“La agricultura de precisión no es solo para parcelas grandes, también se puede usar en las condiciones de Galicia”

Javier Bueno, durante su intervención en las jornadas sobre ensilado de maíz celebradas en la Politécnica

Javier Bueno es profesor titular del Departamento de Ingeniería Agroforestal de la USC en el Campus Terra e integrante del grupo de investigación BioMODEM, con sede en la Escuela Politécnica Superior de Lugo.

Cuenta con una dilatada experiencia en el estudio del cultivo de maíz en Galicia mediante técnicas de siembra directa y mínimo laboreo y trabaja en la actualidad en dos proyectos de agricultura y ganadería de precisión, Millopreciso y Purinpreciso, centrados en el análisis de datos que puedan servir para aportar recomendaciones de siembra y abonado variable que permitan reducir el uso de insumos necesarios, mejorando la productividad y la rentabilidad de las explotaciones lácteas.

En una reciente jornada sobre ensilado de maíz y nutrición animal, organizada por Limagrain, empresa de semillas líder en Europa en maíz forrajero, Javier ha detallado algunas de las conclusiones de sus investigaciones dentro de estos grupos operativos financiados con fondos europeos de la Política Agrícola Común.

España es el tercer país que más fondos de la PAC recibe: 47.724 millones de euros en el período 2021-2027

“Nuestro objetivo con Millopreciso era comprobar si las tecnologías que hay disponibles en el mercado son útiles para mejorar los sistemas de producción forrajera de maíz en las condiciones de Galicia, porque había un mito que decía que esta tecnología era solo para parcelas grandes, pero eso no es verdad”, asegura el profesor de Politécnica de Lugo, tras la finalización del proyecto.

Millopreciso se ha centrado en obtener datos de rendimiento fiables para posteriormente tomar decisiones de dosificación variable en el momento de siembra y abonado en esa parcela en la siguiente campaña.

“Hace años hablábamos siempre de producciones medias y de dosis medias de abonos o fertilizantes, pero eso hoy está cambiando y podemos hablar de dosificación variable para obtener mejores rendimientos. Es algo que también se puede implementar en Galicia”, concluye.

Datos en tiempo real

El proyecto Millopreciso se ha basado en la obtención de datos de cosecha de maíz durante dos campañas consecutivas, 2023 y 2024, en distintas fincas pertenecientes a la ganadería A Ladrela, ubicada en el municipio de Xermade. En concreto se han analizado datos de 7 parcelas generados a través de los sensores colocados en la maquinaria de la empresa de servicios agrarios Marcos Otero SL.

Los datos solos no hacen nada; hay que transformarlos en información útil

Distintos sensores colocados en la cosechadora (en los cabezales para medir rendimientos y en los tubos de descarga para medir la humedad del forraje) han aportado unos 1.000 datos por hectárea en otros tantos puntos georreferenciados, lo que permite obtener un mapa de rendimientos preciso con el que poder hacer recomendaciones de diferentes densidades de siembra y dosis variable de abono en las posteriores campañas en función del potencial productivo de cada parcela o incluso de cada zona dentro de la misma parcela.

Fiabilidad

La primera conclusión tras la finalización del proyecto Millopreciso es que el sistema es fiable en la obtención de datos, “también en una estructura de propiedad de pequeñas parcelas como la que tenemos en muchas zonas de Galicia”, asegura Javier.

La información de rendimientos de la parcela obtenida a través de la maquinaria es almacenada a continuación en el centro de datos del fabricante, ya sea John Deere o Claas, que se encuentra en la nube.

Estas tecnologías hay que calibrarlas, no sólo comprarlas y tenerlas en la máquina, sino ajustarlas y usarlas

A continuación, el equipo de la USC que participó en el grupo operativo procedió a la limpieza de los mapas obtenidos, ya que la tecnología requiere que los datos obtenidos en bruto sean revisados y depurados eliminando errores. El dato medio producción resultante ha sido de 14 toneladas de MS por hectárea con una materia seca del 32%.

Pero para determinar las distintas zonas según su potencial de producción (alto, medio o bajo) dentro de la parcela no sirve con tomar los datos sólo de una campaña, sino que se recomienda repetir el proceso al menos durante 3 campañas consecutivas “para así tener mapas de rendimiento en los que podamos comprobar patrones fiables que se repiten con los que hacer un mapa de prescripción variable para esa parcela”, detalla.

Mayor rendimiento y ahorro de costes

De ese modo, sembrando con mayor densidad de semilla en las zonas más productivas (85.000 plantas/ha) y usando variedades que respondan a ese mayor potencial productivo y con menor densidad en las zonas menos productivas (75.0000 plantas/ha) “obtendremos mayor rendimiento medio en el conjunto de la parcela, ahorrando un 5% de semilla”, calcula Javier.

La dosificación variable de siembra nos permitiría ahorrar un 5% de semilla sin perjudicar el rendimiento total de la parcela

Esta decisión de ajustar de forma variable la cantidad de semilla y de abono hay que tomarla en función de las características concretas de cada finca. “Hay parcelas que son muy uniformes y que no necesitan o no compensa hacer ningún tipo de aplicación a dosis variable”, matiza.

Otra utilidad de los mapas de rendimiento sería la obtención de analíticas de suelo más fiables. “Podríamos hacer análisis de suelos dirigido y sacar menos puntos de muestreo una vez que tenemos ya esas zonas identificadas con potencial productivo alto, medio y bajo”, explica.

Tecnología barata

Público asistente a la jornada sobre cultivo y ensilado de maíz

El principal cuello de botella para la implementación de la agricultura de precisión es, a juicio de Javier, “la información y el servicio postventa de las empresas, porque la tecnología ya está disponible pero el factor humano es el elemento fundamental para su universalización”, insiste.

Se trata de una tecnología relativamente barata, asegura, en comparación con el coste en sí de la maquinaria. “Una cosechadora que cuesta medio millón de euros podemos equiparla con estos sensores por 20.000 euros. Nosotros nos centramos en los mapas de rendimiento porque es lo más barato, te lo dá la tecnología de la maquinaria al mismo tiempo que te cosecha”, argumenta el profesor de la EPS.

Al mismo tiempo que realizan los trabajos agrarios, las máquinas hoy en día pueden generar muchos datos útiles

“Las máquinas hoy en día pueden generar muchos datos útiles al tiempo que realizan los trabajos agrarios. Por ejemplo, la sembradora, la cosechadora, la abonadora, la sulfatadora o el tractor pueden ser máquinas inteligentes a un coste muy económico, mediante sensores que hoy en día son baratos”, reitera.

Inteligencia artificial + inteligencia natural

Su recomendación es que las explotaciones agroganaderas deben implementar tecnologías de información, captación de datos y ayuda a la toma de decisiones mediante inteligencia artificial, pero advierte de que estas tecnologías no son completamente autónomas y necesitan de la experiencia del agricultor o ganadero, por lo que, por si solas, tienen un alcance limitado. “La tecnología no lo hace todo. Después de la inteligencia artificial tiene que actuar la inteligencia natural del ganadero”, asegura.

No todo se soluciona con un mapa de rendimientos, porque lo que no te da la tecnología son las causas

“La agricultura de precisión es una herramienta de ayuda a la toma de decisiones, pero no toma decisiones por sí sola. No todo se soluciona con un mapa de rendimientos de cultivo, a la hora de decidir influyen más cuestiones además de la tecnología, que te ayuda a identificar esas zonas más productivas, pero no te da las causas y puede haber multitud de motivos. Ahí es donde entra en juego la experiencia y el saber del agricultor o del ganadero”, afirma.

Purínpreciso

Un proyecto diferente, pero al mismo tiempo complementario a Millopreciso, es Purínpreciso, que está en estos momentos en una fase más inicial, de adaptación de la maquinaria, en concreto de la cuba de distribución del purín, para la incorporación de un sistema NIRs para el análisis en tiempo real de la composición del abono orgánico cargado.

“Mediante este sensor en la cisterna, que mide en tiempo real el poder fertilizante del purín, podremos dosificarlo a continuación en la parcela en función de esa composición”, detalla el profesor titular de la Politécnica de Lugo. “Puede haber mucha diferencia entre la parte de arriba del pozo y la de abajo o entre un pozo y otro, en caso de que la granja posea más de uno”, explica.

La cisterna experimental de distribución de purín estará disponible a partir de esta primavera

Este tipo de aplicación permitirá a las ganaderías lácteas reducir sus emisiones y su huella de carbono. “La digitalización de las máquinas nos va a servir para saber con más precisión cuánto carbono extraemos del suelo y cuánto capturamos con nuestro cultivo, pero no solo nos permitirá medir la huella de carbono con más precisión, sino también reducirla, al dosificar de forma precisa insumos como los fertilizantes químicos en función de las necesidades reales del cultivo, o una mejor utilización de abonos orgánicos como el purín, con un aporte preciso en función de su composición, más aún si lo aportamos con sistemas que reducen las emisiones, como tubos colgantes o inyectores”, indica Javier Bueno.