Factores ambientales y de manejo determinantes del rendimiento de maíz en la región centro - norte de la Provincia de Córdoba, Argentina

• Autores: Satorre, Emilio Horacio; Tronfi, Esteban; Costamagna, César; Iturrez, Tomas; Arinci, Agustín
• Año de publicación: 2021
• Idioma: español castellano
• Tipo de recurso: artículo
• Fuente: Agronomía y ambiente : Revista de la Facultad de Agronomía de la Universidad de Buenos Aires; Vol.41, no.2; 100-113; http://agronomiayambiente.agro.uba.ar/index.php/AyA
• Materia: MAIZ; RENDIMIENTO DE CULTIVOS; MANEJO DEL CULTIVO; ZEA MAYS; FACTORES EDAFICOS; FACTORES CLIMATICOS
• Institución: Universidad de Buenos Aires. Facultad de Agronomía

Fil: Satorre, Emilio Horacio. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Producción Vegetal. Cátedra de Cerealicultura. Buenos Aires, Argentina.
Fil: Satorre, Emilio Horacio. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura (IFEVA). Buenos Aires, Argentina.
Fil: Satorre, Emilio Horacio. CONICET – Universidad de Buenos Aires. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura (IFEVA). Buenos Aires, Argentina.
Fil: Tronfi, Esteban. Red Agropecuaria de Vigilancia Tecnológica (RAVIT). Córdoba, Argentina.
Fil: Costamagna, César. Red Agropecuaria de Vigilancia Tecnológica (RAVIT). Córdoba, Argentina.
Fil: Iturrez, Tomas. Red Agropecuaria de Vigilancia Tecnológica (RAVIT). Córdoba, Argentina.
Fil: Arinci, Agustín. Red Agropecuaria de Vigilancia Tecnológica (RAVIT). Córdoba, Argentina.
Identificar los factores determinantes del rendimiento de maíz puede ayudar a ajustar las decisiones y el manejo de los cultivos en una región. Con esta finalidad se relevaron 171 unidades permanentes de muestreo en lotes comerciales durante las campañas 2018 y 2019 en el centro-norte de la provincia de Córdoba. En cada lote, se establecieron unidades de 0,78 has para llevar a cabo determinaciones en presiembra, establecimiento, floración y madurez de los cultivos. En cada unidad de muestreo se relevaron múltiples variables incluyendo información edáfica, climática, biológica y de manejo del cultivo para analizar su impacto e importancia como determinante de la variabilidad de los rendimientos observados. El impacto sobre el rendimiento de cada una de 105 variables se determinó utilizando un proceso secuencial de selección en cada período de observación a través de análisis de regresión utilizando el procedimiento “stepwise” y un nivel de aceptación o rechazo de cada variable = p menor a 0,15. Se identificaron ocho variables significativas en un rango de p menor a 0,10 – p menor a 0,0001): (i) lluvias totales (mm) entre el 1/11 y 29/4; (ii) potasio en suelo en presiembra (0-20 cm; meq 100g-1); (iii) nitrógeno en suelo a la siembra (0-60 cm; kg ha-1); (iv) fecha de siembra (días desde el 1/11); (v) densidad (pl m-2); (vi) fertilizante fosfatado aplicado (kgP2O5ha-1); (vii) porcentaje (%) de plantas quebradas en precosecha; (viii) porcentaje (%) de plantas con daño de Heliothis sp. en espiga; determinando en promedio incrementos de rendimiento de (i) 12,6 kg ha-1 mm-1, (ii) 755 kg ha-1meq-1; (iii) 10,5 kg ha-1kg N-1; (v) 460 kg ha-1pl-1; (vi) 16 kg ha-1 kg P2O5 -1 y reducciones de rendimiento de (iv) 58 kg día-1; (vii) 91.8 kg ha-1 (%)-1; y (viii) 7.8 kg ha-1 (%)-1, respectivamente. El modelo de regresión que las integra explicó el 52 % de la variabilidad total de los rendimientos de los cultivos en ambos años.
tbls., grafs., mapas