Análisis y jerarquización de factores determinantes de las brechas de rendimiento del cultivo de frutilla en el sur del Uruguay

Abstract

El rendimiento promedio de los cultivos comerciales de frutilla en el sur del Uruguay es inferior al rendimiento alcanzable para las condiciones de producción, de acuerdo a los rendimientos experimentales y los mejores resultados en cultivos comerciales, lo cual determina la existencia de una brecha de rendimiento (BR). Por otro lado, existe una gran variabilidad entre productores. El objetivo del trabajo fue identificar, jerarquizar y analizar los factores ambientales y de manejo que explican las brechas de rendimiento en el cultivo de frutilla en el sur del Uruguay. Se evaluaron 76 cultivos en dos zafras de producción en una muestra de 13 predios representativos de la zona. Desarrollamos una metodología combinando los principios del Diagnóstico Agronómico Regional y en el Análisis de BR. Se evaluaron variables de crecimiento, desarrollo, manejo, rendimiento y ambiente. El análisis estadístico combinó análisis de senderos, boundary lines, clusters y árboles de regresión. El rendimiento comercial promedio fue 16,9 ± 12,1 y 24,9 ± 8,1 Mg.ha-1 y la BR promedio fue 65 y 46 % para las zafras 2012 y 2013, respectivamente. El crecimiento y desarrollo vegetativo del cultivo a inicio de la primavera, evaluado a través de la cobertura del suelo (CS), fue el determinante principal del rendimiento, afectado por la fecha de plantación, la fecha en que se alcanzó la densidad definitiva de plantas y la densidad del cultivo. Los rendimientos comerciales de los grupos de baja, media y alta CS a inicio de la primavera fueron 8,7 ± 6,1, 20,0 ± 8,1 y 28,9 ± 8,5 Mg.ha-1 , respectivamente. La brecha de rendimiento relativo en los grupos de media y alta CS fue explicada principalmente por el pH del suelo, el balance de agua en el cultivo y la fertilización durante el cultivo. La BR fue explicada por variables de manejo que podrían mejorarse sin incrementar los costos de producción.

Fostering more resilient systems to face climate change challenge: the South Regional Center (CRS) message at the Expo Melilla agricultural exhibition

“…However, 19% of the plots and 16% of the farms reached below-average yields, with above-average use of agrochemicals. In these farms, strategies are needed for increasing yields and reducing the use of agrochemicals through ecological processes that sustain this (17)(18)(19) .…”

Ecological intensification pathways for vegetable production systems in south Uruguay

“…1.1-E, F), water pollution (Barreto et al, 2017;Rodríguez-Bolaña et al, 2023), biodiversity loss (MVOTMA, 2016), and human health hazards (Burger & Pose Román, 2012;Burger, 2013). Despite the high external input levels, there are yield gaps of around 50% (Berrueta et al, 2019;Colnago et al, 2023;Dogliotti et al, 2014;Scarlato et al, 2017), resulting in low labour productivity and family income (Berrueta et al, 2019;Colnago & Dogliotti, 2020;Colnago et al, 2023;Dogliotti et al, 2014). Therefore, the intensive vegetable production model and the associated adverse side effects jeopardise the long-term sustainability of vegetable production, food security and food sovereignty in Uruguay.…”

“…The reasons for the low farmers' income and crop yield gaps are not related to input use or resource availability but to general farm organisation and management, e.g. sowing and planting dates and crop cycles length, soil management and quality, the timing of operations, high weed, pests and diseases pressure (Berrueta et al, 2019;Berrueta et al, 2021;Colnago et al, 2023;Dogliotti et al, 2014;Scarlato et al, 2017). Adjustment of specific practices, such as through input substitution, will not solve the magnitude of sustainability problems faced by vegetable farms in south Uruguay.…”

“…Strawberry is mainly planted in open fields at the end of February and March, with imported cold-stored plants. The harvest period depends on the variety and management, but for most crops, production peaks from September to December (Scarlato et al, 2017).…”

“…For each crop, groups of farms were identified based on cluster analysis of crop yield, crop area and total crop production per farm. A representative sample of farms per crop was obtained by selecting farms proportional to the number of farms in each group and considering their geographic distribution with the assistance of the technical advisers of the region Scarlato et al, 2017). Self-subsistence farms and farms with more than 50% of off-farm income were excluded, resulting in a dataset of only commercial farms.…”