We have moved!

The bigger, better, brand new DAPA blog is here (link)


Please note this Blog is not updated anymore.

We have moved! -- CLICK HERE --
Decision and Policy Analysis Research Area – DAPA

Cultivando favorablemente en tiempos de incertidumbre climática con apoyo de modelos agroclimáticos

Escrito por: Francisco Boshell y Diego Obando

Figura 1. Don Luis Fonseca con el técnico de FENALCE, instalando una estación meteorológica.

Figura 1. Don Luis Fonseca con el técnico de FENALCE, instalando una estación meteorológica.

Don Luis Fonseca es un dedicado agricultor de Maíz de la vereda el Hatillo en el municipio de Jerusalén al suroccidente del departamento de Cundinamarca. Don Luis señala que en el primer semestre de 2013 perdió el 90% de la producción esperada por disminución en las lluvias tradicionales. A raíz de esta situación él y otros agricultores decidieron no intentar la siembra en el segundo semestre. Sin embargo ¡No sabían ellos, que las condiciones climáticas serian óptimas para la producción en el segundo período!

Ahora Don Luis cree que si él y sus compañeros agricultores contaran con información previa sobre las posibles condiciones del clima en su región en los siguientes meses y sobre cómo sus cultivos podrían responder a estas condiciones, serían más exitosos en sus labores agrícolas.

Pues bien, deseamos manifestarle a los agricultores que estamos avanzando hacia una solución positiva en este tema, a través de herramientas de predicción del clima y modelos de cultivo, analizando diferentes medidas de adaptación, en un clima cambiante. El convenio MADR – CIAT busca fortalecer la capacidad de adaptación de la agricultura nacional a la variabilidad y cambio climático; para ello una de las acciones es la evaluación y validación de modelos de simulación de cultivos. En este contexto se establecieron ensayos en diferentes localidades del país, de modo concertado con gremios como la Federación Nacional de Arroceros (FEDEARROZ) y la Federación Nacional de Cultivadores de Cereales y Leguminosas (FENALCE),  donde se obtiene información necesaria para el ajuste de modelos de simulación agrícola como AquaCrop-FAO, y el sistema DSSAT.

Los modelos de simulación de cultivo son herramientas para ayudar a la toma de decisiones en la agricultura a partir de operaciones matemáticas que simulan los procesos biofísicos entre planta, clima, suelo y manejo. Estos modelos permiten, por ejemplo, evaluar la respuesta de los cultivos a la variabilidad y el cambio climático, brindan la mejor fecha de siembra en cada temporada agrícola, semillas más favorables, cantidad de riego y fertilizante deseable acorde con las condiciones climáticas previstas en el corto o mediano plazo (3 a 10 días y 1 a 3 meses respectivamente).

Figura 2. Ensayo de Maíz en Buga

Figura 2. Ensayo de Maíz en Buga

Una vez se ajusten localmente los modelos de cultivo, se alimentarán con pronósticos climáticos de corto y mediano plazo, para determinar hechos relevantes como manejo óptimo de insumos, selección adecuada de fechas, densidades de siembra y programas óptimos de riego que conduzcan a mejores rendimientos en el periodo agrícola. Hasta el momento se han realizado evaluaciones de modelos y simulaciones de rendimiento a partir de pronósticos climáticos periódicos en localidades priorizadas como el caso de Espinal (Tolima) y Buga (Valle del Cauca) con los modelos AquaCrop y DSSAT (submodelos CERES, IXIM y ORYZA) para cultivares de maíz y arroz.

El objetivo central de las predicciones climáticas y de los modelos de cultivos es el suministro a productores agrícolas de información útil para seleccionar las mejores medidas de adaptación (o manejo apropiado) de sus cultivos ante escenarios climáticos próximos. Para este efecto, a partir de información agronómica, de clima y suelos recolectada para zonas como Espinal y Buga, se crearon archivos experimentales como entrada para los modelos de cultivo con los materiales de maíz P30K73, P30F32, FNC 3056 y DK7088.

Los resultados de las simulaciones en los cultivares ingresados a los modelos demuestran su sensibilidad a diversas condiciones del clima (Figura 3 y Tabla 1). Se han encontrado diferencias en el rendimiento entre diversas épocas de cultivo (distintas fechas de siembra) y se ha verificado que los modelos en general representan las tendencias en los rendimientos observados en el cultivo (Figura 3). Las diferencias anotadas en rendimientos están asociadas a las variaciones en fechas de siembra,  realizando simulaciones satisfactorias de los rendimientos del cultivo. Por lo anterior, se ha podido establecer que las simulaciones que se realicen en las próximas temporadas agrícolas a partir de las predicciones climáticas respectivas, permitirán evaluar de modo apropiado las fechas de siembra que conducirían a mayores productividades en campo.

Figura 3. Simulación de rendimiento maíz (ton/ha) en materia seca durante tres épocas de siembra diferentes.

Figura 3. Simulación de rendimiento maíz (ton/ha) en materia seca durante tres épocas de siembra diferentes.

De igual manera se realizaron simulaciones con el modelo DSSAT modificando las condiciones climáticas durante el ciclo de cultivo con el objetivo de evaluar la sensibilidad de los materiales de maíz a los cambios en temperatura y precipitación. Las variables agrícolas analizadas (Tabla 1) corresponden a rendimiento, floración y madurez fisiológica. Se aprecia cómo un aumento de 4°C  redundaría en mayores rendimientos en el cultivar P30F32, pero una reducción del 45% en la precipitación durante el ciclo agrícola reduciría notablemente la productividad de los dos cultivares analizados en más de un 50%.

Tabla 1. Simulaciones de rendimiento, floración y madurez en cultivares de maíz bajo condiciones modificadas de clima.

Tabla 1. Simulaciones de rendimiento, floración y madurez en cultivares de maíz bajo condiciones modificadas de clima.

En la Tabla 2 se presentan resultados preliminares de simulaciones de rendimientos en cultivares de maíz a partir de distintas prácticas de manejo agronómico (o medidas adaptativas potenciales) como cantidad de riego, densidad de plantas y cantidad de nitrógeno aplicado durante el ciclo del cultivo. Se observa que la disminución en densidad de siembra (de 62500 a 50000 pl/ha) y en uso de nitrógeno (de 164 a 84 kg/ha) produciría reducciones moderadas en los rendimientos. Pero un aumento en densidad de siembra (a 78125 pl/ha) y un mejor uso del agua de riego (122 mm en el ciclo en lugar de 244 mm, aplicados en dosis y momentos críticos, según época fenológica y condición climática) pueden mejorar la productividad.

Tabla 2. Simulaciones de rendimiento, floración y madurez en cultivares de maíz bajo condiciones diferentes de densidad de siembra, riego y nutrición

Tabla 2. Simulaciones de rendimiento, floración y madurez en cultivares de maíz bajo condiciones diferentes de densidad de siembra, riego y nutrición

En conclusión, el uso conjunto de pronósticos climáticos periódicos y modelaciones de cultivo es una estrategia valiosa de apoyo en la adopción de mejores prácticas agrícolas, en la medida que permite que los agricultores accedan a información de mayor certidumbre sobre posibles variaciones del clima local y conozcan, como tales condiciones pueden afectar sus cultivos. Se espera que en el presente año, con el respaldo continuo del MADR, se consoliden los avances descritos y que los gremios involucrados (FENALCE, FEDEARROZ) se apropien de las metodologías desarrolladas para que las utilicen de modo progresivo en los años venideros en la reducción de la vulnerabilidad de sus sectores ante las crecientes anomalías del clima.

Asimismo se están realizando acciones para que estos programas cuenten con el apoyo y respalden diversos trabajos de otros actores relevantes como IDEAM, nuevos gremios de la producción agrícola, entes generadores de políticas públicas agropecuarias, programas de seguridad alimentaria, de mercadeo y comercialización agrícola.

Para mayor información puede consultar a Diego Obando d.obando@cgiar.org y Francisco Boshell jfboshell@gmail.com

Otros posts relacionados:

 

Related Posts Plugin for WordPress, Blogger...
Share this:

Leave a Reply

Your email address will not be published. Required fields are marked *


*

about CIAT

If you could answer these three short questions, that would be really appreciated http://dapa.ciat.cgiar.org/we-want-to-know-our-readers/

Our Latest Presentations