Ciencia del Suelo (Dec 2006)

Modelo de respuesta sitio-específica del maíz al nitrógeno y agua edáfica en un haplustol Site-specific corn nitrogen and soil water response model in haplustolls

  • María Celeste Gregoret,
  • Julio Dardanelli,
  • Rodolfo Bongiovanni,
  • Martín Díaz-Zorita

Journal volume & issue
Vol. 24, no. 2
pp. 147 – 159

Abstract

Read online

En ambientes semiáridos, donde frecuentemente la disponibilidad de agua y de nutrientes es limitante para la producción, la aplicación de fertilizantes nitrogenados en cultivos de maíz (Zea mays L.) es un elemento central de manejo. El uso de prácticas de agricultura de precisión, al implementar estrategias de manejo sitio-específico, permitirían mejoras en la rentabilidad del cultivo al definir dosis de fertilización según tipos de suelo y otras condiciones de ambiente definidas en zonas de manejo dentro de un mismo lote. Los objetivos de este trabajo fueron: i) establecer un modelo de respuesta sitio-específica de cultivos de maíz según niveles de nitrógeno y de agua disponibles, y ii) determinar las disponibilidades óptimas económicas y agronómicas de nitrógeno según zonas de manejo en ambientes de regiones semiáridas. Durante la campaña 2004-2005, en un sitio aledaño a Manfredi (Córdoba, Argentina) se identificaron dos ambientes de secano con diferente potencial de productividad, uno de alto y otro de bajo potencial productivo. Además con la finalidad de evaluar la respuesta potencial del cultivo sin limitaciones de agua ni de nitrógeno se establecieron parcelas de riego. En estos ambientes se estableció un ensayo en franjas continuas de fertilización con 6 niveles fijos de N (0, 32, 64, 96, 129 y 161 kg ha-1 en las zonas en secano y 0, 64, 137, 212, 279 y 351 kg ha-1 bajo riego). El análisis de los datos se realizó teniendo en cuenta su estructura espacial según técnicas de estadística espacial. La interacción entre el nitrógeno (N) del fertilizante y las zonas de manejo sugirió que la respuesta del cultivo depende de variables sitioespecíficas no homogéneas en el lote; lo que justificó la modelización con variables sitio específicas, que predijeron significativamente al rendimiento. Los rendimientos de maíz variaron según zonas de manejo y se relacionaron con la disponibilidad de agua, y de N del suelo, y con los niveles de fertilización a la siembra. Esta variación estuvo comprendida entre 6.632 y 9.735 kg ha-1 en la zona de baja productividad, 6.981 y 10.434 kg ha-1 en la de alta productividad y 8.330 y 14.258 kg ha-1 en las parcelas con riego. El N disponible óptimo agronómico (DOA) considerando para N el perfil hasta 60 cm y hasta 200 cm para el agua útil inicial en cada zona manejo, fue de 285, 184 y 162 kg ha-1 para las zonas de mayor a menor productividad. Por otra parte el N disponible óptimo económico (DOE) fue de 171, 111 y 90 kg ha-1, respectivamente. Se concluye que la inclusión del agua y N inicial en un suelo Haplustol permitió en principio la obtención de un único modelo de respuesta al N disponible en las diferentes zonas de manejo en secano, y en riego excluyendo el agua inicial como variable, dado que en este caso no fue factor limitante. Este único modelo fue obtenido utilizando como variables N inicial a 200 cm o a 60 cm y agua inicial hasta 200 cm, lo que permitiría la aplicación de recomendaciones de fertilización con dosis variable, maximizar el beneficio económico y/o minimizar riesgos de contaminación del ambiente por la aplicación de sobredosis de insumos. Las conclusiones son preliminares ya que provienen de un solo experimento que no cubrió el rango de todas las condiciones iniciales posibles, siendo necesarios más escenarios para validar el modelo propuesto.Appropriate strategies for nitrogen fertilization in corn production is specially important in semi-arid regions, where soil water and nutrients are limiting factors. Precision agriculture has the potential to adjust fertilizer rates according to soil types and/or other defined conditions within management zones. The objectives were: i) to determine the site specific response of corn to nitrogen and available water at planting, and ii) to determine the economic and agronomic optimal levels of nitrogen and water. Three management zones with different production potential were identified: rainfed high and low potential and high potential with irrigation. The data are from on-farm trials for the 2004-2005 crop season, in Manfredi (Córdoba) with a uniform N rate along strips (0, 32, 64, 96, 129 and 161 kg N ha-¹ in the dry land and 0, 64, 137, 212, 279 and 351 kg N ha-¹ in the irrigated area) and a randomized complete block design to estimate site-specific crop response functions. Spatial autocorrelation is taken into account in regression estimation of N response functions by landscape position, in the form a spatial autoregressive error structure. Results suggest that N response differs significantly by landscape position and by soil water availability. Yields ranged from 4.914 to 11,346 kg ha-¹ in the zone of low productivity, between 4,956 and 12,204 kg ha-¹ in the one of high productivity and between 7,830 and 14,387 kg ha-¹ in irrigated plots. The agronomical (DOA) and economically (DOE) optimal N rates also differed among management zones, being DOA= 285, 184 and 162 kg ha-1 for the zones from greater to smaller productivity, meanwhile DOE values were 171, 111 and 90 kg ha-1, respectively. Initial soil nitrogen and available water inclusion allowed us to build a single N response model for the rainfed management zones. Besides, irrigated experiment maize performance was well predicted by the same model type but excluding available water (non-limiting factor), as input. The model performed well using either available N at 60 or 200 cm soil depth, and available water al 200 cm depth. This model allowed us to recommend fertilization rates using variable rate application, maximizing net return to N, and minimizing environment contamination risks, by over dose input (i.e. N fertilization) application. Our conclusions are preliminary because they come from a single year experiment, which did not include the whole range of expectated initial conditions. More scenarios are needed in order to validate the proposed model.

Keywords