La sostenibilidad del sector pasa, sin duda, por mejorar su eficiencia, produciendo más con menos recursos como parte de su adaptación al nuevo escenario que ha impuesto el cambio climático y sus graves impactos

En un artículo como este podemos sentir la magnitud y el gran valor que tienen las tecnologías destinadas a observación de la tierra (OT) y los sistemas de posicionamiento global (GNSS) para resolver desafíos actuales globales, y por supuesto aquellos que están más localizados en el sector agroalimentario.

Ante retos globales como la revolución digital, el cambio climático y las pandemias que amenazan la economía a escala mundial, la sociedad -más que nunca- depende de soluciones innovadoras para hacer frente al paradigma de los grandes datos, responder y mitigar las catástrofes naturales y de origen humano, frenar la propagación de enfermedades mortales y reforzar una cadena de suministro global que sustenta nuestra vida cotidiana. La OT y el GNSS desempeñarán un papel vital en la contribución a estas soluciones innovadoras a través de docenas de aplicaciones que están surgiendo o que ya están siendo utilizadas por los ciudadanos, los gobiernos, las organizaciones internacionales, las ONG, la industria el mundo académico y los investigadores de todo el mundo. Estudios recientes indican que la tecnología GNSS, tanto las ventas de dispositivos como los ingresos relacionados con los servicios, crezcan a un ritmo constante del 9,2% durante la próxima década, hasta alcanzar un total de 492.000 millones de euros en 2031 (EUSPA EO and GNSS-Market Report, 2022).

Todos disponemos de aplicaciones en el móvil que usan la posición de este para hacernos la vida más útil, entre otras cosas, por lo que entendemos con mayor o menor detalle de las funcionalidades del GNSS. En cambio, la OT puede no estar tan claro, nos referimos a este término cuando hablamos de teledetección, sistemas capaces de captar datos/información de los sistemas físicos, químicos y biológicos del planeta. Para ello se usan plataformas, como pueden ser los satélites y los drones, que nos permiten vigilar e identificar cambios y patrones para una serie de aplicaciones físicas, económicas, y medioambientales. La interpretación y el procesamiento de los datos obtenidos con estas plataformas nos permite producir información, modelos e inteligencia (proyecciones climáticas, análisis de comportamiento, etc.), que pueden ser mejorado con medidas de apoyo en tierra.

A modo de introducir los primeros pasos que estamos dando en el proyecto “GO Maíz Sostenible”, intentaremos aterrizar un poco más estas dos tecnologías, OT y GNSS, a nivel de explotación agrícola. Actualmente, empresarios agrícolas referentes tienen puesto el foco en la aplicación variable de insumos (semilla, fertilizante, herbicida, etc.), en este caso el uso de un sistema GNSS es imprescindible tanto para conocer la posición actual del equipo de aplicación o abonadora, como para ajustar la aplicación en función de la zona de la parcela en la que se encuentre. Para conseguir la tan deseada aplicación variable a nivel de agricultor y sociedad, es necesario la creación de mapas de prescripciones o aplicación. La creación de una base de datos de cada parcela es una herramienta fundamental para optimizar la toma de decisiones en un sistema productivo agrícola. Estos datos generan capas de información tales como, propiedades químicas de los suelos, compactación, plagas y enfermedades, humedad, conductividad eléctrica, etc., y posteriormente serán utilizadas para la adecuada interpretación de la variabilidad espacial (dentro de la parcela) y temporal (entre años) de los rendimientos. Algunos de los mapas de prescripciones que se utilizan actualmente en el sector agrícola son: (i) mapas de rendimiento, (ii) mapas de vigor del cultivo, (iii) mapas de conductividad eléctrica (CE), etc.

El conocimiento de la posición GNSS, incluso sin corregir la señal, permitiría de manera aceptable cálculos de los cambios de ritmo que el equipo de aplicación (sembradora variable, abonadora variable, etc.) necesitan para llevar a cabo el manejo óptimo dentro de la parcela. En los últimos años los sistemas de posicionamiento por satélite GNSS se han convertido en una herramienta fundamental en las explotaciones agrícolas, posibilitando la implantación y desarrollo de las técnicas de agricultura de precisión en muchas de las tareas que se llevan a cabo en ellas. Esta tecnología permite no sólo la georreferenciación de los elementos presentes en una parcela, sino que se puede emplear para usos tan distintos como la planificación de cultivos, la realización de mapas de prescripción, el guiado de tractores con control sobre la distancia entre pasadas y el solape o la aplicación de insumos con variación de la dosis.

Como veis estas nuevas tecnologías, a priori, nos permiten establecer prácticas agrícolas más adecuadas en cuanto a seguridad alimentaria, biodiversidad de suelos y competitividad de los agricultores, pero además pueden contribuir de manera muy notoria a la reducción de emisiones e incluso la fijación del carbono. De cara al futuro, la sostenibilidad del sector pasa, sin duda, por mejorar su eficiencia, produciendo más con menos recursos como parte de su adaptación al nuevo escenario que ha impuesto el cambio climático y sus graves impactos. En ese sentido, la reducción de las emisiones de gases de efecto invernadero de los cultivos es un reto que no debe olvidarse ya que, de hecho, el potencial de mitigación en el sector productor es alto.

A comienzos del año pasado arrancaban los primeros trabajos del proyecto de innovación “GO Maíz Sostenible” con el objetivo de impulsar la sostenibilidad y la rentabilidad del cultivo de maíz nacional. Mediante el desarrollo y la aplicación de las tecnologías mencionadas anteriormente (OT y GNSS), y otras herramientas digitales, el grupo operativo trabaja desde entonces por mejorar la competitividad del maíz español en los mercados nacionales e internacionales, al tiempo que trata de determinar con precisión su huella de carbono para certificar su sostenibilidad ambiental.

Cabe destacar, además, que este proyecto de innovación incluye en sus acciones un plan de divulgación de gran avance para promover la primera certificación nacional de la producción sostenible de este cultivo, con el propósito de aumentar su productividad, facilitar su adaptación y mejorar su resiliencia ante el previsible impacto del cambio climático, reduciendo las emisiones de gases de efecto invernadero de las explotaciones de maíz en España. Así, la certificación se basará en un Protocolo de Técnicas de Agricultura de Precisión que se está desarrollando y validando experimentalmente en cultivos de Castilla y León, Aragón, Navarra, Andalucía y Extremadura. De este modo el agricultor español podrá disponer de una certificación de producción sostenible para el cultivo del maíz, lo que permitirá a los productores diferenciarse competitivamente de los de otros países que, actualmente, están mejor posicionados en el mercado nacional e internacional.

Vertex Bioenergy es la empresa promotora, representante y responsable de la formación de este Grupo Operativo. Desde hace tiempo vienen pidiendo al sector del maíz en España prácticas agrícolas más adecuadas para contribuir a reducir las emisiones e incluso fijar carbono. Actualmente, para el cálculo de las emisiones procedentes del cultivo, España utiliza para el maíz un valor por defecto de grCO2eq/MJ establecido en la Directiva EU 2018/2001 de fomento de las energías renovables, que es, en muchos casos, desfavorable para la producción nacional, en comparación con otros países de la UE o incluso de fuera de la UE. En las prácticas de campo realizadas por Vertex sobre el cálculo de emisiones de maíz en España, los resultados, a priori, parecen desfavorables para España en comparación con el valor por defecto (20) debido principalmente a la abundante cantidad de fertilizantes nitrogenados utilizados. Se deduce que hay potencial de mejora llevando a cabo nuevas prácticas de cultivo más eficientes y sostenibles, así como profundizando en la metodología de cálculo de emisiones utilizado hasta la fecha (Gebbers y Adamchuk, 2010). Durante 2021, Vertex ha mantenido reuniones operativas con el resto del grupo, formado por la Universidad de Sevilla (Grupo Investigación Smart Biosystems Lab), el Instituto Tecnológico Agrario de Castilla y León (ITACyL), Corteva Agriscience, TimacAGRO España, Control Union WG Spain (CU Spain), Grupo AN, Artica Ingeniería e Innovación (artica+i), el Centro de Investigaciones Energéticas Medioambientales y Tecnológicas (CIEMAT), la Asociación Española del Bioetanol (BIO-E) y la Confederación Española de Fabricantes de Alimentos Compuestos para animales (CESFAC) (Figura 1).

Figura 2. Localización de las parcelas de estudio en la campaña 2021.

Para suelo:

• Sensor arrastrado para la medida de la conductividad eléctrica (CE): proporciona gran cantidad de información a bajo coste superficial. Muy útil para diferenciar zonas de manejo dentro de la parcela que tienen características similares y de las que se espera un comportamiento homogéneo.

• Análisis físico-químico de muestras de suelo. No permite mucha resolución de la información debido a su alto coste lo que limita el número de muestras a analizar, pero resulta muy recomendado a la hora de elegir qué tipo de abono utilizar. Si poseemos un mapa anterior de zonas de manejo, podremos dirigir la toma de muestras y de esta forma obtener análisis más representativos.

Para cultivo:

• Mapas de vigor del cultivo, tales cómo las imágenes satélites o desde sensores aerotransportados u obtenidas a nivel de cultivo. Los más utilizados son los mapas NDVI, índice vegetativo relacionado con el contenido en nitrógeno del cultivo (Figura 4). Permiten gran cantidad de información y de gran utilidad para conocer el estado del cultivo, además de un bajo coste superficial.

Figura 4. Estudio del histórico de imágenes e índices de vegetación de los cultivos previos como punto de partida para determinar la zonificación y ayuda a la planificación de la fertilización y otras operaciones.

Figura 5. a) Conversión y ajuste de la sembradora de dosis variable, modelo Prosem Elektra de la empresa SOLÁ, al sistema ISOBUS, realizada por la empresa Agrosap; y b) primeras calibraciones en campo para el ajuste de dosis (semillas/ha).

En cuatro de las cinco parcelas en estudio se cosechó el maíz con una cosechadora con monitor de rendimiento incorporado. Basado en nuestra experiencia y opinión coincidente con muchos otros grupos de investigación, la monitorización del rendimiento (kg/m²) es la mejor opción para conocer la productividad potencial del cultivo de maíz en cada parcela, proporcionando una gran cantidad de información y a un coste muy reducido. Además, nos permite evaluar qué resultado han tenido las decisiones tomadas en cuanto a siembra, riego o fertilización. Esta información, que varía de unos puntos a otros de la parcela, se actualizará a intervalos de tiempo regulares, normalmente un segundo, dos o tres. Pero la indicación en una pantalla numérica del valor instantáneo de producción no resulta suficiente para un estudio pormenorizado en comparación con la distribución de otras propiedades. Es necesario que la información tomada quede registrada y pueda ser descargada después de la operación en un ordenador para su posterior análisis. De igual manera resulta básico asignar a cada dato del rendimiento instantáneo unas coordenadas (X, Y, Z) que permitan realizar el mapa de distribución espacial de la producción.

Para el almacenamiento de la información generada, los monitores de rendimiento disponen de tarjetas de memoria extraíbles que pueden ser leídas por los ordenadores, mientras que las coordenadas para la localización se obtienen mediante un receptor del sistema de navegación global por satélite (GNSS), mejorando la precisión si se emplea tecnología diferencial. Hoy en días algunos sistemas más avanzados de monitorización del rendimiento utilizan sistemas de gestión remota o telemetría para el envío en tiempo real de los mapas de producción a un servidor, esto permite el procesado inmediato por parte de un técnico o de la empresa especializada (Figura 7).

Figura 7. a) Sistema de telemetría y monitor de rendimiento en cosechadora para el envío de la información en tiempo real (Agroplanning) y b) datos en t/ha de maíz mostrados al finalizar la cosecha de forma inmediata.

Aún tenemos tareas de análisis de información por delante, así como un segundo año de ensayos donde poder sacar conclusiones de calado. Sin embargo, en unos resultados preliminares se vislumbran que, con una mejor distribución de los insumos, incluida la semilla de siembra, se obtienen rendimientos similares y en alguna de estas parcelas rendimientos superiores, cuando comparas la parcela control frente a la parcela optimizada. Así mismo, estamos viendo cómo el uso de estas técnicas de agricultura de precisión puede garantizar un valor de ACV competitivo y reducir la huella de carbono en maíz.

GO MAÍZ SOSTENIBLE, actuación con una inversión total de 538.155,64€, cofinanciada en un 80% por el Fondo Europeo Agrícola de Desarrollo Rural (FEADER) de la Unión Europea y en un 20% por el Ministerio de Agricultura, Pesca y Alimentación a través de la Dirección General de Desarrollo Rural, Innovación y Formación Agroalimentaria (DGDRIFA), en el marco del Programa Nacional de Desarrollo Rural 2014-2020.

Información de interés:

Responsable del contenido: Socios beneficiarios del grupo operativo Maíz Sostenible

Autoridad de Gestión encargada de de aplicación de la ayuda FEADER: Dirección General de Desarrollo Rural, Innovación y Formación Agroalimentaria (DGDRIFA)

Responsable de FEADER en la Comisión Europea: Alimentos, Agricultura y Pesca

Agradecimientos

Los autores quieren agradecer a la empresa Maquinaria Agrícola Solá, S.L. por su colaboración durante la siembra de los ensayos y a la financiación del proyecto “GO Maíz Sostenible” por parte del Ministerio de Agricultura, Pesca y Alimentación (MAPA).

Referencias

B. Baso, B. Dumont, B. Maestrini 2018. Soil Organic Carbon and Nitrogen Feedbacks on Crop Yields under Climate Change. Agricultural & Environmental Letters. https://doi.org/10.2134/ael2018.05.0026

Borja Epejo-García, Jorge Martínez Guanter, Manuel Pérez-Ruiz, Francisco J. Lopez-Pellicer y F. Javier Zarazaga¬-Soria. 2018. Machine learning for automatic rule classification of agricultural regulations: A case study in Spain. Computers and Electronics in Agriculture, 150, p 343-352

EUSPA EO and GNSS-Market Report, 2022.

Food and Agriculture Organization (FAO). 2016. The state of food and agriculture. Climate change, agriculture, and food security. FAO, Rome.

Gebbers, R. and Adamchuk, V.I. 2010. Precision Agriculture and Food Security. Science. Vol. 327, Issue 5967, pp. 828-831.