DESARROLLO DE MODELOS DE PREDICCIÓN DE RIESGO DE ...
1
DESARROLLO DE MODELOS DE PREDICCIÓN DE RIESGO DE EMERGENCIA DE SÍNDROMES DE MALEZAS EN LA ZONA PAMPEANA Duarte Vera, Alejandra Carolina¹; Batlla, Diego ¹² y Ferraro, Diego O.¹² ¹ Cátedra de Cerealicultura, Departamento de Producci ón Vegetal, Facultad de Agronomía (UBA). ² IFEVA (Instituto de investigaciones fisiol ógicas y ecológicas vinculadas a la agricultura), CONICET, Facultad de Agronomía (UBA). [email protected] INTRODUCCIÓN En la agricultura actual se han incorporado diferentes tecnologías relacionadas al manejo y control de adversidades. En particular, la posibilidad de contar con modelos predictivos del riesgo del establecimiento de poblaciones de malezas, constituiría una mejora clave de los sistemas de producción de cultivos, haciendo más eficientes las acciones de control y manejo (e.g.: uso de herbicidas, manejo de los barbechos). Desarrollar y verificar una serie de modelos de predicción de riesgo de establecimiento de malezas. En lugar de especies, se simuló la emergencia de grupos funcionales denominados síndromes (S). OBJETIVO METODOLOGÍA A través de una revisión bibliográfica se identificaron síndromes de establecimiento, agrupando los requerimientos detectados en la bibliografía para el establecimiento de especies malezas y consultando a expertos sobre la existencia de estas estrategias. Para la confección de estos síndromes se indagó sobre los requerimientos de establecimiento de 35 especies malezas (cuadro 1). Se identificaron 11 síndromes (figura 1 a y b); 8 con reproducción anual (S1 a S8) y 3 perennes (S9 a S11). S1, S2, S9 y S10 son síndromes sin dormición. Una vez identificados estos síndromes, se cuantificó la relación entre los factores ambientales y de manejo (cuadro 2) y el riesgo de establecimiento de dichos síndromes a través de una serie de funciones de pertenencia (FP) y a partir de ellos se construyó un modelo preliminar de riesgo de establecimiento por cada síndrome. Una vez construidos, se realizó una verificación (i.e.: prueba de integridad del modelo) que se llevó a cabo con información climática y de manejo (en dos escenarios: labranza convencional vs siembra directa) para un sitio en la localidad de Marcos Juárez durante el año 2012. En la verificación se evaluó que los modelos respondan consistentemente a señales del ambiente (temperatura del suelo y precipitaciones) y el manejo (cuadro 3, figuras 2 y 3). Cuadro 2: Variables de entrada a utilizar para el funcionamiento de los 11 modelos de riesgo de establecimiento y sus unidades/nivel de categoría correspondientes. Referencias: LC (labranza convencional), LM (labranza mínima), SD (siembra directa), SL (sin laboreo). Las variables de entrada marcadas con ¹ fueron utilizadas para estimar el volumen de rastrojo por hectárea y evaluar los cambios que produce en el microambiente edáfico antes de incorporarlos a los modelos. Las variables de entrada marcadas con ² se utilizaron para estimar el valor diario de calidad lumínica R/RL por debajo del canopeo, (no fue empleada en esta verificación). Cuadro 3: Indicadores utilizados para evaluar el comportamiento de los 11 modelos de establecimiento en la localidad de Marcos Juárez bajo dos tipos de labranza. Referencias: S: Síndrome, E1: escenario de manejo 1 (labranza convencional), E2: escenario de manejo 2 (siembra directa). DIR/DFR: Día de inicio y final del riesgo de establecimiento para cada S, Rmáx: riesgo diario máximo anual, DRmáx: día en que ocurre Rmáx. n/p: no posee (arroja riesgo cero en el periodo analizado). En negrita: indicadores con modificaciones sustanciales en función de la labranza. S1, S2, S9 y S10 (síndromes sin dormición), respondieron al régimen ambiental pero no a las labranzas. De los síndromes que presentan dormición secundaria (S3 a S8 y S11), S3, S4 y S11 son de emergencia primavero-estival y respondieron tanto a cambios ambientales como de manejo (cuadro 3, figuras 2 y 3). Los resultados evidencian la necesidad de reparametrizar los modelos con el objetivo de obtener una consistencia adecuada en sus salidas, como así también hacerlas comparativas relativizando los riesgos de los síndromes con dormición entre los rangos 0-1. Luego de efectuada la reparametrización, será posible pasar a una calibración y validación mediante el uso de datos de emergencia de malezas en condiciones de campo. RIESGO SÍNDROMES PERENNES S ESPECIES POR SÍNDROME 1 Conyza bonariensis 2 Eleusine indica 3 Ambrosia artemisiifolia Brassica campestris Chenopodium album Digitaria sanguinalis Echinochloa crus-galli Festuca arundinacea Plantago major Polygonum aviculare Rumex crispus Rumex obtusifolius Urochloa panicoides 4 Amaranthus hybridus Amaranthus palmeri Amaranthus retroflexus Borreria verticillata Chloris virgata Datura ferox Gomphrena perennis Portulaca oleracea Sisymbrium officinale 5 Anagalis arvensis Arabidopsis thaliana Avena fatua Lolium multiflorum Raphanus sp Silene gallica 6 Nicotiana longiflora 7 Bromus tectorum 8 Commelina erecta 9 Cynodon dactylon 10 Sorghum halepense 11 Cyperus esculentus Cyperus rotundus 1) CONSTRUCCIÓN DE SÍNDROMES Construcción a través de la búsqueda de información cualitativa de especies malezas en bibliografía y consulta a expertos. RESULTADOS Variables de entrada (inputs) Unidades o nivel de categoría Contenido hídrico diario en el suelo inicial (COHi) Mpa Temperatura media diaria del suelo inicial (TSi) ºC Temperatura media diaria del aire (TMA) ºC Tipo de labranza (LAB) LC, LM, SD, SL Cultivo antecesor (CAN) ¹ maíz/soja/trigo/girasol Rendimiento del cultivo antecesor (RCA)¹ kg/ha Cultivo actual ² (CA) maíz/soja/trigo/girasol Fecha de siembra de cultivo actual² (FS) día/mes/año 2) CONSTRUCCIÓN DE LOS MODELOS DE RIESGO DE ESTABLECIMIENTO 3) VERIFICACIÓN DE LOS MODELOS Figura 1: esquema lógico de la construcción de los síndromes con propagación por semilla (anuales, a) y yemas subterráneas (perennes, b). Cajas con bordes curvos indican factores ambientales que permitieron definir vías de decisión y generar finalmente los síndromes (S). Las flechas son las vías de decisión de clasificación de dichos factores. Las llaves son factores ambientales que regulan las vías de decisión. Las cajas punteadas indican estados demográficos, los óvalos procesos ecológicos del establecimiento. Las cruces muestran los síndromes removidos durante una consulta a expertos sobre la existencia de estas estrategias en nuestro país. Otras referencias: CH (%), T (ºC), TA: Porcentaje de contenido hídrico, temperatura media, temperaturas alternadas (todos en suelo), respectivamente. R/RL: Calidad lumínica, Ψb: potencial agua base de la semilla. Todos los factores utilizados en la formación de los síndromes se utilizaron para construir los modelos de riesgo de establecimiento (ver cuadro 2). Cuadro 1:ESPECIES REPRESENTATIVAS DISCUSIÓN Y CONCLUSIONES Esto fue producto de los valores utilizados para cuantificar la relación entre el contenido hídrico del suelo y el riesgo de salida de dormición de las estrategias otoño invernales. La parametrización de los síndromes otoño-invernales (S5 a S8) resultante de la revisión bibliográfica no capturó los cambios esperados, mostrando valores de riesgo=0 durante todo el período simulado. RIESGO SÍNDROMES ANUALES a b c d a b c Figura 2: riesgo de establecimiento para los síndromes anuales: S1 (a), S2 (b), S3 (c) y S4 (d) en la localidad de Marcos Juárez para el año 2012. Líneas rojas: siembra directa (SD), líneas azules: labranza convencional (LC). Los Síndromes otoño invernales (S5 a S8) mostraron valores de riesgo cero durante todo el período simulado. Figura 3: riesgo de establecimiento para los síndromes perennes S9 (a), S10 (b), S11 (c) en la localidad de Marcos Juárez para el año 2012 Líneas rojas: siembra directa (SD), líneas azules: labranza convencional (LC).
Transcript of DESARROLLO DE MODELOS DE PREDICCIÓN DE RIESGO DE ...
DESARROLLO DE MODELOS DE PREDICCIÓN
DE RIESGO DE EMERGENCIA DE SÍNDROMES
DE MALEZAS EN LA ZONA PAMPEANADuarte Vera, Alejandra Carolina¹; Batlla, Diego ¹ ² y Ferraro, Diego O.¹ ²
¹ Cátedra de Cerealicultura, Departamento de Producción Vegetal, Facultad de Agronomía (UBA).
² IFEVA (Instituto de investigaciones fisiológicas y ecológicas vinculadas a la agricultura), CONICET, Facultad de Agronomía (UBA).
INTRODUCCIÓNEn la agricultura actual se han incorporado diferentes tecnologías relacionadas al manejo y control de adversidades. En particular, la posibilidad de contar conmodelos predictivos del riesgo del establecimiento de poblaciones de malezas, constituiría una mejora clave de los sistemas de producción de cultivos, haciendomás eficientes las acciones de control y manejo (e.g.: uso de herbicidas, manejo de los barbechos).
Desarrollar y verificar una serie de modelos de predicción de riesgo de establecimiento de malezas. En lugar de especies, se simuló la emergencia de grupos funcionales denominados síndromes (S).
OBJETIVO
METODOLOGÍAA través de una revisión bibliográfica se identificaron síndromes de establecimiento, agrupando los requerimientos detectados en la bibliografía para elestablecimiento de especies malezas y consultando a expertos sobre la existencia de estas estrategias. Para la confección de estos síndromes se indagósobre los requerimientos de establecimiento de 35 especies malezas (cuadro 1). Se identificaron 11 síndromes (figura 1 a y b); 8 con reproducción anual(S1 a S8) y 3 perennes (S9 a S11). S1, S2, S9 y S10 son síndromes sin dormición. Una vez identificados estos síndromes, se cuantificó la relación entre losfactores ambientales y de manejo (cuadro 2) y el riesgo de establecimiento de dichos síndromes a través de una serie de funciones de pertenencia (FP) y apartir de ellos se construyó un modelo preliminar de riesgo de establecimiento por cada síndrome. Una vez construidos, se realizó una verificación (i.e.:prueba de integridad del modelo) que se llevó a cabo con información climática y de manejo (en dos escenarios: labranza convencional vs siembra directa)para un sitio en la localidad de Marcos Juárez durante el año 2012. En la verificación se evaluó que los modelos respondan consistentemente a señalesdel ambiente (temperatura del suelo y precipitaciones) y el manejo (cuadro 3, figuras 2 y 3).
Cuadro 2: Variables de entrada a utilizar para el funcionamiento delos 11 modelos de riesgo de establecimiento y sus unidades/nivelde categoría correspondientes. Referencias: LC (labranzaconvencional), LM (labranza mínima), SD (siembra directa), SL (sinlaboreo). Las variables de entrada marcadas con ¹ fueron utilizadaspara estimar el volumen de rastrojo por hectárea y evaluar loscambios que produce en el microambiente edáfico antes deincorporarlos a los modelos. Las variables de entrada marcadas con² se utilizaron para estimar el valor diario de calidad lumínica R/RLpor debajo del canopeo, (no fue empleada en esta verificación).
Cuadro 3: Indicadores utilizados para evaluar el comportamiento de los 11 modelos de establecimiento en la localidadde Marcos Juárez bajo dos tipos de labranza. Referencias: S: Síndrome, E1: escenario de manejo 1 (labranzaconvencional), E2: escenario de manejo 2 (siembra directa).
DIR/DFR: Día de inicio y final delriesgo de establecimiento para cadaS, Rmáx: riesgo diario máximo anual,DRmáx: día en que ocurre Rmáx.n/p: no posee (arroja riesgo cero enel periodo analizado). En negrita:indicadores con modificacionessustanciales en función de lalabranza.
S1, S2, S9 y S10 (síndromes sin dormición), respondieron al régimen ambiental pero no a las labranzas. De los síndromesque presentan dormición secundaria (S3 a S8 y S11), S3, S4 y S11 son de emergencia primavero-estival y respondierontanto a cambios ambientales como de manejo (cuadro 3, figuras 2 y 3).
Los resultados evidencian la necesidad de reparametrizar los modelos con el objetivo de obtener una consistencia adecuada en sus salidas, como así también hacerlas comparativas relativizando los
riesgos de los síndromes con dormición entre los rangos 0-1. Luego de efectuada la reparametrización, será posible pasar a una calibración y validación mediante
el uso de datos de emergencia de malezas en condiciones de campo.
RIESGO SÍNDROMES PERENNES
S ESPECIES POR SÍNDROME1 Conyza bonariensis 2 Eleusine indica
3
Ambrosia artemisiifolia Brassica campestris
Chenopodium album Digitaria sanguinalis
Echinochloa crus-galli Festuca arundinacea
Plantago major Polygonum aviculare
Rumex crispus Rumex obtusifolius
Urochloa panicoides
4
Amaranthus hybridus Amaranthus palmeri
Amaranthus retroflexus Borreria verticillata
Chloris virgata Datura ferox
Gomphrena perennis Portulaca oleracea
Sisymbrium officinale
5
Anagalis arvensis Arabidopsis thaliana
Avena fatua Lolium multiflorum
Raphanus sp Silene gallica
6 Nicotiana longiflora 7 Bromus tectorum 8 Commelina erecta 9 Cynodon dactylon
10 Sorghum halepense
11Cyperus esculentus Cyperus rotundus
1) CONSTRUCCIÓN DE SÍNDROMES
Construcción a través de la búsqueda de información
cualitativa de especies malezas en bibliografía y
consulta a expertos.
RESULTADOS
Variables de entrada (inputs)Unidades o nivel de
categoríaContenido hídrico diario en el suelo inicial
(COHi)Mpa
Temperatura media diaria del suelo inicial (TSi) ºC
Temperatura media diaria del aire (TMA) ºC
Tipo de labranza (LAB) LC, LM, SD, SL
Cultivo antecesor (CAN) ¹ maíz/soja/trigo/girasol
Rendimiento del cultivo antecesor (RCA)¹ kg/ha
Cultivo actual ² (CA) maíz/soja/trigo/girasol
Fecha de siembra de cultivo actual² (FS) día/mes/año
2) CONSTRUCCIÓN DE LOS MODELOS DE RIESGO DE ESTABLECIMIENTO
3) VERIFICACIÓN DE LOS MODELOS
Figura 1: esquema lógico de la construcción de los síndromes con propagación por semilla (anuales, a) y yemas subterráneas (perennes, b). Cajas con bordes curvos indican factores ambientalesque permitieron definir vías de decisión y generar finalmente los síndromes (S). Las flechas son las vías de decisión de clasificación de dichos factores. Las llaves son factores ambientales queregulan las vías de decisión. Las cajas punteadas indican estados demográficos, los óvalos procesos ecológicos del establecimiento. Las cruces muestran los síndromes removidos durante unaconsulta a expertos sobre la existencia de estas estrategias en nuestro país.
Otras referencias: CH (%), T (ºC), TA: Porcentaje de contenido hídrico, temperatura media, temperaturas alternadas (todos en suelo), respectivamente. R/RL: Calidad lumínica, Ψb: potencial aguabase de la semilla. Todos los factores utilizados en la formación de los síndromes se utilizaron para construir los modelos de riesgo de establecimiento (ver cuadro 2).
Cuadro1:ESPECIES REPRESENTATIVAS
DISCUSIÓN Y CONCLUSIONES
Esto fue producto de los valores utilizados para cuantificar la relación
entre el contenido hídrico del suelo y el riesgo de
salida de dormición de las estrategias otoño
invernales.
La parametrización de los síndromes otoño-invernales (S5 a S8) resultante de la revisiónbibliográfica no capturó los cambios esperados, mostrando valores de riesgo=0durante todo el período simulado.
RIESGO SÍNDROMES ANUALES
a
b
c
d
a
b
c
Figura 2: riesgo de establecimiento para los síndromes anuales: S1 (a), S2 (b), S3 (c) y S4 (d) en la localidadde Marcos Juárez para el año 2012. Líneas rojas: siembra directa (SD), líneas azules: labranza convencional(LC). Los Síndromes otoño invernales (S5 a S8) mostraron valores de riesgo cero durante todo el períodosimulado.
Figura 3: riesgo de establecimiento para los síndromes perennes S9 (a), S10 (b), S11 (c) en la localidad deMarcos Juárez para el año 2012Líneas rojas: siembra directa (SD), líneas azules: labranza convencional (LC).
