ProRindes (Pronóstico de Rendimientos Simulados), una herramienta que permite predecir la evolución de los cultivos de diferentes cultivos en el transcurso de una campaña agrícola, muestra que en algunas zonas el cultivo de soja de segunda logró recuperarse luego de las últimas lluvias, mientras que otras siguen en problemas.
La zona más beneficiada fue el sur de Córdoba (Laboulaye), donde los cultivos de soja de segunda o tardía tienen condiciones para registrar rendimientos excepcionales (siempre y cuando siga lloviendo y no aparezcan heladas tardías devastadoras, claro).
En el norte de la provincia de Buenos Aires las situaciones son bastante variables, pero la referencia medida por el modelo de ProRindes en la zona de Junín muestra un 95% de probabilidad de alcanzar el rendimiento promedio histórico para esa región.
En la zona de referencia de Marcos Juárez (sudeste de Córdoba) la recuperación de la soja de segunda fue notable: mientras que el 22 de enero presentaba un pronóstico de rendimiento promedio del 63% de la media histórica, al 29 de enero esa proporción había subido al 85%.
En la zona de Río Cuarto (sudoeste de Córdoba) también el modelo grafica una recuperación importante del 63% al 75% del rinde promedio histórico en el período comprendido entre el 22 y el 29 de enero.
En el resto de las localidades abarcadas por ProRindes, correspondientes al sudeste, centro y sudoeste bonaerense, centro de Córdoba, Entre Ríos y centro-norte de Santa Fe, la situación de la soja de segunda sigue altamente comprometida.
La mala noticia es que hasta el próximo 10 de febrero el Servicio Meteorológico Nacional (SMN) no proyecta precipitaciones importantes en la mayor parte del territorio nacional, lo que hace prever que la situación de los cultivos afectados podría seguir deteriorándose.
El sistema de ProRindes fue desarrollado por el Servicio Meteorológico Nacional (SMN) junto con CREA, la Facultad de Agronomía de la UBA (Fauba) y la Escuela Rosenstiel de Ciencias Marinas y Atmosféricas de la Universidad de Miami (EE.UU.) a partir de financiación aportada por BID, Inter-American Institute for Global Change Research (IAI) y National Science Foundation (NSF).
El sistema emplea modelos computacionales, perteneciente a la familia DSSAT (Decision Support System for Agrotechnology Transfer), que simulan el crecimiento y desarrollo de cada cultivo en función de la disponibilidad inicial de agua útil, tipo de suelo, fertilización y manejo.
Avanzando Soja 2 da #DM33E21 pic.twitter.com/geufKhbaCn
— isa lizaso (@isalizaso) February 3, 2023
Foto @isalizaso
