Heterogeneidad Espacial y Ensayos de Respuesta

Temas Heterogeneidad Espacial Intralote Implicancias sobre los Ensayos Oportunidades Agricultura de Precisión + Geoestadística

Heterogeneidad Intralote Ensayos a Campo Monitoreo del Cultivo durante su crecimiento Optimización espacial de aplicación de insumos Gestión de Calidad de Labores Agrícolas Evaluación de Tierras

Heterogeneidad Intralote Ensayos a Campo Monitoreo del Cultivo durante su crecimiento Optimización espacial de aplicación de insumos Gestión de Calidad de Labores Agrícolas Evaluación de Tierras

Heterogeneidad Intralote Low Yield High Yield Very High Yield Allways Very Low Yield Análisis

Impactos de la Heterogeneidad Heterogeneidad Intralote vs entre regiones Agronómicos Economía del agua y otros nutrientes Dosis óptimas distintas en cada ambiente Modelos de decisión Ensayos

Ensayos en franjas (EF) Genotipo A Genotipo B Genotip o B

Lote Heterogeneidad y disposición de EFs A BAB

A BAB

A BAB

A B A B

Resultados EF tradicionales A B A B 10 qq/ha 13 qq/ha 11 qq/ha 12 qq/ha

Conclusiones parciales Sin Agricultura de Precisión: Resultados erróneos (influenciados por la heterogeneidad espacial) Ruido (reducción en la precisión) Ocultamiento de resultados diferenciales en cada ambiente porque el resultado de cada franja es el promedio de rendimiento a lo largo de la misma A B A B

Oportunidades Con Agricultura de Precisión: Diseños guiados por la información de heterogeneidad Automatizar la recolección de dato de rinde Filtrar ruido => Aumentar precisión Obtener resultados diferenciales en cada ambiente A B A B

Metodología Econométrico (modelo mixto) 1. Matriz autocorrelación espacial 2. Definición modelo (Lagrange Multiplier)  Spatial Lag/Error 3. Ejecución modelo (Spatial Error) y= Xβ + εε = λWε + u

Metodología Modelo Geoestadístico de Máxima Verosimilitud Regresión REML Datos de rendimiento histórico  eliminar tendencia espacial Parámetros Semivariograma  eliminar correlación espacial Metodología Datos del ensayo + Covariable Datos del ensayo + Covariable + Semivariograma Residuales Semivariograma REML Datos de rend. HistóricosMapa de Rend. Históricos Regresión Simple

Valor de métodos GeoEstadísticos 2,98 u$d/ha 5,36 u$d/ha

Experiencia Sensitivity for α = 0.05 and β=0.5 if 4 repetitions and product effect is 4 QQ/ha then we will obtain 0.05 pvalue in 50% of the trials (the worst case)

Demanda de Conocimiento Intralote Productores que incorporaron tecnología de AP y realizan manejo diferencial intralote Demanda de conocimiento de genotipos x ambientes intralote Ejemplo: siembra automática de distintos genotipos en ambientes intralote. Objetivos: aumentar rendimiento, reducir costos, sincronizar secado (soja) Oportunidad de utilizar agricultura de precisión y geoestadística, para generar conocimiento

Conclusiones Generales A B A B Agricultura de Precisión + Geoestadística: Mejora en la ubicación de los Ensayos Automatización de la recolección de datos Mejora en la precisión (aprovechamiento de información espacial) Obtención de información por ambiente intralote