Manual de Agricultura de Precisón_cropped

po real como información base para la realización cultivo. De esta forma, esta franja se emplea para
de las prescripciones. determinar la contribución del medio ambiente de
nitrógeno. En la Figura 2 se puede observar el es-
Algoritmos de cálculo para la prescripción tablecimiento de una de las mencionadas franjas
nitrogenada en un cultivo de maíz.

Recientemente, Taylor y Fulton (2010), han Figura 2. Franja de referencia de N para el cálculo de la prescripción
señalado que la elaboración de una prescripción en tiempo real. La zona sin limitación de N se muestra entre las líneas
basada en sensores considera dos elementos amarillas en la figura. Fuente imagen: Shannon et al. 2010
principales. En primer lugar, se debe tener clara-
mente establecida la relación entre la propiedad de Consideraciones generales
la planta de interés y su relación a la información Es necesario considerar que el requisito de N
entregada por los sensores. Este primer paso es
necesario de ser considerado, ya que los sensores es complejo, por lo que es recomendable com-
disponibles en el mercado pueden no medir en la prender los principios de acción de los sensores
misma forma o utilizar el mismo principio para el activos a ser empleados y, asimismo, la agronomía
cálculo del índice vegetativo empleado para de- detrás de los algoritmos de cálculo. Actualmente
terminar la tasa de aplicación en tiempo real. Si varios de los fabricantes de estos sensores ofre-
bien en la mayoría de los casos esta relación no cen determinados algoritmos robustos de cálcu-
es perfecta, es probable que ella se pueda aplicar lo para facilitar el uso en el terreno. Sin embargo,
en un amplio intervalo de condiciones con algún es deseable contar con una o varias experiencias
error aceptable. En este sentido, distintos grupos específicas de prueba de dichos sensores en el
de investigación de la agricultura de precisión en área agroclimática y el cultivo en donde serán
el mundo, actualmente trabajan para optimizar el empleados.
empleo de dicha información y algoritmos asocia-
dos bajo condiciones de alta variabilidad espacial Lo anterior es una consecuencia del hecho de
en las propiedades del suelo y comportamiento que el requerimiento de N para alcanzar el máximo
del cultivo. rendimiento en un cultivo determinado está defini-

El segundo paso corresponde a determinar
la tasa de aplicación como una función de la in-
formación entregada por el sistema de detección
remota, tal como las diferencias en los niveles de
NDVI. Para poder desarrollar dicha tasa de aplica-
ción, uno de los métodos más usado corresponde
a la aplicación en función de una superficie o franja
de referencia, que es un área donde se aplica su-
ficiente nitrógeno para asegurar que este elemen-
to no sea un factor limitante en el crecimiento del

do por distintos factores, tales como la capacidad desde la plantación, el rendimiento esperado a
de respuesta de N, su disponibilidad y el potencial ser obtenido y las tasas de N aplicadas con ante-
de rendimiento bajo las condiciones agroclimáti- rioridad. Según Roberson (2013), otros entradas
cas específicas. Además, se debe tener en cuenta posibles de ser implementadas corresponden a
que estos factores varían espacio-temporalmente la eficiencia del uso del N y la acumulación térmi-
y que en la mayor parte de los casos son indepen- ca a partir de la fecha de siembra. Por su parte,
dientes uno de otro. Otros factores de importancia dentro de las entradas derivadas de los sensores,
corresponden a las características físico-hídricas podemos considerar la información de la franja de
del suelo, las condiciones del clima y de la gestión referencia de N (ver Figura 2), y el valor actual de
predial. Estos últimos influencian notablemente el NDVI en donde la maquinaria se encuentra en un
potencial de rendimiento, la disponibilidad de N y momento determinado en el campo. La variación
la capacidad de respuesta de la aplicación de N. de este u otro índice a medida que la maquinaria
se mueve a través del campo genera la informa-
En lo que concierne al momento de aplicación, ción necesaria para el desarrollo de la aplicación
algunos de los principios básicos que señalan dis- diferencial de N.
tintos autores son: en primer lugar la parcialización
de la aplicación nitrogenada en los períodos en La dosis de prescripción en tiempo real es cal-
que el nutriente es más requerido. En segundo lu- culada mediante una fórmula que considera la in-
gar, es necesario considerar variables ambientales formación de entrada (usuario y sensores) antes
tales como la tendencia climática de la tempora- mencionada. Dicha fórmula representa la parte
da en curso, es decir, si esta es húmeda o seca central del algoritmo de cálculo. Existen distintos
respecto del valor histórico y la relación de esta tipos de fórmula, dependiendo de la información
condición ambiental con las variables edáficas del empleada, el equipamiento en uso y el cultivo a
campo. Estas consideraciones ayudarán notable- ser fertilizado. En la Figura 3 (a y b) se puede ob-
mente a incrementar la eficiencia del uso de nitró- servar dos relaciones que vinculan el NDVI medi-
geno aplicado a través de este sistema. do por los sensores y la prescripción finalmente
desarrollada en tiempo real. En la Figura 3 (a) se
Uso de algoritmos de prescripción en tiempo real muestra una relación lineal de cálculo en donde la
dosis a ser prescrita de N, sube linealmente desde
Se han generado distintos algoritmos de cál- un cultivo pobre en nitrógeno hasta un cultivo de
culo para la prescripción de N en tiempo real. nivel medio (NDVI =0,67) y decae en forma lineal a
Estos algoritmos consideran dos tipos principales medida que NDVI sube para los rangos en donde
de entrada de información. En primer lugar están se encuentran las plantas que tienen mejores es-
aquellas realizadas por el usuario y en segundo tatus de nitrógeno (NDVI > 0,67). Por su parte, en
lugar, las derivadas del uso de los sensores de la Figura 3(b) se muestra la relación entre NDVI y
N que forman parte del equipamiento y que son la tasa prescrita para otro algoritmo de cálculo y
motivo de análisis en el presente apartado. cuya relación entre la lectura de NDVI y dicha pres-
cripción nitrogenada es no lineal. En ambos casos,
Según McGrath (2012), dentro de las entradas el método tiene como resultado privilegiar a las
de usuario se pueden incluir los días transcurridos

Figura 3. Relación entre el índice NDVI medido por sensores y la tasa de aplicación calculada y aplicada en tiempo real para los dos ejemplo de
algoritmo de cálculo. Fuente figura: McGrath (2012)

plantas que no han alcanzado un nivel óptimo de quema que siguen bajo evaluación en orden de
nitrógeno, pero que tampoco están con un NDVI optimizar esta metodología de cálculo. Así, por
demasiado bajo que corresponde a aquellas con ejemplo, Holland y Schepers (2013) han probado
un potencial de rendimiento muy reducido. un método para reducir la dependencia del cálculo
de la prescripción nitrogenada al uso de la franja
Es necesario recalcar el hecho que distintos de referencia. En tanto, otros grupos han visto al-
tamente necesario el indagar sobre nuevos índices
autores han señalado recientemente que esta me- vegetativos capaces de evidenciar de mejor forma
la variabilidad espacial del estatus de N en el cam-
todología puede ser optimizada ostensiblemente po (Raper et al. 2013).

a través de la implementación de variables, como Controladores y sus ajustes

la conductividad electromagnética de los suelos. Según Taylor y Fulton (2010), un aspecto clave
para la aplicación variable de N corresponde a un
En este sentido, la eficiencia de la nutrición nitro- controlador de la tasa de aplicación correctamen-
te calibrado. En general dichas tasas prescritas se
genada sería un punto central a considerar en los pueden actualizar a cada segundo. Por esto, la
calibración del controlador de flujos es de primera
algoritmos de cálculo. Con esto, el uso de mapas importancia para seguir con precisión los resulta-
dos de esta prescripción basados en sensores y la
de conductividad electromagnética así como la aplicación en terreno, sin ningún tipo de desfase
temporal. El controlador de dosis debe ajustarse
prescripción en tiempo real para responder lo más rápidamente como sea po-

Ampliar información basada en las propiedades

en el apartado 2.4. de los cultivos han sido pro-

Aspectos económicos, puestos como una vía para
análisis y viabilidad optimizar los algoritmos de
de la adopción de cálculo.

intervenciones en Finalmente, es necesario

los sistemas de mencionar que actualmen-
producción. te, hay distintos aspectos y
técnicas dentro de este es-

sible mientras todavía se mantiene cierta estabili- espacial. Esto proporcionaría un mejor promedio a
dad en el sistema. través de todo el brazo. Dicho valor medio se envía
a la interfaz de usuario donde se convierte a una
La capacidad de sintonizar un controlador de tasa de aplicación, según lo señalado en el punto
velocidad varía entre los fabricantes y modelos, Uso de algoritmos de prescripción en tiempo real.
y puede poseer desde varios ajustes a ninguno.
La mayoría de los sistemas de control de tasa A continuación se mostrará las características
usan la velocidad de válvula para ajustar el tiempo correspondientes de varios de los sensores dispo-
de respuesta, mientras que algunos pueden uti- nibles a nivel comercial.
lizar otras configuraciones. El manual del opera-
dor debe utilizarse como una referencia para los N-Sensor Yara
controladores de ajuste. En este sentido, hay que
tener en cuenta que la configuración predetermi- El N-Sensor Yara corresponde a un sensor ac-
nada para la mayoría de los controladores es para tivo que opera montado en la maquinaria y que
el mantenimiento de la estabilidad en el sistema. mide la reflectancia del cultivo a medida que esta
Probablemente no son los mejores ajustes para el se mueve a través del campo. Dicho sensor cuen-
tiempo de respuesta óptimo y algún tipo de afina- ta con un ángulo de visión oblicuo (Figura 4), con lo
ción o ajuste específico probablemente se requiera que ha sido considerado de especial utilidad para
para mejorar el rendimiento del controlador para la los cultivos en sus primeros estadios de desarrollo.
aplicación de la tasa variable de N.
De esta manera, este sensor y su sistema aso-
Sensores disponibles a nivel comercial ciado, es capaz de variar la tasa de aplicación de
N asegurando la velocidad correcta y la óptima
La mayoría de los sistemas de aplicación varia- cantidad de N aplicado en cada punto en el cam-
ble de N basados en sensores poseen al menos po, según la prescripción desarrollada. La expe-
cuatro unidades de detección remota. Las inves- riencia práctica ha demostrado que su empleo ha
tigaciones recientes han demostrado que existe permitido aumentar los rendimientos en relación a
una variabilidad de campo a una escala muy pe- las prácticas agrícolas convencionales en los lu-
queña, por lo que, consecuentemente, la informa- gares donde ha sido implementado, minimizan-
ción utilizada para alimentar el algoritmo de cálculo do la pérdida y el consecuente impacto sobre el
es mejor, sí se dispone de más sensores en la ma- medio ambiente. Gil y Jiménez (2001), manifesta-
quinaria que se encuentra desarrollando la aplica- ron que las ventajas más importantes del sistema
ción. Sin embargo, debe considerarse al mismo N-Sensor son: el incremento obtenido del margen
tiempo un compromiso entre la obtención de más bruto por hectárea, la posibilidad de aplicación y
y mejor información adquirida al tener más senso- respuesta en tiempo real, la mejora de la calidad,
res y el coste final del sistema. En términos técni- la cantidad de producto obtenida y una mejor ges-
cos, los aplicadores de un ancho superior a 15 m tión y eficiencia en el uso del nitrógeno. Sin em-
deberían tener por lo menos seis sensores para la bargo, también se ha mencionado que el elevado
correcta caracterización de dicha microvariabilidad coste de adquisición de este equipamiento hace
difícil su amortización en muchas explotaciones,

Figura 4. N-Sensor de Yara. (a) el sensor para la detección remota de los índices vegetativos va montado en el techo de tractor. (b) Dicho sensor mide
en forma oblicua a medida que se realiza el escaneo y la aplicación en tiempo real en el campo. Fuente imagen: Yara Internacional

Figura 5. (a) montaje de sensores GreenSeker al frente de la maquinaria. (b) detalle de sensor, el cual es ubicado en forma perpendicular al cultivo.
Imagen Fuente: Vellidis y Lincopresicion

especialmente en aquellas situadas en zonas con Los sensores utilizan LED para generar luz de
producciones reducidas. color rojo y el infrarrojo cercano, siendo posiciona-
dos en el frente de la maquinaria y perpendiculares
GreenSeeker al cultivo. La luz generada se refleja en el cultivo y
se mide para el cálculo del índice NDVI, utilizando
El GreenSeeker es producido por NTech las bandas rojo y NIR.
Industries, corresponde a un sistema de detección
y aplicación, óptico integrado, que mide el estado Las recomendaciones de N se basan en el po-
nutricional nitrogenado en los cultivos, siendo ca- tencial de rendimiento del cultivo para la tempo-
paz de aplicar en tiempo real y en tasa variable los rada en curso y la capacidad de respuesta de los
fertilizantes según las necesidades de N del cultivo. cultivos a la aplicación de N. El sistema modifica

Figura 6. (a) montaje de sensores CropCircle ASC-210 al frente de la maquinaria. (b) detalle del sensor, el cual es ubicado en forma perpendicular al
cultivo. Fuente imagen: Schepers

en cada sector del campo la tasa de aplicación genada. Entre otras utilidades, la información del
según su algoritmo de cálculo interno. Este siste- sensor se puede utilizar para cuantificar el impacto
ma es compatible con varios tipos de controlado- de los nutrientes, del agua, de las enfermedades u
res de aplicación variable y sistemas de entrega. otras condiciones de crecimiento.
Los sensores GreenSeeker se se pueden montar
en varias configuraciones en la maquinaria, con- El sensor ACS-210 se puede montar en cual-
siderando una amplia gama de pulverizadores y quier tipo de vehículo para detectar de forma re-
esparcidores. mota la biomasa de la planta o el cultivo durante la
conducción a través del campo, para la ejecución
CropCircle de la prescripción en tiempo real. Su tamaño com-
pacto y su peso permiten a CropCircle adaptarse
El CropCircle corresponde a un sistema produ- fácilmente a distintas configuraciones en la maqui-
cido por de Holland Scientific y distribuido por Ag naria. Actualmente, están disponibles dos mode-
Leader, que incluye sensores de canopia, equipos los de sensores que proporcionan amarillo / NIR o
de mano y sistemas de mapeo. El sensor ACS- sensor IR rojo.
210 de CropCircle proporciona los datos del índice
de vegetación, junto con la información básica de Con un rango de medición de 30cm-2m, el
reflectancia del dosel de las plantas, en función de equipamiento CropCircle ACS-210 tiene otras
la cual se puede desarrollar la prescripción nitro- características; incluye una señal con poco ruido,
una buena resistencia al polvo y al agua, una rápi-

Figura 7. Montaje de sensores OptRx al frente de la maquinaria y detalle de sensor, el cual es ubicado en forma perpendicular al cultivo. Fuente
figura: Holland Scientific y AgLeader

da tasa de salida de datos, bajo consumo de ener- ción de cultivos. OptRx cuenta con una avanzada
gía y peso ligero del hardware. tecnología patentada, de detección de luz que no
depende de la luz ambiente, por lo que el sistema
Este sistema se puede utilizar para múltiples se puede utilizar de día o de noche al igual que los
aplicaciones, tales como: estudios de mapeo de sensores presentados anteriormente.
césped, nutrientes de respuesta de cultivos a los
fertilizantes, efectos de herbicidas, detección de Este sistema genera activamente luz sobre las
enfermedades, selección de híbridos y de predic- plantas en crecimiento, leyendo la luz reflejada de
ción de biomasa forrajera. nuevo al sensor (Figura 7). Luego, al utilizar una
pantalla de Ag Leader compatible, el sistema de
OptRx sensores de cultivos OptRx puede generar una
prescripción, la que varía a su vez la velocidad de
La alianza entre los fabricantes de sensores aplicación de nitrógeno sobre la marcha, según el
asociados a la agricultura de precisión, AgLeader algoritmo de cálculo que este posee. En algunas
y Holland Scientific, presentaron la primera versión evaluaciones recientes, se ha visto que la tecnolo-
del sensor OptRx on-the-go, siendo uno de los gía de tasa variable de OptRxes es capaz de pro-
más recientes que apareció en el mercado, y se porcionar una eficiencia de costes de entrada y un
podría considerar una completa actualización del menor impacto ambiental.
sistema CropCircle antes presentado. Este instru-
mento corresponde a un sensor de cultivos dise- CropSpecTM
ñado para uso en la cartografía y la recopilación
de datos, así como la aplicación de tasa variable El CropSpecTM es un sensor activo de canopia
de N en tiempo real, sirviendo además para la fabricado por Topcon. Como fuente de luz utiliza
prescripción de productos asociados a la protec- pulsos de diodos láser, lo cual supone una dife-

Figura 8. CropSpecTM de Topcon (a) el sensor va montado en el techo del tractor para el sensoramiento de los índices vegetacionales. Este sensor
mide en forma oblicua a medida que se realiza el escaneo y la aplicación en tiempo real en el campo. Fuente imagen: Topcon

rencia sustancial en el tipo de fuente de luz activa Con una tecnología basada en la competencia óp-
en relación a los sensores antes presentados. Este tica de Topcon, CropSpec utiliza diodos láser para
sensor, al igual que el N sensor de Yara, está dise- su detección. El sensor mide la reflectancia de las
ñado para observar el cultivo en una vista oblicua plantas para determinar el contenido de clorofila.
(Figura 8) desde una altura de hasta 4 metros, lo
que permite una gran huella de medición y el au- Los usuarios pueden leer y grabar los datos
mento del grado de precisión en el sensoramiento para analizarlos y crear reglas. La exploración de
de diversos cultivos. CropSpecTM ha sido desa- la cosecha crea un mapa que indica los niveles de
rrollado en colaboración con Yara Internacional. nitrógeno, incluyendo tanto las áreas ricas como
Este fue diseñado para su uso con las consolas aquellas deficientes en nitrógeno. Esta información
X20 o X30 de Topcon, CropSpec funciona con el puede ser utilizada para llevar a cabo una prescrip-
programa VRC (Map LINK) o cualquiera de las apli- ción de flujo variable para ser utilizada inmediata-
caciones de controlador de X20 o X30. Permite mente o en una fecha posterior. Con una simple
al usuario controlar la variabilidad en el campo y calibración de dos puntos, el usuario puede definir
solucionarla sobre la marcha, o guardar los datos puntos altos y bajos, y luego efectuar la aplicación
para su análisis futuro o para la aplicación de la real utilizando el promedio del campo. El flujo de-
prescripción. seado puede ser determinado por el usuario.

Este sistema cuenta con dos sensores ligeros Para la recopilación de información en condi-
y fáciles de instalar. Los sensores se montan en ciones de campo, este sensor de cultivos se puede
el techo de la cabina, para evitar daños al cultivo. montar en distintos tipos de maquinaria agrícola.

Además de la prescripción en tiempo real de cisión locales y en conjunto con expertos en el
N que puede ser desarrollada con este sensor, área adquiere especial relevancia.
es posible utilizar, la información recogida en el
campo, para evaluar el impacto de la aplicación • De la misma forma, el hardware asociado a
de nutrientes, de agua, de enfermedades y otras emisores y controladores cuenta con una per-
condiciones de crecimiento de los cultivos. manente optimización, siendo necesario tam-
bién las evaluaciones técnico-económicas res-
Comentarios finales pectivas antes de su implementación.

• Los sensores activos para la aplicación de N en • De lo anterior se desprende, que si bien es
tiempo real montados en la maquinaria agrícola cierto que este capítulo presenta un estado del
representan el estado del arte para las medicio- arte de los sensores en tiempo real asociados
nes de las características de cultivo en condi- a la aplicación nitrogenada, es necesario man-
ciones de campo. tener la atención sobre los nuevos desarrollos
ofrecidos a nivel comercial para su implemen-
• Existen varios tipos de estos sensores activos, tación en condiciones productivas.
siendo una de las mayores diferencias entre
ellos, si la medición se realiza en forma oblicua
o perpendicular al cultivo. Los primeros pre-
sentarían ventajas en los cultivos en sus prime-
ros estados de desarrollo o en aquellos más
espaciados. Los ejemplos de estos sensores
corresponden al N-Sensor de Yara y CropSpec
de Topcon. Por otra parte, aquellos senso-
res cuya medición es perpendicular al cultivo
(Cropcircle, Greenseeker y OptRx) tendrían ma-
yores ventajas en cultivos establecidos o que
presenten una mayor densidad de follaje.

• Los algoritmos de cálculo y principios de sen-
soramiento son en la actualidad objeto de es-
tudio, con lo que a nivel comercial, es posible
la aparición de nuevas versiones o actualiza-
ciones de los sistemas mencionados en este
capítulo para las próximas temporadas. La
evaluación de dichos algoritmos en condicio-
nes de campo y cultivos locales es un paso a
dar para su implementación a nivel productivo.
En este sentido, el trabajo en conjunto de los
servicios de investigación en agricultura de pre-

3.4. Monitoreo de desempeño La rentabilidad de la VRT cambia en relación
y retorno de las prácticas de la con el cultivo y los insumos, sus precios, el costo
agricultura de precisión de la tecnología de dosis fija (URT) con respecto
a la VRT, la distribución espacial de las sub-uni-
Andrés Méndez, Fernando Scaramuzza, Juan Pablo dades en el terreno (zonas de manejo), y las mag-
Vélez y Diego Villarroel nitudes de las diferencias de rendimiento entre
subunidades.
Andrés Méndez
Fernando Scaramuzza El potencial de mejora de la rentabilidad debido
Juan Pablo Vélez a la aplicación variable de estos insumos depende
Diego Villarroel de 1) la identificación de áreas en el campo en el
que los aportes adicionales de insumos aumenta-
INTA Manfredi. rá los ingresos en una escala mayor que los cos-
Proyecto Nacional de Agricultura de Precisión. tos adicionales que genere dicho aporte y / o 2)
Manfredi, Córdoba, Argentina. la identificación de áreas en las que la reducción
Contacto: [email protected] de los insumos disminuirá los costos en un escala
[email protected] que es mayor que la reducción potencial de ingre-
Página web: www.agriculturadeprecision.org sos correlacionados con un menor rendimiento de
grano (Koch, 2004).
Ensayo de larga duración de manejo de
insumos en forma variable El nitrógeno (N) en gramíneas es el insumo de
mayor impacto en el resultado económico, ade-
La tecnología de Dosis Variable permite a los más de ser un nutriente móvil en el suelo y el más
agricultores, una vez conocido el comportamien- esencial para optimizar el rendimiento de grano en
to del cultivo en cada sector del lote, empezar a el cultivo de maíz. La aplicación de N en forma uni-
calcular las necesidades de insumo en cada zona forme, en la mayoría de los casos, resulta en un
homogénea más pequeña o subunidad del lote, y exceso de N y de una escasez en diversas partes
aplicarlos en forma de sitio-específico (Bragachini, del campo debido a la variabilidad espacial sobre
2004). el terreno (Snyder, 1997).

La pregunta formulada con mayor frecuencia Por otra parte la elección de la densidad es un
es, si la agricultura de precisión permite a los agri- factor de producción importante, por los que se
cultores lograr mayores beneficios económicos re- debe definir la relación entre la cantidad de plantas
sultantes del aumento de la producción y/o de la logradas por unidad de superficie en un cultivo y
reducción del uso de insumos o de la modificación su rendimiento, para distintas situaciones de oferta
del manejo del ambiente en general, como es el ambiental de recursos. (Andrade, 1996).
caso de la disminución del espacio entre surco en
suelos con limitaciones. Todas estas técnicas de manejo son necesarias
probarlas y ajustarla en cada lote, por ello en INTA
Manfredi se realizan ensayos en el campo para in-
crementar el conocimiento de esta tecnología, es

así, que desde el año 2003, se vienen realizando mas frío (julio) es de 9.9º C, dando como resultado
ensayos en un lote elegido por su variabilidad, una amplitud térmica anual de 13.6º C. y el perío-
ubicado en la zona de Pampayasta. Los ensayos do libre de heladas es de 102 días (carta de suelo
planteados consistían en variar la cantidad de insu- 3163-32).
mos en maíz (semilla y fertilizante) y variar el espa-
ciamiento entre surcos en soja. Además se ensayó Los suelos del lote pertenecen al complejo de
sembrando diferentes cultivos como es el caso de series Manfredi (30 %) con capacidad de uso IIIc,
la campaña 2006/2007 en donde se sembró soja Manfredi en fase moderadamente alcalina en pro-
en áreas de alto potencial de rendimiento y sorgo fundidad (25 %), Oliva (25 %) y suelos con alca-
en las de bajo potencial de rendimiento del lote. linidad sódica subsuperficial (20 %) con una ca-
pacidad de uso: IV ws (limitaciones de drenaje y
Para realizar este ensayo de larga duración se sodio) y al complejo indeterminado Pampayasta y
definieron tres zonas de mayor contraste y se iden- de suelos fluviales arenosos de albardones y pa-
tificaron como: roja, bajo potencial; amarilla, poten- leocauces con una capacidad de uso: VI sc. (limi-
cial medio, y verde, alto potencial. Se mantuvieron taciones del suelo por el sodio y climáticas)
en todas las campañas esas zonas y se variaron
los insumos de acuerdo a las necesidades y las
repuestas de cada una de ellas, el cálculo de los
márgenes se realizó mediante las tablas 1, 2 y 3 del
ANEXO, para maíz, soja y sorgo respectivamente.

En una segunda parte del estudio se realizó el
mapeo del Margen Neto, que consistió en agre-
gar a cada punto del mapa el cálculo del margen
correspondiente a dicho punto que interpolado o
generada la zona en base al margen resultante ge-
nera una zonificación del resultado económico.

Características del lote

Los ensayos se realizaron en las inmediacio-
nes de la localidad de Pampayasta, Provincia de
Córdoba, Argentina, dentro de lo que se considera
como la región semiárida central de la Provincia de
Córdoba, en donde la precipitación anual media
es de 740mm y de las cuales el 75% ocurren en
el semestre más caluroso. El régimen térmico es
templado con temperatura media anual de 16.6º
C. La temperatura media del mes más caluroso
(enero) es de 23.5º C y la correspondiente al mes

Descripción de los ensayos y resultados

Soja 2003

El manejo variable consistió en variar la distancia entre surcos de 0.525
m en la zonas de alto y medio potencial de redimiendo a 0.26 m y en las
zonas de bajo potencial de rendimiento manteniendo la densidad constan-
te. En la zona de bajo potencial de rendimiento con la técnica de estrechar
el espaciamiento entre surcos se logro 1.06 Tn/ha de granos, esto es 0,7
toneladas superior espaciamiento de 0.525 en donde se obtuvo un rendi-
miento de 0,38 Tn/ha, en porcentaje, el rendimiento obtenido con dosis
variable es 199% superior a la obtenida con dosis fija. Lo que produjo un
cambio en el margen neto (MN) en la zona de bajo potencial, no haciéndolo
positivo, pero si disminuyendo las pérdidas económicas en un 78 % pasan-
do de un MN de 39.53 a 8.49 U$S/ha, dada la superficie importante que
abarcaba esta zona, el cambio de manejo produjo que en todo el lote el MN
se incrementara un 599%, en dinero significa U$S 1241.6 más.

Rendimiento Urea Insumo Semilla MN MN total del lote
Tn/ha Kg/ha PDA Unidad/ha U$S/ha U$S/ha
Kg/ha
6.33
AP 5.17 120 70 76000 69.69 83.73
DF PM 4.01 25.00 143.62
6.96 190 70 80000 -7.96
BP 5.17 0 80 60000 78.23
AP 4.30 0 0 40000 48.02
DV PM 17.37
BP

Maíz 2004

El manejo variable consistió en variar las dosis de Nitrógeno, Fósforo y
semillas en base a los requerimientos del cultivo y lo que ofrecía el suelo,
este cambio en el manejo con Dosis Variable incrementó el MN en todas
las zonas por ahorro o por incremento de la producción en 12.25, 92 y
318.22 % en Alto Potencial, Potencial Medio y Bajo Potencial respecti-
vamente, lo que produjo que en todo el lote el MN se incrementara un
71.53%, en dinero significa U$S 2395.6 más. La zona de Bajo potencial a

pesar de no fertilizarse incrementó el rendimiento debido a un mejor com-
portamiento ante la disminución de la densidad, en Potencial Medio el MN
se incrementa pero debido al ahorro de insumos, ya que el rendimiento se
mantuvo igual que con la dosis fija a pesar de no fertilizar con Nitrógeno
y de disminuir considerablemente la densidad de siembra, mientras que
en la agricultura de precisión el MN se incrementó debido a un aumento
de la producción ante la repuesta positiva al incremento de la fertilización
nitrogenada y al aumento de la densidad de siembra.

Rendimiento Urea Insumo Semilla MN MN total del lote
Tn/ha Kg/ha PDA Kg/ha U$S/ha U$S/ha
Kg/ha 90 (0.525)
AP 1.89 0 0 90 (0.525) 51.71 5.18
DF PM 1.16 90 (0.525) -7.00 36.22
0.36 0 0 90 (0.525) -39.53
BP 1.89 90 (0.525) 51.71
AP 1.16 -7.00
DV PM 1.06 90 (0.26) -8.49
BP

Maíz 2005

El manejo variable consistió en variar las dosis de Nitrógeno, Fósforo y
semillas en base a los requerimientos del cultivo y lo que ofrecía el suelo,
este cambio en el manejo con Dosis Variable incrementó el MN en todas
las zonas por ahorro o por incremento de la producción en 4.26, 23.14
y 75.91 % en alto potencial, potencial medio y bajo potencial respectiva-
mente lo que produjo que en todo el lote el MN se incrementara un 19.35
%, en dinero significa U$S 2247 más.

En la zona de bajo potencial a pesar de no fertilizarse se incrementó el
rendimiento debido a un mejor comportamiento ante la disminución de la
densidad, en potencial medio el MN se incrementa pero debido al ahorro de
insumos, ya que el rendimiento se mantuvo igual que con la dosis fija a pe-
sar de no fertilizar con Nitrógeno y de disminuir considerablemente la densi-
dad de siembra. Mientras que en alto potencial el MN se incremento debido
a un aumento de la producción ante la repuesta positiva del incremento de
la fertilización nitrogenada y al aumento de la densidad de siembra.

Rendimiento Urea Insumo Semilla MN MN total del lote
Tn/ha Kg/ha PDA Unid/ha U$S/ha U$S/ha
Kg/ha
8.74
AP 7.44 120 70 76000 158.36 290.42
DF PM 6.09 98.40 346.61
9.36 190 70 80000 33.67
BP 7.44 0 80 60000 166.21
AP 6.09 0 0 40000 121.17
DV PM 59.23
BP

Soja 2007

El manejo variable consistió en variar el tipo de cultivo, con la misma
sembradora se sembraba soja en alto potencial y potencial medio y al
llegar a bajo potencial, se deshabilita la siembra de soja y se habilita la
siembra de sorgo con la misma sembradora y en tiempo real, ambos a
0.525. En este caso se aprovechó la tolerancia del sorgo a la salinidad de
los suelos para incrementar la producción de granos y de biomasa, para
tratar de revertir el nivel de cobertura, mejorar a futuro la siembra, y para
un mejor aprovechamiento de la lluvia. De este modo en la zona en donde
el rendimiento de soja era poco mas de 1 Tn/ha se logró una producción
de sorgo de 3.55 Tn/ha, que sí bien su valor es el 44% del valor de la soja,
la producción del sorgo superó a la de soja en un 267%, logrando mejorar
el MN a niveles positivos, lo que produjo que en todo el lote, el MN se
incrementara un 17.83 %, que en dinero significa U$S 819.6 más.

Rendimiento Urea Insumo Semilla MN MN total del lote
Tn/ha Kg/ha PDA Kg/ha U$S/ha U$S/ha
Kg/ha
2.42 (SOJA)
AP 1.71 (SOJA) 0 0 90 93.97 114.91
DF PM 0.97 (SOJA) 33.66 135.40
2.42 (SOJA) 0 0 90 -12.73
BP 1.71 (SOJA) 0 0 90 93.97
AP 3.55 (SORGO) 0 0 12 (SORGO) 33.66
DV PM 7.76
BP

Maíz 2009

El manejo variable consistió en variar las dosis de Fósforo y semillas
en base a los requerimientos del cultivo y lo que ofrecía el suelo. Los
cambios en las dosis se realizaron en potencial medio y bajo potencial, e
incrementó el MN en 23.26 y 285.71 % respectivamente. En alto potencial
no se varió la dosis de insumos, esto produjo que en todo el lote el MN se
incrementara un 23.21 %, que en dinero significa U$S 910.3 más.

Rendimiento Urea Insumo Semilla MN MN total del lote
Tn/ha Kg/ha PDA Unid/ha U$S/ha U$S/ha
Kg/ha
5.91
AP 5.00 120 0 76000 57.09 98.07
DF PM 4.31 35.94 120.83
5.91 120 0 76000 5.04
BP 5.00 120 0 50000 57.09
AP 4.91 120 40 38000 44.30
DV PM 19.44
BP

Soja 2010

El manejo variable consistió en variar la distancia entre surcos de 0.525
m en la zonas de alto y medio potencial de rendimiento y a 0.26 m en
las zonas de bajo potencial de rendimiento manteniendo la densidad de
siembra constante, esto incrementó el rendimiento en la zona de BP en
un 20 % (0.3 Tn), lo que produjo un aumento en el MN en un 121 % pa-
sando de un MN de 11.1 a 24.61 U$S/ha, dada la superficie importante
que abarcaba la zona de bajo potencial, el cambio de manejo produjo que
en todo el lote el MN se incrementara un 6.78%, en dinero significa U$S
540.3 más.

Rendimiento Urea Insumo Semilla MN MN total del lote
Tn/ha Kg/ha PDA Kg/ha U$S/ha U$S/ha
Kg/ha
2.95 90 (0.52)
AP 1.94 138.35 199.28
DF PM 1.50 90 (0.52) 49.83 212.79
2.95 90 (0.52) 11.10
BP 1.94 90 (0.26) 138.35
AP 1.80 49.83
DV PM 24.61
BP

Mapa de Margen Neto según la cantidad de insumos que se apliquen y
el rendimiento que se obtienen a partir de ellos.
Estos resultados son el promedio de toda la Es decir, si se aplican menos insumo pero el ren-
zona tratada con dosis fija o dosis variable, pero dimiento se mantiene a pesar de esto, el rendi-
si establecemos en cada uno de los puntos del miento de indiferencia disminuye, es decir que
mapa de rendimiento los costos y los ingresos será necesario menos cantidad de granos para
en base a las Tn/ha que representa ese punto y cubrir los costos, este es el objetivo del ahorro
teniendo en cuenta los valores de las tablas 1, 2 de insumos
y 3 del anexo y mapeamos el MN tal como está,
comprenderemos su dinámica y veremos que Amarilla: todos los puntos considerados como
dentro de cada zona existen todavía áreas en buenos o normales establecidos por un MN de
donde el nivel de rendimiento a pesar de practi- mayor a 0 (cero) hasta 185 U$S/ha es decir a par-
carles dosis variable no alcanza a saldar los cos- tir del cual empieza a tener ganancias hasta el MN
tos de producción. obtenido de un rendimiento esperable para la zona
bajo secano de 6.5 Tn/ha y 2.2 Tn/ha para maíz y
Para visualizar el comportamiento del MN, se soja respectivamente y con los costos detallados
delimitaron tres zonas caracterizadas con diferen- en la tabla 1 del anexo.
tes colores.
Verde: todos los puntos considerados como
Roja: en donde el MN es menor o igual a 0, buenos o altos, establecidos por un MN de más de
cuando da 0 es decir en donde la ganancia es U$S 185 para maíz y más de U$S 130 para soja.
nula, el rendimiento que lo genera se denomina
rendimiento de indiferencia, a partir del cual si A continuación se visualizan: el mapa del re-
el rendimiento es menor se producen pérdidas sultado económico con dosis fija, a la izquierda,
que con dosis fija y en las cantidades que se y el logrado con dosis variable, a la derecha, de-
detallan en la tabla 1 del anexo es de 4.2 Tn/ha tallando la superficie correspondiente al resultado
en maíz y en soja 1.1 Tn/ha y que puede variar negativo, buen margen y muy buen margen.

Soja 2003 No hubo una modificación
Maíz 2004 significativa al cambiar el manejo.
Maíz 2005 El achicamiento del espaciamiento
entre surcos en la zona de bajo
potencial disminuye 1.3 has
de MN negativo que pasan a
pertenecer la zona amarilla de MN
bueno.

Al realizar dosificación variable
se disminuyó 8.85 has de zona
con MN negativo, se incrementó
1.2 has con MN bueno y 7.69
has pasaron a tener MN muy
bueno.

Al realizar dosificación variable
todo el lote pasó a tener MN muy
bueno.

Soja 2007 Hubo una modificación
Maíz 2009 significativa al cambiar el cultivo de
Soja 2010 soja a sorgo en la zona de BP. La
zona en donde no se alcanzaba a
cubrir los costos disminuyó 4.39
has que pasaron a pertenecer a la
zona con buen MN.

Hubo una modificación
significativa al realizar
dosificación variable. Haciendo
desaparecer prácticamente
la zona con MN negativo y
disminuyendo 2.38 has a la zona
de Buen MN, pasando a formar
parte de la zona de muy buen
MN.

Hubo una modificación
significativa al realizar dosificación
variable. Haciendo desaparecer
prácticamente la zona con MN
negativo pasando a formar 2.39
has de esta a la zona con buen
MN.

Conclusión se a futuro y el precio de los insumos es conocido
al momento de la compra.
En todo el lote y en promedio de todas las
campañas, independientemente de la tecnología Un punto a destacar es que a lo largo de los
de siembra que se utilizó, el mayor beneficio eco- años que se realizaron los ensayos, la variabilidad
nómico se obtuvo con el maíz con U$S 147.40/ entre años fue muy alta y a sí mismo el margen de
ha para dosis fija y U$S 203.60/ha para dosis va- la dosis variable fue siempre positivo respecto a la
riable, con la soja se obtuvo U$S 67.90/ha para la dosis fija.
dosis fija y U$S 105.08/ha para la dosis variable.
Por otro lado merece la mención de que la
Con respecto a la utilización de la dosis varia- única herramienta de dosis variable con la que se
ble en todos los años se obtuvieron beneficios a cuenta en este lote es una sembradora con doble
favor de esta tecnología, pero con el cultivo que vía de dosis variable (siembra y fertilización), por lo
más se justifica es con el de maíz, en promedio de que todas las decisiones de cambio de insumos
las tres campañas de maíz (2004, 2005 y 2009) la se toman en la siembra. Se podría mejorar la fer-
dosis variable superó a la dosis fija en U$S 46.28/ tilización en maíz si las aplicaciones se realizarán
ha mientras que en soja la dosis variable superó a más tarde.
la dosis fija en U$S 37.14/ha.
Cultivo / Año Resultado a Superficie Total en
En todas las campañas en donde se realizaron favor de la del Lote el lote
ensayos de manejo variable hubo beneficios a fa- Soja 2003 (ha)
vor de la práctica de esta tecnología. La sumato- Maíz 2004 Dosis Variable 40 (U$S/ha)
ria de los beneficios de la aplicación de tecnología Maíz 2005 (U$S/ha)
de agricultura de precisión en las 6 campañas es Soja 2007 31.04 1241.6
de U$S 8155 en un lote de 40 has. Se disminuyó Maíz 2009 56.89 2395.6
considerablemente la superficie en donde el ren- Soja 2010 59.19 2247.6
dimiento no alcanzaba a saldar los costos de pro- Total Todas las 20.49 819.6
ducción, y especialmente en maíz, se incrementa- campañas 22.76 910.4
ron las zonas en donde el resultado era bueno, a 13.51 540.3
muy bueno, esto es debido principalmente al aho-
rro o al mejor aprovechamiento de los recursos. 8155.1

La visión actual de la dosis variable para el ma-
nejo de este lote es variar los insumos de acuerdo
a la variabilidad del suelo (química, física, topográ-
fica, etc.). En este trabajo se observó que manejar
el lote por margen Neto está delimitando nuevas
áreas o zonas. Una visión a futuro podría ser el
manejo, utilizando este criterio. Un beneficio de
éste, es que los precios de los granos pueden fijar-

ANEXO

Tabla 1: Costos de producción en Maíz (REVISTA AGROMERCADO, Octubre de 2010)

comisión U$S/q 3 puntos 0.28
impuestos U$S/q 20 km 0.16
Seguro c/put (50% produc) U$S/q 400 km 0.48
gastos generales U$S/q 0.23
secado U$S/q 6.90% 0.36
Flete corto U$S/q 1.1 0.52
Flete largo U$S/q 3.25
Total gastos de comercialización U$S/qq 76000 unid/ha 5.28
cosecha U$S/ha 27 cc/ha 73.66
siembra U$S/ha 70 33.00
semillas unidad/ha U$S/ha 4 l/ha 57.00
curasemillas U$S/ha 300cc/ha 3.34
PDA U$S/ha 4 l/ha 31.5
Glifosato U$S/ha 100cc/ha 9.60
2.4 D 100% U$S/ha 120 g 1.71
Atrazina U$S/ha 0.58 11.13
Cipermetrina U$S/ha 0.60
Equip WG 30% superficie U$S/ha 120 kg /ha 10.26
aplicación de herbicida U$S/ha 15.18
Urea Graulada U$S/ha 55.20
Gastos directos U$S /ha 228.52
gastos de estructura U$S /ha 91.00

Tabla 2: Costos de Producción de Soja (REVISTA AGROMERCADO, Octubre de 2010).

comisión U$S/q 0.52

impuestos U$S/q 0.30

Seguro c/put (50% produc) U$S/q 1.20

gastos generales U$S/q 0.23

secado U$S/q 3 puntos 0.36

Flete corto U$S/q 20 km 0.52

Flete largo U$S/q 400 km 2.92

Total gastos comercialización %IB 29.00
U$S/ha 133.10

cosecha U$S/ha 6.90% 64.55

siembra U$S/ha 1.1 29.04

semilla + inoculantes U$S/ha 90 kg/ha 57.66

en f fin de ciclo U$S/ha 27 cc/ha 15.68

glifosato U$S/ha 2 aplic = 5lt 14.4

cipermetrina U$S/ha 4 l/ha 0.60

insecticida U$S/ha 300cc/ha 3.63

aplicaciones de agroq U$S/ha 4 l/ha 19.80

Gastos directos U$S /ha 140.81

gastos de estructura U$S /ha 45.00

Tabla 3: Costo de Producción en Sorgo (REVISTA AGROMERCADO, Octubre de 2010).

comisión U$S/q 3 puntos 0.26
impuestos U$S/q 20 km 0.15
gastos generales U$S/q 400 km 0.23
secado U$S/q 0.60
Flete corto U$S/q 6.90% 0.52
Flete largo U$S/q 1.1 2.01
%IB 29.00
Total gastos comercialización U$S/ha 38000 sem/ha 143.26
U$S/ha 70 kg/ha 52.77
cosecha U$S/ha 40 Kg/ha 29.00
siembra U$S/ha 4 l/ha 18.00
semilla U$S/ha 300cc/ha 43.05
PDA U$S/ha 4 l/ha
Urea Graulada U$S/ha 100cc/ha 55
atrazina U$S/ha 120 g 8.35
glifosato U$S/ha 0.58 9.60
2-4 D U$S/ha 120.00 4.56
Cipermetrina U$S/ha 1.20
insecticida U$S/ha 3.63
aplicación de herbicida U$S/ha 30.36
Urea Graulada U$S /ha 0.00
Gastos directos U$S /ha 202.75
gastos de estructura 91.00

BIBLIOGRAFÍA 1.3. Monitores de rendimiento y mapeo

1.1. Uso del Sistema de Posicionamiento Albarenque S.M. y J.P. Vélez. Técnicas para el procesa-
Global en la caracterización de áreas agrícolas miento de mapas de rendimiento. ISBN 978-987-679-
028-4. Ediciones INTA. 28p. 2011.
Hurn, J. Differential GPS Explained. TRIMBLE. 55p. 1993 Bragachini M., Mendez A., Scaramuzza F. y F. Proietti.
Hurn, J. GPS: A Guide to the Next Utility. TRIMBLE. 76p. “Capítulo 3: Monitoreo de rendimiento y elaboración de
1989. mapas”. En: Agricultura de precisión: Integrando cono-
Molin, J. P. Agricultura de precisão – o gerenciamento cimientos para una agricultura moderna y sustentable.
da variabilidade. Piracicaba: o autor, 83p. 2001. Editores: Bongiovanni R., Chartuni Mantovani E., Best
Rocha, c. h. b. GPS de navegação para mapeadores, tril- S. y A. Roel. p. 45-54. PROCISUR, 2006.
heiros e navegadores. Juiz de Fora: Ed. Autor, 124p. 2003. Kleinjan J., Clay D., Carlson G. y S. Clay. “Chapter 4:
Developing productivity zone from multiple years of yield
1.2. Uso de Sistema de Informaciones monitor data”. En: Gis Applications in agriculture. Edited
Geográficas para espacialización de datos del by Pierce F.J. and D. Clay. p. 65-79. 2007.
área de producción agrícola Ping J.L. y A. Dobermann. Processing of Yield Map
Data. Precision Agriculture, 6, 193–212, 2005.
Esri – Environmental Systems Research Institute Inc.
ArcInfo. The World’s Leading Desktop Geographic 1.4. Adquisición remota y agricultura de
Information System. esri Inc., Redlands/ca, 1994. precisión
Fonseca, L.P.S., G.A.B., Alger K. (orgs.) Corredor de
Biodiversidade da Mata Atlântica do Sul da Bahia. Publicação Best, S.; G. Gatica; L. León. Development of an assess-
em cd-rom, Ilhéus, iesb / ci / cabs / ufmg / unicamp. ment model of water stress of vineyard var. Merlot, ba-
Jones, C. B. Geographical Information Systems and sed on the use of infrared thermography. Proceedings of
Computer Cartography. Harlow, Longland. 319 p. 1997. the 8th Fruit, Nut and Vegetable Production Engineering
Landau, E. C. Sistemas de Informações Geográficas e Symposium, Chile, 2009.
Técnicas de Sensoriamento Remoto como Ferramentas Florenzano, T.G. Iniciação em Sensoriamento Remoto.
para o Planejamento de Estratégias de Conservação São Paulo, Oficina de Textos, Terceira Edição, 2008.
da Diversidade Biológica. In: Prado P.I., Landau E.C., Jensen, J.R. Sensoriamento Remoto do ambiente:
Moura R.T., Pinto, 2003. Uma perspectiva em recursos terrestres. São José dos
Mantovani, E. C.; Matoso, M. J.; Oliveira, A. C. de; Avelar, Campos, Parêntese Editora, 2009.
G. de. Estabelecimento de critérios para intervenção em Liu, H.T.H. Aplicações de Sensoriamento Remoto.
áreas de produção de milho utilizando conceitos de Editora UNIDERP, 2006.
agricultura de precisão. XXXIII Congresso Brasileiro de Moreira, M.A. Fundamentos do Sensoriamento Remoto
Engenharia Agrícola. Anais. São Pedro, SP. 5p. 2004. e Metodologias de Aplicação. Quarta Edição, Editora
Mapa - Ministério da Agricultura, Pecuária e UFV, Viçosa, 2011.
Abastecimento, Brasil. Secretaria de Desenvolvimento
Agropecuário e Cooperativismo. Agricultura de Precisão. 1.5. Muestreo para mapeo y manejo de la
Boletim Técnico. Brasília, 3a ed. 40 p. 2013. <http://www. fertilidad del suelo
agricultura.gov.br/arq_editor/Boletim%20tecnico.pdf>
Giménez, L.M.; Zancanaro, L. “Monitoramento da
fertilidade de solo com a técnica de amostragem em
grade”. Informações Agronômicas, Piracicaba, n.138,
p.19-25, 2012.

Machado, P.L.O.A.; Silva, C.A.; Bernardi, A.C.C. et al. Shiratsuchi, L. S.; Machado, A. L. T. “Variação do es-
“Variabilidade de atributos de fertilidade e espaciali- paçamento entre faixas de colheita na Geração de
zação da recomendação de adubação e calagem para Mapas de Produtividade”. Boletim de Pesquisa de
a soja”. En: Machado, P.L.O.A.; Silva, C.A.; Bernardi, Desenvolvimento, 90. Ed. Empresa Brasileira de
A.C.C. (Eds.) Agricultura de precisão para o manejo da Pesquisa Agropecuária, 2003.
fertilidade do solo em sistema de plantio direto. Rio de Sudduth, K. A.; Drummond, S.T. Yield Editor: “Software
Janeiro: EMBRAPA Solos, p.115-129, 2004. for removing errors from crop yield maps”. Agronomy
Resende, A.V.; Shiratsuchi, L.S.; Sena, M.C.; Krahl, L.L.; Journal, v. 99, p.1471–1482. 2007.
Oliveira, J.V.F.; Corrêa, R.F.; Oro, T. “Grades amostrais Taylor, J. A.; McBratney, A. B.; Whelan, B. M.
para fins de mapeamento da fertilidade do solo em área “Establishing management classes for broad acre agri-
de cerrado”. En: Congresso Brasileiro de Agricultura de cultural production”. Agronomy Journal, v.99, p.1366-
Precisão. 2. São Pedro – SP, 2006. Anais. Piracicaba: 1376, 2007.
ESALQ, 2006. (CD-rom). Thyle´N, L.; Algerbo, P. A.; Giebel, A. “An expert filter re-
moving erroneous yield data”. En P.C. Robert et al. (ed.)
2.1. Creación de mapas de manejo con datos Proceedings: 5th International Conference on Precision
espaciales Agriculture, Bloomington, MN.16–19 Julho 2000. ASA,
CSSA, and SSSA, Madison, WI. 2001.
Brandão, Z. N.; Oliveira, R. P.; Sana, R. S.; Sofiatti, V.; Yan, L.; Zhou, S.; Feng, L.; Hong-Yi, L. “Delineation
Zonta, J. H.; Medeiros, J. C. “Uso de imagens orbitais of site specific management zones using fuzzy cluste-
e suborbitais na caracterização da variabilidade espacial ring analysis in a coastal saline land”. Computers and
da produtividade”. En: Inamasu, R.: Bernardi, A. C. C. Electronics in Agriculture, p.174-186, 2007.
(Eds). Agricultura de Precisão: resultados de um novo
olhar. Ed: Embrapa Instrumentação, São Carlos, SP. 2.2. Uso de la geoestadística y los sistemas de
588p. 2014. información geográfica en agricultura
Coelho, A. M.; Faria, C. M. de; Cunha, T. F.; Mota Junior,
H. A. Agricultura de Precisão mapeia colheita de grãos. Fleischer, S.J., P.E. Blom, R. Weisz. Sampling in preci-
Campo & Negócio, Uberlândia. V. 19, n. 120, p. 36-40, sion IPM: When the objective is a map. Phytopathology
fev. 2013. 89: 1112-1118. 1999.
Doerge, T. A. “Management zone concepts”. Goovaerts, P. Geostatistics for natural resourses evalua-
En: Site-specifics management guideline. 2013. tion. Oxford University Press, Oxford, 1997.
Disponible en: <www.ipni.net/publication/ssmg.nsf/0/ Isaaks, E.H., R. Mohan Srivastava. Applied Geostatistics.
C0D052F04A53E0BF852579E500761AE3/$file/ Oxford University Press. New York, Oxford. 561 pp,
SSMG-02.pdf>. Fecha de consulta: 10/12/2013. 1989.
Mantovani, E. C.; Matoso, M. J.; Oliveira, A. C. de; Avelar, Liebhold, A.M., R.E. Rossi, W.P. Kemp. Geostatistics
G. de. Estabelecimento de critérios para intervenção em and geographic information systems in applied insect
áreas de produção de milho utilizando conceitos de ecology. Ann. Rev. Entomol. 38: 303-327, 1993.
agricultura de precisão. XXXIII Congresso Brasileiro de Matheron, G. Principles of geostatistics. Econ. Geol.
Engenharia Agrícola. Anais. São Pedro, SP. 5p. 2004. 5:1246-1266, 1963.
Santos, A. O.; Pallone Filho, W. J.; Ungaro, M. R. G.; Ribes-Dasi, M., M. Bascuñana, J. Avilla. “Estudio de la
Lino, A. C. L.; Radin, B. “Prospecção de zonas poten- distribución espacial de Cydia pomonella (L.) y Pandemis
ciais para manejo diferenciado em agricultura de pre- hermana (Denis & Schiffermuller)” en Torregrossa (Leida)
cisão utilizando-se padrões de solo-planta-clima”. En: mediante métodos geoestadísticos. Bol. San. Veg.
Revista Brasileira de Engenharia Agrícola e Ambiental, Plagas. 24: 935-948, 1998.
v.7, p.463-468, 2003.

2.3. Interpretación de informaciones 2.5. Monitoreo temporal de los sistemas de
espacializadas y definición de unidades de producción para la toma de decisiones y
manejo mejora

Benavidez R., Boschetti N., Quintero C.; Barrera R. y A. Embrapa - Empresa Brasileira de Pesquisa Agropecuária.
González. “Evaluación de la fertilidad fosfatada de los Manual de métodos de análise de solo. Centro Nacional
suelos para los principales cultivos extensivos de Entre de Pesquisa de Solos. 2a. ed. Rio de Janeiro, 212 p.
Ríos”. En: Ciencia Docencia y Tecnología, n° 21, año XI. 1997.
p221-266. 2000. Larscheid,G. , Blackmore, B.S. and Moore, M.
Doerge, T. A. “Management zone concepts. SSMG-2”. Management Decision Based on Yield Maps. Presented
In: Information Agriculture Conference, Stewart Center, on 1st European Conference on Precision Agriculture.
Purdue, IN. 1999. September 8-10, 1997 Warwick University, Warwick,
Gambaudo S. y H. Micheloud. Capítulo 6: “Enmiendas UK Sponsered by The SCI Agriculture and Environment
minerales”. En: Fertilización de cultivos y pasturas. Group. <http://www.silsoe.cranfield.ac.uk/epf/>
2° edición. Buenos Aires. Hemisferio Sur. p129-145. Lowenberg-DeBoer, J. Precision Farming Profitability.
2008. Agricultural Research Programs. Purdue University,
Ipni. Cálculo de Requerimientos Nutricionales - Versión West Lafayette, IN, 131 p. 2000.
2013 <http://lacs.ipni.net/article/LACS-1024> Mattoso, M.J. Subprojeto Custos de Produção da
Kruk B. y E. Satorre. “Capítulo 13: Densidad y arreglo Cultura do Milho no Brasil, in Projeto Sistemas de
espacial del cultivo”. En: Producción de granos. Bases Produção da Agropecuária Brasileira. SEA, Embrapa
funcionales para su manejo. p277-316. 2003. Sede. Brasília, DF. 2002.
Moore, M. Fieldstar – An integrated approach to redu-
2.4. Aspectos económicos, análisis de cing farm operating costs and increasing profitability.
viabilidad de adopción de intervenciones en agco Company. 2002.
los sistemas de producción Santos, R.F.dos. “Planejamento Ambiental e Sistemas de
Informações Geográficas”. En: Caderno de Informações
Ipni - Site Specific Management Guidelines, Published Georreferenciadas - CIG. Vol.1 - Número 2. Artigo 2.
by The Fertilizer Institute - International Plant Nutrition 1997.
Institute Swinton, S.W. and Lowenberg-DeBoer, J. Site-Specific
Lowenberg-DeBoer, Jess, Ericson, Kathleen et al., Guidelines. Profitability of Site-Specific Farming. SSMG-
Precision Farming Profitability, Agricultural Research 3.<www.ppi-far.org/ssmg> 4p. 1998.
Programs, Purdue University, West Lafayette, Indiana,
usa, 2000. 3.1. Tecnología de precisión para gestión de
Sonka Steven T. et al., Precision Agriculture in the 21st nutrientes
Century - Geospatial and Information Technologies
in Crop Management, National Research Council, Ctic - Conservation Technology Information Center,
1997. Indian Creek Watershed Project. Annual Report and
Srinivasan, Ancha phd et al., Handbook of Precision website: http://www.ctic.purdue.edu/IndianCreek/,
Agriculture - Principles and Applications, Food Products West Lafayette, Indiana, usa. 2013.
Press, 2006 InfoAg Conference Proceedings 2011, 2013, 2014. A
Zhang, Q., Pierce F. J. et al., Agricultural Automation - collection of presentations and information from past
Fundamentals and Practices, crc Press, 2013 and current InfoAg Conferences. Disponible en: <www.
infoag.org>

Ipni. 4R, Plant Nutrition Manual: A Manual for Improving Roberson, G. T. MapBased vs. Sensor based nitrogen
the Management of Plant Nutrition, 1st Rev. Ed., (T.W. application technology. 2013. Disponible en: <http://
Bruulsema, P.E. Fixen, G.D. Sulewski, eds.), International www.infoag.org/abstract_papers/papers/abstract_145.
Plant Nutrition Institute, Norcross, GA, USA. 2013. pdf>
Ipni. Site-Specific Management Guidelines. A collection Shannon, K. Working with Farmers to Advance Sensor
of 45 publications on selected topics of site-specific Technology for In-Season N Management. 2010.
precision farming. International Plant Nutrition Institute, Disponible en: <http://www.ksre.ksu.edu/waterquali-
Norcross, ga, usa. Disponible en: <http://www.ipni.net/ ty/2010/Presentations/Workshop/Shannon.pdf>
ssmg> Taylor, R y J. Fulton. Sensor – based variable application
Jim, Patricio. June 4, 2013. Choosing Your UAV. DTN- for cotton. 2010. Disponible en: <http://www.cottoninc.
The Progressive Farmer/Agriculture Markets, News and com/fiber/AgriculturalDisciplines/Engineering/Precision-
Weather. On-line newsletter. Crop-Management-for-Cotton/Sensor-Based-Variable-
Reetz, Harold F., Jr. “Precision Farming as an Instrument Rate-App/Sensor-Based-App-Oct-2010.pdf>
for Fertilizer Best Management Practices”. En: Boas
practicas para uso eficente de fertilizantes. Vol 1. Luis 3.4. Monitoreo de desempeño y retorno de las
Ignacio Prochnow, Valter Casarin, Silvia Regina Stipp, prácticas de la agricultura de precisión
eds. International Plant Nutrition Institute (ipni) – Brazil,
Piracicaba, SP. Brazil. 2010. Andrade, F, Cirilo, A, Uhart S, Otegui M. Ecofisiología del
Schaefer, Dan. Illinois Council on Best Management cultivo de maíz. Editoral La Barrosa, pp:264. Balcarse.
Practices. Personal communication. 2014. Buenos Aires. 1996.
Bragachini M.; Méndez A.; Scaramuzza F. Agricultura
3.3. Sensores de nitrógeno para la medición y de Precisión y Siembra Variable de insumos en tiem-
aplicación en el cultivo en tiempo real po real mediante el uso de GPS. 2004. Disponible en:
<http://www.agriculturadeprecision.org/siembCoseAl-
Gil, E., A. Giménez. N-sensor. Sistema de apli- ma/Sembradora%20IOM%20Inteligente.html>. Fecha
cación selectiva de nitrógeno en tiempo real. de consulta 26/05/2009
Disponible en: <http://ocw.upc.edu/download.php?fi- Kay, R.D.; W.M. Edwards. Farm management. 4th ed.
le=15013140/28037-3962.pdf%E2%80%8E> The McGraw-Hill Companies, Boston. 1999.
Hegge, H. “Site-specificfertilizing”. En : H.J. Heege Koch B.; Khosla R.; Frasier W. M.; Westfall D. G.;
(ed.), Precision in Crop Farming: Site Specific Concepts Inman D. Economic Feasibility of Variable-Rate Nitrogen
and Sensing Methods: Applications and Results. Application Utilizing Site-Specific Management Zones.
Springer Science Business Media. Chapter 9. Pp: 193- 2004 . Disponible en: <http://agron.scijournals.org/
272. 2013. cgi/content/abstract/96/6/1572>. Fecha de consulta
Holland, K. y J. Schepers. Use of a virtual –reference 26/05/2009
concept tointerpret active canopy sensor data. Presicion Miguez F.2008. Márgenes de Maíz 2007/2008. Revista
Agric. 14: 71-85. 2013. Agromercado, Argentina.
McGrath. “Sensor Guided variable rate nitrogen”. En: Revista Agromercado, Argentina, Octubre 2010.
CCA Conference Presentation. 2012. Disponible en: Snyder, C.; Schroeder T.; Havlin J.; Kluitenberg G.
<http://www.indianacca.org/presentation/3/108/> An economic analysis of variable-rate nitrogen ma-
Raper, T., J. Varco and K. Hubbard. Canopy-based nor- nagement. 1997. Dsiponible en: <agron.scijournals.
malized difference index sensors for monitoring cotton org/cgi/content/full/96/6/1572>. Fecha de consulta
nitrogen status. Agr. Journal. 105: 1345-1354. 2013. 02/03/2008.



El Manual de Agricultura de
Precisión intenta poner en un
contexto simple los conocimientos
y avances sobre esta tecnología
y acercarlos a profesionales
extensionistas que tienen que
enfrentar los desafíos de su uso,
que sin duda será cada vez más
amplio en el futuro.

Desde que en 2006 PROCISUR
publicó el primer libro regional
sobre agricultura de precisión,
el avance tecnológico propició el
desarrollo de equipos y sistemas
altamente especializados, con una
enorme capacidad para adquirir,
procesar y analizar información.

Paralelamente, el concepto
de agricultura de precisión ha
evolucionado a la integración
de tecnologías más amplias en
distintas etapas de los procesos
productivos, donde el acceso y
el manejo de información son
fundamentales para la gestión
integral, la toma de decisiones y la
competitividad de las empresas.