La producción agrícola es una actividad riesgosa debido a la gran cantidad de factores impredecibles que la afectan, tanto factores naturales como por ejemplo el clima, así como factores regidos por el mercado como son los precios de comercialización del producto agrícola. Es por esto que los productores del campo se enfrentan día a día al problema de tener que tomar decisiones acerca del proceso agrícola en cada uno de sus lotes de siembra, tales como necesidad de riego, necesidad de controles de malezas, plagas y patógenos, pero la mayoría de las veces sin tener una idea precisa del rendimiento que tendrán en cada lote; esta situación hace que la decisión tomada no siempre sea la más acertada. Las mejores decisiones sobre el proceso agrícola se tomarán cuando se tenga una buena y razonable predicción del rendimiento, junto a una información diaria de los factores impredecibles tales como clima y precio del producto, de tal manera de poder conocer cómo afecta cada decisión al rendimiento y por tanto a la rentabilidad de cada lote de siembra.
La predicción de rendimientos es una actividad que se ha estado llevando a cabo desde hace varios años. La forma como se ha llevado permite distinguir entre dos estrategias que se han estado utilizando:
- Sin observaciones sobre el cultivo sobre el cual hace la predicción.
- Con observaciones sobre el cultivo sobre el cual se hace la predicción.
El primer grupo de estrategias se basa en el análisis de datos históricos de rendimiento y clima para estimar rendimientos futuros del cultivo, en procesos productivos que probablemente aun ni siquiera se han iniciado, no hay observaciones sobre el proceso agrícola que se está dando sino que se identifican correlaciones entre patrones de condiciones climáticas ocurridas en el pasado y rendimientos del cultivo también ocurridos en el pasado. Este grupo de estrategias se ha llevado a cabo mediante minería de datos (data mining) y series de tiempo, y normalmente se utiliza para estimar rendimientos en grandes áreas geográficas, no como una fuente de información para el productor, sino como una fuente de información para organismos que orienten políticas de Estado.
El segundo grupo de estrategias está basado en observaciones sobre el cultivo, por lo tanto su objetivo es estimar rendimientos de un un proceso agrícola ya iniciado. Dentro de este grupo de estrategias se pueden diferenciar dos vías:
- Mediante la utilización de imágenes satelitales y por tanto cubriendo vastas zonas geográficas
- Mediante el muestreo de tejido vegetal para obtener ciertos datos que se correlacionen con el rendimiento.
En la mayoría de los casos en que se usan imágenes satelitales, los rendimientos estimados son en escalas globales, nacionales y regionales, para monitorear producción agrícola a gran escala. Para lograre este objetivo se construyen índices complejos que se correlacionan con el rendimiento. Una variante de esta estrategia es el uso de drones, a los cuales se les pueden adaptar los mismos filtros de cámara que usan los satélites, para poder generar la misma información a nivel local. Este aproximación requiere de un gran esfuerzo investigativo para poder correlacionar los distintos niveles de reflexión del espectro lumínico de las distintas variedades (que es lo que capta el dron, o el satélite) con distintas condiciones del cultivo (sin estrés, con estrés hídrico, con ataque de alguna plaga en particular, con presencia de una enfermedad en particular, etc.). Al tenerse estas correlaciones se pueden obtener valiosas predicciones del rendimiento en cualquier momento del cultivo, pero implican como ya se mencionó, una fuerte inversión en investigación, tanto en tiempo como en recursos, para tener resultados confiables.
Al hacerse muestreos de tejido vegetal, se pesa cantidad de biomasa que se produce en una cantidad determinada de metros lineales, y para estimar rendimiento por hectárea se extrapola a la cantidad de metros lineales que existan en esa hectárea muestreada. Esta estrategia cubre áreas relativamente pequeñas, lleva un trabajo más intenso puesto que se deberían hacer múltiples muestreos para monitorear el rendimiento de múltiples lotes de siembra, pero tiene la gran ventaja que dicha estrategia está totalmente bajo control del productor y por tanto es la única que puede ser usada directamente por éste para tomar decisiones sobre su proceso productivo. Este grupo de estrategias es la más precisa porque está basada en la relación más simple: el desarrollo de una parte de la planta está estrechamente relacionado con la biomasa total a producir. Tomar muestras semanales o mensuales (dependiendo del cultivo) dará estimados de cantidades a cosechar muy precisas.
Si se considera la transformación digital como el uso conjunto de una serie de herramientas informáticas que mejoran la generación, captación, almacenamiento y análisis de la información para contribuir en la toma de decisiones, la predicción del rendimiento en un cultivo tiene un rol central en este concepto. La toma de decisiones evidentemente debe ser local, debe estar ajustada a la realidad de una unidad productiva, la cual debe tener al alcance toda la información necesaria para tomar las mejores decisiones. Si en una unidad productiva se tiene información climática precisa (fundamentalmente precipitación, no a nivel global sino la que efectivamente ocurre en la unidad productiva), e información dinámica del suelo como lo es retención de humedad y contenido de nutrientes, así como resultados diarios o semanales de muestreos de insectos plaga, patógenos y malezas, y dinámica de precios del producto agrícola a través de los años con su estacionalidad dentro de cada año, agregando ahora predicciones de rendimiento se pueden tomar las mejores decisiones sobre la conveniencia o no de aplicar determinado volumen de agua de riego, o de aplicación de controles sobre malezas, plagas y patógenos, o de adelantar o retrasar el corte, o de eliminar lotes de producción, o de rescatar a como dé lugar lotes de producción. Son operaciones dinámicas, cuya decisión de ejecutarla o no es multifactorial. Para un pequeño productor, que disponga de un solo lote de terreno relativamente pequeño, estos conceptos pueden resultarle poco útiles para su proceso, pero para productores con decenas o centenas de lotes de terreno, cada uno con una realidad agroclimática distinta, cubriendo amplias superficies de terreno, se hace necesario que las predicciones de rendimiento sean los más precisas posibles y que estas sean un elemento informativo mas en la compleja red de información que supone la producción agrícola, para que, efectivamente, las decisiones a tomar durante todo el proceso productivo para cada uno de los lotes de producción, sean las más acertadas.
Ing. Agr. Hernán E. Laurentin T. (M. Sc., Ph. D.)