La relación negativa con el P del suelo, es también por que
esta asociado a la textura.
•Es mas fuerte la relación con la textura que con la MO.

19. Rendimientos Soja 10-11
•La variabilidad espacial del rendimiento de soja, esta explicado en buena medida por la textura del
suelo, con r2 de aprox. 0,6.
•Sin embargo, las pendientes de este modelo lineal, tiene una variación interanual dependiendo del
clima:
•En veranos con sequia en el periodo critico, la sensibilidad al ambiente es mayor, b= 100 kg .
•En cambio, en años mas benignos, b= 50kg
•Estos modelos son muy útiles para estimar la producción de los campos!
4,500
2010-2011
4,000
y = -0,1117x + 10,685
Rendimiento Tn/ha
R² = 0,6727
3,500
2009-2010
3,000
y = -0,0448x + 6,1909
2,500 R² = 0,5877
2,000 2008-2009
y = -0,09x + 8,7639
1,500 R² = 0,6329
50 60 70 80 90
% de Arena

20. Rendimientos Soja 10-11
•Se destaca dm3810 sobre el promedio, que está compuesto con una fuerte proporción
de dm3700 y dm4670.
•Dm 4210 esta por debajo, aunque esta sembrada en macroambientes inferiores en
calidad.
5,0 En la próxima
Rendimiento Tn/ha
campaña,
4,5 dm3810 va a
reemplazar a
4,0 dm3700 y a
3,5 dm4210 en su
DM 3700 totalidad
3,0
DM 3810
2,5
DM 4210
2,0
1,5 DM 4670
Campaña 10-11

21. Rendimientos Soja 10-11
Ensayos de Fungicidas
Proyecto Basf-S4-FR “Oeste Verde”
Resultado de 200 ensayos en el Oeste
bajo
medio
Sobre una plataforma GIS Web se dibujaron las franjas de ensayo,
y luego entregadas a una empresa de servicios tecnológicos. FR

22. Rendimientos Soja 10-11
Ensayos de Fungicidas
Proyecto Basf-S4-FR “Oeste Verde”
Resultado de 200 ensayos en el Oeste
Hay una fuerte interacción entre
la respuesta y el Microambiente
4,500
500
4,000
3,500 300
Rendimiento kg/ha
Respuesta kg/ha
3,000
100
Testigo
2,500 Tratado
-100 Respuesta
2,000
-300
1,500
1,000 -500
L3 L2 ML B2 B-T1 RIEGO
Loma
arenosa thapto

23. Rendimientos Soja 10-11
Ensayos de Fungicidas
Proyecto Basf-S4-FR “Oeste Verde”
Resultado de 200 ensayos en el Oeste
Hay una fuerte interacción entre la
respuesta y el Genotipo
Respuesta Kg/ha
-300 -200 -100 0 100 200 300 400
AX4613
DM3700
DM4870
DM4970
DM4670
DM3810
SP3900

24. Rendimientos Soja 10-11
Ensayos de Fungicidas
Proyecto Basf-S4-FR “Oeste Verde”
Resultado de 200 ensayos en el Oeste
¿Que puede hacer el productor de la ZO con este conocimiento?
Aplicar el fungicida donde hay mayor probabilidad de respuesta:
•Variedades susceptibles
•Ambientes no restrictivos
Respuesta Valor Costo Resultado Rentabilidad
kg/ha u$s/ha u$s/ha u$s/ha %
Sobre todos los ensayos: 133 36 22 14 63%
Sobre ambientes y genotipos con respuesta: 206 56 22 34 153%
Aporte del conocimiento: 20 u$s/ha 59%
Sin los ambientes sin Sin los
respuesta: genotipos sin Si bien la renta de aplicar “ciego” sobre toda la superficie es muy
•LA 3 (loma Arenosa) respuesta: buena (63%) esta mejora sustancialmente si aplicamos según
•LA 2 (loma) •sps3900 “reglas de decisión” y evitamos los sitios sin respuesta (153%)
•BT-1 (Thapto) •dm3810

25. Rendimientos Trigo 10-11
6,0
Años anteriores, el trigo se
5,0
mostraba como un cultivo
de pocas sensibilidad al
Rendimiento Tn/ha
ambiente:
4,0 •Los perfiles salían cargados
en el otoño y las lluvias de
primavera ponían al cultivo
3,0 en condición hídrica
óptima en floración.
•En dos campañas
2,0 (incluidas en el promedio)
hubo heladas en floración
que disminuyeron los
1,0 rendimientos y borraron el
Bajo- Bajo patrón de variabilidad
Loma Media
Loma Bajo Riesgo Halomo ambiental habitual.
Arenosa Loma
Hidrico rfico
Trigo 2,1 3,4 5,3 5,7 5,5 5,1
Trigo Hist 3,7 4,0 4,6 4,5 4,0
Análisis de
monitores del
2004 al 2009

26. Rendimientos Trigo 10-11
Comparación de 3 Campañas:
•07-08 con heladas en Floración
•08-09 sin déficit hídrico.
•10-11 con perfil seco en otoño y menores lluvias en
primavera. Esta campaña muestra una fuerte
interacción rendimiento x ambiente.
7,0
Rendimiento Tn-ha
6,0
5,0
4,0
10-11
3,0 08-09
2,0 07-08
1,0
L3 L2 ML 1 B2 B-T1 B3
Ambientes Ridzo

27. Rendimientos Trigo 10-11
Rendimiento y Ambiente (% de Arena)
Curva total (en todo el rango de textura de suelo)
8,0 y = -0,0036x 2 + 0,3496x - 2,4078
7,0 R² = 0,772
Rendimiento Tn-ha
6,0
5,0
4,0
3,0
2,0
1,0
40 50 60 70 80 90
La caída de rendimiento lineal se
% de Arena
produce s partir de 50% de arena.
Creemos que este comportamiento es
común también a los demás cultivos.

28. Rendimientos Trigo 10-11
Rendimiento y Ambiente (% de Arena)
Curva parcial, con texturas con mas de 50% de arena Fuertes caídas de rendimiento al
aumentar el % de arena (por
(parte lineal de la curva) encima del 50%) : b=166 kg con
un muy buen ajuste r2= 79
8,0
y = -0,1661x + 15,903
7,0
R² = 0,7947
Rendimiento Tn-ha
6,0
5,0
4,0
3,0
2,0
1,0
50 60 70 80 90
En estos ambientes el Maíz
% de Arena Tardío empieza a competir
ventajosamente contra el trigo

29. Rendimientos Trigo 04-05
En la campaña 04-05 se puso en
evidencia el potencial de B10, y
así paso a ser el trigo mas
sembrado. Rescatamos también
9.000 la pendiente del modelo lineal
8.500 Rend vs Indicador am biental (200kg) y su ajuste (0,61) del
8.000 mismo orden que el de la
7.500 campaña actual
7.000
6.500 y = -0.20x
6.000 R2 = 0.61
5.500
Rend (Kg/ha)
5.000
4.500
4.000
3.500
3.000
2.500
2.000 Trigo
1.500 Trigo B10
y = -0.13x
1.000 R2 = 0.77
0.500
0.000
60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90
%Arena

30. Rendimientos Trigo 09-10
Que nos esta pasando:
La acumulación de residuos en ambientes medios y bajos nos llevo a trabajar con altas densidades de siembra, por
que las heladas producen muerte de macollos, poniendo en peligro el numero de espigas que estábamos buscando
(500 a 600 esp/m2)
Sin embargo, en las lomas, con logros de plantas mayores, el ambiente mas seco no soporta mas de 350 espigas.
Esto produce muerte de plantas y macollos infértiles un consumo de agua innecesario?
39 peso de mil
93% VC
Microambiente Plantas/m2 Coef de Semillas Plantas/m2 Coef de Espigas/m2 Espigas/pl Rend Granos/ Granos/
Objetivo Logro viables/ Logradas Logro Logradas Tn/ha m2 espiga
Objetivo m2 Real
loma arenosa 350 75% 467 360 77% 300 0,8 2,000 5128 17
loma 350 75% 467 350 75% 370 1,1 3,200 8205 22
medio 350 75% 467 340 73% 530 1,6 5,200 13333 25
bajo 350 75% 467 350 75% 580 1,7 6,000 15385 27
Para la campaña 11-12 Microambiente Espigas/m2 Espigas/pl Plantas/m2 Coef de Semillas Kg/ ha a
estamos proponiendo una Alcanzable Alcanzable Objetivo logro viables/ sembrar
disminución de densidad de Objetivo m2
siembra en lomas arenosas loma arenosa 300 1,5 200 80% 250 105
buscando las 350 espigas que loma 400 1,5 267 80% 333 140
soporta este ambiente con medio 550 1,6 344 75% 458 192
200 plantas a lograr. bajo 600 1,7 353 75% 471 197
Una oportunidad para el VRT?

31. Rendimientos Sj 2° 10-11
3,0
La Soja de 2° muestra una falta
de estrategia para la mejora de
los rendimientos:
•Una ventana de siembra chica
Rendimiento Tn/ha
por las heladas tempranas.
•Generalmente siembra sin
humedad y recien nace
2,0 cuando las lluvias caen a
principios de enero.
•Sequias en verano que
provocan perdidas de plantas
Como línea de trabajo:
•Reducir largo del ciclo pero
1,0 con cultivares de mas porte y
Bajo- Bajo desarrollo.
Loma Media
Loma Bajo Riesgo Halomor
Arenosa Loma
Hidrico fico
Soja 2° 1,3 1,3 1,4 1,8 1,9 1,4
S 2° Hist 1,6 1,7 1,8 2,1 2,2
Análisis de
monitores del
2004 al 2009

32. Comentario Final:
Muchas conclusiones agronómicas de este análisis merecen profundizarse…hay mas jugo
que sacar.
Sin embargo, quiero detenerme aquí en el “emergente metodológico”
Se incluyo a un productor de metáforas, Borges, como colaborador de este trabajo. No es un
chiste.
“Funes el Memorioso” es el cuento que inspiro esta metodología:
Funes había afinado sus asombrosas capacidades: lo recuerda todo, y cada percepción que
tiene es, para él, una característica única e inolvidable:
No sólo le costaba comprender que el símbolo genérico 'perro' abarcara tantos
individuos dispares de diversos tamaños y diversa forma; le molestaba que el perro de
las tres y catorce (visto de perfil) tuviera el mismo nombre que el perro de las tres y
cuarto (visto de frente).
El autor sostiene que, a fin de cuentas, Funes carecía de la capacidad del pensamiento:
Pensar es olvidar diferencias, es generalizar, abstraer. En el abarrotado mundo de
Funes no había sino detalles, casi inmediatos.
Volviendo a nuestros análisis, pero con Borges en la mano, pretendemos olvidar los lotes, lo
particular..abstraer, generalizar, poder construir categorias, conceptos y modelos.
Con la superabundancia de datos, Funes ya no es posible.
Y para terminar:
Tampoco nos preocupa la cuestión de “la verdad”, es decir, la correspondencia del concepto
con la realidad. Solo nos importa que sean cada vez más útiles, aunque sean solo
provisorias hipótesis.
Y mientras tanto, esperamos las nuevas metáforas.