SD_Bert_fin.pdf

VARIABILIDAD CLIMATICA Y SIEMBRA DIRECTA EN LOS SISTEMAS DE
PRODUCCION
Dr. Federico Bert
(UBA-CONICET-AACREA)
1. Introducción:
En los sistemas de producción argentinos, como en otras partes del mundo, el clima
varía notablemente a entre meses, años, o bien a escalas temporales más largas como
pueden ser décadas. La variabilidad del clima, significa desviaciones en los valores de
variables climáticas respecto a un estado promedio de las mismas en un período de tiempo
determinado. Esta variabilidad climática surge de las complejas interacciones que se
producen entre los diferentes componentes del sistema climático, como son los océanos,
los continentes, la superficie con hielo y la atmosfera (Vera 2009).
El clima de la región pampeana se caracteriza por una alta variabilidad en las
precipitaciones (CV=20-30%, Prohaska 1976). Asimismo, la producción de cultivos se
realiza en la mayor parte del área bajo condiciones de secano (Hall et al. 1992). La
conjunción de estos factores y la dependencia de la productividad de los principales cultivos
(soja, maíz y trigo) a las condiciones hídricas durante los meses de primavera tardíacomienzos de verano (Hall et al. 1992) determinan que la producción de los sistemas
agrícolas sea altamente dependiente de las condiciones climáticas durante el ciclo
productivo.
Las variaciones del clima son, entonces, la principal fuente de variabilidad de los
resultados de los sistemas de producción agrícolas Argentinos. La evolución de los
sistemas agrícolas a través de la incorporación de nuevas tecnologías y el diseño de los
sistemas de producción han contribuido a incrementar la estabilidad de los resultados frente
a las variaciones del clima. En este sentido, la incorporación de la siembra directa (SD) tuvo
un rol clave en la modulación del impacto de la variabilidad climática en los sistemas
agrícolas, principalmente por las modificaciones en la dinámica del agua en el sistema. Sin
embargo, a pesar de que los sistemas agrícolas han evolucionado en el largo plazo en
respuesta a las variaciones del clima, estos continúan siendo muy sensibles a las
variaciones del mismo (Stern y Easterling 1999).
Si bien el clima varía en un amplio espectro de escalas temporales, las variaciones a
escalas de décadas y las variaciones de año a año son las más relevantes para el manejo
de los sistemas de producción agrícola en SD. Los cambios a escalas de décadas pueden
generar condiciones que determinen la viabilidad de diferentes actividades productivas en
diferentes regiones. Los cambios en los esquemas de actividades de una región requieren
ser acompañados por la generación de conocimiento local y la infraestructura necesaria
para el desarrollo de las mismas. Las variaciones año a año determinan los niveles de
producción de las diferentes actividades. En este sentido, el manejo de las actividades
(período de siembra, genética, etc.) modula directamente la influencia de la variabilidad
climática en el resultado del cultivo. Así, el manejo de los cultivos puede planearse en
relación a las condiciones climáticas imperantes para evitar impactos negativos de
condiciones adversas o tomar ventajas de condiciones favorables. En las siguientes
secciones se discutirán las dos escalas temporales de variabilidad climática y el impacto de
las mismas en los sistemas de producción.
2. Variabilidad climática inter-decadal:
La región pampeana muestra una fuerte variabilidad climática inter-decadal. En este
sentido, desde mediados del siglo pasado se han observado fuertes cambios en las
condiciones climáticas a lo largo de todo el país. Los cambios más importantes consistieron
en incrementos en las precipitaciones y en las temperaturas mínimas y, por otro lado,
disminuciones en la radiación y temperaturas máximas (Rusticucci y Penalba 2000; Minetti
et al. 2003; Boulanger et al. 2005; Magrín et al. 2005). Estas variaciones se manifestaron
como tendencias graduales en algunas regiones mientras que en otras parecen haber sido
producto de un “salto” en el sistema climático (Minetti y Vargas 1997; Minetti et al. 2003;
Boulanger et al. 2005). Los incrementos de las precipitaciones no fueron constantes a lo
largo del año en las principales regiones productivas del país, sino que se concentraron el
semestre húmedo (septiembre a febrero). Durante el invierno, no sólo no se observaron
incrementos, sino que en algunas situaciones se observó una tendencia a la disminución de
las lluvias (Figura 1). Los cambios observados en la región pampeana fueron consistentes
con los cambios observados en América del Sur. Haylock et al. (2006) mostraron tendencias
positivas en las precipitaciones totales y extremas en el período 1960-2000 para todo el
centro este de América Latina (Ecuador, Norte de Perú, región Sur de Brasil, Paraguay,
Uruguay y Norte y centro de Argentina).
Los cambios observados en el clima de la región pampeana tuvieron un impacto en el
rendimiento potencial y observado de los principales cultivos de la región (Messina 1999;
Magrín et al. 2005). Resultados de estimaciones realizadas por Magrín et al. (2005)
mostraron que los rendimientos potenciales entre los periodos 1950/1970 y 1970/1999 se
incrementaron 38% en soja, 18% en maíz, 13% en trigo y 12% en girasol, exclusivamente
en respuesta a las variaciones del clima. Sin embargo, para el mismo período, los
rendimientos reales observados para varias localidades en la región pampeana aumentaron
en promedio 110% en maíz, 56% en trigo y 102% en girasol (Magrín et al. 2005). La brecha
entre las variaciones en los rendimientos potenciales y los observados sugiere un aporte
importante de las tecnologías de producción en el mejoramiento de la productividad de los
sistemas agrícolas pampeanos.
Figura 1. Precipitaciones mensuales medias (mm) para el periodo 1950-1970 (triángulos
naranja) y 1971-2001 (círculos verdes) en tres localidades de la región pampeana: (a)
Pergamino (Buenos Aires), (b) Pilar (Córdoba) y (c) Santa Rosa (La Pampa).
160
Lluvia media (mm)
(a)
120
80
40
1971-2001
1950-1970
0
Ene Feb Mar Abr May Jun Jul Ago Sept Oct Nov Dic
Lluvia media (mm)
160
(b)
120
80
40
0
Ene Feb Mar Abr May Jun Jul Ago Sept Oct Nov Dic
Lluvia media (mm)
160
(c)
120
80
40
0
Ene Feb Mar Abr May Jun Jul Ago Sept Oct Nov Dic
El escenario provisto por las variaciones climáticas a escala decadal para la producción
de cultivos, junto con la incorporación de nuevas tecnologías de producción y cambios en
los escenarios socio-económicos, contribuyeron a que ocurrieran cambios importantes en
los planteos productivos y en el patrón de uso de las tierras en la región pampeana (Viglizo
et al. 1997; Magrín et al. 2005). Por un lado, hubo una intensificación de los sistemas
agrícolas tradicionales, con intensificación de las rotaciones e incremento en el uso de
tecnologías de insumos en los modelos productivos (ej. mayor uso de fertilizantes; Hall et al.
1992). Por otro lado, los cambios observados permitieron la expansión de la frontera
agrícola hacia tierras antes consideradas marginales y tradicionalmente dedicadas a la
ganadería. Como consecuencia, se observó un desplazamiento de la ganadería hacia áreas
aun más marginales.
La incorporación de la SD tuvo un rol clave en el desarrollo de los sistemas de
producción agrícolas. La SD introdujo cambios en la dinámica del agua dentro del sistema
que fueron determinantes para el desarrollo de actividades agrícolas. En este sentido, el
incremento de la infiltración y la reducción de la evaporación directa por una mayor
cobertura (más allá de los cambios físicos y químicos en el suelo) fueron atributos de la SD
que permitieron mejorar la economía del agua en los sistemas de producción. Esto implicó
una mejora en la eficiencia de uso del agua, los nutrientes y otras tecnologías de insumos
(Peterson et al. 1993). Las ventajas de la SD sumadas al incremento de las lluvias
propiciaron un escenario favorable para la viabilidad ecológica y económica de algunos
cultivos, permitiendo expandir la agricultura hacia marginales para la producción agrícola.
No menos importantes fueron los beneficios asociados a la reducción de la erosión de los
suelos de la SD para sostener la viabilidad de los sistemas más frágiles.
3. Variabilidad inter-anual
a. Siembra directa y variabilidad inter-anual
La variabilidad climática inter-anual explica la mayor parte las diferencias de
rendimientos entre diferentes campañas. El rendimiento de los cultivos está determinado
mayormente por el nivel de lluvias antes y durante el ciclo del productivo, la distribución a lo
largo del tiempo de esas lluvias y, las temperaturas y los niveles de radiación que
experimente el cultivo. Los valores que toman estas variables a lo largo de los años,
principalmente en aquellos períodos críticos para la generación del rendimiento de los
cultivos, mediados por las características edáficas y de manejo del sistema determinan la
variabilidad de la producción de los sistemas agrícolas.
Como se mencionó anteriormente, la introducción de la SD implicó cambios en la
dinámica del agua en los sistemas que alteró la relación entre las variaciones del clima y el
rendimiento de los cultivos. Sin considerar el impacto sobre las condiciones físicas y
químicas de los suelos, el aumento de la infiltración del agua de lluvia junto con la
disminución de la evaporación asociada a la SD significó mejoras en las condiciones
hídricas para los cultivos. Varios estudios han mostrado que la mejora en las condiciones
hídricas redundó en un incremento y estabilización de los rendimientos. Asimismo, la
conservación de la humedad del suelo por la cobertura asociada a la SD y la ausencia de
remoción del suelo proporcionaron más flexibilidad para la realización de las labores. Como
consecuencia, la SD contribuyó a reducir la vulnerabilidad de los sistemas de producción a
las variaciones del clima.
b. Fuentes de variabilidad inter-anual
A pesar de la contribución de la SD, la producción agrícola continua siendo fuertemente
dependiente de las variaciones del clima. Por este motivo, resulta indispensable identificar
las principales fuentes de variabilidad climática inter-anual y evaluar las posibilidades de
utilizar información relacionada a las mismas como una herramienta para la toma de
decisiones en la producción agrícola. En las siguientes secciones se discute la fuente más
importante de variabilidad climática en los sistemas de producción de la región pampeana y
se analiza el uso de información climática para planificar el manejo de los cultivos bajo SD.
Las variaciones año a año del clima tienen su origen en la interacción entre los
diferentes componentes del sistema climático. Por su alta capacidad calorífica, los océanos
cumplen un rol fundamental en el balance de calor, y en consecuencia el funcionamiento,
del sistema climático. En tal sentido, gran parte de la variabilidad climática alrededor del
mundo, y en particular en nuestras regiones de producción, se relaciona con variaciones de
las condiciones superficiales de los océanos, principalmente en las regiones tropicales. En
especial, las variaciones en las interacciones mar-atmosfera que se producen en el océano
Pacifico Tropical, comúnmente conocidas como fenómeno del ENOS (El Niño Oscilación del
Sur), son la principal fuente de variabilidad año a año del clima en varias regiones
productivas alrededor del globo.
El fenómeno del ENOS, resultado de la interacción entre el mar y la atmósfera en el
Océano Pacífico Tropical, se puede categorizar en dos fases extremas, según las
temperaturas de la superficie del Océano Pacifico Tropical: eventos cálidos ó El Niño y
eventos fríos o La Niña; los años que no se encuentran dentro de estas categorías se
denominan Neutros. En la región pampeana, la señal más pronunciada del ENOS se
manifiesta en el período octubre-diciembre. Durante los eventos El Niño, las precipitaciones
tienden a ser superiores al promedio histórico, mientras que en los años La Niña tienden a
ser inferiores. En los años Neutros las precipitaciones medias generalmente son similares al
promedio histórico (los años Neutros constituyen alrededor del 50% del total de la serie
histórica; más detalles en: Penalba et al. 2007).
Las señales asociadas a cada fase del ENOS sobre el clima de una región pueden
variar. No todos los fenómenos ENOS son iguales, varían en inicio, duración e intensidad y
esto se traduce en diferencias en cuanto al impacto de eventos de la misma categoría en el
clima de una zona determinada. Así, aunque ante un evento Niña puede esperarse una
mayor probabilidad de totales de lluvia menores al promedio, puede haber Niñas
anormalmente lluviosas. Para la región pampeana, la señal en las lluvias es más nítida en el
caso de los eventos La Niña respecto a El Niño (Penalba et al. 2007).
El fenómeno ENOS no es el único responsable de las variaciones climáticas en la
región pampeana. Existen otros procesos (ej. variaciones en las condiciones de
temperaturas del océano Indico o Atlántico) que pueden afectar el clima local y que se
encuentran actualmente en estudio (Penalba et al. 2007). Sin embargo, las fases del ENOS
como principal componente de la variabilidad interanual explican parte de las variaciones de
rendimiento de los cultivos bajo SD. A continuación se muestran las relaciones entre las
fases del fenómeno y el comportamiento de los principales cultivos.
c. Impactos del ENOS en la agricultura
Las señales climáticas del ENOS se manifiestan en cambios en el rendimiento de los
cultivos. Un estudio realizado por Podestá et al. (1999) sobre registros de rendimientos
(SAGPyA) a nivel nacional muestra incrementos en los rendimientos de maíz y sorgo
durante las fases Niño y disminuciones durante La Niña. Para ambos cultivos la depresión
en los rendimientos en La Niña es, en promedio, más pronunciada y menos variable que el
aumento de rendimientos en El Niño. Asimismo, para el cultivo de soja, se observan
reducciones de rendimiento durante los años La Niña y leves incrementos en El Niño.
Aunque los niveles de producción de trigo a nivel nacional no muestran asociación con la
fase del ENOS, los efectos pueden ser muy importantes en el cultivo subsiguiente (ej. soja
de segunda).
El impacto de las fases del ENOS puede variar en diferentes regiones de producción
(Magrín et al. 1998). Las diferencias radican principalmente en que: (a) la señal climática del
fenómeno no es homogénea a lo largo de las principales regiones del país, (b) existen
diferencias importantes en las condiciones agroecológicas entre las regiones de producción
y, (c) existen diferencias importantes en los planteos de producción (ej. siembra, momento
de ocurrencia de periodos críticos, etc.) entre regiones de producción. Así, si bien en el área
núcleo de la región pampeana no se observan fuertes incrementos de rendimientos de soja
durante las fases Niño, el incremento de lluvias de esta fase resulta en incrementos del
rendimiento en áreas con mayores limitantes hídricas como puede ser el norte de Córdoba
(Figura 2). De la misma manera, si bien en el estudio realizado por Podestá et al. (1999) no
se identificaron asociaciones entre la producción nacional de trigo y la fase del ENOS, en
áreas al sur de la región pampeana (ej. Sudeste y Sudoeste) puede observarse una relación
entre el rendimiento del trigo y la fase del ENOS. En estas áreas, las condiciones térmicas y
los planteos de producción tradicionales determinan que los períodos críticos para la
generación del rendimiento de trigo ocurran más tardíamente, cuando las señales del
fenómeno ENOS comienzan a ser fuertes.
Figura 2. Box plots de los rendimientos simulados de soja en las diferentes fases del ENOS para: (a)
Pergamino (Buenos Aires), y (b) Pilar (Córdoba).
5000
5000
(a)
(b)
4000
Rinde (kg/ha)
Rinde (kg/ha)
4000
3000
2000
3000
2000
1000
0
1000
El Niño
Neutro
La Niña
El Niño
Neutro
La Niña
d. El ENOS y el manejo de los cultivos
Las tecnologías de manejo de los cultivos responden de manera diferente a las fases
del ENOS (Podestá et al. 2002; Bert et al. 2006). Esto genera la posibilidad de adaptar el
manejo de los cultivo para evitar las disminuciones de rendimiento asociadas a los
escenarios La Niña y capitalizar las ventajas de los escenarios El Niño. Los modelos de
simulación son herramientas indispensables para evaluar alternativas de manejo ante
diferentes escenarios climáticos, dado que la realización de experimentos a campo sería
extremadamente costosa y requeriría demasiado tiempo. En los resultados discutidos en los
siguientes párrafos (derivados de diferentes trabajos) se utilizaron los modelos incluidos en
la carcaza DSSAT (Jones et al. 2003) para explorar el comportamiento de diferentes
estrategias de manejo de maíz y soja en las fases del ENOS. Estos modelos han sido
calibrados y validado bajo diferentes condiciones de campo en varios ambientes productivos
de la Argentina (ej. Mercau et al. 2007).
El Cuadro 1 muestra el un ejemplo para soja de primera en Pergamino (Argiudol típico),
donde se simuló el rendimiento de dos genotipos ampliamente usados y cuatro fechas de
siembra para toda la serie histórica primero (1931-2005), y para cada fase del ENOS por
separado después. Los resultados muestran ventajas de utilizar genotipos de ciclo más
corto sembrados temprano durante El Niño, y genotipos de ciclo más largo sembrados tarde
en La Niña. La estrategia de ciclo corto en siembra temprana durante El Niño permite
capturar todo el potencial productivo de este planteo dadas las mayores precipitaciones de
esta fase. Contrariamente, la estrategia de genotipo largo y siembra tardía en La Niña
permite retrasar los períodos críticos de generación de rendimiento hacia momentos donde
la señal adversa de La Niña se torna más débil (enero-febrero; Podestá et al. 1999) y la
demanda atmosférica es menor. Simultáneamente, el retraso de la siembra en La Niña
permite una mayor recarga hídrica del suelo a la siembra.
Cuadro 1. Rendimiento promedio (Ton/ha) de distintas estrategias
de manejo de soja en las fases del ENOS en Pergamino.
Var
FS
La Niña
DM3700
El Niño
15 Oct
1 Nov
15 Nov
30 Nov
3.76
3.78
3.77
3.78
4.00
3.91
3.82
3.75
3.12
3.31
3.46
3.63
DM 4800
Histórico
15 Oct
1 Nov
15 Nov
30 Nov
3.60
3.71
3.77
3.78
3.82
3.84
3.83
3.76
3.00
3.25
3.47
3.64
La Figura 2 muestra diferencias de resultado de diferentes estrategias de maíz en las
distintas fases del ENOS para la localidad de Pehuajó (Hapludol típico profundo, serie
Pehuajó). Para las fases El Niño una estrategia de fecha de siembra temprana (aprox. 15 de
septiembre) con niveles altos de N (150 kg/ha) permitiría obtener el máximo resultado
productivo. Los mayores niveles de precipitaciones durante El Niño permiten una respuesta
significativa al aumento del nivel tecnológico del planteo productivo (ej. dosis de N).
Contrariamente, durante las fases La Niña, la estrategia que permite obtener los mayores
rendimientos implica una siembra relativamente tardía (luego de mediados de octubre) con
dosis intermedias de N (entre 110 y 130 kg/ha de N). Al igual que para soja, el retraso de la
fecha de siembra en la Niña permite ubicar la floración del cultivo en momentos donde el
balance hídrico es menos desfavorable (Forte Lay y Scarpati, 2004) dado que la señal del
fenómeno es más débil. Asimismo, los menores niveles de rendimiento asociados a las
menores precipitaciones, condición más probable durante La Niña, implican menores
requerimientos de N del cultivo (es decir, disminuyen la respuesta al N). El patrón de
respuesta de fecha de siembra y nivel de fertilización con N en las diferentes fases del
ENSO se puede observar en otras regiones de producción (ej. Norte de Buenos Aires, Norte
de Córdoba). Finalmente, para maíz, la densidad de siembra puede ser otra variable de
ajuste ante las fases del ENOS. En un estudio realizado por Royce et al. (2002) se mostró la
conveniencia de aumentar la densidad de siembra ante las fases El Niño y disminuirlas en
La Niña.
Para las regiones en donde se encuentra una asociación entre las fases del ENOS y el
rendimiento de trigo, puede justificarse un manejo diferencial del cultivo según la fase
esperada. Así, en el sur de la región pampeana (principal área de producción de trigo)
podría considerarse un ajuste de la fertilización con N ante las fases del ENOS. En estas
áreas, el rendimiento de trigo disminuye de manera considerable ante las fases La Niña.
Bajo estas condiciones, resultaría conveniente disminuir los niveles de N objetivo dado que
es esperable una menor respuesta a este nutriente. Sin embargo, la información disponible
sobre la interacción entre fases del ENOS y la fertilización nitrogenada en estas áreas es
aún limitada.
Figura 2. Rendimiento promedio de diferentes estrategias de manejo de maíz en Pehuajó en: (a)
Fases El Niño y, (b) fases La Niña.
e. Uso de información relaciona al ENOS para la toma de decisiones:
La naturaleza caótica de la atmósfera impide predecir cómo se comportará ésta luego
de algunos días. Por lo tanto, es imposible anticipar las condiciones climáticas para la
próxima estación a través de la simple extensión del pronóstico del tiempo. Sin embargo,
dado que se puede predecir el comportamiento de algunas variables del sistema climático
(ej. temperaturas del océano, etc.), es posible anticipar tendencias generales para el clima
en la próxima estación. Los pronósticos estacionales indican desviaciones respecto a una
distribución de probabilidad esperada. Por ejemplo, el registro de lluvias en los meses de
verano en Pergamino tiene una distribución característica (un determinado promedio,
variabilidad). Cuando se esperan condiciones climáticas distintas (ej. asociadas a una fase
del ENOS), la distribución de valores esperados cambia, pudiendo ser, por ejemplo, los
valores más bajos más probables que lo habitual.
Durante las décadas pasadas ha mejorado significativamente la capacidad de predecir
las variaciones año a año del clima. Los avances en la generación de pronósticos fueron
posibles gracias a que se profundizó el conocimiento del sistema climático permitiendo el
desarrollo de nuevos y mejores modelos climáticos y, a la creciente capacidad de
monitorear la evolución del sistema climático por medio de instrumentos a bordo de boyas,
satélites y otros medios. Como se mencionó, esta predictibilidad está fuertemente asociada
a la circulación de la atmósfera tropical y es principalmente dependiente de las anomalías
asociadas con el fenómeno ENOS.
La disponibilidad de pronósticos asociados al ENSO y la interacción entre el resultado
de los cultivos y las fases del fenómeno brinda el potencial para reducir la vulnerabilidad de
los sistemas agrícolas a las variaciones del clima. El hecho de conocer qué condiciones
climáticas son más probables para el próximo ciclo de producción, permitiría ajustar el
manejo del sistema para aprovechar condiciones esperadas favorables o para atenuar
impactos negativos de condiciones desfavorables. A continuación se analizan algunas
oportunidades para obtener beneficios de los pronósticos climáticos.
La respuesta diferencial de los cultivos y manejos de los cultivos a las fases del ENOS
permite adaptar el manejo del sistema al escenario climático esperado. De esta manera, se
podría modificar la superficie asignada a cada cultivo en el establecimiento o el manejo de
los mismos para mejorar el manejo del riesgo climático. La Figura 3 muestra el manejo
óptimo (en términos de margen bruto) simulado para un establecimiento de 600 hectáreas
en Pergamino para distintos escenarios climáticos. Los resultados muestran que el área
dedicada a cada cultivo y el manejo de cada cultivo varía entre los escenario climáticos.
Para el escenario histórico (es decir considerando toda la serie climática de Pergamino) el
manejo óptimo simulado incluyó 60% de soja, y 40% de trigo-soja de segunda1. Sin
embargo, en El Niño, la decisión que maximiza el margen bruto incluye 100% de trigo-soja
de segunda. Este resultado es coherente con los incrementos de rendimientos de soja de
segunda asociados a las condiciones favorables de El Niño. Contrariamente, en La Niña, el
máximo margen bruto se alcanzó con 100% de soja sembrada tardíamente (fines de
noviembre). Bajo el escenario Niña desaparece el doble cultivo trigo-soja de segunda dado
que el resultado de este disminuye sensiblemente bajo esta fase (principalmente por la
disminución del rendimiento de soja de segunda). Asimismo, la estrategia incluye la siembra
1
No se consideran restricciones asociadas a rotaciones de los cultivos en el análisis. El maíz no aparece en ninguna
asignación dado que con los precios de insumos y de granos utilizados en la simulación (promedio de precios para el periodo
20020-2007), presentó un margen bruto considerablemente menor que el resto de los cultivos.
tardía de soja que, como muestra la Tabla 1, es la estrategia de mayor rendimiento en La
Niña. Finalmente, el manejo óptimo en las fases Neutras es similar al observado para el
escenario histórico (incluye trigo-soja de segunda y soja de primera) dado que, los años
Neutros representan el 50% de los años de la serie histórica.
Figura 3. Asignación óptima (en
términos de margen bruto) de
superficie a cultivos y manejos
simulada en un establecimiento
de 600 has en Pergamino para:
(a) el conjunto de años de la serie
climática histórica (1931-2005) y,
(b) las distintas fases del ENSO
en Pergamino.
El hecho de que pueda adaptarse el manejo del sistema (proporción de cultivos y
manejos) en respuesta a las expectativas climáticas y, de esta manera, obtener mejores
resultados (ej. rendimientos) indica que es posible obtener valor económico a partir de la
información climática. Usualmente, los economistas definen el valor de la información como
la diferencia entre: (a) los resultados de decisiones tomadas con información (en este caso
pronósticos) y, (b) los resultados de decisiones tomadas sin información (en este caso los
valores históricos o “climatológicos”). Diversos estudios realizados en la región pampeana
han mostrado un valor variable de la información climática dependiendo del área de
producción. Así, Messina (1999) encontró que el valor de la información climática sería de
aproximadamente 12, 15 y 35 US$/ha en Pergamino (Buenos Aires), Santa Rosa (La
Pampa) y Pilar (Córdoba) respectivamente. Letson et al. 2009 encontró valores consistentes
con los de Messina para un estudio realizado en Pergamino. Sin embargo, se ha observado
que el valor de la información climática es sensible a las condiciones de precios (costos
directos y precio de granos) asumidas para el cálculo. En este sentido, Messina (1999) y
Magrín y Travasso (2001) encontraron que el valor de la información climática es mayor,
cuanto mayor es el nivel de precios de los granos.
Finalmente, el valor de la información climática puede verse disminuido dependiendo
de diferentes factores. Entre ellos, los más importantes son: (a) la habilidad o precisión del
pronóstico y (b) las restricciones eventuales para el manejo del sistema de producción. En
este sentido, el valor de la información es proporcional a la habilidad del pronóstico. Si bien,
con los niveles actuales de habilidad de los pronósticos el valor de la información climática
es positivo, cuanto más incierto sea pronóstico, menor es el valor del mismo (Letson,
comunicación personal). Por su parte, las restricciones en la asignación de superficies
dentro de un establecimiento, por ejemplo asociado al esquema de rotaciones de cultivos,
puede limitar el valor de la información. Como se mostró en los párrafos anteriores, gran
parte del valor de la información relacionada al ENOS proviene de modificar la proporción
de los diferentes cultivos en función de la fase esperada.
4. Comentarios finales
En este capítulo se discutió el impacto de la variabilidad climática de diferentes escalas
temporales en interacción con la SD sobre el resultado de los sistemas de producción
agrícola. La SD tuvo un rol clave en modular el impacto del clima en los sistemas de
producción. Por un lado, junto con el incremento de las precipitaciones observado desde
mediados del siglo pasado, la SD fue un factor clave para la expansión de la agricultura,
principalmente hacia áreas de producción marginales. Por otro lado, la SD, a través de sus
cambios en la dinámica del agua del sistema (sin considerar otros impactos positivos en el
suelo), contribuyó a disminuir la sensibilidad de la producción agrícola a las variaciones año
a año de las condiciones climáticas.
A pesar del aporte de la SD (junto a otras tecnologías) en la estabilización de
rendimientos, nuestros sistemas de producción siguen siendo aun muy vulnerables a las
variaciones del clima. En este sentido, uno de los principales responsables de las
variaciones climáticas y en consecuencia de los rendimientos en los sistemas de producción
en SD de la Argentina es el fenómeno del ENOS. Este fenómeno puede explicar hasta el
30% (dependiendo del cultivo y de la región de producción) de las variaciones del
rendimiento de los cultivos (Messina 1999). Asimismo, se mostraron diferentes ejemplos de
la respuesta diferencial de las tecnologías de producción de los cultivos ante las fases del
fenómeno ENOS.
La interacción entre el fenómeno y el resultado de los cultivos justifica manejar de
manera diferente nuestro sistema de producción según la fase del ENOS esperada. Hoy en
día se dispone de pronósticos ENOS de moderada habilidad con gran tiempo de
anticipación que brindan la oportunidad de utilizarlos como herramientas en el planeamiento
del manejo del sistema. En este sentido, diferentes estudios han mostrado ventajas
económicas (que pueden ir desde los 12 a 35 US$/ha dependiendo de la región de
producción y escenarios de precios) de utilizar información climática asociada al ENOS para
la toma de decisiones.
5. Referencias

Bert FE, Satorre EH, Ruiz Toranzo F, Podestá G (2006). Climatic information and decisionmaking in maize crop production systems of Argentinean Pampas. Agricultural Systems 88,
180–204.

Boulanger JP, Leloup J, Penalba O, Rusticucci M, Lafon F, Vargas W (2005) Low-frequency
modes of observed precipitation variability over the La Plata basin. Climate Dynamics 24,
393–413.

Forte Lay JA, Scarpati OE (2004) El ENOS y las diferencias en la distribución estival
(diciembre - enero) de la disponibilidad de agua en el suelo en la región pampeana argentina.
En actas de: X Reunión Argentina y IV Latinoamericana de Agrometeorología, Mar del Plata,
Argentina.

Hall AJ, Rebella CM, Ghersa CM, Culot JPH (1992) Field crops systems of the Pampas. En:
Pearson CJ, (Ed), Field Crops Systems: Ecosystems of the World, vol 18, Elsevier,
Amsterdam, pp 413–449.

Haylock MR, Peterson MC, Alves LM, Ambrizzi T, Anuncição YMT, Baez J, Barros VR,
Berlato MA, Bidegain M, Coronel G, Corradi V, Garcia VJ, Grimm AM, Karoly D, Marengo JA,
Marino MB, Moncunill DF, Nechet D, Quintana J, Rebello E, Rusticucci M, Santos JL, Trebejo
I, Vincent LA (2006) Trends in total and extreme South American rainfall in 1960–2000 and
links with Sea Surface Temperature. Journal of Climate 19, 1490–1512.

Jones JW, Hoogenboom C, Porter CH, Boote KJ, Batchelor WD, Hunt LA, Wilkens PW, Singh
U, Gijsman AJ, Ritchie JT (2003) The DSSAT Cropping System Model. European Journal of
Agronomy, 18, 235-265.

Letson D. Laciana CE, Bert FE, Weber E, Katz R, González X, Podestá GP (2009) Value of
perfect ENSO phase predictions for agriculture: evaluating the impacts of land tenure and
decision objectives. En prensa en Climatic Change.

Magrín GO, Grondona MO, Travasso MI, Boullan DR, Rodriguez GR, Messina C D (1998)
Impacto del fenómeno ‘‘El Niño’’ sobre la producción de cultivos en la región pampeana.
Boletín del Instituto de Clima y Agua, INTA. Dirección de Comunicaciones, Buenos Aires,
Argentina, 16 pp.

Magrín GO, Travasso MI (2001) Economic value of ENSO-based Climatic Forecasts in the
Agricultural Sector of Argentina. En: actas del 2do International Symposium “Modelling
Cropping Systems”. Florence, Italia, pp 139–140.

Magrín GO, Travasso MI, Rodríguez GR (2005) Changes in climate and crops production
during the 20th century in Argentina. Climatic Change 72, 229– 249.

Mercau JL, Dardanelli JL, Collino DJ, Andriani JM, Irigoyen A, Satorre EH (2007) Predicting
on-farm soybean yields in the pampas using CROPGRO-soybean. Field Crops Research
100, 200–209.

Messina CD (1999) El fenómeno ENSO: Su influencia en los sistemas de producción de
girasol, trigo y maíz en la región pampeana. Análisis retrospectivo y evaluación de
estrategias para mitigar el riesgo climático. Tesis Magíster Scientiae en el área de
Producción Vegetal, Escuela para Graduados, Facultad de Agronomía, UBA, 132 pp.

Minetti JL, Vargas WM (1997) Trends and jumps in the annual precipitation in South America,
south of the 15° S. Atmósfera 11, 205–221.

Minetti Jl, Vargas WM, Poblete AG, Acuña LR, Casagrande G (2003) Non-linear trends and
low frequency oscillation in annual precipitation over Argentina and Chile, 1931–1999.
Atmósfera 16, 119–135.

Penalba OC, Bettolli ML, Robledo F (2007) El clima y los cultivos de grano. La variabilidad
climática y sus señales para la producción agropecuaria argentina. Libro resumen del
Congreso Mundo Agro 2007.

Peterson, G.A., D.G. Westfall, and C.V. Cole. 1993. Agroecosystem approach to soil and crop
management research. Soil Sci. Soc. Am. J. 57, 1354–1360.

Podestá GP, Messina CD, Grondona MO, Magrín GO (1999) Associations between grain
crop yield in central–eastern Argentina and El Niño southern oscillation. Journal of Applied
Meteorology 38, 1488–1498.

Podestá G, Letson D, Messina C, Royce F, Ferreyra RA, Jones J, Hansen J, Llovet I,
Grondona M, O’Brien JJ (2002) Use of ENSO–related climate information in agricultural
decision making in Argentina: a pilot experience. Agricultural Systems 74, 371–392.

Prohaska F (1976) The climate of Argentina, Paraguay and Uruguay. En: Schwerdtfeger W
(Ed), Climates of Central and South America. World Survey of Climatology, Vol. 12. Elsevier,
Amsterdam, pp 13–112.

Royce FS, Jones JW, Hansen JW (2002) Model-based optimization of crop management for
climate forecast application. American Society of Agricultural Engineers 44, 1319–1327.

Rusticucci M, Penalba O (2000) Interdecadal changes in the precipitation seasonal cycle over
Southern South America and their relationships with surface temperature. Climate Research
16, 1–15.

Stern PC, Easterling WE (Eds) (1999) Making climate forecasts matter. National Academy
Press, Washington, DC, USA, 174 pp.

Vera C (2009) Variabilidad climática en Argentina. En: comunicado de la Secretaria de
Ambiente y Desarrollo Sustentable de la Nación sobre El Cambio Climático en Argentina.

Viglizzo EF, Roberto ZE, Lértora F, Lopez Gay E, Bernardos J (1997) Climate and land-use
change in field-crop ecosystems of Argentina. Agriculture, Ecosystems and Environment 66,
61–70.