Un nuevo análisis de la Universidad de Illinois Urbana-Champaign y el Servicio de Investigación Agrícola (ARS) del USDA ha identificado los principales factores que explican la variabilidad del rendimiento en el procesamiento del maíz dulce (utilizado para productos enlatados y congelados), incluido uno que está bajo el control de los procesadores. .
por Lauren Quinn, Universidad de Illinois en Urbana-Champaign
“Utilizamos un enfoque muy sólido para dar cuenta del rendimiento del maíz dulce con datos a nivel de campo en unos 16.000 campos y 27 años. El año y la región de producción fueron las dos variables más importantes, lo cual tiene sentido lógico. Pero la tercera fue la fuente de la semilla: el empresa que desarrolló los híbridos. Eso es interesante porque en realidad es algo sobre lo que la industria tiene opción”, dijo el autor principal del estudio, Marty Williams, ecólogo del ARS y profesor afiliado en el Departamento de Ciencias de Cultivos, parte de la Facultad de Ciencias Agrícolas, del Consumidor y Ambientales. (ACES) en la U. de I.
El análisis se basó en datos confidenciales de la industria sobre 67 variables relacionadas con la genética de los cultivos, el manejo, el clima y los factores del suelo de los campos en el Medio Oeste Superior y el Noroeste del Pacífico, donde se cultiva la mayor parte del maíz dulce procesado del país. Williams y el coautor Daljeet Dhaliwal, quien completó su doctorado en el Departamento de Ciencias de los Cultivos, utilizaron técnicas de aprendizaje automático para determinar cuál de las docenas de factores se correlacionó más fuertemente con el rendimiento a lo largo de casi 30 años.
Williams dijo que los dos principales (año y área de producción) reflejan condiciones ambientales generales que afectan el cultivo en el tiempo y el espacio. La tercera, la empresa de semillas, fue una sorpresa porque los investigadores agruparon los híbridos en nueve empresas por necesidad. Sin agrupar los más de 100 híbridos de alguna manera, el ya difícil conjunto de datos habría sido aún más difícil de analizar e imposible de interpretar.
Sin embargo, la pregunta del millón no tiene una respuesta satisfactoria, ya que el análisis no diferencia ni clasifica a las empresas de semillas. Williams dijo que hay una razón para ello fuera del acuerdo de confidencialidad.
“No sabemos si los híbridos de todas las empresas se cultivaron en condiciones idénticas a las de sus competidores”, dijo Williams. “Una empresa puede tener mayores rendimientos, pero también puede ser que sus híbridos hayan sido cultivados sólo en condiciones más favorables. Sabemos que los procesadores prefieren híbridos que funcionan bien en todas las condiciones, particularmente en condiciones menos que ideales. Aún así, es interesante que “La fuente de la semilla está muy relacionada con el rendimiento. No podemos decir exactamente por qué, pero la fuente de la semilla es lo único que los procesadores pueden elegir”.
Otra variable llamativa, que se sitúa justo por debajo de las empresas de semillas, fue la alta temperatura nocturna. Las noches más cálidas de lo habitual aumentan la respiración, lo que contrarresta los avances logrados durante la fotosíntesis diurna. Según el análisis, el rendimiento del maíz dulce comienza a verse afectado por encima de los 16 grados centígrados (61 Fahrenheit). El rendimiento del maíz en el campo, por el contrario, no comienza a disminuir hasta que las temperaturas nocturnas superan los 21 C.
“El maíz dulce es un cultivo de raíces menos profundas. Es una planta más pequeña y, en general, es más delicada que el maíz de campo. Así que eso tiene cierto sentido”, dijo Williams. “Podría ser preocupante, porque, al menos en el Medio Oeste, se prevé que tengamos temperaturas nocturnas más cálidas. Es una correlación, pero preocupante”.
El mismo conjunto de datos ya indicaba que el maíz dulce podría estar en problemas debido a un clima más cálido , pero el análisis actual da a Williams algo de esperanza, con al menos una variable bajo control de los procesadores.
El estudio se publica en la revista Precision Agriculture .
Más información: Daljeet S. Dhaliwal et al, Predicción del rendimiento del maíz dulce mediante modelos de aprendizaje automático y datos a nivel de campo, Agricultura de precisión (2023). DOI: 10.1007/s11119-023-10057-1
