IX Jornadas Integradas de Investigación, Extensión y Enseñanza de la Facultad de Ciencias Agropecuarias

BRUNO C.; GIANNINI KURINA F.; BALZARINI M.; PACCIORETTI P.; CÓRDOBA M.

Jornada; IX Jornadas Integradas de Investigación, Extensión y Enseñanza de la Facultad de Ciencias Agropecuarias; 2021

La maquinaria usada en Agricultura de Precisión (AP) permite generar grandes volúmenes de datos espaciales y facilita la conducción de extensos ensayos comparativos de tratamientos como son los de tasas variables de insumos conducidos en campos de productores (OFPE, del inglés on-farm precisión experimentation). La OFPE es usada para evaluar el impacto de la dosificación variable de fertilizante, densidad de siembra y genética sobre los rendimientos sitio-específicos. Diferentes modelos estadísticos pueden ser usados para estimar funciones de productividad sitio-especifica. Sin embargo, la comparación bajo criterios estadísticos de estas herramientas es limitada. El objetivo principal de este trabajo fue evaluar alternativas de análisis estadísticos para la OFPE. Se compararon diferentes marcos teóricos estadísticos para estimar la función de productividad desde OFPE: modelos de regresión lineal tradicional (RL) con errores correlacionados espacialmente, regresión bayesiana (RB) con efecto de sitio aleatorio y regresión basada en el método de aprendizaje automático “bosque aleatorio” (RF por el término en inglés Random Forest) con kriging sobre los residuos para el tratamiento de estos tipos de ensayos. Todos los modelos fueron ajustados con y sin covariables de sitio y considerando o no la correlación espacial subyacente. En modelos sin covariables de sitio, el modelado de la correlación espacial incrementó la varianza explicada (AVE) en un 6%. Los modelos RB y RF arrojaron mayor valor de AVE que RL. No se observaron cambios importantes en la precisión de la predicción obtenida desde los distintos tipos de modelos, siendo todos eficientes para explicar y predecir la variabilidad de los rendimientos. El modelo RB para datos correlacionados fue usado para generar, de manera directa, la distribución completa de las predicciones espaciales de rendimientos desde la que se derivaron medidas de incertidumbre de los rendimientos predichos. En este sentido el modelo RB facilita la generación de medidas de error para la prescripción de manejo sitio específico. Además, la amplitud de los intervalos de predicción sugirió en todos los lotes ensayados menor error de predicción sitio específico para el modelo RB que para los modelos RL o RF. Los avances logrados en referencia a técnicas de diseño y análisis estadístico para OFPE son esenciales para acelerar el desarrollo y adopción de la AP, la cual posibilita hacer un uso optimizado y adecuado de los insumos, disminuyendo el impacto ambiental y aumento de la productividad agrícola.