Colaboración:
Mg. Econ.  Federico Monzani,
Biól. Ezequiel Pozzi Tay,
Mg. Ap. Esp. Leonardo Sandon,
Lic. Lucio Scardino,
IDECOR
Dr. Mariano Córdoba,
FCA-UNC, UFyMA (INTA-CONICET)

El Ministerio de Agricultura y Ganadería (MAyG) de la Provincia de Córdoba, con la colaboración de INTA Regional Córdoba y el apoyo de IDECOR, inició en 2019 un proceso de innovación en estimaciones agrícolas. Desde abril del presente año, lleva adelante una nueva edición de este estudio que implica trabajos de campo, análisis de múltiples fuentes y el modelado de la campaña gruesa 2022-23. 

Se trata de la tercera edición de esta campaña de recolección de datos de campo que sirven de insumo para la confección del mapa de cultivos y la estimación de rendimiento y producción agrícola, un programa innovador impulsado por el MAyG, con datos a un nivel de detalle 25 ha., único a nivel provincial y nacional. El informe completo será publicado en formato de mapas y datos abiertos durante el próximo mes de octubre.

El relevamiento de la campaña estival 2022/23 que registró 2510 datos georreferenciados en toda la provincia, fue coordinada por la Dirección General de Agencias Zonales y Desarrollo Territorial del MAyG, con un despliegue en toda la provincia. 

“La participación de las 27 agencias zonales en la recolección de datos ha sido muy importante y asegura una amplia territorialidad a las muestras, en toda la provincia, en todos los departamentos donde hay producción agrícola”, explicó Germán Font, director general de dicho organismo. 

A su vez, Font destacó el valor de este tipo de mapeos detallados, que se relaciona “con las posibilidades que brindan para la toma de decisiones tanto en el sector público como en el sector privado. Por ejemplo, en el área de ganadería, para el engorde de animales, permite conocer la cantidad de granos que hay en una determinada zona, o bien para desarrollar políticas en áreas donde se sufren emergencias, sirve para determinar rápidamente cuál es la disminución que se ha tenido en las cosechas”.

Horacio Videla, coordinador del Área de Desarrollo Rural y Extensión de INTA Marcos Juárez, tambièn destacó la importancia de contar con mapas detallados de rendimientos agrícolas en la provincia. “Permiten contar con una base más sólida de información de los rendimientos que se obtienen de acuerdo al potencial biofísico que tiene cada ambiente. Es un punto clave para tener más precisión en lo que refiere a rendimiento en los distintos cultivos de la provincia”. 

Para el ingeniero agrónomo, los datos de rendimiento con un alto nivel de resolución, “permiten generar otro tipo de análisis que antes no se podía hacer porque no se tenía esa resolución espacial, a la vez de abordar otros tipos de estudio como pueden ser las brechas de rendimiento, es decir, en una determinada zona o área geográfica, definir cuál es el rendimiento máximo alcanzado y cuánto es la brecha que se va obteniendo en el conjunto de lotes de producción”, explicó. 

Los datos fueron recogidos mediante la aplicación Rindes Collect, desarrollada por IDECOR, y además contó con la participación del INTA Regional Córdoba, agentes de la Secretaría de Agricultura, IDECOR, Coninagro y empresas privadas como Aceitera General Deheza, Ravit y Oberly.

Imagen 1. Izq. Datos relevados en el territorio  provincial por tipo de cultivo.
Der. Detalle en los departamentos Marcos Juárez, Unión, General San Martín, Tercero arriba y Juárez Celman y parte de Río Cuarto.

La información relevada muestra un promedio de 45 qq/ha para el maíz y 15 qq/ha para la soja. Esto representa una disminución aproximada del  40 % y 50% para maíz y soja, respectivamente, en comparación con la campaña 2021-22, en la cual el rendimiento promedio provincial fue de 71 qq/ha para el maíz y 31 qq/ha para la soja, mientras que la de 2020-21 alcanzó las 83 qq/ha y 33 qq/ha respectivamente.

Cómo se estiman los rindes a partir de los datos de campo

La estimación de los rendimientos de soja y maíz en qq/ha, que realiza la Provincia de Córdoba, se llevan a cabo con una metodología que combina el relevamiento de datos de campo, con el uso de información satelital, la integración de otras variables geográficas disponibles en la IDE provincial y la aplicación de técnicas de aprendizaje computacional (machine learning).

Los más de 2500 datos relevados en campo configuran la muestra del estudio, sobre la cual se aplican inicialmente estadísticas descriptivas a nivel general o regional. A partir de las mismas, se realizan estimaciones de los rendimientos de soja y maíz en toda el área agrícola, a un detalle de 25 ha., para lo cual se aplican modelos de aprendizaje computacional. 

Estos modelos son usados con fines predictivos utilizando como input, información aportada por otras variables (explicativas) que se relacionan a suelos, clima, vegetación, entre otras y que permiten explicar la variabilidad del rendimiento en toda la provincia. 

Para las estimaciones 22-23 se emplearon datos de la campaña actual y de años anteriores. Para cada año se calcularon variables explicativas estáticas, que son aquellas que varían en el espacio pero no cambian con el tiempo como las topográficas (altura, pendientes), índices de productividad, capacidad de uso del suelo, cobertura del suelo (Land-Cover). 

También se utilizaron variables explicativas dinámicas, que son las que cambian tanto en espacio como en el tiempo, como son los índices de vegetación, evapotranspiración, climáticas, de sequía, entre otras. Estas variables se utilizaron en el modelado para comprender y predecir los rendimientos de los cultivos de soja y maíz en la región de estudio.

La utilización de diversas fuentes de datos y la integración de información de índices y productos específicos, han permitido un enfoque completo y detallado de este fenómeno. Este abordaje no sólo ha brindado información valiosa para el presente análisis, sino que también ha establecido una base sólida para futuras investigaciones en relación a las condiciones climatológicas y sus efectos en la región.

Imagen 2. Definición de bordes en Google Earth Engine (izquierda), delimitación de los objetos (centro) y clasificación sobre ellos (derecha). 

Mejoras en la clasificación de imágenes satelitales 

El mapeo de los lotes del área sembrada para identificar los cultivos de soja, maíz y otras variedades, se realizó mediante innovaciones metodológicas, como la clasificación de imágenes orientada a objetos, que permite estimar la cobertura del suelo en unidades homogéneas asimilables al lote agrícola. 

Este enfoque comenzó a implementarse como prueba piloto en la campaña 2021-22, lo que permitió obtener un mapa más preciso, gracias a la información registrada en terreno a nivel de lote. Para la campaña actual, se continuó investigando con el objetivo de mejorar la identificación de unidades homogéneas, y de aproximar los resultados al lote agrícola con una metodología replicable. 

Delimitadas estas unidades, el proceso sigue un esquema muy similar a una clasificación por píxeles. Para ello, se construye una serie temporal de imágenes satelitales, resumiendo la información espectral a nivel de objetos. A su vez, se obtuvieron datos de terreno, en donde se indica la especie cultivada en un conjunto de lotes. Este conjunto de datos, provistos por el Programa de Recetas Fitosanitarias de la Secretaría de Agricultura, y otros recolectados mediante las aplicaciones Rindes Collect y de Land Collect, se analizó y depuró a fin de contar con una muestra representativa de cada clase.

De este proceso se obtuvieron finalmente 5096 datos, de los cuales se empleó el 80% como muestra para entrenar un algoritmo de aprendizaje computacional, que permite, conjuntamente con la información satelital, identificar la especie cultivada en cada objeto espacial generado. 

Imagen 2. Mapa de coberturas agrícolas estivales 2022/23 nivel de detalle de 25 ha. 

El modelo de estimaciones agrícolas de la provincia es el resultado de la iniciativa del MAyG y de la labor colaborativa interinstitucional para la producción de datos unificados y de calidad (Ver Encuentro por datos abiertos y mapeo digital de suelos y rindes agrícolas y MDS y VGI se consolidan como estrategias para el cuidado de los suelos en Córdoba).

Los resultados de la actual campaña de relevamiento de campo, cuyos datos de estimaciones de rindes serán publicados en formatos de mapas y datos abiertos, se suman a las dos ediciones anteriores de las campañas 2020/21, 2021/22. 

De esta manera, Córdoba consolida una metodología de estimaciones agrícolas y ya cuenta con una serie de tres años consecutivos del mapeo de cultivos, estimación de rindes y producción a escala semi-predial.

Si querés conocer más sobre esta metodología podés contactarte con el equipo de la Secretaría de Agricultura al teléfono 434-21443/48 int 6262.

Para conocer más sobre estos recursos, escribinos a [email protected]. Seguí informándote de las novedades de IDECOR a través de nuestras redes en Instagram, Linkedin, Twitter y YouTube.