Predicción del rendimiento del cultivo de soja [Glycine max (L.) Meer] en dos localidades de Córdoba a través de diferentes escenarios de cambio climático

• Autores: Brunetto, Mayco Nicolás
• Año de publicación: 2015
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Ovando, Gustavo Gabriel
• Materia: Soja; Rendimiento de cultivos; Cambio climático; Modelos de simulación; Pronóstico del rendimiento; San Francisco; Manfredi; Córdoba; Argentina
• Institución: Universidad Nacional de Córdoba

Trabajo Final (Especialización en Producción de Cultivos Extensivos)--UNC- Facultad de Ciencias Agropecuarias, 2015.
Se han predicho grandes impactos en el sector agrícola asociados con la reducción de rendimiento de cultivos como consecuencia del cambio climático. Esta reducción puede influir en forma negativa en la economía de Argentina debido a que la zona núcleo sojera y la región pampeana están sujetas a este fenómeno. El objetivo de este trabajo fue comparar la predicción del rendimiento del cultivo de soja [Glycine max (L.) Merr] en las localidades de San Francisco y Manfredi (Córdoba) partiendo de la simulación de distintos modelos de cambio climático que difirieren en las predicciones de temperatura y precipitaciones. Se simuló el rendimiento de cultivos de soja bajo distintas estrategias de manejo, incluyendo dos cultivares y tres fechas de siembra (octubre a diciembre). En ambas localidades, los tres modelos simularon aumentos de temperaturas para el periodo 2088-2099 comparados con los valores históricos. Los modelos K3 y M3 estimaron aumentos de precipitaciones durante todas las estaciones del año mientras que M2 predijo menores precipitaciones en invierno. Bajo los escenarios K3 y M3, el rendimiento de las dos variedades de soja estudiadas tendió a ser mayor, probablemente debido a que mayores precipitaciones conjuntamente con un aumento del CO 2 atmosférico contrarrestarían el efecto de las altas temperaturas. Por el contrario, el rendimiento esperado en M2 siempre fue menor probablemente debido a que la disminución de las precipitaciones acentuaría aún más el efecto del aumento de la temperatura. En la localidad de San Francisco la fecha de siembra con mayor rendimiento esperable dependió del modelo climático utilizado en la simulación. En esta localidad, la variedad A 5409 siempre exhibió rendimientos menores que A 6445. En Manfredi y para las dos variedades consideradas, el rendimiento estimado dependió de la interacción entre el escenario climático y la fecha de siembra del cultivo. En base a estos resultados, no se encontraron evidencias para aceptar la hipótesis planteada que establece que los cambios climáticos en el periodo 2080-2099 producirán reducción de rendimiento del cultivo de soja. Esto sería únicamente válido en aquellos escenarios donde se presenten años como los estimados por el modelo M2.
Huge impacts associated with a reduction in crop yield have been predicted on the agricultural sector, as a consequence of climate change. This reduction can influence Argentina´s economy in a anegative way, due to the fact that the core soybeanproducing area and the Pampas are subjected to this climate change phenomenon. The aim of this work was to compare the prediction of soybean yield [Glycine Max (L.) Merr] in the cities of San Francisco and Manfredi (Cordoba) from the simulation of different climate change models that differed in temperature and precipitation predictions. Soybean yield was simulated under different handling strategies, including two cultivars and three sowing dates (from October to December). In both cities, the three models simulated temperature rises for the 2088-2099 period when compared to historical values. K3 and M3 models estimated precipitation rises during all seasons of the year whereas M2 model predicted lower precipitations in winter. Regarding K3 and M3 models, yield of both soybean varieties studied tended to be higher, presumably due to the fact that higher precipitations together with an increase of atmospheric CO2 would counteract the effect of high temperatures. On the contrary, yield expected for M2 model was always lower presumably due to the fact that the decrease in precipitations would accentuate even more the effect of the rise in temperatures. In San Francisco, the sowing date with the highest possible yield depended on the climate model used in the simulation. In this city, A 5409 variety always showed lower yields than A 6445. For the two varieties taken into account in Manfredi, the estimated yield depended on the interaction between the climate scenario and the crop sowing date. Based on these results, there was no evidence to accept the hypothesis that says that climate changes in the 2080-2099 period will produce a decrease of soybean yield. This will only be true in those scenarios with years as estimated by M2 model.