Producción Forrajes (informe)

1

Sistema nacional de diagnóstico, planificación,

seguimiento y prospección forrajera en

sistemas ganaderos

Informe final de la primera etapa

Octubre 2011

AACREA – FAUBA – INTA – MINAGRI

IPCVA

2

Resumen ejecutivo

Este informe corresponde al informe final de la primera etapa de seis meses del proyecto.

Abarca tres actividades, cuyos resultados más importantes se destacan a continuación:

(1) Calibrar y validar la habilidad de los sensores remotos para estimar la productividad

forrajera: Se cuenta ahora con estimaciones robustas de la eficiencia en el uso de la radiación

de recursos forrajeros naturales y cultivados ubicados en diversos puntos del país. También se

desarrolló un modelo empírico que permitiría estimar la eficiencia en el uso de la radiación a

partir de variables climáticas. Esta actividad continúa durante el resto del proyecto. Estos

resultados iniciales positivos son críticos para construir las etapas subsiguientes en los que los

sensores remotos adquieren una gran importancia como herramientas de estimación de la

productividad forrajera.

(2) Caracterizar la heterogeneidad actual de los recursos forrajeros y su estado. Los resultados

muestran por primera vez estimaciones de productividad forrajera a nivel país a una escala

que permite visualizar la heterogeneidad natural a nivel subregional. Construimos un mapa de

unidades ambientales basado en unidades de vegetación previamente publicadas en trabajos

puntuales. Compilamos una base de datos de cientos de datos de productividad estimada

mediante cortes secuenciales de biomasa. Mediante distintas estrategias de extrapolación

estimamos la productividad de recursos naturales y cultivados para unidades de vegetación y

en algunos casos unidades edáficas. La productividad anual a nivel país fue 244 millones de

toneladas por año. Una serie de mapas o la consulta a la base de datos generada permiten

conocer la productividad por unidades ambientales y departamentos provinciales, tanto para

vegetación natural como para pasturas y verdeos. Los resultados evidencian las relaciones

entre productividad y precipitación, el diferencial de productividad entre pasturas y vegetación

natural por región y los principales déficits de información. En relación con esto último, se

destacan: la dificultad de contar con estimaciones recientes de superficie ganadera, la

dificultad de acceder a muchos esfuerzos de estimación de productividad que por diversas

razones quedaron inéditos, la falta de datos de productividad de distintos recursos en distintos

ambientes.

(3) Identificar sistemas piloto de producción ganadera. Se seleccionaron 32 sistemas reales de

producción que presenten antecedentes de asesoramiento técnico (privado y/o estatal) en

relación a la aplicación de tecnologías de manejo de pastizales y/o pasturas. Abarcan un

amplio rango de variabilidad ambiental (regiones NEA, NOA, Pampeana, Cuyo y Patagonia),

socioeconómica (sistemas empresariales, familiares y minifundistas) y productiva (cría, recría,

engorde, diversificados). Con estos sistemas se trabajará en algunos objetivos de las dos

etapas siguientes del proyecto.

3

Localización del informe en el desarrollo del proyecto

Este informe corresponde al informe final de la primera etapa de seis meses del proyecto. Esta

etapa inicial del proyecto aborda parcialmente los siguientes objetivos específicos (ver

convenio):

Objetivo específico b1: Desarrollar un sistema de registro histórico y seguimiento de la

productividad forrajera adaptado a condiciones locales y regionales. Las actividades previstas

por el convenio para esta etapa son (a) seleccionar y capacitar operadores, (b) calibrar y

validar la habilidad de los sensores remotos para estimar la productividad forrajera, y (c)

caracterizar la heterogeneidad actual de los recursos forrajeros y su estado.

Objetivo específico b4: Implementar el sistema de monitoreo forrajero. La actividad prevista

en esta etapa es la de identificar sistemas piloto de producción ganadera.

Tabla 1. Diagrama de Gantt del proyecto según convenio. Se observan las actividades a

desarrollar en cada una de las etapas del proyecto.

Etapa uno

Etapa dos

Etapa tres

Trimestre 1 2 3 4 5 6 7 8 9 10

Objetivo específico 1

a. Seleccionar y capacitar operadores*

b. Calibrar y validar

c. Caracterizar la heterogeneidad

d. Generar productos a partir de imágenes

e. Explorar sensores de reemplazo

f. Desarrollar un sistema informático


a. Elaborar BD agroclimáticos

b. Desarrollar y validar modelos de prospección


a. Identificar los aspectos críticos en las decisiones

b. Elaborar herramientas de soporte de decisión

c. Evaluar la utilidad de las herramientas


a. Identificar sistemas piloto (SP)

b. Implementar el seguimiento forrajero en SP

c. Analizar el impacto del seguimiento forrajero


a. Desarrollar cursos de capacitación y difusión

b. Implementar un posgrado en planificación forr.


a. Elaborar los protocolos de trabajo del sistema

b. Generar el perfil del coordinador del sistema

4

* No se informa específicamente sobre la actividad “Seleccionar y capacitar operadores”, porque

aunque se realizó con normalidad, es una actividad de operatividad interna del proyecto.

1. Introducción

El proyecto involucra equipos de trabajo de tres instituciones (AACREA, FAUBA, INTA)

convocadas a su vez por una cuarta (MINAGRI). Por lo tanto, conformamos una comisión

coordinadora integrada por Claudio Hofer por MINAGRI, Cristian Feldkamp por AACREA,

Martín Oesterheld por FAUBA y Lisandro Blanco por INTA. Esta comisión se ha reunido en ocho

oportunidades para poner en común lo realizado por cada equipo de trabajo y para delinear

los siguientes pasos. Adicionalmente, se realizó una reunión ampliada con todos los

involucrados de las cuatro instituciones para realizar una puesta al día de los avances del

proyecto. Ha mantenido además contacto permanente con el IPCVA para resolver cuestiones

operativas y para comunicar el avance del proyecto mediante la propuesta de una gacetilla.

Cada institución a su vez ha conformado equipos de trabajo para llevar adelante las

actividades.

En lo que sigue, se informa lo realizado en estos seis meses respecto de cada actividad y se

presentan las conclusiones de la etapa y las perspectivas para el resto del proyecto.

2. Calibrar y validar la habilidad de los sensores remotos para estimar la productividad

forrajera

Los sensores a bordo de los satélites comenzaron a estar disponibles para uso civil a principios

de la década de 1970 y desde ese momento al presente mucho se ha hecho en pos de

utilizarlos en el ámbito agropecuario (Paruelo 2008). Un ejemplo es la posibilidad de

cuantificar un proceso funcional clave de los ecosistemas pastoriles: la productividad primaria

o tasa de crecimiento. La productividad primaria neta de una cubierta vegetal es proporcional

a la cantidad de radiación fotosintéticamente activa que es interceptada por los tejidos verdes

y a la eficiencia en el uso de la radiación (Monteith 1972). Como la radiación interceptada

puede calcularse a partir de datos provistos por sensores remotos y estaciones

meteorológicas, usar el modelo requiere calcular la eficiencia de conversión de radiación en

biomasa. En este sentido, existen unas pocas estimaciones de esta eficiencia de recursos

forrajeros argentinos, limitados a dos tipos de pastizales de la Pampa Deprimida, dos tipos de

pasturas del sudoeste bonaerense y a los mallines del oeste de la Patagonia (Piñeiro et al.

2006, Grigera et al. 2007, Irisarri et al. 2011). En el presente proyecto nos proponemos ampliar

este conocimiento al calibrar y validar el modelo para más recursos forrajeros de más regiones,

de tal modo que, en un futuro cercano, se puedan utilizar los sensores remotos para estimar la

productividad forrajera de la mayor parte del país.

2.1 Aproximación metodológica general

5

Para calcular la eficiencia en el uso de la radiación se utilizó, por un lado, una extensa base de

datos de productividad de recursos forrajeros, en su gran mayoría datos inéditos e

independientes de los que se muestran más abajo en este informe. Por otro lado, se calculó la

radiación absorbida por esos recursos forrajeros utilizando datos del sensor MODIS para el

sitio y el período de las estimaciones de productividad. Así, se calculó para cada momento y

recurso forrajero, la eficiencia en el uso de la radiación como el cociente entre la productividad

estimada a campo y la radiación absorbida estimada por sensores remotos.

2.2 Resultados

Se dispone ahora de una estimación de la eficiencia en el uso de la radiación de pastizales

dominados por gramíneas C3 (Pampa Deprimida) y C4 (Prov. de Corrientes), pasturas polifíticas

dominadas por gramíneas C3 (Pampa Deprimida, Pampa Interior y Pampa Austral), pasturas

monofíticas de especies C4 (Prov. de Corrientes y Formosa) y verdeos de Ray grass (Pampa

Deprimida). La eficiencia en el uso de la radiación más alta se registró en pasturas bonaerenses

dominadas por gramíneas C3 y la más baja en pasturas y pastizales de Corrientes y Formosa

dominados por gramíneas C4 (Figura 1). Las eficiencias intermedias correspondieron a verdeos

invernales de Raygras y pastizales bonaerenses dominados por especies C3 (Figura 1).

0.0

0.5

1.0

1.5 PasturasPastizales Verdeos

0,7ab

0,6b

0,9a

0,6b

0,8ab

C3 C4 C3 C4 C3

Efic

ienc

ia e

n el

uso

de

la r

adia

ción

(g/M

j)

Figura 1: Eficiencia en el uso de la radiación promedio anual de pastizales, pasturas y verdeos,

dominados por gramíneas C3 y C4, de las provincias de Buenos Aires, Corrientes y Formosa. Las

barras de error corresponden a la variabilidad estacional. Las líneas horizontales y números

muestran el promedio por grupo y letras distintas indican diferencias significativas.

Además de la variación entre tipos de vegetación (Figura 1), se evaluó también si la eficiencia

en el uso de la radiación variaba de acuerdo al clima. Esto permitiría inferir la eficiencia

promedio de sitios para los que solo se cuente con datos climáticos. Para cada sitio se calculó,

a partir de estaciones meteorológicas, el promedio anual de la precipitación y de la

temperatura mínima, máxima y media. Además, se estimó la evapotranspiración media anual a

6

partir de mapas de evaluaciones periódicas del consumo de agua realizados por el Instituto de

Clima y Agua del INTA Castelar. Con todas estas variables climáticas, se cuantificó la medida en

que la eficiencia en el uso de la radiación cambiaba con cada una de ellas mediante análisis de

regresión lineal. La precipitación media anual explicó el 45% de la variación de la eficiencia en

el uso de la radiación (Figura 2). El resto de las variables explicó una proporción menor al 30%

y, como mostraron una co-variación con la precipitación, los modelos con más de una variable

no mejoraron el poder explicativo de la precipitación.

PasturasPastizalesVerdeos

R2=0.45

Precipitación anual promedio (mm)

Efic

ienc

ia p

rom

edio

en

el

uso

de la

rad

iaci

ón (

g/M

j)

PasturasPastizalesVerdeos

R2=0.45


Efic

ienc

ia p

rom

edio

en

el

uso

de la

rad

iaci

ón (

g/M

j)

Figura 2: Eficiencia promedio del uso de la radiación de pasturas (n=11), pastizales (n=7) y

verdeos (n=3) en función de la precipitación anual promedio.

Eficiencia = -0,0007 * precipitación + 1,48 (R2=0,45; P<0,001; n=21).

Haber cuantificado la eficiencia en el uso de la radiación permitirá utilizar el modelo de

Monteith, ajustado según la precipitación, para estimar la productividad forrajera a partir de

sensores remotos. Como se observa en la Tabla 1, esta actividad es continua durante el

proyecto y se espera ir agregando calibraciones entre productividad y radiación absorbida y

mejorando los modelos que permitan entender y predecir la variación de la eficiencia del uso

de la radiación.

3. Caracterizar la heterogeneidad actual de los recursos forrajeros y su estado

3.1 Introducción

Si bien desde hace décadas se ha estado cuantificando la productividad de los distintos

recursos forrajeros naturales e implantados de nuestro país, no conocemos ningún estudio que

haya sintetizado esa información a nivel nacional y regional de una manera que permita

7

considerar la heterogeneidad espacial de tales recursos. El intento más próximo en este

sentido ha sido el trabajo reciente liderado por Rearte (“Situación actual y prospectiva de la

producción de carne vacuna”). En el Anexo II de ese trabajo se estimó la superficie ocupada

por los diversos recursos forrajeros en las grandes zonas de la Argentina y su receptividad en

EV. En el presente proyecto, nos proponemos avanzar aun más en este sentido tratando de

representar la variación espacial de la productividad de los recursos forrajeros a una escala

que permita reconocer variaciones entre departamentos o partidos dentro de cada provincia.

3.2 Aproximación metodológica general

La productividad forrajera se estimó a escala anual. Distinguimos dos formas de expresar la

producción forrajera. Una es la productividad propiamente dicha, la tasa de producción de

materia seca por unidad de superficie y año (kg/ha.año). Otra es la producción forrajera total,

la materia seca producida en una zona, lo cual incluye no solo la productividad sino también la

superficie ocupada por el recurso. Esta la expresamos en miles de tn/año. Por ejemplo,

Pergamino es un partido con alta productividad forrajera, ya que sus pasturas tienen alta

producción por hectárea, pero con baja producción total en miles de tn/año debido a la baja

proporción de la superficie ganadera. Consideramos que ambas estimaciones son relevantes,

una brinda una medida de potencialidad y la otra de volumen total de producción. Por lo

tanto, el desafío de este proyecto fue estimar la productividad y la superficie ocupada por cada

tipo de recurso con un “grano” espacial que permitiera visualizar grandes unidades dentro de

cada provincia. Independientemente de esta dicotomía, hay a su vez una distinción entre la

productividad forrajera y la productividad primaria neta aérea. La primera se restringe a

componentes de vegetación que tienen un uso potencial por el ganado, mientras que la

segunda abarca la totalidad de la materia seca producida por la parte aérea de la vegetación.

En este proyecto apuntamos a estimar la productividad primaria neta aérea de la componente

herbácea de la vegetación.

Para estimar la superficie ganadera se utilizó el último Censo Nacional Agropecuario disponible

(2002). El Censo distingue para cada departamento o partido provincial la superficie dedicada

a distintos usos. La superficie asignada a vegetación natural (solo se consideró la de

“pastizales” y “bosques y/o montes naturales”) y la asignada a pasturas y verdeos (“cultivos

forrajeros anuales” y “cultivos forrajeros perennes”) fueron consideradas respectivamente

como recursos forrajeros naturales y cultivados, cuya suma constituye la superficie ganadera

total. Esta lógica tiende a subestimar la superficie ganadera ya que no considera la superficie

de rastrojos o de cultivos destinados a forraje que no hayan sido incluidos en la categoría

verdeos. Por lo tanto es importante resaltar que nuestro proyecto apunta a evaluar los

recursos forrajeros pastoriles. Con razón se puede cuestionar una estimación de área ganadera

basada en datos de 2002, teniendo en cuenta las profundas transformaciones del uso de la

tierra de la última década. Lamentablemente, no contamos a nivel nacional con información

más actualizada. El Censo Nacional de 2008 no ha producido aún resultados publicados que

puedan usarse para este fin. Las encuestas nacionales no discriminan la superficie ganadera

con base en vegetación natural o cultivada. De todas maneras, intentamos utilizar las

encuestas más recientes para “actualizar” los datos del Censo 2002 y obtener al menos una

8

buena estimación de superficie ganadera actual. Para hacer esta “actualización” del Censo

2002, debería verificarse primero una ajustada correlación entre la superficie según las

encuesta y según el censo. Hicimos este análisis para 2002 y si bien hay una fuerte correlación

positiva hay una enorme dispersión para la mayoría de los departamentos (Ver Figura 1.A1 en

Anexo 1). Por lo tanto, utilizamos los datos del Censo 2002 tal cual, pero debido a la

antigüedad del dato de superficie ganadera que este brinda hemos quitado peso relativo a

nuestras estimaciones de producción total en mil tn/año y hemos priorizado las estimaciones

en kg/ha, que como se verá enseguida son independientes de los datos censales.

La productividad forrajera por unidad de área se estimó a partir de dos estrategias. Una de

ellas fue utilizar datos de precipitación media anual y modelos empíricos que relacionaran la

productividad con la precipitación. En ese caso, la productividad fue una función de la

precipitación y los desafíos fueron contar con datos de precipitación con suficiente distribución

espacial y seleccionar el modelo adecuado. Como se verá más adelante, esta estrategia fue

solo utilizada para estimar la productividad de los recursos forrajeros naturales, ya que las

correlaciones entre productividad de pasturas y precipitación media anual no fueron

significativas. La otra estrategia fue utilizar datos empíricos de productividad forrajera

tomados de distintas fuentes. En ese caso, los desafíos fueron obtener esos datos empíricos,

someterlos a un control de calidad y encontrar una manera de combinarlos y extrapolarlos

geográficamente. En muchas regiones la productividad forrajera se compone de una

proporción del forraje proveniente de vegetación natural y otra de la vegetación cultivada.

Para tratar de contar con datos más actuales que los del Censo 2002, cuantificamos esta

proporción de pastizales, pasturas y verdeos a través de una encuesta a referentes zonales que

contestaron por correo electrónico sobre el porcentaje de la superficie ganadera ocupado con

cada tipo de recurso. Por lo tanto, las estimaciones de productividad forrajera por unidad de

área son actuales, no adolecen del problema de desactualización censal.

3.3 Bases de datos

Se trabajó con datos ambientales, de uso de la tierra y de productividad forrajera. Los datos

ambientales fueron datos de precipitación media anual y estimaciones satelitales de la misma

variable, un mapa de suelos y varios mapas de vegetación. La base de datos de precipitación

media anual consistió en 160 estaciones meteorológicas (fuente: Servicio Meteorológico

Nacional, INTA y FAO), para las cuales se tenían registros de al menos 10 años. Los datos

puntuales fueron interpolados mediante la técnica de “natural neighbor”, una versión

mejorada de la interpolación lineal. La interpolación se basó en un cuadriculado o grilla de

todo el país con celdas de 0,2 grados de latitud de lado. Un partido relativamente chico como

el de Mercedes, Prov. de Buenos Aires, es ocupado por 4 de estos cuadrados y uno grande

como 25 de Mayo, en la Prov. de Río Negro, es cubierto por unos 100. Se generó así un mapa

de precipitación media anual para todo el país. Para cuantificar el error de la extrapolación,

estimamos la precipitación de cada estación a partir del procedimiento de extrapolación sin la

participación de ese dato y contrastamos la estimación con el valor observado. El error

promedio fue de 18%. También estimamos la precipitación media anual a partir de imágenes

satelitales TRMM, pero cuando contrastamos estas estimaciones con la precipitación medida

9

se observó un sesgo a la sobreestimación, por lo cual esta fuente de datos fue descartada. Para

contar con heterogeneidad de los suelos usamos el Mapa de Suelos de Argentina (INTA, 1990;

1:500000). El mapa fue utilizado de dos maneras. Por un lado, fue referencia frecuente

durante el armado del mapa de vegetación descripto más adelante y por otro lado, se utilizó

para extrapolar datos de productividad medida a campo en la región pampeana como también

se describirá más adelante.

Como se indicó más arriba, el uso de la tierra fue estimado para cada departamento o partido

provincial a partir del Censo Nacional Agropecuario de 2002. Se compiló una base de datos de

la superficie de “pastizales”, “bosques y/o montes naturales”, “cultivos forrajeros anuales” y

“cultivos forrajeros perennes”, por partido para los 510 partidos/departamentos vigentes en el

país en el año 2007. La superficie ganadera total del país fue estimada en 138 millones de ha,

de las cuales se estimó un 91% de vegetación natural y un 9% de vegetación cultivada.

Se compiló una base de datos de productividad estimada a partir de cortes secuenciales de

biomasa de vegetación natural y cultivada realizados en 19 provincias (Tabla 2). Si bien para

cuatro provincias no se cuenta con datos de cortes, se pudo estimar su productividad porque

la lógica de la estimación no consideró límites políticos, algo que se explica más abajo. Sin

embargo, los esfuerzos de estimación por cortes sí se suelen decidir a nivel provincial, esa es la

razón de la Tabla 1. Las fuentes de datos de cortes fueron diversas, fundamentalmente datos

publicados e inéditos obtenidos por INTA y AACREA y datos publicados recopilados por la

FAUBA. Para ser incluidos en la base, los datos debían reunir ciertos requisitos: abarcar al

menos un año de productividad, tener referencias geográficas y disponer de algún detalle que

aluda al tipo de vegetación. El número de datos inicial fue de 580, de los cuales solo 400

cumplieron con los requisitos generales y fueron ingresados a la base, por ahora solo 326 se

usaron para los cálculos, el resto aún en revisión. Es probable que al avanzar el proyecto en su

segunda etapa esta base sufra tanto depuraciones como incorporaciones de datos.

10

Tabla 2: Número de sitios y/o tipos de recursos forrajeros con al menos un dato de PPNA anual

estimada con cortes y el rango de años durante los que se midió para las 23 provincias. Las

celdas vacías indican ausencia de datos. Para cada tipo de vegetación y el total se resaltan en

negrita los tres casos más numerosos.

Provincia Vegetación natural Vegetación cultivadaBuenos Aires 16 102 118 1-3Catamarca 8 8 1-2

Chaco 16 16 1-2Chubut 33 1 34 1-7

Córdoba 7 7 1-3Corrientes 17 11 28 2-20Entre Ríos 10 7 17 1-13Formosa 3 2 5 2-4

JujuyLa Pampa 4 4 1La Rioja 18 7 25 1-6Mendoza 11 1 12 2-7Misiones 2 2 2-2Neuquen 7 1 8 1-6Río Negro 27 27 1-4

Salta 13 13 5San JuanSan Luis 18 13 31 1-15

Santa Cruz 6 6 1Santa Fé 6 5 11 2-4

Santiago del Estero 24 4 28 1-5Tierra del Fuego

Tucumán220 180 400

Número de sitios/recursos forrajerosNúmero de añostotal

Con estos datos de cortes se generó un modelo empírico que relaciona la productividad con la

precipitación, como se indicó más arriba. Los datos de cortes se asociaron a los de

precipitación media de los sitios donde se hicieron los cortes y se generó un modelo lineal de

estimación de productividad anual a partir de la lluvia anual. El modelo sólo fue

estadísticamente significativo para el caso de la vegetación natural (Figura 3), no para pasturas

y/o verdeos. Como para cada sitio del territorio nacional se contaba con un valor de

precipitación anual, se utilizó este modelo para estimar la productividad de la vegetación

natural. Una variante a este cálculo fue la de utilizar modelos publicados para pastizales y

arbustales, una distinción para la cual se usó el mapa de vegetación que se explica más abajo

(Sala et al. 1988, Milchunas and Lauenroth 1993, respectivamente). Estos dos modelos

publicados y el mapa de lluvias permitieron generar un segundo mapa de productividad de la

vegetación natural homólogo al anterior.

11

0 500 1000 1500 2000

0

2000

4000

6000

8000

10000


Pro

duct

ivid

ad (

Kg

ha-1

año

-1)

Figura 3: Productividad forrajera anual estimada a partir de cortes de biomasa de vegetación

natural en función de la precipitación anual promedio de los sitios donde se hicieron los cortes.

La línea roja corresponde al modelo lineal forzado a un intercepto de -340 tomado de la

literatura (Sala et al. 1988).

Productividad = 3,86 * Precipitación – 340 (R2=0,66; n=162; P<0,0001).

Para implementar la otra estrategia, la de utilizar datos empíricos de productividad en vez de

los modelos comentados, generamos primero un mapa de unidades de vegetación. Como se

detalló más arriba, cada dato de productividad tiene una ubicación geográfica y una

descripción del tipo de vegetación. El desafío de extrapolar este dato puntual a áreas

florísticamente similares fue resuelto mediante ese mapa. Para esto hicimos una búsqueda de

mapas de vegetación cuya escala fuera lo suficientemente detallada para delimitar áreas

diferentes desde el punto de vista de la producción forrajera, sin perder de vista la escala

nacional del proyecto. Por lo tanto, los mapas útiles resultaron aquellos que demarcaban

aproximadamente entre 5 y 20 unidades de vegetación por Provincia. Por ejemplo, el mapa

que usamos de la provincia de Corrientes distingue nueve unidades de vegetación natural.

Como los límites políticos son irrelevantes desde el punto de vista de la vegetación, generamos

un único mapa de unidades de vegetación de Argentina a partir de la revisión de los mapas

provinciales, regionales y hasta uno de escala continental que utilizamos en áreas no relevadas

por los anteriores. Para realizar este mapa único se priorizaron los mapas de los autores que

alcanzaron una mayor síntesis a nivel regional por sobre aquellos a nivel provincial y

subregional, y por supuesto los límites naturales sobre los políticos. Cuando al superponer

mapas se ponían en evidencia límites existentes en unos pero no en otros, se revisó la

caracterización fisonómico-florística y se decidió caso por caso la que entendimos como mejor

delimitación de cada unidad.

El mapa final incluye 67 unidades de vegetación y es el producto de empalmar 16 mapas

anteriores. Con este mapa, los datos de productividad estimada en sitios dentro de cada

unidad de vegetación fueron promediados y extrapolados a toda la unidad. Se trabajó por

12

separado con las estimaciones de vegetación natural y cultivada. Para el caso de unidades de

vegetación para las que no se contó con datos de cortes se caracterizó su productividad

utilizando un promedio según un mapa de menor detalle, que agrupó en 12 unidades las

sesenta y siete del anterior. Por ejemplo, no se contó con datos de productividad de las

pasturas de las “praderas serales”, sur de Corrientes. Entonces, la productividad de estas

pasturas se calculó como el promedio de las pasturas con cortes que conforman los “pastizales

mesopotámicos”, una región que surge de agrupar ocho unidades, incluidas las “praderas

serales”. Así, el mapa de productividad por cortes cubre prácticamente todo el territorio

nacional y es heterogéneo en términos del número de sitios y/o recursos forrajeros que se

utilizaron para caracterizar a cada unidad. Las áreas para las que no se cuenta con valores de

productividad de vegetación natural son marginales para el uso pecuario: el delta bonaerense

y los esteros correntinos, el bosque subantártico y las selvas misionera y de las yungas. El caso

de la vegetación cultivada es similar, no se contó con registros de productividad a partir de

cortes solo en áreas marginales para la implantación de pasturas y verdeos: esteros

correntinos, pastizales chaqueños y serranos, el semidesierto patagónico, el bosque

subantártico y las selvas misionera y de las yungas.

El descripto arriba fue el “grano” espacial que se utilizó para todo el país, exceptuando la

Región Pampeana para la cual se trabajó con más detalle. La disponibilidad de datos de cortes

fue mucho mayor en esta región que en el resto del país, y a su vez se dispuso de una mayor

cantidad de ambientes y recursos forrajeros relevados (Tabla 2). Entonces, el desafío fue

incorporar a la estimación de productividad la heterogeneidad espacial dentro de cada unidad

de vegetación. Para esto se requería mapear la heterogeneidad interna de cada una de las 5

unidades de los “pastizales pampeanos” (Tabla 3) y, a su vez, asignar a cada nueva subunidad

un valor de productividad estimada con cortes. Como se indicó más arriba, para mapear la

heterogeneidad usamos el mapa de suelos con mayor detalle disponible (INTA, 1990;

1:500000). Agrupamos los tipos de drenaje del suelo dominante de cada complejo para

discriminar entre áreas con drenaje “excesivo, algo excesivo, moderado o bien drenado” (clase

1) de aquellas con drenaje “imperfecto, muy pobre o pobre” (clase 2). A su vez, las áreas de la

clase 2 fueron caracterizadas según tuvieran baja o alta limitación por alcalinidad (“no sódica,

poca, débil, ligera” o “moderada, moderada a fuerte, muy fuerte, fuerte, severa”,

respectivamente). Así, generamos un mapa para cada unidad de vegetación según 3 clases de

drenaje/alcalinidad. Por otro lado, los cortes de biomasa hechos dentro de la región se

clasificaron, tanto para vegetación natural como cultivada, en los provenientes de lomas, bajos

dulces y bajos salinos, que se asignaron respectivamente a las clases “1”, “2_no alcalina” y

“2_alcalina”. Si se enriquece la base de datos de cortes esta lógica de mapeo de la

heterogeneidad podría, con adaptaciones a cada caso, incorporarse a otras regiones.

13

Tabla 3: Unidades de vegetación, y grandes grupos, y referencias a los trabajos que se

utilizaron para delimitarlas. El código de cada unidad refiere al Mapa 2 (ver más adelante), se

utilizaron los mismos colores.

Gran grupo de unidades de vegetación

código (ver

mapa)

Unidades de vegetación

Referencias

16chaco de esteros y cañadas

León 1981; Morello y Adamoli 1968; Lewis 1981

15

chaco de esteros y cañadas pilaguense

León 1981; Morello y Adamoli 1968

17chaco de parques y sabanas secas

Lewis 1981; Morello y Adamoli 1968

62

chaco de pastizales y sabanas

Morello y Adamoli 1968

28 chaco leñoso Hueck 1972; Luti et al. 1979; Morello y Adamoli 32 chaco serrano Hueck 1972

19espinal

Anderson et al. 1970; Cano et al. 1980; Lewis 1981; Luti et al. 1979; Rundel et al. 2007

22 espinal central Lewis 1981

21espinal entrerrianense

Lewis 1981

14 delta Landi 19887 depresion iberana Carnevali 1994; León 1981

10valle de inundacion del parana

León 1981; Lewis 1981

11valle de inundacion del uruguay

Landi 1988; León 1981

58bosque de araucaria araucana

Hueck 1972

60

bosque de astrocedrus chilensis

Hueck 1972

59bosque de nothofagus sp

Hueck 1972

52 erial Leon et al. 1998

45formaciones halofilas del chaco

Luti et al. 1979

29puna

Hueck 1972; Martinez Carretero 1995; Roig 1972; Rundel et al. 2007

66

arbustales y matorrales halofilos del monte austral

Cano et al. 1980; Rundel et al. 2007

65

arbustales y matorrales halofilos del monte central

Anderson et al. 1970; Burkart et al. 1999; Roig 1972; Rundel et al. 2007

53ecotono de la peninsula de valdez

Leon et al. 1998

49 ecotono rionegrino Leon et al. 1998

61

estepa arbustiva baja con junellia tridens

Leon et al. 1998

55

estepa arbustiva baja con nardophylum obtusifolium

Leon et al. 1998

bosques secos

bosques húmedos mesopotámicos

bosques húmedos patagónicos

desiertos y semidesiertos

estepas arbustivas

14

Tabla 3 (continuación).



Referencias

50

estepa arbustiva con chuquiraga avellanedae

Leon et al. 1998

51

estepa arbustiva con colliguaya integerrima

Leon et al. 1998

47estepa arbustiva-graminosa

Leon et al. 1998

54estepa del golfo de san jorge

Leon et al. 1998

56estepa graminosa xerica

Leon et al. 1998

63jarillal del monte central

Roig 1972; Rundel et al. 2007

36 monte austral Cano et al. 1980; Leon et al. 1998; Rundel et al.

35monte de sierras y bolsones

Rundel et al. 2007; Burkart et al. 1999

37monte de transicion Leon et al. 1998

40 monte-chaco Rundel et al. 200748 payunia Leon et al. 199830 prepuna Rundel et al. 200739 solupal Roig 1972

44valle de uspallata-callingasta

Rundel et al. 2007

46 estepa graminosa Leon et al. 1998

57estepa graminosa humeda

Leon et al. 1998

18bajos submeridionales

Lewis 1981; Morello y Adamoli 1968

8parque chaqueño correntino

Carnevali 1994

42

pastizales y bosquecillos de altura

Luti et al. 1979

41pastizales y bosques serranos

Anderson et al. 1970; Luti et al. 1979; Morello y Adamoli 1968

43 romerillal Luti et al. 197913 campos refinados Landi 1988

4

malezales sabanas herbaceas y pajonales

Carnevali 1994

3

malezales sabanas hidromorficas y pajonales

Carnevali 1994

9parque mesopotamico

Carnevali 1994

12 praderas serales Landi 1988

5

sabana abierta y parque del ñandubay

Carnevali 1994; Landi 1988; León 1981

estepas graminosas

pastizales chaqueños

estepas arbustivas

pastizales mesopotámicos

15

Tabla 3 (continuación).



Referencias

6

sabana abierta y parque del ñandubay mercedeña

Carnevali 1994; Landi 1988; León 1981

2 sabanas secas Carnevali 1994; León 198127 pampa austral Soriano et al. 199226 pampa deprimida Soriano et al. 199224 pampa interior llana Soriano et al. 1992

25pampa interior occidental

Soriano et al. 1992

23 pampa ondulada Soriano et al. 1992selva misionera 1 selva misionera Soriano et al. 1992; León 1981

yungas33

bosque y selva andinos

Hueck 1972

67 agua INTA 1990

31

formaciones diversas de montaña sin clasificacion

Hueck 1972; Roig 1972

68 glaciar INTA 1990

71montaña sin vegetacion

Roig 1972

69 roca INTA 199070 salinas INTA 1990

pastizales pampeanos

sin uso agropecuario

pastizales mesopotámicos

3.4 Resultados

La precipitación media anual fue estimada con una precisión razonable dado el gradiente

abarcado (error promedio 18%). Se generó un mapa que es un producto en sí mismo, aunque a

los fines del proyecto es un insumo, y que evidencia patrones ya conocidos (Mapa 1). Las

precipitaciones más escasas, menores a 500 mm/año, ocurren en prácticamente toda la

Patagonia, el Monte, Espinal y Puna. Precipitaciones de entre 500 y 1500 mm/año fueron

estimadas para las regiones Pampeana y Chaqueña, y para el sur de la Mesopotamia. Las

precipitaciones mayores a 1500 mm/año ocurren en la región de bosques andino-patagónicos,

un sector austral de las yungas y la parte norte de la Mesopotamia (Mapa 1).

Uno de los resultados clave de este proyecto fue el mapa de unidades de vegetación (Mapa 2).

A la fecha disponíamos de mapas de vegetación relativamente bien detallados que no cubrían

más allá de una provincia o región o que alcanzaban una escala continental muy poco

detallada (Hueck 1972). Por ejemplo, contábamos con cartografía de las unidades de

vegetación de Mendoza, de la Patagonia y del Monte (Roig 1972, León et al. 1998, Rundel et al.

2007). Sin embargo, carecíamos de un único mapa que cubriera todas estas áreas dominadas

por arbustales y que omitiera los límites políticos. Si bien muy útiles para otros propósitos, los

mapas fitogeográficos tampoco resultaban acordes para este proyecto porque enfatizan más

en la presencia/ausencia de algunas especies que en características fisonómico-florísticas de

toda la vegetación. Disponemos ahora de un mapa de, por ejemplo, los arbustales a escala

nacional que los clasifica según sus características fisonómico-florísticas (Mapa 2). Este mapa

16

de grandes unidades divide a toda la vegetación natural del país en 67 unidades, que fueron

agrupadas a su vez en 12 grandes grupos (Tabla 3). Es importante destacar que este mapa no

incluye los usos de la tierra. Su valor radica en que es una representación de la heterogeneidad

ambiental regional relevante para la vegetación y, por lo tanto, puede usarse para extrapolar

observaciones empíricas tanto en vegetación natural como cultivada.

Si bien la base de datos de productividad estimada por cortes secuenciales de biomasa puede

mejorarse con la incorporación de más lugares y/o la depuración de los datos ya compilados, el

patrón preliminar más evidente es que dentro del grupo de la vegetación natural, la Patagonia,

el Monte y la Mesopotamia están relativamente mejor relevadas que el resto del país (Mapa

3). Ocho provincias carecen de datos de productividad anual de la vegetación natural (Tabla 2).

El caso de la vegetación cultivada muestra la mayoría de los sitios de estudio concentrados en

la región pampeana (Mapa 4). Llama la atención la escasez de datos en las regiones chaqueña

y mesopotámica (Mapa 4). También en este caso hay 8 provincias para las que no se cuenta

con ningún dato de productividad anual, aunque aquí la falta de datos es más esperable ya que

disponen de ambientes marginales para la implantación de pasturas y verdeos (Tabla 2). Según

nuestro conocimiento, por primera vez se dispone a nivel nacional de una síntesis de los

esfuerzos publicados e inéditos de cuantificar la productividad de los distintos recursos

forrajeros naturales y cultivados. La mejora de esta síntesis será prioridad en próximas etapas

del proyecto.

La productividad anual de la vegetación natural estimada con el modelo empírico (Figura 3)

muestra, como es de esperar al usar un modelo lineal en función de las lluvias, el mismo

patrón que el de la precipitación anual (Mapa 5). La productividad anual de la mayoría de la

región Patagónica, el Monte, el Espinal y la Puna es menor a 2000 kg/ha, mientras que en las

regiones Pampeana y Chaqueña aumenta aproximadamente de oeste a este y de sur a norte,

desde los 2000 a los 5000 kg/ha. La productividad de la región Mesopotámica se incrementa

también de sur a norte, desde unos 3000-4000 hasta 7000 kg/ha (Mapa 5). Una alternativa a

este modelo fue la de utilizar modelos similares disponibles en la literatura. Utilizamos el de

Sala et al. 1988 para áreas de pastizal y el de Milchunas et al. 1993 para sitios de estepas,

montes y bosques secos. Como el ajuste entre estos modelos y los datos observados fue bajo

solo se presenta el resultado a modo comparativo en el Anexo (ver Mapa 1.A1 en Anexo 1).

La otra aproximación para estimar la productividad anual de la vegetación natural, la que surge

de extrapolar los datos de los cortes, produjo un mapa algo distinto al anterior, más allá de la

presencia de límites más notorios dados por el trazado de las unidades de vegetación (Mapa

6). A las regiones con productividad menor a 2000 kg/ha del mapa anterior (Patagonia, Monte,

Espinal y Puna) se agrega la Chaqueña (Mapa 6). En la región Pampeana puede notarse ahora

que la productividad de algunos ambientes es de unos 1000 kg/ha, asociada a limitaciones por

salinidad en la mayoría de los casos. Sin embargo, la mayor parte de la región muestra una

productividad de entre 3000 y 5000 kg/ha. A diferencia del anterior (Mapa 5), la mayoría de la

región Mesopotámica tiene una productividad de entre 4000 y 5000 kg/ha. La productividad

más alta ocurre en la franja oriental del Chaco húmedo, con hasta 7000 kg/ha (Mapa 6).

La productividad anual de la vegetación cultivada fue solo estimada a partir de cortes

extrapolados a la unidad de vegetación correspondiente. Los cultivos forrajeros más

17

productivos, con más de 9000 kg/ha, corresponden a los de los suelos mejor drenados y sin

limitación por alcalinidad de la Pampa interior (Mapa 7). En el resto de la región Pampeana la

productividad de estos recursos varía entre los 2000 y 8000 kg/ha, con predominancia de

valores en el límite alto de este rango. En la región Chaqueña la productividad varía entre

5000 y 8000 kg/ha, y se presentan valores intermedios de 4000-5000 kg/ha en las pasturas de

la Mesopotamia. En el resto de los sitios donde se implantan cultivos forrajeros la

productividad es menor a los 3000 kg/ha (Mapa 7).

Como en muchos lugares del país la oferta forrajera se compone tanto de vegetación natural

como de cultivada, generamos un mapa de productividad anual a partir de estimaciones

secuenciales de biomasa según una ponderación de la superficie cubierta por cada tipo de

vegetación (que surge de una encuesta a referentes zonales). El mapa resultante de

productividad anual de vegetación forrajera (natural más cultivada; Mapa 8) es en líneas

generales muy similar al de la vegetación natural (Mapa 6), excepto porque aumentó en

prácticamente 2000 kg/ha la productividad anual de gran parte de la región pampeana norte y

en unos 1000 kg/ha la de la región chaqueña (Mapa 8). Como en el resto del país la superficie

cubierta por pasturas y/o verdeos es escasa o nula, la oferta forrajera proviene de la

vegetación natural y por lo tanto los mapas se parecen mucho (Mapas 6 y 8).

Como una aproximación preliminar a la oferta forrajera anual total por departamento,

calculamos el producto entre la productividad forrajera de cada departamento (que se calcula

a partir del Mapa 6 ó Mapa 8) y la superficie forrajera total. Cuando se trató de estimar la

productividad de la vegetación natural a partir del modelo con las lluvias, se asumió que toda

la superficie forrajera estaba cubierta con vegetación natural, lo cual da una idea de la oferta

forrajera total sin la implantación de cultivos forrajeros. Como una alternativa a este cálculo, a

partir de los datos de cortes se estimó la productividad discriminando la superficie de pasturas

y verdeos de la correspondiente a vegetación natural. En todos los casos, estas superficies a

escala departamental fueron estimadas a partir del Censo Nacional Agropecuario 2002.

Sabiendo de las profundas transformaciones ocurridas en el uso de la tierra en la última

década, el cálculo tendría un error de subestimación de la oferta forrajera para los

departamentos en los que aumentó la superficie ganadera y de sobreestimación en los que

disminuyó. Así calculada, la oferta forrajera anual total de un departamento dependió tanto de

la productividad por unidad de superficie como de la cantidad de hectáreas dedicadas a la

ganadería. Como hay muchos departamentos muy grandes y poco productivos, y las áreas de

mayor productividad por hectárea tienen una alta proporción de superficie agrícola que

compite con la ganadería, los patrones de oferta forrajera total son diferentes a los de

productividad por hectárea (Mapas 9 y 10; ver también Tabla 4, y Tabla 1.A1 en Anexo 1). Una

alternativa a este modelo fue la de utilizar modelos similares disponibles en la literatura.

Utilizamos el de Sala et al. 1988 para áreas de pastizal y el de Milchunas et al. 1993 para sitios

de estepas, montes y bosques secos. Como el ajuste entre estos modelos y los datos

observados fue bajo, solo se presenta el resultado a modo comparativo. Del mismo modo se

presenta el resultado de la estimación a partir de la productividad según modelos publicados

(ver Mapa 2.A1 en Anexo 1).

18

Tabla 4: Productividad forrajera total (vegetación natural más cultivada) en miles de tn/año

por Provincia, según una estimación a partir de cortes extrapolados a la unidad de vegetación

correspondiente y superficie ponderada de acuerdo al Censo Nacional Agropecuario 2002.

Provincia Miles ton/añoBuenos Aires 62582Catamarca 1383Chaco 15197Chubut 8531Cordoba 15766Corrientes 26334Entre Ríos 20144Formosa 16315Jujuy 354La Pampa 12949La Rioja 4211Mendoza 2258Misiones 728Neuquen 1236Río Negro 6238Salta 2202San Juan 173San Luis 9907Santa Cruz 10899Santa Fe 19971Santiago del Estero 4575Tierra del Fuego 1384Tucuman 728Total país 244065

4. Identificar sistemas piloto de producción ganadera

Metodología y resultados:

El objetivo específico b4, implementar el sistema de monitoreo forrajero, lo desarrollaremos a

escala predial en sistemas reales de producción ganadera piloto distribuidos en las diferentes

regiones del país. La definición de estos sitios piloto está contemplada en la primera etapa de

la ejecución del proyecto.

Los criterios de selección de sistemas piloto fueron los siguientes:

• Incluir sistemas reales de producción que presenten antecedentes de asesoramiento

técnico (privado y/o estatal) en relación a la aplicación de tecnologías de manejo de

pastizales y/o pasturas.

• Incluir sistemas reales de producción abarcando un amplio rango de variabilidad

ambiental (regiones NEA, NOA, Pampeana, Cuyo y Patagonia), socioeconómica

(sistemas empresariales, familiares y minifundistas) y productiva (cría, recría, engorde,

diversificados).

Seleccionamos 32 sistemas reales de producción piloto. En el caso particular de INTA los

sistemas piloto estarán relacionados con el Proyecto Específico “Validación de tecnologías de

19

manejo de pastizales sistemas reales de producción” (AEFP 263041) y con los Proyectos

Regionales Ganaderos. En el caso de AACREA la selección de los sitios piloto se realizó

incluyendo dos criterios adicionales:

• Que al menos la mitad de los sistemas estén asesorados por profesionales con

experiencia en el uso de la información de índice verde.

• Que al menos la mitad de los sistemas ya se encuentren participando en el Sistema de

Seguimiento Forrajero.

Los sistemas piloto considerados incluyen sistemas de cría, recría y engorde, en empresas

ganaderas y mixtas, con diferente nivel de intensificación. También se incluyeron sistemas que

abarcan producción ovina y caprina. La tabla 5 muestra la variabilidad de escala y actividad de

los sitios piloto y el Mapa 11 muestra la distribución espacial.

20

Tabla 5: Clasificación general de los sistemas piloto a los que se les realizará el seguimiento

forrajero.

Región Establecimiento Actividad

Pampeana Sudeste

PSE1 PSE2 PSE3

Ganadería de cría – recría + agricultura (productor medio) Ganadería de cría + agricultura (productor medio) Ganadería de cría + recría (productor medio)

Pampeana Sudoeste

PSO1 PSO2 PSO3 PSO4

Ganadería de cría – recría + agricultura (productor medio) Ganadería de cría – recría + agricultura (productor medio) Ganadería de cría – recría (productor medio) Ganadería de ciclo completo (productor medio)

Pampeana Norte

PN1 PN2 PN3 PN4

Tambo (productor pequeño) Ganadería de cría – invernada (productor pequeño) Ganadería de ciclo completo (productor medio) Ganadería de cría – recría (productor medio)

Pampeana Oeste

PO1 PO2 PO3

Ganadería de ciclo completo + agricult. (productor medio) Ganadería de ciclo completo + agricult. (productor medio) Ganadería de ciclo completo (productor medio)

NEA NEA1 NEA2 NEA3

Ganadería de cría – recría (productor medio) Ganadería de ciclo completo (productor medio) Ganadería de cría - recría (productor medio)

NOA NOA1 NOA2 NOA3 NOA4 NOA5 NOA6

Cría bovina extensiva (productor pequeño) Cría bovina extensiva (productor medio) Cría bovina extensiva (productor grande) Cría bovina extensiva + recría (productor medio) Cría bovina ciclo completo + agricultura (productor grande) Cría bovina ciclo completo + agricultura (productor grande)

Semiárida SA1 SA2 SA3 SA4 SA5

Cría bovina extensiva + recría (productor medio) Cría bovina extensiva (productor medio) Cría bovina extensiva (productor medio) Cría bovina extensiva + recría (productor grande) Cría bovina extensiva + recría (productor grande)

Patagonia P1 P2 P3 P4 P5 P6 P7 P8 P9

Caprinos criollos campo de invernada (productor mediano) Caprinos criollos campo de veranada (productor mediano) Caprinos criollos campo de invernada (productor mediano) Caprinos criollos campo de veranada (productor mediano) Ovinos para lana (productor mediano) Ovinos para lana (productor mediano) Ovinos para lana (productor mediano) Ovinos para lana (productor mediano) Ovinos para lana (productor mediano)

Adicionalmente, se establecieron contactos con el proyecto “Pastizales y Sabanas del Cono Sur

de Sudamérica: iniciativas para su conservación en Argentina”, co-ejecutado por las

organizaciones “Aves Argentinas” y “Vida Silvestre”. Este proyecto tiene entre sus

componentes de trabajo poner a prueba modelos de manejo de pastizales en sistemas

ganaderos extensivos con productores demostradores en Sitios Piloto. Estos sitios piloto de

trabajo son: Pastizales de Bahía Samborombón (Buenos Aires), Pastizales de Gualeguaychú

(Entre Ríos), Sabanas de San Javier (Santa Fe) y Campos del Río Aguapey (Corrientes);

21

integrando un total de 19 establecimientos ganaderos. En el mes próximo se espera firmar una

carta acuerdo e incluir como sitios piloto a algunos de estos establecimientos del proyecto

“Pastizales y Sabanas del Cono Sur de Sudamérica: iniciativas para su conservación en

Argentina” que cumplan con los requisitos arriba descriptos.

5. Comunicación

Se desarrolló un sitio web (http://www.sistemaforrajero.com.ar) aún no publicado pero que

puede ser visitado por los evaluadores de este informe. El sitio reúne los objetivos y avances

del proyecto. Tiene un sistema geográfico con la base de datos de productividad forrajera (por

ahora en una versión de muestra de unos pocos sitios) que permitirá consultar la

productividad forrajera de cualquier sitio del país mediante una navegación sencilla hasta el

sitio de muestreo. Se espera en el futuro cercano incorporarle una herramienta interactiva

para que los usuarios puedan además “subir” datos de productividad, los cuales podrían ser

incorporados a la base luego de un control de calidad.

6. Conclusiones y perspectivas

La primera etapa de este proyecto ha cumplido con los objetivos planteados. Tanto las

calibraciones entre productividad y datos de sensores remotos como la selección de los sitios

piloto son base para las siguientes etapas en las que se ahondará en la construcción y difusión

del sistema de evaluación forrajera motivo del proyecto en su conjunto. Los resultados de la

evaluación de los datos empíricos de productividad forrajera son el primer aporte significativo

del proyecto a la comunidad. Por primera vez la Argentina cuenta con una base de datos

unificada y depurada de estimaciones de producción forrajera de diversos recursos asociada a

su vez a una plataforma geográfica que vincula esos datos con unidades ambientales, como

unidades de vegetación, suelos o de precipitación, y unidades políticas, como departamentos

provinciales o provincias. Será prioritario durante el resto del proyecto depurar y acrecentar

esta información, tanto por mejorar su calidad per se como porque se utilizará como soporte

para etapas posteriores. De todos modos, los datos generados ya pueden ser utilizados por

decisores a diversos niveles. Si bien la base de datos es extensa, nuestro trabajo también puso

de manifiesto las debilidades y grandes huecos de información existentes, lo cual refuerza la

idea de base de este proyecto que será desarrollada en las dos etapas siguientes: un sistema

de diagnóstico, planificación, seguimiento y prospección forrajera en sistemas ganaderos de un

país tan extenso debe tener una base sólida en la utilización de sensores remotos.

22

7. Mapas

Mapa 1: Precipitación media anual (mm/año) interpolada a partir de estaciones

meteorológicas del Servicio Meteorológico Nacional y del INTA con al menos 10 años de

registros (n=160, representadas por puntos en el mapa).

23

Mapa 2: Unidades de vegetación de Argentina delimitadas a partir de una revisión y empalme

de 16 mapas anteriores provinciales, regionales y hasta uno de escala continental que se

utilizó en áreas no relevadas por los anteriores. Líneas rojas delimitan grandes grupos de

unidades de vegetación; líneas negras delimitan unidades de vegetación dentro de cada gran

grupo (ver referencias en Tabla 3).

24

Mapa 3: Sitios para los que se dispone de al menos un dato de productividad anual estimada

por cortes en vegetación natural. En algunos sitios se evaluaron varios tipos de recursos

forrajeros. Se distinguen los sitios incorporados a los cálculos presentados en este informe

(puntos azules; n=191) de aquellos en revisión aún no incluidos (puntos rojos; n=29).

25

Mapa 4: Sitios para los que se dispone de al menos un dato de productividad anual estimada

por cortes en vegetación cultivada, que incluye a pasturas y verdeos. En algunos sitios se

evaluaron varios tipos de recursos forrajeros. Se distinguen los sitios incorporados a los

cálculos presentados en este informe (puntos azules; n=135) de aquellos en revisión aún no

incluidos (puntos rojos; n=45).

26

Mapa 5: Productividad forrajera anual (kg/ha año) de vegetación natural estimada según un

mapa de precipitación anual (Mapa 1) y un modelo empírico que relaciona productividad

estimada con cortes de biomasa y precipitación del sitio donde se hicieron los cortes (Figura 3).

27

Mapa 6: Productividad forrajera anual (kg/ha año) de vegetación natural según estimaciones

por cortes (Mapa 3) extrapoladas a la unidad de vegetación correspondiente. Para las unidades

donde no contamos con estimaciones por cortes calculamos el promedio de productividad del

gran grupo de unidades de vegetación correspondiente (Tabla 3 y Mapa 2).

28

Mapa 7: Productividad forrajera anual (kg/ha año) de vegetación cultivada según estimaciones

por cortes (Mapa 4) extrapoladas a la unidad de vegetación correspondiente. Para las unidades

donde no contamos con estimaciones por cortes calculamos el promedio de productividad del

gran grupo de unidades de vegetación correspondiente (Tabla 3 y Mapa 2).

29

Mapa 8: Productividad forrajera anual (kg/ha año) de vegetación natural y cultivada según

estimaciones por cortes (Mapas 3 y 4) extrapoladas a la unidad de vegetación correspondiente

y ponderadas por la superficie que cada tipo de vegetación ocupa según encuesta a referentes

zonales.

30

Mapa 9: Productividad forrajera anual total (miles de tn/año), por departamento, estimada

como el producto de la productividad forrajera por hectárea de la vegetación natural (kg/ha

año; Mapa 5) y la superficie total ganadera según el Censo Nacional Agropecuario 2002.

31

Mapa 10: Productividad forrajera anual total (miles de tn/año) de la vegetación forrajera

(natural más cultivada), por departamento, estimada como el producto de la productividad

forrajera por hectárea (kg/ha año; Mapa 8) y la superficie total ganadera según el Censo

Nacional Agropecuario 2002.

32

Mapa 11: Cantidad de sistemas piloto del movimiento CREA y de INTA seleccionados por

región ganadera.

3

4

6

33

5

4

9

33

8. Bibliografía

Anderson, D.L.; J.A. Del Águila y A.E. Bernardón. 1970. Las formaciones vegetales de la provincia de San Luis. Rev. Inv. Agropecuaria INTA, serie 2. Biología y Producción Vegetal 7:83-153.

Burkart, R., N. Bárbaro, R.O. Sánchez y D.A. Gómez. 1999. Ecorregiones de la Argentina, APN, PRODIA, 43 pp.

Cano, E., B. Fernandez, and M. Montes. 1980. Vegetación. Inventario integrado de los recursos naturales de la Provincia de La Pampa. INTA, Provincia de La Pampa, UNLP, Buenos Aires.

Carnevali, R. 1994. Fitogografía de la Provincia de Corrientes. Gobierno de la Provincia de Corrientes. Instituto Nacional de Tecnología Agropecuaria; 324 pp.

Grigera, G., M. Oesterheld, and F. Pacín. 2007. Monitoring forage production with MODIS data for farmers' decision making. Agricultural Systems 94:637-648.

Hueck, K. 1972. Mapa de la vegetación de América del Sur (1:8.000.000). Forstliche Forschungsanstalt Munchen. Gustav Fisher Verlag, Stuttgart.

INTA. 1990. Atlas de suelos de la República Argentina. Versión digital (1:500000).

Irisarri, J. G. N., M. Oesterheld, J. M. Paruelo, and M. Texeira. 2011. Patterns and controls of above-ground net primary production in meadows of Patagonia. A remote sensing approach. Journal of Vegetation Science 1:1-13.

Landi, M. 1988. Principales áreas ecológicas de la Provincia de Entre Ríos. Seminario Regional Concepción del Uruguay.

León, R.J.C. 1981. Diagnóstico de la problemática forrajera. Plan de desarrollo ganadero de la zona Litoral Norte. Primera etapa - Diagnóstico. AACREA, Buenos Aires.

León R.J.C., D. Bran, M. Collantes, J.M. Paruelo, y A. Soriano. 1998. Grandes unidades de vegetación de la Patagonia extra andina. Ecología Austral 8:123-141.

Lewis, J.P. 1981. La vegetación de la provincia de Santa Fe. En: Estudios de geografía de la provincia de Santa Fe: Homenaje al Dr. Alfredo Castellanos. Sociedad Argentina de Estudios Geográficos. 121-148

Luti, R, M. Solís, F. Galera, N. Müller de Ferreira, M. Berzal. 1979. Vegetación. En: J Vazquez; R Miatello y M Roque (eds). Geografía Física de la Provincia de Córdoba. Ed. Boldt. Buenos Aires, Argentina. Pp. 297-368.

Martinez Carretero E. 1995. La Puna Argentina: delimitación general y división en distritos florísticos. Bol. Soc. Argent. Bot. 31 (1-2): 27-40.

Milchunas, D. G., and W. K. Lauenroth. 1993. Quantitative effects of grazing on vegetation and soils over a global range of environments. Ecological Monographs 63:327-366.

Monteith, J. 1972. Solar Radiation and Productivity in Tropical Ecosystems. Journal of Applied Ecology 9:747-766.

34

Morelo, J. y J. Adamoli. 1968. Las grandes unidades de vegetación y ambiente del Chaco Argentino.

Paruelo, J. M. 2008. La caracterización funcional de ecosistemas mediante sensores remotos. Ecosistemas 17:4-22.

Piñeiro, G., M. Oesterheld, and J. M. Paruelo. 2006. Seasonal variation in aboveground production and radiation use efficiency of temperate rangelands estimated through remote sensing. Ecosystems 9:357-373.

Rearte, D. 2010. Situación actual y prospectiva de la producción de carne vacuna. INTA, 26 páginas.

Roig, F. 1972. Bosquejo fisonómico de la vegetación de la provincia de Mendoza. Bol. Soc. Arg. Botánica, 13.

Rundel, P, P.E. Villagra, M.O. Dillon, S.A. Roig-Juñent and G. Debandi. 2007. Arid and Semi-Arid Ecosystems. In: Veblen, TT; Young, K & Orme, AE (eds). The physical Geography of South America. Oxford University Press, pp, pp. 158-183.

Sala, O. E., W. J. Parton, L. A. Joyce, and W. K. Lauenroth. 1988. Primary production of the central grassland region of the United States. Ecology 69:40-45.

Soriano, A., R.J.C. León, O.E. Sala, R.S. Lavado, V.A. Deregibus, M.A. Cahuépé, O.A. Scaglia, C.A. Velázquez and J.H. Lemcoff. 1992. Río de la Plata grasslands: En: Coupland, R.T. (ed.) Ecosystems of the world 8A. Natural grasslands. Introduction and western hemisphere. Elsevier, New York, pp. 367-407.

35

9. Anexo 1

Figura 1.A1: Correlación entre la superficie agrícola estimada a partir de la encuesta agrícola

2001-2002 y la que surge del Censo Nacional Agropecuario 2002. Cada punto corresponde a la

estimación para un departamento. En el panel A se muestran todos los casos (n=283; r= 0,94),

en el panel B sólo aquellos hasta 200000 ha según el Censo (n=257; r=0,90). La línea roja

corresponde al modelo lineal y la punteada a la relación 1:1. Para el caso del Censo, la

superficie agrícola de cada departamento se estimó como la suma de las superficies ocupadas

por cultivos anuales y perennes bajo la categoría “superficie implantada”. Para el caso de la

Encuesta se estimó como la suma de las superficies de cada cultivo, descontando las

correspondientes a soja de segunda. Solo se incluyeron los departamentos con al menos un

cultivo relevado en la Encuesta, supusimos que los departamentos con ausencia de cultivos no

fueron encuestados.

0 200000 400000 600000 800000

0

200000

400000

600000

800000A

Superficie agrícola (ha) segúnCenso Nacional Agropecuario (2002)

Sup

erfic

ie a

gríc

ola

(ha)

seg

únE

ncue

sta

Nac

iona

l Agr

opec

uaria

(20

01-0

2)

0 50000 100000 150000 200000

0

50000

100000

150000

200000B

Superficie agrícola (ha) segúnCenso Nacional Agropecuario (2002)

Sup

erfic

ie a

gríc

ola

(ha)

seg

únE

ncue

sta

Nac

iona

l Agr

opec

uaria

(20

01-0

2)

36

Tabla 1.A1: Productividad forrajera total (vegetación natural más cultivada) en miles de tn/año

por Departamento, según una estimación a partir de cortes extrapolados a la unidad de

vegetación correspondiente y superficie ponderada de acuerdo al Censo Nacional Agropecuario

2002.

Provincia Partido/Departamento Miles de tn/ha añoBUENOS AIRES 25 DE MAYO 893

9 DE JULIO 611ADOLFO ALSINA 926ADOLFO GONZALES CHAVES 854ALBERTI 110ALMIRANTE BROWN 1ARRECIFES 92AVELLANEDA 0AYACUCHO 2300AZUL 1950BAHIA BLANCA 715BALCARCE 1051BARADERO 81BENITO JUAREZ 1433BERAZATEGUI 6BERISSO 22BOLIVAR 1312BRAGADO 274BRANDSEN 351CAÃ‘UELAS 232CAMPANA 40CAPITAN SARMIENTO 82CARLOS CASARES 364CARLOS TEJEDOR 921CARMEN DE ARECO 209CASTELLI 437CHACABUCO 294CHASCOMUS 1050CHIVILCOY 301COLON 118CORONEL DE MARINA LEONARDO ROSALES 309CORONEL DORREGO 990CORONEL PRINGLES 1511CORONEL SUAREZ 1764DAIREAUX 770DE LA COSTA 4DOLORES 411ENSENADA 5ESCOBAR 4ESTEBAN ECHEVERRIA 1EXALTACION DE LA CRUZ 98EZEIZA 9FLORENCIO VARELA 6FLORENTINO AMEGHINO 463GENERAL ALVARADO 308GENERAL ALVEAR 863GENERAL ARENALES 117GENERAL BELGRANO 481GENERAL GUIDO 792GENERAL JUAN MADARIAGA 665GENERAL LAMADRID 1177GENERAL LAS HERAS 166GENERAL LAVALLE 336GENERAL PAZ 348GENERAL PINTO 663

37

Tabla 1.A1 (continuación)

Provincia Partido/Departamento Miles de tn/ha añoBUENOS AIRES GENERAL PUEYRREDON 300

GENERAL RODRIGUEZ 70GENERAL SAN MARTIN 0GENERAL VIAMONTE 239GENERAL VILLEGAS 1876GUAMINI 963HIPOLITO YRIGOYEN 243HURLINGHAM 0ITUZAINGO 0JOSE C. PAZ 0JUNIN 234LA MATANZA 68LA PLATA 128LANUS 0LAPRIDA 1409LAS FLORES 1062LEANDRO N. ALEM 268LINCOLN 1490LOBERIA 753LOBOS 423LOMAS DE ZAMORA 1LUJAN 83MAGDALENA 612MAIPU 765MALVINAS ARGENTINAS 0MAR CHIQUITA 1200MARCOS PAZ 83MERCEDES 226MERLO 2MONTE 442MONTE HERMOSO 88MORENO 0MORON 0NAVARRO 356NECOCHEA 636OLAVARRIA 2461PATAGONES 697PEHUAJO 966PELLEGRINI 276PERGAMINO 332PILA 923PILAR 5PINAMAR 0PRESIDENTE PERON 10PUAN 868PUNTA INDIO 386QUILMES 0RAMALLO 61RAUCH 1321RIVADAVIA 620ROJAS 198ROQUE PEREZ 238SAAVEDRA 966SALADILLO 723SALLIQUELO 178

38


Provincia Partido/Departamento Miles de tn/ha añoBUENOS AIRES SALTO 152

SAN ANDRES DE GILES 171SAN ANTONIO DE ARECO 181SAN CAYETANO 443SAN FERNANDO 4SAN ISIDRO 0SAN MIGUEL 0SAN NICOLAS 49SAN PEDRO 98SAN VICENTE 180SUIPACHA 255TANDIL 1238TAPALQUE 893TIGRE 1TORDILLO 169TORNQUIST 1180TRENQUE LAUQUEN 996TRES ARROYOS 1036TRES DE FEBRERO 0TRES LOMAS 188VICENTE LOPEZ 0VILLA GESELL 0VILLARINO 774ZARATE 32

Suma BUENOS AIRES 62582CATAMARCA AMBATO 154

ANCASTI 23ANDALGALA 19ANTOFAGASTA DE LA SIERRA 0BELEN 22CAPAYAN 128CAPITAL 12EL ALTO 130FRAY MAMERTO ESQUIU 4LA PAZ 571PACLIN 33POMAN 18SANTA MARIA 99SANTA ROSA 138TINOGASTA 4VALLE VIEJO 27

Suma CATAMARCA 1383CHACO 12 DE OCTUBRE 150

2 DE ABRIL 7925 DE MAYO 11089 DE JULIO 136ALMIRANTE BROWN 381BERMEJO 825CHACABUCO 86COMANDANTE FERNANDEZ 157FRAY JUSTO SANTA MARIA DE ORO 126GENERAL BELGRANO 124GENERAL DONOVAN 822GENERAL GUEMES 552INDEPENDENCIA 125

39


Provincia Partido/Departamento Miles de tn/ha añoCHACO LIBERTAD 519

LIBERTADOR GENERAL SAN MARTIN 2220MAIPU 414MAYOR LUIS J. FONTANA 946O'HIGGINS 155PRESIDENCIA DE LA PLAZA 914PRIMERO DE MAYO 598QUITILIPI 576SAN FERNANDO 980SAN LORENZO 1079SARGENTO CABRAL 709TAPENAGA 1413

Suma CHACO 15197CHUBUT BIEDMA 748

CUSHAMEN 784ESCALANTE 233FLORENTINO AMEGHINO 373FUTALEUFU 267GAIMAN 490GASTRE 341LANGUIÃ‘EO 442MARTIRES 402PASO DE INDIOS 711RAWSON 240RIO SENGUER 1550SARMIENTO 340TEHUELCHES 836TELSEN 774

Suma CHUBUT 8531CORDOBA CALAMUCHITA 288

CAPITAL 2COLON 84CRUZ DEL EJE 671GENERAL ROCA 2057GENERAL SAN MARTIN 511ISCHILIN 506JUAREZ CELMAN 1049MARCOS JUAREZ 910MINAS 387POCHO 234PRESIDENTE ROQUE SAENZ PEÃ‘A 1386PUNILLA 261RIO CUARTO 1798RIO PRIMERO 382RIO SECO 345RIO SEGUNDO 206SAN ALBERTO 235SAN JAVIER 168SAN JUSTO 1515SANTA MARIA 72SOBREMONTE 290TERCERO ARRIBA 143TOTORAL 414TULUMBA 521UNION 1330

40


Provincia Partido/Departamento Miles de tn/ha añoSuma CORDOBA 15766CORRIENTES BELLA VISTA 389

BERON DE ASTRADA 373CAPITAL 136CONCEPCION 769CURUZU CUATIA 3968EMPEDRADO 784ESQUINA 1186GENERAL ALVEAR 566GENERAL PAZ 1164GOYA 1253ITATI 473ITUZAINGO 934LAVALLE 546MBURUCUYA 279MERCEDES 3653MONTE CASEROS 850PASO DE LOS LIBRES 1499SALADAS 503SAN COSME 227SAN LUIS DEL PALMAR 1396SAN MARTIN 1867SAN MIGUEL 455SAN ROQUE 439SANTO TOME 1681SAUCE 942

Suma CORRIENTES 26334ENTRE RIOS COLON 631

CONCORDIA 725DIAMANTE 413FEDERACION 1059FEDERAL 2167FELICIANO 1261GUALEGUAY 1112GUALEGUAYCHU 2412ISLAS DEL IBICUY 586LA PAZ 2312NOGOYA 1052PARANA 1119SAN SALVADOR 443TALA 835URUGUAY 1251VICTORIA 467VILLAGUAY 2300

Suma ENTRE RIOS 20144FORMOSA BERMEJO 338

FORMOSA 3096LAISHI 1351MATACOS 71PATIÃ‘O 3566PILAGAS 1719PILCOMAYO 2258PIRANE 3883

FORMOSA RAMON LISTA 33Suma FORMOSA 16315

41


Provincia Partido/Departamento Miles de tn/ha añoJUJUY COCHINOCA 32

DOCTOR MANUEL BELGRANO 15EL CARMEN 36HUMAHUACA 1LEDESMA 89PALPALA 7RINCONADA 8SAN ANTONIO 8SAN PEDRO 99SANTA BARBARA 30SANTA CATALINA 6SUSQUES 0TILCARA 2TUMBAYA 13VALLE GRANDE 0YAVI 7

Suma JUJUY 354LA PAMPA ATREUCO 523

CALEU CALEU 540CAPITAL 315CATRILO 432CHALILEO 1241CHAPALEUFU 318CHICAL CO 300CONHELO 632CURACO 478GUATRACHE 432HUCAL 451LIHUEL CALEL 639LIMAY MAHUIDA 1004LOVENTUE 1160MARACO 423PUELEN 669QUEMU QUEMU 425RANCUL 466REALICO 441TOAY 371TRENEL 372UTRACAN 1316

Suma LA PAMPA 12949LA RIOJA ARAUCO 1

CAPITAL 892CASTRO BARROS 2CHAMICAL 560CHILECITO 17CORONEL FELIPE VARELA 1FAMATINA 0GENERAL ANGEL V. PEÃ‘ALOZA 295GENERAL BELGRANO 345GENERAL JUAN F. QUIROGA 263GENERAL LAMADRID 1GENERAL OCAMPO 510GENERAL SAN MARTIN 570

42


Provincia Partido/Departamento Miles de tn/ha añoLA RIOJA INDEPENDENCIA 152

ROSARIO VERA PEÃ‘ALOZA 581SAN BLAS DE LOS SAUCES 1SANAGASTA 1VINCHINA 18

Suma LA RIOJA 4211MENDOZA CAPITAL 0

GENERAL ALVEAR 544GODOY CRUZ 0GUAYMALLEN 0JUNIN 0LA PAZ 371LAS HERAS 14LAVALLE 61LUJAN DE CUYO 7MAIPU 1MALARGUE 321RIVADAVIA 24SAN CARLOS 79SAN MARTIN 6SAN RAFAEL 530SANTA ROSA 286TUNUYAN 6TUPUNGATO 7

Suma MENDOZA 2258MISIONES 25 DE MAYO

APOSTOLES 272CAINGUASCANDELARIA 41CAPITAL 145CONCEPCION 176ELDORADOGENERAL MANUEL BELGRANOGUARANIIGUAZULEANDRO N. ALEM 15LIBERTADOR GENERAL SAN MARTINMONTECARLOOBERASAN IGNACIOSAN JAVIER 79SAN PEDRO

Suma MISIONES 728NEUQUEN Ã‘ORQUIN 155

AÃ‘ELO 12ALUMINE 85CATAN LIL 156CHOS MALAL 43COLLON CURA 86CONFLUENCIA 85HUILICHES 113LACAR 134LONCOPUE 48LOS LAGOS 8MINAS 139

43


Provincia Partido/Departamento Miles de tn/ha añoNEUQUEN PEHUENCHES 9

PICUN LEUFU 15PICUNCHES 97ZAPALA 50

Suma NEUQUEN 1236RIO NEGRO 25 DE MAYO 668

9 DE JULIO 560Ã‘ORQUINCO 178ADOLFO ALSINA 169AVELLANEDA 1148BARILOCHE 6CONESA 186EL CUY 722GENERAL ROCA 358PICHI MAHUIDA 453PILCANIYEU 483SAN ANTONIO 477VALCHETA 829

Suma RIO NEGRO 6238SALTA ANTA 725

CACHI 2CAFAYATE 7CAPITAL 25CERRILLOS 26CHICOANA 19GENERAL GUEMES 68GENERAL JOSE DE SAN MARTIN 456GUACHIPAS 27IRUYA 0LA CALDERA 39LA CANDELARIA 132LA POMA 0LA VIÃ‘A 61LOS ANDES 0METAN 180MOLINOS 45ORAN 42RIVADAVIA 95ROSARIO DE LA FRONTERA 221ROSARIO DE LERMA 12SAN CARLOS 19SANTA VICTORIA 0

Suma SALTA 2202SAN JUAN 25 DE MAYO 41

9 DE JULIO 0ALBARDON 0ANGACO 1CALINGASTA 1CAPITAL 0CAUCETE 22CHIMBAS 0IGLESIA 2JACHAL 3POCITO 1RAWSON 1

44


Provincia Partido/Departamento Miles de tn/ha añoSAN JUAN RIVADAVIA 0

SAN MARTIN 0SANTA LUCIA 0SARMIENTO 18ULLUM 0VALLE FERTIL 78ZONDA 5

Suma SAN JUAN 173SAN LUIS AYACUCHO 682

BELGRANO 679CHACABUCO 366CORONEL PRINGLES 285GENERAL PEDERNERA 2066GOBERNADOR DUPUY 4046JUNIN 85LA CAPITAL 1523LIBERTADOR GENERAL SAN MARTIN 175

Suma SAN LUIS 9907SANTA CRUZ CORPEN AIKE 882

DESEADO 1182GUER AIKE 3811LAGO ARGENTINO 2542LAGO BUENOS AIRES 901MAGALLANES 436RIO CHICO 1144

Suma SANTA CRUZ 10899SANTA FE 9 DE JULIO 662

BELGRANO 234CASEROS 215CASTELLANOS 766CONSTITUCION 234GARAY 562GENERAL LOPEZ 1215GENERAL OBLIGADO 3537IRIONDO 365LA CAPITAL 515LAS COLONIAS 1506ROSARIO 105SAN CRISTOBAL 2229SAN JAVIER 1759SAN JERONIMO 416SAN JUSTO 1555SAN LORENZO 120SAN MARTIN 635VERA 3339

Suma SANTA FE 19971SANTIAGO DEL ESTERO AGUIRRE 268

ALBERDI 205ATAMISQUI 11AVELLANEDA 46BANDA 80BELGRANO 251CAPITAL 96CHOYA 458COPO 138

45


Provincia Partido/Departamento Miles de tn/ha añoSANTIAGO DEL ESTERO FIGUEROA 33

GENERAL TABOADA 255GUASAYAN 192JIMENEZ 206JUAN F. IBARRA 143LORETO 20MITRE 83MORENO 1073OJO DE AGUA 273PELLEGRINI 114QUEBRACHOS 147RIO HONDO 20RIVADAVIA 316ROBLES 61SALAVINA 18SAN MARTIN 39SARMIENTO 14SILIPICA 14

Suma SANTIAGO DEL ESTERO 4575TIERRA DEL FUEGO TIERRA DEL FUEGO 1384Suma TIERRA DEL FUEGO 1384TUCUMAN BURRUYACU 241

CAPITAL 0CHICLIGASTA 3CRUZ ALTA 15FAMAILLA 13GRANEROS 43JUAN BAUTISTA ALBERDI 15LA COCHA 15LEALES 97LULES 2MONTEROS 6RIO CHICO 1SIMOCA 23TAFI DEL VALLE 19TAFI VIEJO 27TRANCAS 208YERBA BUENA 0

Suma TUCUMAN 728Total país 244065

46

Mapa 1.A1: Productividad forrajera anual (kg/ha año) de vegetación natural estimada según

un mapa de precipitación anual (Mapa 1) y dos modelos de la literatura (Sala et al. 1988 para

pastizales y Milchunas y Lauenroth 1993 para estepas arbustivas, arbustales y bosques secos).

47

Mapa 2.A1: Productividad forrajera anual total (miles de tn/año), por departamento, estimada

como el producto de la productividad forrajera por hectárea de la vegetación natural (kg/ha

año; Mapa 1.A) y la superficie total ganadera según el Censo Nacional Agropecuario 2002.

48

10. Anexo 2: Referentes consultados

Encuestas de recopilación datos productividad forrajera:

Ángel Molina (INTA), Carlos Kunst (INTA), Carmen Spada (INTA), Dante Pueyo (INTA), Diego Benderski (INTA), Edgardo Adema (INTA), Emiliano Quiroga (INTA), Esteban Artica (CREA), Federico Guyot (CREA), Federico Miranda (INTA), Federico Vouilloud (CREA), Florencia Ortega (INTA), Francisco Corte (CREA), Gabriel Oliva (INTA), Guillermo Resch (CREA), Guillermo Siffredi (INTA), Gustavo Buono (INTA), Juan Arduini (CREA), Juan Carlos Guevara (IADIZA), Lilian Roman (CREA), Lisandro Blanco (INTA), Lucas Sierra (CREA), Luciana Calsina (INTA), Lucrecia Lezana (INTA), Luis Luisoni (INTA), Luis Peluffo (CREA), Manuel Demaría (INTA), Marcela Iris Genero (CREA), Mario Landi (UCU), Nicolás Bertram (INTA), Omar Scheneiter (INTA), Oscar Bertín (INTA), Pedro Nazar (CREA), Pedro Sosa (CREA), Sebastián Mora (INTA), Victor Burghi (INTA), Viviana Nakamatsu (INTA).

Encuesta de superficie pastura cultivada y/o mallines:

Ángel Molina (INTA), Aníbal Pordomingo (INTA), Carmen Spada (INTA), Diego Benderski (INTA), Donald Bran (INTA), Emiliano Quiroga (INTA), Emilio López (INTA), Estanislao Quiroga (CREA), Esteban Artica (CREA), Federico Miranda (INTA), Fernando Pacin (CREA), Gabriel Oliva (INTA), Gustavo Buono (INTA), Héctor Armendano (CREA), José de Battista (INTA), Juan Gaitán (INTA), Juan José Zurita (INTA), Lisandro Blanco (INTA), Manuel Demaría (INTA), Mariano Pizzio (CREA), Martin Arriaga (CREA), Miriam Vázquez (INTA), Omar Scheneiter (INTA), Oscar Satorre (CREA), Pablo Corradi (CREA), Pablo Maggiolini (CREA), Pedro Estrugamou (CREA), Rafael Canosa (CREA), Santiago Lacorte (INTA), Tomas Crespo (CREA), Viviana Nakamatsu (INTA).

Producción Forrajes (informe)

Documents

Transcript of Producción Forrajes (informe)