Meu SciELO
Serviços Personalizados
Artigo
Indicadores
-
Citado por SciELO
Links relacionados
-
Similares em SciELO
Compartilhar
Cuban Journal of Agricultural Science
versão On-line ISSN 2079-3480
Cuban J. Agric. Sci. vol.56 no.4 Mayabeque oct.-dez. 2022 Epub 30-Jul-2022
Ciencia de los Pastos y otros Cultivos
Influencia del clima en el rendimiento de maíz (Zea mays) en el centro de la provincia de Buenos Aires, Argentina
1Centro de Investigaciones y Estudios Ambientales (CINEA-CICPBA), Facultad de Ciencias Humanas, UNCPBA. Paraje Arroyo Seco s/n, 7000 Tandil, Provincia de Buenos Aires. Argentina
2Núcleo de Estudios en Actividades Agropecuarias y Cambio Climático (NAACCE), Facultad de Agronomía, UNCPBA. Av. República de Italia 780, 7300 Azul, Provincia de Buenos Aires. Argentina
El rendimiento de un cultivo resulta de las interacciones del “continuum” suelo-planta-atmósfera en el tiempo. La comprensión de esas interacciones y la descripción de los efectos del clima en el rendimiento demandan un esfuerzo constante para reducir los efectos negativos de la variabilidad climática. El objetivo de este estudio fue determinar la influencia de las variables agroclimáticas en el aumento del rendimiento del maíz (Zea mays) para las últimas décadas en el municipio Azul, provincia de Buenos Aires, Argentina. Se comparó la serie de rendimiento del Ministerio de Agricultura, donde se observó una tendencia al aumento, con una serie de rendimiento corregida mediante una ecuación de ajuste, a la que se le quitó el efecto de la tecnología, y dos series de rendimiento simuladas en el programa Decision Support System for Agrotechnology: ‘rendimiento potencial’ y ‘rendimiento potencial de secano’ para un suelo agrícola. Estos resultados se vincularon con variables agroclimáticas de temperatura máxima y mínima, precipitaciones y radiación global. Se pudo constatar que al eliminar el efecto de la tecnología, el rendimiento disminuye (30 %). El aumento del rendimiento potencial (6.20 %) se asocia al incremento de la radiación global y la temperatura. La disminución de las precipitaciones en la última década (30 %) provoca la caída de la serie rendimiento corregida (11 %) y del rendimiento potencial de secano (25 %). Se concluye que el clima ejerce un efecto negativo en el rendimiento, pero la tecnología lo enmascara. La merma en las precipitaciones en los meses primavera-estivales es el elemento que más influye en el rendimiento.
Palabras-clave: cultivo; variables agroclimáticas; tecnología; Decision Support System for Agrotechnolog y Transfer
Los agroecosistemas pampeanos registran profundos cambios desde hace algunas décadas, traducidos en una expansión hacia áreas anteriormente más secas, debido principalmente a condiciones económicas, institucionales y climáticas, y también a la incorporación de nuevas tecnologías (Bert et al. 2021). El incremento de los precios internacionales de las materias primas, en especial la soja (Zorzoli 2018), ha motivado la producción de ciertos cultivos. En Argentina, Uruguay y el sudeste de Brasil, se han registrado los mayores cambios en el clima a nivel mundial en las últimas décadas del siglo XX. Particularmente, en la región pampeana aumentaron las lluvias de primavera-verano, las temperaturas mínimas subieron y las máximas se redujeron (Magrín et al. 2005 y Camillioni y Barros 2020).
El municipio de Azul se encuentra en la Provincia de Buenos Aires, Argentina, a 300 km al sudoeste de la ciudad de Buenos Aires. Aproximadamente, 50 % de este municipio, zona centro y norte, posee aptitud ganadera, mientras que el sector sur tiene mejores condiciones para la agricultura. De acuerdo con Requesens (2011), la ganadería se ha ido corriendo a tierras con mayores restricciones edáficas y la agricultura ha avanzado en sitios ganaderos, con protagonismo de la soja entre los cultivos de verano. En particular, el maíz (Zea mays) es uno de los cultivos de verano más importantes en el municipio de Azul. Se trata de un cultivo que podría desempeñar una función relevante desde el punto de vista ambiental, por su aporte a la captación de carbono atmosférico y a la recuperación de la materia orgánica del suelo, en virtud de su elevada productividad y volumen de rastrojo (Bocchio et al. 2019).
Al considerar las evidencias de cambios en el clima de la región pampeana durante la primavera y el verano (Magrín et al. 2005), además de lo antes mencionado, es de interés evaluar un cultivo de verano como el maíz con respecto a los efectos del clima. Esta evaluación puede aportar información valiosa que contribuya a incrementar los rendimientos y mitigar las consecuencias de la variabilidad del clima, al desarrollar estrategias de adaptación al cambio climático (Zhou et al. 2017, Meira et al. 2019 y Bassu et al. 2021).
Materiales y Métodos
Para determinar la influencia de las variables agroclimáticas en el aumento del rendimiento del maíz en las últimas décadas en el municipio de Azul, se analizaron los requerimientos agroclimáticos de este cultivo con respecto a las variables agroclimáticas del municipio de Azul.
Se obtuvieron los datos agrometeorológicos diarios con su desviación estándar, que comprendieron temperaturas máximas y mínimas, precipitaciones acumuladas y radiación global de la zona centro del municipio de Azul, registrados por el Centro Regional de Agrometeorología de la Facultad de Agronomía (CRAGM) de la Universidad Nacional del Centro de la Provincia de Buenos Aires (UNCPBA). Se completó así una serie climática de 30 años (1988-2018). Se consideraron tres décadas porque en relación con los datos agrometeorológicos, en climatología, 30 años es el mínimo conjunto de datos que permite definir el clima de un lugar. A partir de ellos, se analizaron los valores promedios mensuales, de noviembre a marzo, por ser los meses más importantes en el crecimiento del maíz. Se comparó la década 2009-2018 con el conjunto de datos de las dos décadas previas (los últimos 10 años con los 20 anteriores), puesto que una década es un período indicado para el estudio de la variabilidad del clima en estudios de este tipo.
Posteriormente, se obtuvo el rendimiento del maíz, según los datos de las Estimaciones Agrícolas del Sistema Integral de Información Administrativa del Ministerio de Agricultura (MinAgri), denominado ‘rendimiento MinAgri’, para el período 1988-2018.
La serie de rendimiento MinAgri se ajustó en un inicio a diferentes modelos lineales y no lineales, usando el año como variable independiente para separar el efecto de las tecnologías. Distintos autores sugieren que cuando se observa una tendencia positiva en los datos (luego del ajuste lineal o no lineal), se asocia a los avances de la tecnología (nuevos híbridos, mejoras en niveles de fertilización, sistemas de siembra, control de plagas y enfermedades, entre otros). De esta forma se pudo analizar la relación con las variables agroclimáticas. Además, al no superar los modelos no lineales el desempeño del modelo lineal, se optó por este ajuste mediante el programa Curve Expert v. 1.40 (Hyams 2009) para obtener los términos utilizados en la ecuación 1, probada en Miranda del Fresno et al. (2017), que permitieron la corrección de la serie. Se obtuvo así el rendimiento ‘MinAgri corregido’:
Rci = rendimiento corregido en el añoi
Ri = rendimiento original del añoi
R(xi) = rendimiento del año estimado (i) por ajuste lineal o no lineal
R(x0) = rendimiento del año inicial (0) estimado por ajuste lineal o no lineal
Luego, se simularon dos series de rendimientos con el programa Decision Support System for Agrotechnology Transfer (DSSAT) v.4.6 o Sistema de Apoyo de Decisiones para la Transferencia de la Agrotecnología, que incorpora 16 modelos de cultivos de importancia económica y permite simular su crecimiento, al proporcionar estimaciones realistas del comportamiento de los cultivos, según diferentes estrategias de manejo y condiciones ambientales (Hoogemboom et al. 2019).
Esta simulación se utilizó para eliminar los efectos de diferentes tecnologías, fechas de siembra y suelos, a fin de determinar el rendimiento denominado ‘rendimiento potencial’ (sin deficiencia nutricional y regado) y el ‘rendimiento potencial de secano’ (sin deficiencia nutricional con el aporte de agua que proviene de las precipitaciones).
Se utilizó la herramienta Weather Man del programa DSSAT, incorporando al modelo Ceres-maíz (Hoogemboom et al. 2019):
a) clima: temperatura máxima y mínima, precipitaciones y radiación global, cargados con datos diarios del CRAGM-UNCPBA (1988-2018)
b) suelo: propiedades físicas y químicas de cada horizonte del perfil, cargado con perfiles reales (Pazos 2009)
c) manejo: residuos, fechas de siembra (1 de noviembre), fertilización, riego.
d) coeficientes genéticos de los cultivares: especie, ecotipo y cultivar, obtenidos de la calibración realizada por Confalone et al. (2016) para el municipio de Azul.
Finalmente, se promediaron los cinco meses de datos agrometeorológicos y se les relacionó con el rendimiento de MinAgri corregido, estimando el promedio y el coeficiente de variación (CV = desviación estándar/promedio) para la última década y los años previos y la correlación entre cada variable climática y dicho rendimiento. La serie de rendimiento corregida se contrastó con la variabilidad de los elementos agroclimáticos.
Resultados y Discusión
El maíz es el tercer cultivo más importante del municipio de Azul, después de la soja y el trigo, en cuanto a la superficie sembrada. Entre 1988/89 y 2007/08 se sembraron como promedio 23 745 ha, y 31 159 ha entre 2008/09 y 20017/18 respectivamente.
En relación con los requerimientos agroclimáticos, al ser una especie C4, el maíz es exigente en cuanto a la temperatura. Este es el factor principal controlador del crecimiento y desarrollo de este cultivo, siempre que haya una humedad adecuada (Fassio et al. 2018). La temperatura mínima media del suelo para la germinación debe ser de 8-9 °C, con una óptima de 23 °C y máxima de 30 °C y humedad suficiente para desencadenar la germinación. Las distintas etapas fenológicas tienen diferentes requerimientos térmicos, pero generalmente se acepta que la temperatura base sea de 8 °C, la óptima de 30 a 34 °C, y la máxima de 40 a 44 °C (Andrade et al. 1996).
En el municipio de Azul, el maíz suele crecer entre noviembre y marzo, cuando la radiación global es de amplia disponibilidad. De mediados de octubre a mediados de marzo, recibe 22 MJ/m2d o más, límite inferior para altas producciones cerealeras (Navarro Duymovich et al. 2011). La temperatura media anual es de 13.61 °C. La máxima varía de 28 a 29 °C en enero, y de 12 a 13 °C en junio. La mínima oscila entre 13° y 15 °C en enero, y entre 0 a 2 °C en junio sin alcanzar como promedio menos de 9 °C entre noviembre y marzo-, lo que otorgaría condiciones aceptables para el crecimiento y desarrollo del maíz en el municipio.
En cuanto a las precipitaciones, de la siembra a la madurez, el maíz necesita de 500 a 800 mm, con requerimiento diario de unos 5 mm, que pueden variar en el transcurso de las etapas fenológicas. La sensibilidad ante la falta de agua aumenta a partir de la diferenciación de la flor masculina en el tejido meristemático, y presenta un máximo en la floración, que es el período crítico, ya que en la etapa de maduración el agua requerida disminuye (Llano y Vargas 2015). Para la región de Azul, el régimen es de tipo “isohigro” (es decir, con una distribución más o menos uniforme en el año), con un promedio de 802 mm anuales. Las precipitaciones son un poco más abundantes en los meses estivales. En el período octubre-marzo superan apenas los 400 mm, lo que puede ser un elemento limitante en el desarrollo del cultivo en la región.
El cultivo de maíz es muy sensible a las heladas. Incluso, las heladas tardías pueden provocar la pérdida de algunas plantas y la senescencia de hojas emergidas. Las tempranas, al final del ciclo, pueden acortar el llenado de granos (Martínez Álvarez 2015). En la región de Azul, la fecha media de la primera helada es el 30 de mayo, con un período medio libre de 202 días (Navarro Duymovich et al. 2011). Esto quiere decir que, si se siembra maíz a comienzos de noviembre, las fechas de heladas tardías ya habrían transcurrido, y para las tempranas el cultivo habría sido cosechado.
La tabla 1 muestra el promedio mensual de las cuatro variables agroclimáticas consideradas y su desviación estándar para el período de noviembre a marzo, entre las décadas de 1988-2008 y 2009-2018.
Table 1 Agroclimatic variables, monthly average and standard deviation (November to March) for 1998-2008 and 2009-2018 decades
Months | November | December | January | February | March | |
---|---|---|---|---|---|---|
1988-2008 | Maximum temperature, °C | 23.57 | 27.08 | 28.74 | 27.29 | 25.16 |
Standard deviation | 2.14 | 1.60 | 1.37 | 1.43 | 1.33 | |
Minimum temperature, °C | 9.71 | 12.51 | 14.10 | 14.03 | 12.29 | |
Standard deviation | 1.32 | 1.23 | 0.94 | 1.46 | 1.50 | |
Rainfalls , mm | 74.70 | 96.44 | 109.22 | 90.18 | 111.98 | |
Standard deviation | 53.59 | 56.87 | 62.26 | 62.59 | 70.26 | |
Global radiation, MJ/m2.d | 24.23 | 25.59 | 25.82 | 23.41 | 17.91 | |
Standard deviation | 2.14 | 2.31 | 1.56 | 2.36 | 2.08 | |
2009-2018 | Maximum temperature, °C | 24.26 | 28.81 | 29.82 | 27.49 | 24.88 |
Standard deviation | 1.54 | 1.52 | 1.30 | 1.60 | 1.32 | |
Minimum temperature, °C | 10.69 | 13.53 | 14.98 | 14.73 | 11.79 | |
Standard deviation | 1.86 | 0.94 | 0.38 | 1.36 | 1.60 | |
Rainfalls, mm | 72.25 | 39.42 | 72.44 | 80.38 | 72.36 | |
Standard deviation | 45.56 | 49.73 | 68.44 | 61.16 | 37.03 | |
Global radiation , MJ/m2d | 24.89 | 27.46 | 27.16 | 23.38 | 18.89 | |
Standard deviation | 1.27 | 1.78 | 1.77 | 2.32 | 2.64 |
Como se puede ver en la tabla, la radiación global, como el elemento principal del clima, aumenta 4.12 % como promedio. Diciembre y enero son los meses que presentan mayor diferencia: 1.87 y 1.34 MJ/m2d, respectivamente.
La temperatura máxima aumentó 2.59 % como promedio. Fue positiva de noviembre a febrero con mayor diferencia en diciembre (1.73 °C) y negativa en marzo (-0.28 °C). La temperatura mínima aumentó 4.89 %, al igual que la temperatura máxima positiva de noviembre a febrero, con mayor diferencia en noviembre y diciembre (1 °C en ambos meses). Fue negativa en marzo (-0.50 °C).
Con respecto a las precipitaciones, disminuyeron 30.19 % como promedio, con diferencias negativas en todos los meses, pero más notorias en enero (-36.78 mm) y marzo (-36.62 mm).
En la tabla 2 se presenta el promedio y el coeficiente de variación de las cuatro series de rendimiento.
Table 2 Corn yield of the four series for 1998-2008 and 2009-2018 decades
Yield, kg/ha | |||||
---|---|---|---|---|---|
Period | MinAgri | Corrected MinAgri | Ceres-Corn model potential | Ceres-Maíz model dry potential | |
Average 1988-2018 | 5032.10 | 3523.67 | 16673.73 | 11601.40 | |
Variation coefficient, % | 27.25 | 34.51 | 10.97 | 37.67 | |
1988/89 to 2007/08 |
Average | 4645.85 | 3657.57 | 16336.15 | 13043.05 |
Variation coefficient , % | 22.98 | 23.47 | 10.93 | 29.19 | |
2008/09 to2017/18 |
Average | 5804.60 | 3255.87 | 1815.15 | 8718.10 |
Variation coefficient, % | 28.08 | 53.98 | 10.46 | 47.43 |
Las salidas del modelo Ceres-maíz potencial y potencial de secano permiten contrastar las brechas de rendimiento, cuyos valores superan a los de MinAgri y MinAgri corregido (tabla 2), por tratarse de una serie sintética sin las interferencias de la tecnología que se observan en la serie MinAgri. La brecha entre el rendimiento potencial de secano y la serie MinAgri es de 6569.30 kg/ha para todo el período. Es decir, en el municipio de Azul, el rendimiento real está 56.63 % por debajo del límite alcanzable. En la última década, debido al avance tecnológico y a la disminución de los rendimientos potenciales de secano, la brecha fue de 33.42 % (2913.50 kg/ha).
Como se puede ver, el avance en la tecnología (serie MinAgri) incrementa el rendimiento en 25 % en la última década. En cambio, en la serie MinAgri corregida, en la última década, los rendimientos disminuyeron 11 % y la variabilidad aumentó de 23.47 % a 53.98 %. Al comparar las dos series, se observa una diferencia general de 30 %, 43.91 % en la última década y 21.27 % en las dos anteriores, lo que evidencia que los ajustes lineales entre las dos se amplían con el transcurrir de los años. Los datos originales de la serie de rendimiento de maíz resultan de la corrección con el ajuste:
(r2 = 0.80; standard error of the model = 870.5)
La salida del modelo Ceres-maíz (tabla 2 y figura 2) deja ver que el rendimiento potencial aumenta 6.20 % en la última década. Sin embargo, en condiciones potenciales de secano, disminuye 33.16 % y aumenta la variabilidad. También se incrementa la brecha entre ambas series (49.75 % en la última década).
Figure 2 Yield of the corn (Ceres-corn) potential and dry and tendency lines of the compared series 1998 and 2018
De acuerdo con los resultados de la tabla 1, las precipitaciones disminuyen en la última década. Mientras, la radiación global y las temperaturas aumentan, lo que hace que se disponga de condiciones beneficiosas para una gramínea tropical C4, como el maíz. Se produce así aumento del rendimiento potencial (6.20 %) por el incremento de la radiación global, ya que que la cantidad de granos fijados está positivamente asociada con la energía incidente (Otegui y López Pereira 2003).
En consonancia con estos resultados, Zhou et al. (2017) señalan que las variaciones de temperatura y radiación fueron los factores principales que influyeron en el peso del grano del maíz y en los indicadores de su llenado. Por tanto, se concluye que las variaciones en estas variables climáticas afectaron notablemente la tasa de crecimiento, la duración del llenado de granos, su peso y rendimiento del maíz. El aumento en el rendimiento también depende de la temperatura. Por tanto, resulta beneficioso el incremento de la temperatura en ausencia de estrés hídrico, según la fase fenológica (Confalone et al. 2017).
En la última década, el cultivo potencial en secano se aleja en 49.75 % de los rendimientos potenciales, lo que se explica por la disminución de las precipitaciones. Mientras, en las décadas anteriores, el efecto del agua solo explicó 20.16 %. Si bien los datos de los rendimientos de MinAgri corregido y el potencial de secano poseen amplias diferencias en condiciones de secano, se evidenció en ambas series disminución de los valores de la última década. Ensayos demuestran que el régimen pluviométrico explica la alta incidencia de ese factor ambiental en el rendimiento, sobre todo en condiciones de secano. Y esto se explica porque cuando el agua no es una limitante, tiene baja incidencia en los resultados (Fassio et al. 2018).
La inclusión de maíz en un esquema agronómico que contemple estrategias adaptadas a cada ambiente puede contribuir a contar con mayor cantidad de agua disponible en el balance hídrico del suelo, lo que permite mayor generación de granos, biomasa y carbono, y favorece la sostenibilidad de los sistemas (Bocchio et al. 2019).
Como muestran los datos de la tabla 3, el promedio del rendimiento MinAgri disminuyó y la variabilidad aumentó. Mientras, los datos agroclimáticos que se refieren a la energía, radiación global, temperatura máxima y temperatura mínima, aumentaron en la última década. La precipitación, en cambio, disminuyó en sus valores acumulados con respecto del período 1988-2008. En cuanto a la variabilidad, hubo aumento de la temperatura máxima en la última década, y disminución de otras variables. En un estudio de Rizzo et al. (2022), se halló que 48 % de la ganancia de rendimiento se asociaba con una tendencia climática decenal: 39 % con mejoras agronómicas y solo 13 % con mejoras en el potencial de rendimiento genético. Es decir, las futuras ganancias de producción dependerán cada vez más de las ganancias de rendimiento de las prácticas agronómicas mejoradas.
Table 3 MinAgri yields and agroclimatic variables for 1998-2008 and 2009-2018 decades
Yield, kg/ha | Agroclimatic variables | |||||
---|---|---|---|---|---|---|
Periods | Corrected MinAgri | Maximum temperature, °C | Minimum temperature, C | Rainfalls, m | Global radiation, MJ/m2d | |
1988/89 to 2007/08 |
Average | 3657.57 | 26.38 | 12.53 | 482.52 | 23.39 |
Variation coefficient, % | 23.47 | 2.72 | 6.06 | 33.09 | 5.19 | |
2008/09 to 2017/18 |
Average | 3255.87 | 27.07 | 13.14 | 336.84 | 24.37 |
Variation coefficient, % | 53.98 | 3.06 | 5.49 | 28.57 | 3.16 |
La comparación de las correlaciones entre cada elemento del clima (variables climáticas) y el rendimiento serie MinAgri muestra que son significativas (P < 0.001), solo para la precipitación acumulada de noviembre a marzo (coeficiente de Pearson= 0.249).
El análisis realizado entre el rendimiento del maíz y las variables agroclimáticas evidenció las estrechas relaciones entre el clima y los rendimientos del maíz, cuyo estudio permite comprender mejor esos vínculos y tomar decisiones en consecuencia. En trabajos donde se modeló el crecimiento del maíz en condiciones climáticas futuras también se ha documentado la relación con las variables climáticas. En dichos estudios se concluye que las pérdidas solo se podrían compensar, parcialmente, por cambios en la fenología y fechas de siembra (Bassu et al. 2021). Se ha constado que modificar la fecha de siembra repercute en el rendimiento (Zhou et al. 2017, Fassio et al. 2018 y Zhai et al. 2022).
Conclusiones
Se concluye que en el municipio de Azul las tendencias del clima en los últimos años ejercen un efecto negativo en el rendimiento del maíz, aunque la tecnología lo enmascara, pues al quitarle su efecto (MinAgri corregido) el rendimiento disminuye.
La influencia del clima se incrementa en los últimos años de la serie. Esto se puede observar a partir de la disminución en las precipitaciones de la última década, al provocar la caída de los valores de rendimiento en la serie corregida. La disminución de las precipitaciones en los meses primavera-estivales es el elemento que más influye en el rendimiento, lo que pone en evidencia la diferencia notoria en las series en condiciones de secano y con aporte de agua.
Agradecimientos
Se agradeced al Centro Regional de Agrometeorología de la Facultad de Agronomía (CRAGM) de la Universidad Nacional del Centro de la Provincia de Buenos Aires (UNCPBA) por brindar los datos agroclimáticos para este trabajo.
REFERENCIAS
Andrade, F., Cirilo, A., Uhart, S. & Otegui, M. 1996. "Ecofisiología del cultivo de maíz". 1ra. ed. Argentina: Editorial la Barrosa. [ Links ]
Barros, V. & Camilloni, I. 2020. "La Argentina y el cambio climático: de la física a la política". Eudeba. 1ra. ed. Argentina: Eudeba. ISBN: 978-950-23-3097-6. [ Links ]
Bassu, S., Fumagalli, D., Toreti, A., Ceglar, A., Giunta, F., Motzo, R., Zajac, Z. & Niemeyer, S. 2021. "Modelling potential maize yield with climate and crop conditions around flowering". Field Crops Research, 271, 108226: 1-12, ISSN: 0378-4290. https://doi.org/10.1016/j.fcr.2021.108226. [ Links ]
Bert, F., de Estrada, M., Naumann, G., Negri, R., Podestá, G., de los Milagros Skansi, M., Spennemann, P. & Quesada, M. 2021. "The 2017-18 drought in the Argentine Pampas-Impacts on Agriculture". United Nations Office for Disaster Risk Reduction. GAR Special Report on Drought. <https://www.preventionweb.net/files/78456_cs1.14laplataargentinafinal20210215.pdf> [Consulted: February 28, 2022]. [ Links ]
Bocchio, V., Requesens, E. & Mestelan, S. 2019. "Tendencias y equitatividad de los principales cultivos extensivos en el centro de la provincia de Buenos Aires". Ediciones INTA. RIA 45(2): 196-203, ISSN: 1669-2314. ISSN: 0325-8718. [ Links ]
Confalone, A., Vilatte, C. A., Aguas, L. M., Barufaldi, M. S., Eseiza, M. F. & Ponce, G. D. 2017. "Efecto biofísico del cambio climático en el rendimiento de cultivos de verano". Cuban Journal of Agricultural Science, 51(2): 249-259, ISSN: 2079-3480. [ Links ]
Confalone, A., Vilatte, C., Lázaro, L., Roca, N., Mestelan, S., Aguas, L., Navarro, M. & Sau, F. 2016. "Parametrización del modelo CROPGRO-soybean y su uso como herramienta para evaluar el impacto del cambio climático sobre el cultivo desoja". Revista de la Facultad de Ciencias Agrarias, 48(1): 49-64. ISSN: 1853-8665. [ Links ]
CRAGM. "Boletín Agrometeorológico del Centro-Sur de la Prov. de Bs. As. 1988-2018". Facultad de Agronomía. Azul. Bs. As. [ Links ]
Fassio, A., Ibañez, W., Fernández, E., Cozzolino, D., Pérez, O., Restaino, E., Pascal A., Rabaza C. & Vergara, G. 2018. "El cultivo de maíz para la producción de forraje y grano y la influencia del agua". Serie técnica, (239), ISBN: 978-9974-38-390-6. [Consulted: July 01, 2022]. [ Links ]
Hyams, D. G. 2009. "Curve Expert 1.3: A comprehensive curve fitting system for Windows". <http://s91928265.onlinehome.us/curveexpert> [Consulted: October 01, 2019]. [ Links ]
Hoogenboom, G., Porter, C.H., Boote, K.J., Shelia, V., Wilkens, P.W., Singh, U., White, J.W., Asseng, S., Lizaso, J.I., Moreno, L.P., Pavan, W., Ogoshi, R., Hunt, L.A., Tsuji, G.Y. & Jones, J.W. 2019. "El ecosistema de modelado de cultivos DSSAT". En: Boote, K.J. (ed.) Advances in Crop Modeling for a Sustainable Agriculture. Cambridge, Reino Unido: Burleigh Dodds Science Publishing. pp. 173-216. http://dx.doi.org/10.19103/AS.2019.0061.10. [Consulted: July 01, 2022]. [ Links ]
Llano, P. & Vargas, W. 2015. "Climate characteristics and their relationship with soybean and maize yields in Argentina, Brazil and the United States". International Journal of Climatology, 36(3): 1471-1483, ISSN: 1097-0088. https://doi.org/10.1002/joc.4439. [ Links ]
Magrín, G., Travasso, M., López, G., Rodríguez, G. & Lloveras, A. 2005. "Vulnerabilidad de la producción agrícola en la región pampeana argentina". Informe Final. 2da Comunicación Nacional sobre el Cambio Climático. Componente B3. Available: <http://www.ecopuerto.com/bicentenario/informes/VulnerabilidadProdAgr.pdf> [Consulted March 01, 2022]. [ Links ]
Martínez Álvarez, D. 2015. "Ecofisiología del cultivo de maíz. En: Garay, J. A. y Colazo, J. C. (eds.). El cultivo de maíz en San Luis. Argentina. INTA Ediciones Información Técnica. pp. 7-31. <https://inta.gob.ar/sites/default/files/script-tmp-inta_-_maizensanluis.pdf> [Consulted: February 28, 2022]. [ Links ]
Meira S., Rodríguez Baide, J. M., Confalone A., Fatecha Fois, D.A., Fernandes J. M., Pérez González O. & Van den Berg, M. 2019. "Modelación del cultivo de soja en Latinoamérica: Estado del arte y base de datos para parametrización", EUR29057 ES, Publications Office of the European Union, Luxembourg. ISBN: 978-92-79-77709-7. ISSN: 1831-9424. https://doi.org/10.2760/639226. [Consulted February 28. 2022]. [ Links ]
Miranda del Fresno, M. C., Aguas, L., Bongiorno. F., Vilatte, C. & Confalone, A. 2017. "Cambios en el clima y rendimiento de maíz en Azul, provincia de Buenos Aires. Repositorio Digital CICPBA", IV Congreso Anual Científico y Tecnológico, CICPBA. Available: <https://digital.cic.gba.gob.ar/handle/11746/6715> [Consulted March 01, 2022]. [ Links ]
Navarro Duymovich, M., Confalone, A., Vilatte, C. & Aguas, L. 2011. "Características agroclimáticas para la sustentabilidad agropecuaria en el Partido de Azul". In: Requesens, E. (coord.). Bases agroambientales para un desarrollo sustentable del partido de Azul. Argentina: Docuprint S.A. pp. 29-60. ISBN: 978-950-658-269-2. <http://www.faa.unicen.edu.ar/archivos/Bases_Agroambientales.pdf> [Consulted February 28, 2022]. [ Links ]
Otegui, M. E. & López Pereira, M. 2003. "Fecha de siembra". In: Satorre, E., Benech, R., Slafer, G., De La Fuente, E., Miralles, D., Otegui, M. & Savin, R. (eds.). Producción de cultivos de granos: bases funcionales para su manejo. Argentina: Editorial Facultad de Agronomía. pp. 260-272. [ Links ]
Pazos, M. S. 2009. "Los Phaeozem pampeanos en la WRB 2006". Geociències. Asociación de ciencias geológicas y del medio natural, (16): 19-22, ISSN: 1699-9053. [ Links ]
Requesens, E. 2011. "Integración agroecológica del partido de Azul. En: Requesens, E. (coord.). Bases agroambientales para un desarrollo sustentable del partido de Azul. Argentina": Docuprint S.A. pp. 117-136. ISBN: 978-950-658-269-2. <http://www.faa.unicen.edu.ar/archivos/Bases_Agroambientales.pdf> [Consulted February 28 2022]. [ Links ]
Rizzo, G., Monzon, J. P., Tenorio, F. A., Howard, R., Cassman, K. G., & Grassini, P. 2022. "Climate and agronomy, not genetics, underpin recent maize yield gains in favorable environments". Proceedings of the National Academy of Sciences, 119(4): 1-6. ISSN: 1091-6490. https://doi.org/10.1073/pnas.2113629119. [Consulted July 01, 2022]. [ Links ]
Sistema Integral de Información Administrativa (SIIA). "Estimaciones Agrícolas del Ministerio de Agricultura, Ganadería y Pesca". Disponible <http://www.siia.gob.ar/sst_pcias/estima/estima.php> verificado 15/jul/2018> [Consulted February 28, 2022]. [ Links ]
Zhai, L., Zhang, L., Yao, H., Zheng, M., Ming, B., Xie, R., Zhang, J., Jia, X.& Ji, J. 2022. "The Optimal Cultivar × Sowing Date × Plant Density for Grain Yield and Resource. Use Efficiency of Summer Maize in the Northern Huang-Huai-Hai Plain of China". Agriculture, 12(1): 7. https://doi.org/10.3390/ agriculture12010007. [ Links ]
Zhou, B., Yue, Y., Sun, X., Ding, Z., Ma, W. & Zhao, M. 2017. "Maize kernel weight responses to sowing date-associated variation in weather conditions", The Crop Journal, 5(1): 43-51, ISSN: 2214-5141. https://doi.org/10.1016/j.cj.2016.07.002. [ Links ]
Zorzoli, F. 2018. "¿Límites ecológicos y fronteras tecnológicas en el negocio agrícola? Agricultura y ambiente en los sectores agrarios medios del noroeste argentino". Población & Sociedad, 25(1): 163-195, ISSN: 1852-8562. https://doi.org/10.19137/pys-2018-250106. [ Links ]
Recibido: 27 de Abril de 2022; Aprobado: 30 de Julio de 2022