Con datos de la campaña 2021/22 que se suman a los existentes de 2020/21 y el relevamiento en marcha de la vigente campaña 2022/23, Córdoba consolida una nueva metodología de estimaciones agrícolas que incluye el mapeo de cultivos y estimación de rindes y producción a escala semi-predial.
El nuevo modelo, desarrollado por el Ministerio de Agricultura y Ganadería (MAyG) de la provincia, con apoyo de IDECOR, combina relevamientos de campo y la aplicación de técnicas de aprendizaje computacional, también conocidas como machine learning, con el uso de información satelital y otros datos geográficos disponibles en el geoportal MapasCordoba.
“Tener mayor precisión de estos datos, a una escala casi predial, nos permite poder tomar mejores decisiones. Productores, entidades, cámaras e instituciones, como gobiernos municipales, provinciales y también nacional, podemos tomar mejores decisiones sobre el uso del recurso suelo, la gestión del agua, la mejora en fertilización, analizar cómo se desarrolla un cultivo o la incorporación de nuevos cultivos al área de la provincia”, señala Marcos Blanda, secretario de Agricultura de la provincia.
Los equipos técnicos del MAyG destacaron este salto de calidad en la generación de información, apoyado en la utilización de técnicas de última generación y su disposición en mapas abiertos, como un insumo relevante para el diseño de políticas sectoriales que genera externalidades en las cadenas productivas enlazadas.
Los resultados del último estudio, correspondiente a la campaña 2021/22, pueden consultarse en el Mapa de Estimaciones Agrícolas 21-22, que muestra la distribución espacial de los rindes con alto nivel de detalle en toda el área cultivada y el Mapa de Coberturas Agrícolas 21-22, que informa las áreas sembradas con soja, maíz y otros cultivos, con una unidad mínima de 1 hectárea.
La campaña 2021-2022
El secretario de Agricultura destacó la importancia de esta información para conocer la relación entre los diferentes tipos de cultivos, a nivel provincial, de cuenca e incluso zonal. “Las estimaciones permitieron conocer que Córdoba estaba siendo más sustentable cuando comenzó a incrementar la superficie destinada al cultivo de maíz, equilibrando el balance gramíneas-leguminosas, lo que nos marca un camino hacia la sustentabilidad y el cuidado de los recursos naturales”, indicó.
Los resultados de la campaña 2021/22 muestran que se cultivaron 7,83 millones de hectáreas, lo que representa el 47,5% de la superficie provincial. Del total de la tierra cultivada, un 59,4% corresponde a soja, un 33,3% a maíz y el 7,3% restante a otros cultivos.
El rendimiento promedio de soja a nivel provincial fue 31 quintales por hectárea, mientras que para el maíz ese valor se ubicó en 77 quintales por hectárea. El nivel de detalle del estudio permite observar la variabilidad de los rendimientos sobre una grilla regular de 25 hectáreas de unidad mínima.
En el cultivo de soja, los rendimientos promedios más altos se registraron en los Departamentos Marcos Juárez, Sáenz Peña y General Roca, con valores por encima de los 35 quintales por hectárea. En cuanto al maíz, los departamentos de mayor rendimiento promedio fueron también Marcos Juárez y Sáenz Peña, a los que se agregan Unión y Colón, con valores promedio en torno a los 80 quintales.
A partir de la estimación de rendimientos y el área sembrada, se calcula la producción respectiva, siempre a escala semi-predial. Para la soja, se estimó una producción de 14,6 millones de toneladas; en tanto que la producción de maíz sumó 20,2 millones de toneladas.
Potencialidad e innovaciones
La continuidad de este nuevo programa de estimaciones agrícolas, impulsado por el Ministerio, fortalece la generación de información pública de calidad y a un nivel de detalle innovador (semi-predial), considerando otras publicaciones que utilizan la unidad departamental o provincial.
Una de las innovaciones introducidas en la campaña 2021-22 fue la estimación de las áreas cultivadas mediante un proceso de clasificación orientada a objetos, sobre la base de una metodología semiautomática de identificación de lotes de siembra, a partir de imágenes satelitales.
Esta mejora permite una definición más precisa del área sembrada y, junto con la utilización de técnicas de aprendizaje computacional para la clasificación de cultivos y estimación de rendimientos, implica el uso de tecnologías y metodologías de última generación para este tipo de información.
La característica y unidad espacial de los resultados permite, por ejemplo, analizar y comparar datos de diferentes campañas, a nivel casi predial o sectorial, y así determinar comportamientos y variabilidad de rindes en una zona determinada, con alto nivel de detalle.