Junto a Arysta LifeScience Argentina y la Universidad Católica de Córdoba, la Red Agropecuaria de Vigilancia Tecnológica (RAVIT) presentó los primeros resultados de un proyecto de manejo de datos agrícolas revolucionario.
“No hay en la agricultura argentina muchas bases de datos con este nivel de análisis”, disparó el martes Emilio Satorre, docente de la Facultad de Agronomía de la Universidad de Buenos Aires y director de Cultivar Conocimiento Agropecuario S.A., durante el encuentro organizado por la Red Agropecuaria de Vigilancia Tecnológica (RAVIT) con el apoyo de Arysta LifeScience Argentina en el Campus de la Universidad Católica de Córdoba.
El objetivo del encuentro fue reunir a actores de primera línea del mundo de la agroindustria para compartir y co-crear una nueva forma de abordar las soluciones a los problemas complejos de la agricultura actual. Lo más relevante es que no se trata de una promesa, sino de un proyecto en marcha que comienza a mostrar los primeros resultados.
“Hemos detectado brechas de productividad de hasta un 30% en ambientes similares. Y eso no se debe a la lluvia o al suelo sino a diferentes procesos en la toma de decisiones”, explicó Esteban Tronfi, líder de RAVIT, una red que en esta etapa evalúa y analiza la toma de decisiones de los productores en 150 unidades de seguimiento distribuidas en un área de 1.500.000 hectáreas del centro norte de la provincia de Córdoba. Allí se miden 120 variables que permiten abordar relaciones muy complejas que se dan en situaciones de producción sobre la base de la información medida en el lugar y la provista por sensores.
Se trata del Big Data llevado a su máxima expresión. “Es un enfoque analítico diferente que permite otro tipo de abordaje con el productor y con quien transfiere la tecnología. Además modifica las relaciones de comunicación entre los actores”, sintetizó Satorre, a cargo de procesar los datos recabados por RAVIT. “Hay un enorme valor en entender de qué modo se introducen los procesos tecnológicos dentro de un paquete de manejo de cultivos y cuáles tienen mayores probabilidades de generar un resultado positivo. Cuando reunís información heterogénea a lo largo del tiempo se pueden modelar situaciones puntuales con una precisión muy alta”, agregó.
Al presentar los resultados de la experiencia realizada la campaña pasada sobre 500.000 hectáreas ubicadas en Córdoba, Satorre detalló que al analizar las 120 variables durante la etapa previa a la siembra del maíz y lo que pasó al comienzo, en el medio y al final del cultivo, se pudo entender cuáles son las determinantes del rendimiento y explicar más de un 75% de la variabilidad.
La falta de agua, la elección de la fecha de siembra, la densidad y la fertilización fosforada fueron algunos de los puntos clave que explicaron el rendimiento. “A pesar de que los cultivos estuvieron expuestos prácticamente a una condición de sequía creciente a lo largo de todo el ciclo (las precipitaciones acumuladas estuvieron un 20% por debajo de los años más secos de la historia), se pudo ver una gran variabilidad de los resultados que llegó hasta el 35%”, explicó el especialista.
Pero la clave está en el objetivo del proyecto. “No solo buscamos describir lo que construye estas diferencias en la productividad, también ayudamos a utilizar mejor las herramientas que permiten zanjar esa diferencia”, sostuvo Tronfi. ¿Cómo? Convirtiendo todas estas mediciones en algoritmos que puedan ayudar a los productores en el proceso de toma de decisiones en pos de una mayor competitividad. En el futuro, el especialista imagina una aplicación similar a Waze, construida a partir del aporte de la comunidad con el fin de guiar el tránsito, pero orientada a colaborar en la toma de decisiones para una mejor agricultura.
