Práctica en el ajuste y calibración de coeficientes genéticos para la utilización del software DSSAT

Abstract

La demanda global de productos agrícolas continuará creciendo debido, principalmente, al crecimiento poblacional y al aumento de la calidad de la dieta por incrementos en el poder adquisitivo (Alexandratos y Bruinsma, 2012; Andrade, 2016). Esto no es un detalle menor, ya que la producción agropecuaria global es responsable en buena parte del impacto ambiental que las actividades antropogénicas tienen sobre los ecosistemas, por sus contribuciones a la emisión de gases de efecto invernadero y por la degradación de los suelos (Andrade, 2016). Es por ello que debemos generar propuestas que incorporen sistemas de producciones sustentables a través de la ciencia, tecnología y conocimiento en red. En ese sentido, en los últimos 30 años, la agricultura argentina ha sido precursora en la aplicación de la tecnología como la siembra directa, la incorporación de biotecnología, la agricultura de precisión y el análisis de grandes volúmenes de datos mediante la agricultura digital. La generación de estas propuestas para asegurar la estabilidad en el ingreso y superar los problemas de sustentabilidad comentados previamente es compleja, porque se requieren estudios que generalmente involucran ensayos de larga duración o seguimientos de casos. Las propuestas tienen diferentes limitaciones (Abbate, 2009), donde con frecuencia es difícil hacer una integración de todas las variables observadas. Esto se debe principalmente porque son grandes volúmenes de datos con los que se cuentan. El manejo de grandes volúmenes de datos que luego se transforman en una información valiosa para la toma de decisiones en el sector agropecuario está aumentando rápidamente en respuesta a la demanda creciente de productos agrícolas y actualmente, biocombustibles. En ese sentido, los modelos de simulación aplicados a los cultivos agrícolas se basan en una colección de algoritmos que describen matemáticamente la respuesta de un sistema de cultivo a su entorno. Su utilización parte de la necesidad de integrar y relacionar los conocimientos de suelo, clima, cultivos y prácticas agrícolas en una herramienta que facilite la toma de decisiones.