El fin del misterio: la elección del cultivar adecuado es la variable más importante para mejorar el nivel proteico en soja
Primera aproximación a un problema presente en la cadena de valor oleaginosa.
La elección del genotipo adecuado es la práctica de manejo más importante sobre la cual el empresario agrícola tiene control para mejorar el nivel proteico en soja.
Esa es una de los conclusiones obtenidas por un estudio realizado por investigadores de la Facultad de Ciencias Agrarias de la Universidad Nacional de Rosario (UNR) con el apoyo de CREA, IICAR/Conicet y la Agencia Nacional de Promoción Científica y Tecnológica dependiente del Ministerio de Ciencia, Tecnología e Innovación Productiva.
El proyecto de investigación –que surgió en 2012 a partir de una iniciativa de la región CREA Sur de Santa Fe– evaluó hasta el momento 1294 y 427 datos de soja de primera y de segunda, respectivamente, recolectados en campos CREA entre los años 2012 y 2016. En su mayor parte se originaron en el sector norte de la región pampeana.
El propósito del proyecto es identificar factores ambientales y de manejo que permitan modificar los niveles de proteína en soja, para lo cual se emplea un programa de “minería de datos” (data mining) que, por medio de la metodología estadística de “árboles de regresión”, permite descubrir patrones ocultos en grandes bases de datos sin tener ninguna hipótesis a priori.
Las variables analizadas fueron genotipo y grupo de madurez, rendimiento y peso de 1000 semillas, fecha de siembra, cultivo antecesor, distanciamiento entre hileras, inoculación, fertilizante, fungicida, temperatura media, precipitación acumulada, radiación acumulada, latitud y longitud.
El análisis permitió explicar el 50% del total de la variación observada en el tenor proteico. “De ese total, tanto en soja de primera como de segunda, las variables de manejo explican alrededor del 70% de la variación encontrada. Y dentro de las variables de manejo, el genotipo es lo que explica casi el total de esa variación”, comentó Lina Bosaz, becaria doctoral de la Facultad de Ciencias Agrarias de la UNR, en un artículo publicado por InfoCREA.
De todas maneras, Lina aclaró que, al analizar un mismo genotipo, se observaron, para un mismo rendimiento, más de cuatro puntos porcentuales de variación asociada al ambiente.
Para poder evaluar distintos genotipos en diferentes ambientes, los investigadores analizaron datos de ensayos comparativos de rendimientos de algunas regiones CREA. La muestra, en este caso, comprendió 784 y 170 datos de soja de primera y segunda, respectivamente, provenientes del sector norte de la región pampeana en los años 2015 y 2016.
“Lo que encontramos en este caso fueron 97 genotipos que no estaban todos presentes en los 53 ambientes por analizar, por lo que empleamos modelos mixtos para extraer el valor genético de cada cultivar”, explicó Lina. “Armamos un ranking en el que pudimos ver qué genotipos con alto porcentaje de proteína en grano tuvieron esa propiedad en la mayoría de los ambientes evaluados”, añadió (ver cuadro).
No se observó una correlación negativa entre proteína y rinde, aunque eso probablemente se deba a que los datos evaluados provinieron de ensayos de dos campañas con rindes en general buenos a muy buenos.
“Lo que sí se pudo ver es una frontera cercana a los 290 kilos de nitrógeno por hectárea exportado por el cultivo que no permite que se obtengan mayores rindes con mayores niveles de proteína. El desafío entonces es promover avances genéticos que permitan aumentar la captura de nitrógeno del cultivo para permitir aumentar tanto rindes como porcentaje de proteína”, apuntó Lina.
El equipo de investigadores ya está comenzando a evaluar las muestras de campos y ensayos CREA realizados en el presente año. Entre las líneas de investigación por sumar a partir del año que viene se encuentra el estudio del denominado “componente residual” del poroto de soja, conformado por fibra y carbohidratos, con el propósito de determinar su correlación con el tenor proteico. También evaluarán la composición proteica con el objetivo de detectar proteínas funcionales a necesidades específicas de las diferentes demandas de harinas vegetales.
