Si es jardinero, sabe que plantar semillas en el suelo no siempre significa que obtendrá un buen rendimiento al final de la temporada de crecimiento.
por Susan V. Fisk, Sociedad Estadounidense de Agronomía
A nivel personal, esto puede ser decepcionante. Los agricultores están a cargo de cultivar docenas o miles de acres de alimentos. Y enfrentan la misma variabilidad en los procesos de plantación, cultivo y cosecha que los jardineros.
Los agrónomos y los científicos del suelo investigan las mejores prácticas para los agricultores a fin de ayudarlos a tomar decisiones informadas sobre el manejo de sus campos y cultivos. Rintaro Kinoshita y un equipo de investigadores determinaron que una herramienta, un “sensor de conductividad eléctrica aparente (ECa)”, puede brindar información importante sobre la gestión de campos agrícolas.
Kinoshita es profesor asistente en la Universidad de Agricultura y Medicina Veterinaria de Obihiro, Japón, pero realizó esta investigación mientras trabajaba en la Universidad de Cornell, Estados Unidos.
El estudio fue publicado en Agronomy Journal .
“En fincas más grandes hay factores que limitan el rendimiento o provocan variaciones en el rendimiento dentro de un campo”, dice Kinoshita. “Comprender estos factores es crucial para optimizar las inversiones en recursos y los rendimientos financieros. También ayuda a evitar efectos ambientales adversos”.
Por supuesto, el suelo y sus características son algunos de los factores más importantes para la agricultura. La variación espacial del rendimiento de los cultivos depende en gran medida de tres factores: topografía, suelo y plagas/enfermedades. El factor suelo es importante y uno que los agricultores pueden manejar.
Los agricultores a menudo confían en las pruebas de suelo para comprender las propiedades, pero estas toman tiempo y son costosas. Kinoshita y el equipo utilizaron tecnologías basadas en sensores que pueden recopilar información diversa sobre cultivos y suelos, sin excavar los suelos. Estos sensores son portátiles con la ayuda de equipos agrícolas como tractores y brindan información crítica. Para calibrar la información, compararon los datos de sus sensores con los de muestras de suelo .
Aunque la investigación se realizó mientras Kinoshita trabajaba en la Universidad de Cornell, el estudio se realizó en Maryland y Delaware, en Coastal Plain y Piedmont. El equipo estudió 26 campos de maíz en dos áreas geográficas y temáticas contrastantes.
El sensor de conductividad eléctrica aparente (ECa) fue el más exitoso en la estimación de las propiedades del suelo en comparación con las muestras de suelo tomadas. Estos sensores pudieron predecir la textura del suelo, especialmente a diferentes profundidades y el contenido de agua disponible. Dado que el agua es la única fase conductora, las mediciones de las propiedades del suelo que afectan la disponibilidad de agua se pueden predecir utilizando ECa. Las medidas relacionadas con la humedad del suelo y el rendimiento del maíz, que es información valiosa para los agricultores.
El equipo también probó otras tecnologías, pero los hallazgos no fueron tan concluyentes como el sensor de conductividad eléctrica aparente. Una ventaja de recopilar las mediciones de los sensores es que es oportuno, por lo general toma de 1 a 2 horas por cincuenta acres. La prueba del núcleo del suelo, por otro lado, puede llevar semanas o, a veces, meses, según las propiedades del suelo.
“Elegí usar el sensor ECa porque puede medir las propiedades del suelo en capas más profundas (subsuelos), donde generalmente se ignora para el manejo del suelo, pero es un reservorio muy importante de agua disponible para las plantas”, dice Kinoshita. “Esto puede ser crítico bajo condiciones climáticas variables, especialmente sequía, para estabilizar el rendimiento de los cultivos y mantener un alto rendimiento”.
Kinoshita explica que es importante empezar a prestar más atención a los suelos más profundos para gestionar mejor los cultivos, y por eso el sensor ECa puede ser muy útil para revelar las condiciones del suelo que, de otro modo, serían muy difíciles de ver.
Más información: Rintaro Kinoshita et al, La detección del suelo y el aprendizaje automático revelan factores que afectan el rendimiento del maíz en los EE. UU. del Atlántico medio, Agronomy Journal (2022). DOI: 10.1002/agj2.21223
