Este documento describe los esfuerzos de Agricultura por Ambientes (AxA) en la Argentina y Colombia para mejorar la productividad agrícola mediante el mapeo y gestión de ambientes. Se explica cómo los productores usan una plataforma GIS para caracterizar ambientes, tomar decisiones de cultivo y medir resultados. El objetivo final es desarrollar protocolos dinámicos que maximicen la sustentabilidad económica y ecológica basados en datos e inteligencia colaborativa.

1. Agricultura por Ambientes
Santiago Gonzalez Venzano
Soroush Parsa

2. Agenda
1. Que estamos haciendo en la Argentina. AxA
Agricultura por Ambientes
2. Altillanura.
Primeros pasos de la Agricultura por Ambientes.
3. Visión del Proyecto.

3. Nuestro recorrido en la argentina
Dentro del movimiento CREA, aprendimos que para
gestionar conocimiento, es mejor organizarse en
redes
En el año 2007, con los productores del
CREA Henderson Daireaux, viajamos a
Silicon Valley, y entendimos el poder de la
Web 2.0
Luego fue integrar lo aprendido en el
camino:
•Redes: Inteligencia Colectiva
•Procesos: Mejora continua
•Tecnología: Plataforma Web-GIS

4. La Plataforma GIS WEB S4
•700 .000 has de productores
•500 franjas de ensayos

5. Un zoom en la Pcia de Bs As…

6. Que hace el productor en la Plataforma S4?
3- Reportes gráficos
on-line
1- Una interface GIS que
permite dibujar
fácilmente
2- Carga de Información

7. 2 Escalas de Trabajo: Macro y Micro ambientes
Macroambientes
Para decidir:
•Cultivo
•Genotipo
•Fecha de Siembra
Macroambientes
Estas decisiones no implican
tecnología en la maquinaria.
El 100% esta ambientado en
esta escala
Son grandes y simples para
conseguir eficiencia
operativa
Nomenclatura
consensuada

8. 2 Escalas de Trabajo: Macro y Micro ambientes
15%
Microambientes:
Para decidir:
•Fertilización
•Densidad
Macroambientes
Estas decisiones implican
tecnología en la maquinaria.
El 15% esta ambientado en
esta escala
Pueden ser chicos y de
forma compleja
Nomenclatura
consensuada

9. Las EMG para sacar muestras de suelo
Estaciones
Georeferenciadas de
Muestreo
En un radio de 0,5 has
se sacan 20
submuestras de suelo

10. Toma de Decisiones
Que información registra el productor?
Que es relevante registrar y no esta en los sistemas
Cargando los
administrativos?
análisis de suelos
Analisis de Suelo
calcula el stock de
Fertilización
nutrientes
Densidad de plantas – Conteo de plantas – Coef de Logro

11. Toma de Decisiones
Que información registra el productor?
De acuerdo al ambiente y al protocolo, se
define un objetivo. Eligiendo la fuente ,
calcula los kg que se deben usar
Finalmente se registra lo realmente usado

12. Como visualizar lo que esta pasando?
Los reportes on-line
Toda la información cargada se
puede visualizar en reportes que
permiten controlar la marcha del
proceso de decisión
Exportables a formato PDF o Excel
Permite comparar entre :
1. Lo Realizado y los Objetivos
(protocolo)
2. Ente mi empresa y el
promedio consolidado de
mi zona

13. Resumiendo hasta aqui:
1. El productor dibuja su finca y sus ambientes.
2. Carga datos.
3. De acuerdo a Reglas de Decisión por Ambiente,
la plataforma calcula las dosis de fertilizante a utilizar.
4. Los reportes permiten evaluar desvíos.
Estas Reglas de
Decisión por Ambiente,
son los protocolos de
cultivo.

14. Como son los Protocolos?
Uso de herramientas Web 2.0 La definición de los ambientes, es
Wikis, docs, etc la base de todo

15. Como generamos el conocimiento para
enriquecer los protocolos?
Ej CREA Henderson Daireaux. Soya
% Arena PH % MO P ppm Rend
Cual es la variable % Arena 1,00
ambiental con PH -0,57 1,00
mas impacto en el % MO -0,29 -0,55 1,00
rendimiento? P ppm 0,24 0,13 -0,43 1,00
Rend -0,74 0,51 0,21 -0,06 1,00
•La variable independiente (datos de suelo) que mejor ajusta con la
variable dependiente (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.

16. Como generamos el conocimiento para
enriquecer los protocolos?
Ej CREA Henderson Daireaux
11,000 4,000
Tn-Ha Soja
Tn-Ha Maiz y Trigo
Maiz
10,000
3,500
Como se adaptan
los cultivos a esa 9,000
3,000 Trigo
variable 8,000
ambiental? 7,000
2,500
Soja
2,000
6,000
5,000
1,500 Soja 2da
4,000 1,000
40 50 60 70 80 90
% de Arena

17. Resultados de este proceso en Argentina
CREA Henderson Daireaux
Comparación de 2 cultivares de soja y su interacción con el
ambiente
4 dm4670
y = -0,1349x + 12,179
Como se adaptan R² = 0,4291
los genotipos a
3 dm5.1i
esa variable
Tn - Ha
y = -0,0402x + 5,1361
ambiental? R² = 0,412
2
dm4670 dm5.1
1
40 50 60 70 80
% de Arena

18. 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
3 Genotipos
4 Densidades Loma
2 Ambientes 80% de Arena
3 Repeticiones 1,5% MO
--------------------
72 Parcelas

19. 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

20. 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

21. Hay potencia cuando se usa una plataforma GIS-
Web para gestionar la operación 
La investigación sobre la operación misma
bajo
medio

22. Hay una fuerte interacción entre la
respuesta y el Microambiente
Soja 4,500
4,000
3,500
Rendimiento Tn/ha
3,000
2,500
2,000
1,500
1,000
0,500
0,000
-0,500
Loma Media
Loma Bajo Riego
Arenosa Loma
Respuesta -0,115 -0,002 0,154 0,341 0,441
Testigo 1,949 2,734 3,203 3,668 3,184
Mucha interacción con el ambiente:
En las lomas (L3 y L2 según nomenclatura de la RiDZO), no
hubo respuestas positivas.
A medida que el ambiente mejora en la disponibilidad de
agua para el cultivo, mejoraron los rendimientos de los
testigos y la respuesta al fungicida

23. Cuantos u$s ganan los agricultores
en Argentina con AxA?
60
57 Maiz
50
40 Trigo
uSs/ha
30 29
27
Mix
20
10
7 Soja
0 Fungicidas
Densidad
Nitrogeno
Total
Fosforo

24. Pero…
Los productores no solo están preocupados por
la eficiencia en el uso de los insumos
sustentabilidad económica
También están preocupados por que la
productividad se sostenga en el largo plazo
sustentabilidad ecológica
¿Como gestionar los datos
generando un Tablero de Control
con indicadores ambientales?

25. Sustentabilidad Ecológica
CREA Henderson Daireaux
La MO mejoro un 17 %
Seguimiento de la MO en 4 años
4 años de muestreos
La plataforma
georeferenciada
como “proceso
trazable”.
¿Se pueden
certificar BPA?

26. Sustentabilidad Ecológica
CREA Henderson Daireaux
Seguimiento del P asimilable KyB
4 años de muestreos
Evolucion del Pasim
35
El Pasim mejoro
La plataforma un 38 % en 4 años
30
georeferenciada
25
como “proceso
P asim 2011
y = 1,38x
trazable”. 20
R² = 0,6601
¿Se pueden 15
certificar BPA?
10
5
0
0 10 20 30
P asim 2007

28. Volvamos a Colombia….
• Llegamos en junio 2010 acompañando un productor
argentino
y Colombia nos atrapó  8 viajes en 16 meses!!!
• Hicimos buenos amigos, por que así nos gusta trabajar.
– Instituciones: CIAT, Corpoica, SENA, Unillanos, Fenalce, etc
– Empresas: BASF  un convenio de trabajo en conjunto.
– Productores: Fundallanura
• Y con la visión compartida, que los llanos tiene el potencial
productivo para lograr que Colombia se convierta en un país
exportador de alimentos, nos sumamos al proyecto.

29. Favorecer las Redes (1)
Inteligencia
Colaborativa
Web 2.0
Wiki
•4 Talleres en Villavicencio
CIIAT-Corpoica
•1 Capacitación en el SENA
•1 Seminario en CIAT
•Muchas presentaciones del
proyecto
•Wiki

30. Favorecer las Redes (1)
Parametros Estructurales Modificadores
Condicion % Sat de
Textura % de Arena de Manejo Bases
Arenoso > 60 % Sabana Nat 15 a 25%
Franco 40 a 60% Praderas 35 a 40%
Inteligencia Fr-Arc < 40 % Ciclo Agric 50 a 80%
Colaborativa Preguntas  Hipótesis = Protocolo dinámico
Web 2.0 •Cual es la rotación apropiada para cada ambiente?
Wiki •Cuales los Genotipos?
•Cual la Fecha de Siembra?
•Cual la densidad?
•Cual la corrección de suelo?
•Cual el nivel de fertilidad (N-P-K)?

31. Como contestar estas preguntas?
Aprendiendo de la experiencia de los
productores
Identificando
“best practices”

32. Para contestar estas preguntas se implementan las
Estaciones Georeferenciadas de Muestreo
160 estaciones
Nos permitirán hacer una matriz que
cruce
1. variables de suelo,
2. De manejo,
3. Rendimiento

33. Donde están ubicadas? EGM
Estaciones Georeferenciadas Muestro

34. EGM
Estaciones Georeferenciadas Muestro
arroz
maiz
soya

35. EGM
Rendim ie nto
Quantile s M om ents
100.0% maximum 2.58307 Mean 2.0304254
99.5% 2.58307 Std Dev 0.4380864
29%
97.5% 2.58307 Std Err Mean 0.1062516
18% 18% 18%
90.0% 2.57228 Upper 95% Mean 2.2556687
6% 6% 6% 75.0% quartile 2.42014 Lower 95% Mean 1.8051822
50.0% median 2.00383 N 17
1 1.5 2 2.5 25.0% quartile 1.79516
10.0% 1.27662
2.5% 1.05559
0.5% 1.05559
0.0% minimum 1.05559
Rendim ie nto
Quantile s M om ents
100.0% maximum 4.70399 Mean 2.6578993
99.5% 4.70399 Std Dev 0.8179262
30%
23% 97.5% 4.63664 Std Err Mean 0.1193068
13%13% 90.0% 3.70651 Upper 95% Mean 2.8980515
11%
4% 75.0% quartile 3.17554 Lower 95% Mean 2.4177472
2% 2% 2%
50.0% median 2.64084 N 47
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 25.0% quartile 2.0641
10.0% 1.51668
2.5% 0.90899
0.5% 0.83008
0.0% minimum 0.83008
Rendim ie nto
Quantile s M om ents
100.0% maximum 10.6537 Mean 6.1780336
99.5% 10.6537 Std Dev 2.0579878
24%
18% 97.5% 10.5099 Std Err Mean 0.3067867
16%
11% 90.0% 9.23613 Upper 95% Mean 6.7963216
9% 9%
4% 4% 75.0% quartile 7.57579 Lower 95% Mean 5.5597457
2% 2%
50.0% median 6.39731 N 45
1 2 3 4 5 6 7 8 9 10 11 25.0% quartile 4.76326
10.0% 3.33733
2.5% 1.76071
0.5% 1.74085
0.0% minimum 1.74085

36. Variables independientes
EGM
• Ambiente: suelo, clima, tiempo
• Historia: ciclo -1, ciclo -2, ciclo -3, ciclo -4, ciclo -5
• Siembra: preparacion, enmiendas, fecha, variedad,
densidad
• Nutricion: fertilizacion
• Fitosanidad: plagas, enfermedades, malezas,
fumigaciones
• Cosecha: fecha
Variable dependiente
• Rendimiento
• Calidad

37. Propuesta de investigación 2012 – 2014
• Continuidad del proyecto FUNDAMENTACIÓN PARA EL
DESARROLLO DE UNA AGRICULTURA POR AMBIENTES
para el 2012 al 2014.
• Una plataforma virtual para agricultura de precisión 
convenio con solapa 4-Basf.
• Involucrar equipamiento necesario para maquinas
precisas (monitores, banderilleros satelitales, siembras
y fertilización variables , etc.)
• Automatización y desarrollo de mapas de rendimiento
por ambientes y condiciones edáficas y agronómicas de
los lotes

39. Se pueden generar servicios que se integren a la
operación gestionando flujos de información?

40. Favorecer las Redes (2)
Para Operar la Producción
Procesos que gestionan flujos de datos entre empresas  Vínculos
•Las maquinas operan según “mapas de prescripción” : hay que hablar el
idioma de las maquinas: Digital y Georeferenciado
•Las maquinas se “controlan” gestionando la información que generan
Frecuencia Acumulada
1,00
0,90
0,80
0,70 60
0,60 80
0,50 100
0,40
120
0,30
140
0,20
0,10
0,00
0 50 100 150 200
Dosis Realizada

41. Resumiendo
AxA
Estamos gestionando un sistema mas complejo
Creemos que la estrategia es:
Redes
Integración
Colaboración
La tecnología GIS-Web, cuando se acierta en los procesos,
potencia y simplifica la operación y la gestión de
conocimiento.
En los llanos el proceso está en marcha

42. Agricultura por Ambientes
Santiago Gonzalez Venzano
Soroush Parsa
Muchas Gracias!