Generación de una herramienta para automatizar la simulación de cultivos extensivos utilizando Decision Support Systems for Agrotechnology Transfer (DSSAT)

GHERSA, FELIPE; FIGAROLA, LUCAS; FERRARO, DIEGO OMAR; CASTRO, R.D.

Buenos Aires

Jornada; 49 JAIIO Jornadas Argentinas de Informática; 2020

El diseño de sistemas de producción agrícola requiere la evaluación de estrategias de manejo bajo condiciones ambientales contrastantes para detectar aquellas combinaciones ambiente-manejo cuyos resultados brinden el máximo beneficio productivo o ambiental. Los modelos de simulación de cultivos (MSC) han demostrado ser un herramienta efectiva y robusta para llevar a cabo esta tarea. Decision Support Systems for Agrotechnology Transfer (DSSAT) es un software de aplicación que permite simular el crecimiento, desarrollo y rendimiento de 42 cultivos en base a dinámicas suelo-planta-atmósfera. En particular, DSSAT contiene modelos que utilizan información acerca del sitio, clima diario durante el período de crecimiento del cultivo, características edáficas al principio del ciclo de cultivo o rotación, y decisiones de manejo (i.e. estructura del cultivo, labranza, riego y fertilización). Sin embargo, DSSAT requiere un trabajo manual intensivo de parametrización y no permite realizar barridos de parámetros de forma automática. El objetivo de este trabajo es generar una herramienta para explorar un rango de parametrizaciones respecto de las decisiones de manejo (i.e. cantidad de fertilizante aplicado y secuencias de cultivos), y automatizar la generación archivos requeridos por DSSAT para correr los modelos. Se realizó una prueba de concepto en la localidad de Pergamino (33°53′00″S; 60°34′00″O), Provincia de Buenos Aires bajo la serie climática 1968-1992. A partir de una lista de cultivos y tres niveles de fertilización para cada cultivo, se establecieron las secuencias de cultivos agronómicamente factibles generando todas las combinaciones de cultivos, de hasta 5 cultivos dentro de una rotación bajo reglas de restricción a partir de la fecha de siembra de los distintos cultivos. Luego, mediante scripts en Python, se generaron archivos SQX (para cada secuencia bajo tres niveles de fertilización) en los que se detalla la serie climática, características edáficas del sitio, condiciones iniciales, coeficientes genéticos de las especies utilizadas, la estructura del cultivo y la dosis, fecha de aplicación y tipo de fertilizante para cada cultivo. Luego, se corrió el simulador desde línea de comando. El resultado principal es la exploración de todo el conjunto decisiones de manejo posibles bajo las mismas condiciones ambientales, lo que podría permitir encontrar aquellas que optimicen los beneficios buscados (i.e. rendimiento, margen bruto o conservación de suelo, entre otros).