Download - Producción Forrajes (informe)
1
Sistema nacional de diagnóstico, planificación,
seguimiento y prospección forrajera en
sistemas ganaderos
Informe final de la primera etapa
Octubre 2011
AACREA – FAUBA – INTA – MINAGRI
IPCVA
2
Resumen ejecutivo
Este informe corresponde al informe final de la primera etapa de seis meses del proyecto.
Abarca tres actividades, cuyos resultados más importantes se destacan a continuación:
(1) Calibrar y validar la habilidad de los sensores remotos para estimar la productividad
forrajera: Se cuenta ahora con estimaciones robustas de la eficiencia en el uso de la radiación
de recursos forrajeros naturales y cultivados ubicados en diversos puntos del país. También se
desarrolló un modelo empírico que permitiría estimar la eficiencia en el uso de la radiación a
partir de variables climáticas. Esta actividad continúa durante el resto del proyecto. Estos
resultados iniciales positivos son críticos para construir las etapas subsiguientes en los que los
sensores remotos adquieren una gran importancia como herramientas de estimación de la
productividad forrajera.
(2) Caracterizar la heterogeneidad actual de los recursos forrajeros y su estado. Los resultados
muestran por primera vez estimaciones de productividad forrajera a nivel país a una escala
que permite visualizar la heterogeneidad natural a nivel subregional. Construimos un mapa de
unidades ambientales basado en unidades de vegetación previamente publicadas en trabajos
puntuales. Compilamos una base de datos de cientos de datos de productividad estimada
mediante cortes secuenciales de biomasa. Mediante distintas estrategias de extrapolación
estimamos la productividad de recursos naturales y cultivados para unidades de vegetación y
en algunos casos unidades edáficas. La productividad anual a nivel país fue 244 millones de
toneladas por año. Una serie de mapas o la consulta a la base de datos generada permiten
conocer la productividad por unidades ambientales y departamentos provinciales, tanto para
vegetación natural como para pasturas y verdeos. Los resultados evidencian las relaciones
entre productividad y precipitación, el diferencial de productividad entre pasturas y vegetación
natural por región y los principales déficits de información. En relación con esto último, se
destacan: la dificultad de contar con estimaciones recientes de superficie ganadera, la
dificultad de acceder a muchos esfuerzos de estimación de productividad que por diversas
razones quedaron inéditos, la falta de datos de productividad de distintos recursos en distintos
ambientes.
(3) Identificar sistemas piloto de producción ganadera. Se seleccionaron 32 sistemas reales de
producción que presenten antecedentes de asesoramiento técnico (privado y/o estatal) en
relación a la aplicación de tecnologías de manejo de pastizales y/o pasturas. Abarcan un
amplio rango de variabilidad ambiental (regiones NEA, NOA, Pampeana, Cuyo y Patagonia),
socioeconómica (sistemas empresariales, familiares y minifundistas) y productiva (cría, recría,
engorde, diversificados). Con estos sistemas se trabajará en algunos objetivos de las dos
etapas siguientes del proyecto.
3
Localización del informe en el desarrollo del proyecto
Este informe corresponde al informe final de la primera etapa de seis meses del proyecto. Esta
etapa inicial del proyecto aborda parcialmente los siguientes objetivos específicos (ver
convenio):
Objetivo específico b1: Desarrollar un sistema de registro histórico y seguimiento de la
productividad forrajera adaptado a condiciones locales y regionales. Las actividades previstas
por el convenio para esta etapa son (a) seleccionar y capacitar operadores, (b) calibrar y
validar la habilidad de los sensores remotos para estimar la productividad forrajera, y (c)
caracterizar la heterogeneidad actual de los recursos forrajeros y su estado.
Objetivo específico b4: Implementar el sistema de monitoreo forrajero. La actividad prevista
en esta etapa es la de identificar sistemas piloto de producción ganadera.
Tabla 1. Diagrama de Gantt del proyecto según convenio. Se observan las actividades a
desarrollar en cada una de las etapas del proyecto.
Etapa uno
Etapa dos
Etapa tres
Trimestre 1 2 3 4 5 6 7 8 9 10
Objetivo específico 1
a. Seleccionar y capacitar operadores*
b. Calibrar y validar
c. Caracterizar la heterogeneidad
d. Generar productos a partir de imágenes
e. Explorar sensores de reemplazo
f. Desarrollar un sistema informático
Objetivo específico 2
a. Elaborar BD agroclimáticos
b. Desarrollar y validar modelos de prospección
Objetivo específico 3
a. Identificar los aspectos críticos en las decisiones
b. Elaborar herramientas de soporte de decisión
c. Evaluar la utilidad de las herramientas
Objetivo específico 4
a. Identificar sistemas piloto (SP)
b. Implementar el seguimiento forrajero en SP
c. Analizar el impacto del seguimiento forrajero
Objetivo específico 5
a. Desarrollar cursos de capacitación y difusión
b. Implementar un posgrado en planificación forr.
Objetivo específico 6
a. Elaborar los protocolos de trabajo del sistema
b. Generar el perfil del coordinador del sistema
4
* No se informa específicamente sobre la actividad “Seleccionar y capacitar operadores”, porque
aunque se realizó con normalidad, es una actividad de operatividad interna del proyecto.
1. Introducción
El proyecto involucra equipos de trabajo de tres instituciones (AACREA, FAUBA, INTA)
convocadas a su vez por una cuarta (MINAGRI). Por lo tanto, conformamos una comisión
coordinadora integrada por Claudio Hofer por MINAGRI, Cristian Feldkamp por AACREA,
Martín Oesterheld por FAUBA y Lisandro Blanco por INTA. Esta comisión se ha reunido en ocho
oportunidades para poner en común lo realizado por cada equipo de trabajo y para delinear
los siguientes pasos. Adicionalmente, se realizó una reunión ampliada con todos los
involucrados de las cuatro instituciones para realizar una puesta al día de los avances del
proyecto. Ha mantenido además contacto permanente con el IPCVA para resolver cuestiones
operativas y para comunicar el avance del proyecto mediante la propuesta de una gacetilla.
Cada institución a su vez ha conformado equipos de trabajo para llevar adelante las
actividades.
En lo que sigue, se informa lo realizado en estos seis meses respecto de cada actividad y se
presentan las conclusiones de la etapa y las perspectivas para el resto del proyecto.
2. Calibrar y validar la habilidad de los sensores remotos para estimar la productividad
forrajera
Los sensores a bordo de los satélites comenzaron a estar disponibles para uso civil a principios
de la década de 1970 y desde ese momento al presente mucho se ha hecho en pos de
utilizarlos en el ámbito agropecuario (Paruelo 2008). Un ejemplo es la posibilidad de
cuantificar un proceso funcional clave de los ecosistemas pastoriles: la productividad primaria
o tasa de crecimiento. La productividad primaria neta de una cubierta vegetal es proporcional
a la cantidad de radiación fotosintéticamente activa que es interceptada por los tejidos verdes
y a la eficiencia en el uso de la radiación (Monteith 1972). Como la radiación interceptada
puede calcularse a partir de datos provistos por sensores remotos y estaciones
meteorológicas, usar el modelo requiere calcular la eficiencia de conversión de radiación en
biomasa. En este sentido, existen unas pocas estimaciones de esta eficiencia de recursos
forrajeros argentinos, limitados a dos tipos de pastizales de la Pampa Deprimida, dos tipos de
pasturas del sudoeste bonaerense y a los mallines del oeste de la Patagonia (Piñeiro et al.
2006, Grigera et al. 2007, Irisarri et al. 2011). En el presente proyecto nos proponemos ampliar
este conocimiento al calibrar y validar el modelo para más recursos forrajeros de más regiones,
de tal modo que, en un futuro cercano, se puedan utilizar los sensores remotos para estimar la
productividad forrajera de la mayor parte del país.
2.1 Aproximación metodológica general
5
Para calcular la eficiencia en el uso de la radiación se utilizó, por un lado, una extensa base de
datos de productividad de recursos forrajeros, en su gran mayoría datos inéditos e
independientes de los que se muestran más abajo en este informe. Por otro lado, se calculó la
radiación absorbida por esos recursos forrajeros utilizando datos del sensor MODIS para el
sitio y el período de las estimaciones de productividad. Así, se calculó para cada momento y
recurso forrajero, la eficiencia en el uso de la radiación como el cociente entre la productividad
estimada a campo y la radiación absorbida estimada por sensores remotos.
2.2 Resultados
Se dispone ahora de una estimación de la eficiencia en el uso de la radiación de pastizales
dominados por gramíneas C3 (Pampa Deprimida) y C4 (Prov. de Corrientes), pasturas polifíticas
dominadas por gramíneas C3 (Pampa Deprimida, Pampa Interior y Pampa Austral), pasturas
monofíticas de especies C4 (Prov. de Corrientes y Formosa) y verdeos de Ray grass (Pampa
Deprimida). La eficiencia en el uso de la radiación más alta se registró en pasturas bonaerenses
dominadas por gramíneas C3 y la más baja en pasturas y pastizales de Corrientes y Formosa
dominados por gramíneas C4 (Figura 1). Las eficiencias intermedias correspondieron a verdeos
invernales de Raygras y pastizales bonaerenses dominados por especies C3 (Figura 1).
0.0
0.5
1.0
1.5 PasturasPastizales Verdeos
0,7ab
0,6b
0,9a
0,6b
0,8ab
C3 C4 C3 C4 C3
Efic
ienc
ia e
n el
uso
de
la r
adia
ción
(g/M
j)
Figura 1: Eficiencia en el uso de la radiación promedio anual de pastizales, pasturas y verdeos,
dominados por gramíneas C3 y C4, de las provincias de Buenos Aires, Corrientes y Formosa. Las
barras de error corresponden a la variabilidad estacional. Las líneas horizontales y números
muestran el promedio por grupo y letras distintas indican diferencias significativas.
Además de la variación entre tipos de vegetación (Figura 1), se evaluó también si la eficiencia
en el uso de la radiación variaba de acuerdo al clima. Esto permitiría inferir la eficiencia
promedio de sitios para los que solo se cuente con datos climáticos. Para cada sitio se calculó,
a partir de estaciones meteorológicas, el promedio anual de la precipitación y de la
temperatura mínima, máxima y media. Además, se estimó la evapotranspiración media anual a
6
partir de mapas de evaluaciones periódicas del consumo de agua realizados por el Instituto de
Clima y Agua del INTA Castelar. Con todas estas variables climáticas, se cuantificó la medida en
que la eficiencia en el uso de la radiación cambiaba con cada una de ellas mediante análisis de
regresión lineal. La precipitación media anual explicó el 45% de la variación de la eficiencia en
el uso de la radiación (Figura 2). El resto de las variables explicó una proporción menor al 30%
y, como mostraron una co-variación con la precipitación, los modelos con más de una variable
no mejoraron el poder explicativo de la precipitación.
PasturasPastizalesVerdeos
R2=0.45
Precipitación anual promedio (mm)
Efic
ienc
ia p
rom
edio
en
el
uso
de la
rad
iaci
ón (
g/M
j)
PasturasPastizalesVerdeos
R2=0.45
Precipitación anual promedio (mm)
Efic
ienc
ia p
rom
edio
en
el
uso
de la
rad
iaci
ón (
g/M
j)
Figura 2: Eficiencia promedio del uso de la radiación de pasturas (n=11), pastizales (n=7) y
verdeos (n=3) en función de la precipitación anual promedio.
Eficiencia = -0,0007 * precipitación + 1,48 (R2=0,45; P<0,001; n=21).
Haber cuantificado la eficiencia en el uso de la radiación permitirá utilizar el modelo de
Monteith, ajustado según la precipitación, para estimar la productividad forrajera a partir de
sensores remotos. Como se observa en la Tabla 1, esta actividad es continua durante el
proyecto y se espera ir agregando calibraciones entre productividad y radiación absorbida y
mejorando los modelos que permitan entender y predecir la variación de la eficiencia del uso
de la radiación.
3. Caracterizar la heterogeneidad actual de los recursos forrajeros y su estado
3.1 Introducción
Si bien desde hace décadas se ha estado cuantificando la productividad de los distintos
recursos forrajeros naturales e implantados de nuestro país, no conocemos ningún estudio que
haya sintetizado esa información a nivel nacional y regional de una manera que permita
7
considerar la heterogeneidad espacial de tales recursos. El intento más próximo en este
sentido ha sido el trabajo reciente liderado por Rearte (“Situación actual y prospectiva de la
producción de carne vacuna”). En el Anexo II de ese trabajo se estimó la superficie ocupada
por los diversos recursos forrajeros en las grandes zonas de la Argentina y su receptividad en
EV. En el presente proyecto, nos proponemos avanzar aun más en este sentido tratando de
representar la variación espacial de la productividad de los recursos forrajeros a una escala
que permita reconocer variaciones entre departamentos o partidos dentro de cada provincia.
3.2 Aproximación metodológica general
La productividad forrajera se estimó a escala anual. Distinguimos dos formas de expresar la
producción forrajera. Una es la productividad propiamente dicha, la tasa de producción de
materia seca por unidad de superficie y año (kg/ha.año). Otra es la producción forrajera total,
la materia seca producida en una zona, lo cual incluye no solo la productividad sino también la
superficie ocupada por el recurso. Esta la expresamos en miles de tn/año. Por ejemplo,
Pergamino es un partido con alta productividad forrajera, ya que sus pasturas tienen alta
producción por hectárea, pero con baja producción total en miles de tn/año debido a la baja
proporción de la superficie ganadera. Consideramos que ambas estimaciones son relevantes,
una brinda una medida de potencialidad y la otra de volumen total de producción. Por lo
tanto, el desafío de este proyecto fue estimar la productividad y la superficie ocupada por cada
tipo de recurso con un “grano” espacial que permitiera visualizar grandes unidades dentro de
cada provincia. Independientemente de esta dicotomía, hay a su vez una distinción entre la
productividad forrajera y la productividad primaria neta aérea. La primera se restringe a
componentes de vegetación que tienen un uso potencial por el ganado, mientras que la
segunda abarca la totalidad de la materia seca producida por la parte aérea de la vegetación.
En este proyecto apuntamos a estimar la productividad primaria neta aérea de la componente
herbácea de la vegetación.
Para estimar la superficie ganadera se utilizó el último Censo Nacional Agropecuario disponible
(2002). El Censo distingue para cada departamento o partido provincial la superficie dedicada
a distintos usos. La superficie asignada a vegetación natural (solo se consideró la de
“pastizales” y “bosques y/o montes naturales”) y la asignada a pasturas y verdeos (“cultivos
forrajeros anuales” y “cultivos forrajeros perennes”) fueron consideradas respectivamente
como recursos forrajeros naturales y cultivados, cuya suma constituye la superficie ganadera
total. Esta lógica tiende a subestimar la superficie ganadera ya que no considera la superficie
de rastrojos o de cultivos destinados a forraje que no hayan sido incluidos en la categoría
verdeos. Por lo tanto es importante resaltar que nuestro proyecto apunta a evaluar los
recursos forrajeros pastoriles. Con razón se puede cuestionar una estimación de área ganadera
basada en datos de 2002, teniendo en cuenta las profundas transformaciones del uso de la
tierra de la última década. Lamentablemente, no contamos a nivel nacional con información
más actualizada. El Censo Nacional de 2008 no ha producido aún resultados publicados que
puedan usarse para este fin. Las encuestas nacionales no discriminan la superficie ganadera
con base en vegetación natural o cultivada. De todas maneras, intentamos utilizar las
encuestas más recientes para “actualizar” los datos del Censo 2002 y obtener al menos una
8
buena estimación de superficie ganadera actual. Para hacer esta “actualización” del Censo
2002, debería verificarse primero una ajustada correlación entre la superficie según las
encuesta y según el censo. Hicimos este análisis para 2002 y si bien hay una fuerte correlación
positiva hay una enorme dispersión para la mayoría de los departamentos (Ver Figura 1.A1 en
Anexo 1). Por lo tanto, utilizamos los datos del Censo 2002 tal cual, pero debido a la
antigüedad del dato de superficie ganadera que este brinda hemos quitado peso relativo a
nuestras estimaciones de producción total en mil tn/año y hemos priorizado las estimaciones
en kg/ha, que como se verá enseguida son independientes de los datos censales.
La productividad forrajera por unidad de área se estimó a partir de dos estrategias. Una de
ellas fue utilizar datos de precipitación media anual y modelos empíricos que relacionaran la
productividad con la precipitación. En ese caso, la productividad fue una función de la
precipitación y los desafíos fueron contar con datos de precipitación con suficiente distribución
espacial y seleccionar el modelo adecuado. Como se verá más adelante, esta estrategia fue
solo utilizada para estimar la productividad de los recursos forrajeros naturales, ya que las
correlaciones entre productividad de pasturas y precipitación media anual no fueron
significativas. La otra estrategia fue utilizar datos empíricos de productividad forrajera
tomados de distintas fuentes. En ese caso, los desafíos fueron obtener esos datos empíricos,
someterlos a un control de calidad y encontrar una manera de combinarlos y extrapolarlos
geográficamente. En muchas regiones la productividad forrajera se compone de una
proporción del forraje proveniente de vegetación natural y otra de la vegetación cultivada.
Para tratar de contar con datos más actuales que los del Censo 2002, cuantificamos esta
proporción de pastizales, pasturas y verdeos a través de una encuesta a referentes zonales que
contestaron por correo electrónico sobre el porcentaje de la superficie ganadera ocupado con
cada tipo de recurso. Por lo tanto, las estimaciones de productividad forrajera por unidad de
área son actuales, no adolecen del problema de desactualización censal.
3.3 Bases de datos
Se trabajó con datos ambientales, de uso de la tierra y de productividad forrajera. Los datos
ambientales fueron datos de precipitación media anual y estimaciones satelitales de la misma
variable, un mapa de suelos y varios mapas de vegetación. La base de datos de precipitación
media anual consistió en 160 estaciones meteorológicas (fuente: Servicio Meteorológico
Nacional, INTA y FAO), para las cuales se tenían registros de al menos 10 años. Los datos
puntuales fueron interpolados mediante la técnica de “natural neighbor”, una versión
mejorada de la interpolación lineal. La interpolación se basó en un cuadriculado o grilla de
todo el país con celdas de 0,2 grados de latitud de lado. Un partido relativamente chico como
el de Mercedes, Prov. de Buenos Aires, es ocupado por 4 de estos cuadrados y uno grande
como 25 de Mayo, en la Prov. de Río Negro, es cubierto por unos 100. Se generó así un mapa
de precipitación media anual para todo el país. Para cuantificar el error de la extrapolación,
estimamos la precipitación de cada estación a partir del procedimiento de extrapolación sin la
participación de ese dato y contrastamos la estimación con el valor observado. El error
promedio fue de 18%. También estimamos la precipitación media anual a partir de imágenes
satelitales TRMM, pero cuando contrastamos estas estimaciones con la precipitación medida
9
se observó un sesgo a la sobreestimación, por lo cual esta fuente de datos fue descartada. Para
contar con heterogeneidad de los suelos usamos el Mapa de Suelos de Argentina (INTA, 1990;
1:500000). El mapa fue utilizado de dos maneras. Por un lado, fue referencia frecuente
durante el armado del mapa de vegetación descripto más adelante y por otro lado, se utilizó
para extrapolar datos de productividad medida a campo en la región pampeana como también
se describirá más adelante.
Como se indicó más arriba, el uso de la tierra fue estimado para cada departamento o partido
provincial a partir del Censo Nacional Agropecuario de 2002. Se compiló una base de datos de
la superficie de “pastizales”, “bosques y/o montes naturales”, “cultivos forrajeros anuales” y
“cultivos forrajeros perennes”, por partido para los 510 partidos/departamentos vigentes en el
país en el año 2007. La superficie ganadera total del país fue estimada en 138 millones de ha,
de las cuales se estimó un 91% de vegetación natural y un 9% de vegetación cultivada.
Se compiló una base de datos de productividad estimada a partir de cortes secuenciales de
biomasa de vegetación natural y cultivada realizados en 19 provincias (Tabla 2). Si bien para
cuatro provincias no se cuenta con datos de cortes, se pudo estimar su productividad porque
la lógica de la estimación no consideró límites políticos, algo que se explica más abajo. Sin
embargo, los esfuerzos de estimación por cortes sí se suelen decidir a nivel provincial, esa es la
razón de la Tabla 1. Las fuentes de datos de cortes fueron diversas, fundamentalmente datos
publicados e inéditos obtenidos por INTA y AACREA y datos publicados recopilados por la
FAUBA. Para ser incluidos en la base, los datos debían reunir ciertos requisitos: abarcar al
menos un año de productividad, tener referencias geográficas y disponer de algún detalle que
aluda al tipo de vegetación. El número de datos inicial fue de 580, de los cuales solo 400
cumplieron con los requisitos generales y fueron ingresados a la base, por ahora solo 326 se
usaron para los cálculos, el resto aún en revisión. Es probable que al avanzar el proyecto en su
segunda etapa esta base sufra tanto depuraciones como incorporaciones de datos.
10
Tabla 2: Número de sitios y/o tipos de recursos forrajeros con al menos un dato de PPNA anual
estimada con cortes y el rango de años durante los que se midió para las 23 provincias. Las
celdas vacías indican ausencia de datos. Para cada tipo de vegetación y el total se resaltan en
negrita los tres casos más numerosos.
Provincia Vegetación natural Vegetación cultivadaBuenos Aires 16 102 118 1-3Catamarca 8 8 1-2
Chaco 16 16 1-2Chubut 33 1 34 1-7
Córdoba 7 7 1-3Corrientes 17 11 28 2-20Entre Ríos 10 7 17 1-13Formosa 3 2 5 2-4
JujuyLa Pampa 4 4 1La Rioja 18 7 25 1-6Mendoza 11 1 12 2-7Misiones 2 2 2-2Neuquen 7 1 8 1-6Río Negro 27 27 1-4
Salta 13 13 5San JuanSan Luis 18 13 31 1-15
Santa Cruz 6 6 1Santa Fé 6 5 11 2-4
Santiago del Estero 24 4 28 1-5Tierra del Fuego
Tucumán220 180 400
Número de sitios/recursos forrajerosNúmero de añostotal
Con estos datos de cortes se generó un modelo empírico que relaciona la productividad con la
precipitación, como se indicó más arriba. Los datos de cortes se asociaron a los de
precipitación media de los sitios donde se hicieron los cortes y se generó un modelo lineal de
estimación de productividad anual a partir de la lluvia anual. El modelo sólo fue
estadísticamente significativo para el caso de la vegetación natural (Figura 3), no para pasturas
y/o verdeos. Como para cada sitio del territorio nacional se contaba con un valor de
precipitación anual, se utilizó este modelo para estimar la productividad de la vegetación
natural. Una variante a este cálculo fue la de utilizar modelos publicados para pastizales y
arbustales, una distinción para la cual se usó el mapa de vegetación que se explica más abajo
(Sala et al. 1988, Milchunas and Lauenroth 1993, respectivamente). Estos dos modelos
publicados y el mapa de lluvias permitieron generar un segundo mapa de productividad de la
vegetación natural homólogo al anterior.
11
0 500 1000 1500 2000
0
2000
4000
6000
8000
10000
Precipitación anual promedio (mm)
Pro
duct
ivid
ad (
Kg
ha-1
año
-1)
Figura 3: Productividad forrajera anual estimada a partir de cortes de biomasa de vegetación
natural en función de la precipitación anual promedio de los sitios donde se hicieron los cortes.
La línea roja corresponde al modelo lineal forzado a un intercepto de -340 tomado de la
literatura (Sala et al. 1988).
Productividad = 3,86 * Precipitación – 340 (R2=0,66; n=162; P<0,0001).
Para implementar la otra estrategia, la de utilizar datos empíricos de productividad en vez de
los modelos comentados, generamos primero un mapa de unidades de vegetación. Como se
detalló más arriba, cada dato de productividad tiene una ubicación geográfica y una
descripción del tipo de vegetación. El desafío de extrapolar este dato puntual a áreas
florísticamente similares fue resuelto mediante ese mapa. Para esto hicimos una búsqueda de
mapas de vegetación cuya escala fuera lo suficientemente detallada para delimitar áreas
diferentes desde el punto de vista de la producción forrajera, sin perder de vista la escala
nacional del proyecto. Por lo tanto, los mapas útiles resultaron aquellos que demarcaban
aproximadamente entre 5 y 20 unidades de vegetación por Provincia. Por ejemplo, el mapa
que usamos de la provincia de Corrientes distingue nueve unidades de vegetación natural.
Como los límites políticos son irrelevantes desde el punto de vista de la vegetación, generamos
un único mapa de unidades de vegetación de Argentina a partir de la revisión de los mapas
provinciales, regionales y hasta uno de escala continental que utilizamos en áreas no relevadas
por los anteriores. Para realizar este mapa único se priorizaron los mapas de los autores que
alcanzaron una mayor síntesis a nivel regional por sobre aquellos a nivel provincial y
subregional, y por supuesto los límites naturales sobre los políticos. Cuando al superponer
mapas se ponían en evidencia límites existentes en unos pero no en otros, se revisó la
caracterización fisonómico-florística y se decidió caso por caso la que entendimos como mejor
delimitación de cada unidad.
El mapa final incluye 67 unidades de vegetación y es el producto de empalmar 16 mapas
anteriores. Con este mapa, los datos de productividad estimada en sitios dentro de cada
unidad de vegetación fueron promediados y extrapolados a toda la unidad. Se trabajó por
12
separado con las estimaciones de vegetación natural y cultivada. Para el caso de unidades de
vegetación para las que no se contó con datos de cortes se caracterizó su productividad
utilizando un promedio según un mapa de menor detalle, que agrupó en 12 unidades las
sesenta y siete del anterior. Por ejemplo, no se contó con datos de productividad de las
pasturas de las “praderas serales”, sur de Corrientes. Entonces, la productividad de estas
pasturas se calculó como el promedio de las pasturas con cortes que conforman los “pastizales
mesopotámicos”, una región que surge de agrupar ocho unidades, incluidas las “praderas
serales”. Así, el mapa de productividad por cortes cubre prácticamente todo el territorio
nacional y es heterogéneo en términos del número de sitios y/o recursos forrajeros que se
utilizaron para caracterizar a cada unidad. Las áreas para las que no se cuenta con valores de
productividad de vegetación natural son marginales para el uso pecuario: el delta bonaerense
y los esteros correntinos, el bosque subantártico y las selvas misionera y de las yungas. El caso
de la vegetación cultivada es similar, no se contó con registros de productividad a partir de
cortes solo en áreas marginales para la implantación de pasturas y verdeos: esteros
correntinos, pastizales chaqueños y serranos, el semidesierto patagónico, el bosque
subantártico y las selvas misionera y de las yungas.
El descripto arriba fue el “grano” espacial que se utilizó para todo el país, exceptuando la
Región Pampeana para la cual se trabajó con más detalle. La disponibilidad de datos de cortes
fue mucho mayor en esta región que en el resto del país, y a su vez se dispuso de una mayor
cantidad de ambientes y recursos forrajeros relevados (Tabla 2). Entonces, el desafío fue
incorporar a la estimación de productividad la heterogeneidad espacial dentro de cada unidad
de vegetación. Para esto se requería mapear la heterogeneidad interna de cada una de las 5
unidades de los “pastizales pampeanos” (Tabla 3) y, a su vez, asignar a cada nueva subunidad
un valor de productividad estimada con cortes. Como se indicó más arriba, para mapear la
heterogeneidad usamos el mapa de suelos con mayor detalle disponible (INTA, 1990;
1:500000). Agrupamos los tipos de drenaje del suelo dominante de cada complejo para
discriminar entre áreas con drenaje “excesivo, algo excesivo, moderado o bien drenado” (clase
1) de aquellas con drenaje “imperfecto, muy pobre o pobre” (clase 2). A su vez, las áreas de la
clase 2 fueron caracterizadas según tuvieran baja o alta limitación por alcalinidad (“no sódica,
poca, débil, ligera” o “moderada, moderada a fuerte, muy fuerte, fuerte, severa”,
respectivamente). Así, generamos un mapa para cada unidad de vegetación según 3 clases de
drenaje/alcalinidad. Por otro lado, los cortes de biomasa hechos dentro de la región se
clasificaron, tanto para vegetación natural como cultivada, en los provenientes de lomas, bajos
dulces y bajos salinos, que se asignaron respectivamente a las clases “1”, “2_no alcalina” y
“2_alcalina”. Si se enriquece la base de datos de cortes esta lógica de mapeo de la
heterogeneidad podría, con adaptaciones a cada caso, incorporarse a otras regiones.
13
Tabla 3: Unidades de vegetación, y grandes grupos, y referencias a los trabajos que se
utilizaron para delimitarlas. El código de cada unidad refiere al Mapa 2 (ver más adelante), se
utilizaron los mismos colores.
Gran grupo de unidades de vegetación
código (ver
mapa)
Unidades de vegetación
Referencias
16chaco de esteros y cañadas
León 1981; Morello y Adamoli 1968; Lewis 1981
15
chaco de esteros y cañadas pilaguense
León 1981; Morello y Adamoli 1968
17chaco de parques y sabanas secas
Lewis 1981; Morello y Adamoli 1968
62
chaco de pastizales y sabanas
Morello y Adamoli 1968
28 chaco leñoso Hueck 1972; Luti et al. 1979; Morello y Adamoli 32 chaco serrano Hueck 1972
19espinal
Anderson et al. 1970; Cano et al. 1980; Lewis 1981; Luti et al. 1979; Rundel et al. 2007
22 espinal central Lewis 1981
21espinal entrerrianense
Lewis 1981
14 delta Landi 19887 depresion iberana Carnevali 1994; León 1981
10valle de inundacion del parana
León 1981; Lewis 1981
11valle de inundacion del uruguay
Landi 1988; León 1981
58bosque de araucaria araucana
Hueck 1972
60
bosque de astrocedrus chilensis
Hueck 1972
59bosque de nothofagus sp
Hueck 1972
52 erial Leon et al. 1998
45formaciones halofilas del chaco
Luti et al. 1979
29puna
Hueck 1972; Martinez Carretero 1995; Roig 1972; Rundel et al. 2007
66
arbustales y matorrales halofilos del monte austral
Cano et al. 1980; Rundel et al. 2007
65
arbustales y matorrales halofilos del monte central
Anderson et al. 1970; Burkart et al. 1999; Roig 1972; Rundel et al. 2007
53ecotono de la peninsula de valdez
Leon et al. 1998
49 ecotono rionegrino Leon et al. 1998
61
estepa arbustiva baja con junellia tridens
Leon et al. 1998
55
estepa arbustiva baja con nardophylum obtusifolium
Leon et al. 1998
bosques secos
bosques húmedos mesopotámicos
bosques húmedos patagónicos
desiertos y semidesiertos
estepas arbustivas
14
Tabla 3 (continuación).
Gran grupo de unidades de vegetación
Unidades de vegetación
Referencias
50
estepa arbustiva con chuquiraga avellanedae
Leon et al. 1998
51
estepa arbustiva con colliguaya integerrima
Leon et al. 1998
47estepa arbustiva-graminosa
Leon et al. 1998
54estepa del golfo de san jorge
Leon et al. 1998
56estepa graminosa xerica
Leon et al. 1998
63jarillal del monte central
Roig 1972; Rundel et al. 2007
36 monte austral Cano et al. 1980; Leon et al. 1998; Rundel et al.
35monte de sierras y bolsones
Rundel et al. 2007; Burkart et al. 1999
37monte de transicion Leon et al. 1998
40 monte-chaco Rundel et al. 200748 payunia Leon et al. 199830 prepuna Rundel et al. 200739 solupal Roig 1972
44valle de uspallata-callingasta
Rundel et al. 2007
46 estepa graminosa Leon et al. 1998
57estepa graminosa humeda
Leon et al. 1998
18bajos submeridionales
Lewis 1981; Morello y Adamoli 1968
8parque chaqueño correntino
Carnevali 1994
42
pastizales y bosquecillos de altura
Luti et al. 1979
41pastizales y bosques serranos
Anderson et al. 1970; Luti et al. 1979; Morello y Adamoli 1968
43 romerillal Luti et al. 197913 campos refinados Landi 1988
4
malezales sabanas herbaceas y pajonales
Carnevali 1994
3
malezales sabanas hidromorficas y pajonales
Carnevali 1994
9parque mesopotamico
Carnevali 1994
12 praderas serales Landi 1988
5
sabana abierta y parque del ñandubay
Carnevali 1994; Landi 1988; León 1981
estepas graminosas
pastizales chaqueños
estepas arbustivas
pastizales mesopotámicos
15
Tabla 3 (continuación).
Gran grupo de unidades de vegetación
Unidades de vegetación
Referencias
6
sabana abierta y parque del ñandubay mercedeña
Carnevali 1994; Landi 1988; León 1981
2 sabanas secas Carnevali 1994; León 198127 pampa austral Soriano et al. 199226 pampa deprimida Soriano et al. 199224 pampa interior llana Soriano et al. 1992
25pampa interior occidental
Soriano et al. 1992
23 pampa ondulada Soriano et al. 1992selva misionera 1 selva misionera Soriano et al. 1992; León 1981
yungas33
bosque y selva andinos
Hueck 1972
67 agua INTA 1990
31
formaciones diversas de montaña sin clasificacion
Hueck 1972; Roig 1972
68 glaciar INTA 1990
71montaña sin vegetacion
Roig 1972
69 roca INTA 199070 salinas INTA 1990
pastizales pampeanos
sin uso agropecuario
pastizales mesopotámicos
3.4 Resultados
La precipitación media anual fue estimada con una precisión razonable dado el gradiente
abarcado (error promedio 18%). Se generó un mapa que es un producto en sí mismo, aunque a
los fines del proyecto es un insumo, y que evidencia patrones ya conocidos (Mapa 1). Las
precipitaciones más escasas, menores a 500 mm/año, ocurren en prácticamente toda la
Patagonia, el Monte, Espinal y Puna. Precipitaciones de entre 500 y 1500 mm/año fueron
estimadas para las regiones Pampeana y Chaqueña, y para el sur de la Mesopotamia. Las
precipitaciones mayores a 1500 mm/año ocurren en la región de bosques andino-patagónicos,
un sector austral de las yungas y la parte norte de la Mesopotamia (Mapa 1).
Uno de los resultados clave de este proyecto fue el mapa de unidades de vegetación (Mapa 2).
A la fecha disponíamos de mapas de vegetación relativamente bien detallados que no cubrían
más allá de una provincia o región o que alcanzaban una escala continental muy poco
detallada (Hueck 1972). Por ejemplo, contábamos con cartografía de las unidades de
vegetación de Mendoza, de la Patagonia y del Monte (Roig 1972, León et al. 1998, Rundel et al.
2007). Sin embargo, carecíamos de un único mapa que cubriera todas estas áreas dominadas
por arbustales y que omitiera los límites políticos. Si bien muy útiles para otros propósitos, los
mapas fitogeográficos tampoco resultaban acordes para este proyecto porque enfatizan más
en la presencia/ausencia de algunas especies que en características fisonómico-florísticas de
toda la vegetación. Disponemos ahora de un mapa de, por ejemplo, los arbustales a escala
nacional que los clasifica según sus características fisonómico-florísticas (Mapa 2). Este mapa
16
de grandes unidades divide a toda la vegetación natural del país en 67 unidades, que fueron
agrupadas a su vez en 12 grandes grupos (Tabla 3). Es importante destacar que este mapa no
incluye los usos de la tierra. Su valor radica en que es una representación de la heterogeneidad
ambiental regional relevante para la vegetación y, por lo tanto, puede usarse para extrapolar
observaciones empíricas tanto en vegetación natural como cultivada.
Si bien la base de datos de productividad estimada por cortes secuenciales de biomasa puede
mejorarse con la incorporación de más lugares y/o la depuración de los datos ya compilados, el
patrón preliminar más evidente es que dentro del grupo de la vegetación natural, la Patagonia,
el Monte y la Mesopotamia están relativamente mejor relevadas que el resto del país (Mapa
3). Ocho provincias carecen de datos de productividad anual de la vegetación natural (Tabla 2).
El caso de la vegetación cultivada muestra la mayoría de los sitios de estudio concentrados en
la región pampeana (Mapa 4). Llama la atención la escasez de datos en las regiones chaqueña
y mesopotámica (Mapa 4). También en este caso hay 8 provincias para las que no se cuenta
con ningún dato de productividad anual, aunque aquí la falta de datos es más esperable ya que
disponen de ambientes marginales para la implantación de pasturas y verdeos (Tabla 2). Según
nuestro conocimiento, por primera vez se dispone a nivel nacional de una síntesis de los
esfuerzos publicados e inéditos de cuantificar la productividad de los distintos recursos
forrajeros naturales y cultivados. La mejora de esta síntesis será prioridad en próximas etapas
del proyecto.
La productividad anual de la vegetación natural estimada con el modelo empírico (Figura 3)
muestra, como es de esperar al usar un modelo lineal en función de las lluvias, el mismo
patrón que el de la precipitación anual (Mapa 5). La productividad anual de la mayoría de la
región Patagónica, el Monte, el Espinal y la Puna es menor a 2000 kg/ha, mientras que en las
regiones Pampeana y Chaqueña aumenta aproximadamente de oeste a este y de sur a norte,
desde los 2000 a los 5000 kg/ha. La productividad de la región Mesopotámica se incrementa
también de sur a norte, desde unos 3000-4000 hasta 7000 kg/ha (Mapa 5). Una alternativa a
este modelo fue la de utilizar modelos similares disponibles en la literatura. Utilizamos el de
Sala et al. 1988 para áreas de pastizal y el de Milchunas et al. 1993 para sitios de estepas,
montes y bosques secos. Como el ajuste entre estos modelos y los datos observados fue bajo
solo se presenta el resultado a modo comparativo en el Anexo (ver Mapa 1.A1 en Anexo 1).
La otra aproximación para estimar la productividad anual de la vegetación natural, la que surge
de extrapolar los datos de los cortes, produjo un mapa algo distinto al anterior, más allá de la
presencia de límites más notorios dados por el trazado de las unidades de vegetación (Mapa
6). A las regiones con productividad menor a 2000 kg/ha del mapa anterior (Patagonia, Monte,
Espinal y Puna) se agrega la Chaqueña (Mapa 6). En la región Pampeana puede notarse ahora
que la productividad de algunos ambientes es de unos 1000 kg/ha, asociada a limitaciones por
salinidad en la mayoría de los casos. Sin embargo, la mayor parte de la región muestra una
productividad de entre 3000 y 5000 kg/ha. A diferencia del anterior (Mapa 5), la mayoría de la
región Mesopotámica tiene una productividad de entre 4000 y 5000 kg/ha. La productividad
más alta ocurre en la franja oriental del Chaco húmedo, con hasta 7000 kg/ha (Mapa 6).
La productividad anual de la vegetación cultivada fue solo estimada a partir de cortes
extrapolados a la unidad de vegetación correspondiente. Los cultivos forrajeros más
17
productivos, con más de 9000 kg/ha, corresponden a los de los suelos mejor drenados y sin
limitación por alcalinidad de la Pampa interior (Mapa 7). En el resto de la región Pampeana la
productividad de estos recursos varía entre los 2000 y 8000 kg/ha, con predominancia de
valores en el límite alto de este rango. En la región Chaqueña la productividad varía entre
5000 y 8000 kg/ha, y se presentan valores intermedios de 4000-5000 kg/ha en las pasturas de
la Mesopotamia. En el resto de los sitios donde se implantan cultivos forrajeros la
productividad es menor a los 3000 kg/ha (Mapa 7).
Como en muchos lugares del país la oferta forrajera se compone tanto de vegetación natural
como de cultivada, generamos un mapa de productividad anual a partir de estimaciones
secuenciales de biomasa según una ponderación de la superficie cubierta por cada tipo de
vegetación (que surge de una encuesta a referentes zonales). El mapa resultante de
productividad anual de vegetación forrajera (natural más cultivada; Mapa 8) es en líneas
generales muy similar al de la vegetación natural (Mapa 6), excepto porque aumentó en
prácticamente 2000 kg/ha la productividad anual de gran parte de la región pampeana norte y
en unos 1000 kg/ha la de la región chaqueña (Mapa 8). Como en el resto del país la superficie
cubierta por pasturas y/o verdeos es escasa o nula, la oferta forrajera proviene de la
vegetación natural y por lo tanto los mapas se parecen mucho (Mapas 6 y 8).
Como una aproximación preliminar a la oferta forrajera anual total por departamento,
calculamos el producto entre la productividad forrajera de cada departamento (que se calcula
a partir del Mapa 6 ó Mapa 8) y la superficie forrajera total. Cuando se trató de estimar la
productividad de la vegetación natural a partir del modelo con las lluvias, se asumió que toda
la superficie forrajera estaba cubierta con vegetación natural, lo cual da una idea de la oferta
forrajera total sin la implantación de cultivos forrajeros. Como una alternativa a este cálculo, a
partir de los datos de cortes se estimó la productividad discriminando la superficie de pasturas
y verdeos de la correspondiente a vegetación natural. En todos los casos, estas superficies a
escala departamental fueron estimadas a partir del Censo Nacional Agropecuario 2002.
Sabiendo de las profundas transformaciones ocurridas en el uso de la tierra en la última
década, el cálculo tendría un error de subestimación de la oferta forrajera para los
departamentos en los que aumentó la superficie ganadera y de sobreestimación en los que
disminuyó. Así calculada, la oferta forrajera anual total de un departamento dependió tanto de
la productividad por unidad de superficie como de la cantidad de hectáreas dedicadas a la
ganadería. Como hay muchos departamentos muy grandes y poco productivos, y las áreas de
mayor productividad por hectárea tienen una alta proporción de superficie agrícola que
compite con la ganadería, los patrones de oferta forrajera total son diferentes a los de
productividad por hectárea (Mapas 9 y 10; ver también Tabla 4, y Tabla 1.A1 en Anexo 1). Una
alternativa a este modelo fue la de utilizar modelos similares disponibles en la literatura.
Utilizamos el de Sala et al. 1988 para áreas de pastizal y el de Milchunas et al. 1993 para sitios
de estepas, montes y bosques secos. Como el ajuste entre estos modelos y los datos
observados fue bajo, solo se presenta el resultado a modo comparativo. Del mismo modo se
presenta el resultado de la estimación a partir de la productividad según modelos publicados
(ver Mapa 2.A1 en Anexo 1).
18
Tabla 4: Productividad forrajera total (vegetación natural más cultivada) en miles de tn/año
por Provincia, según una estimación a partir de cortes extrapolados a la unidad de vegetación
correspondiente y superficie ponderada de acuerdo al Censo Nacional Agropecuario 2002.
Provincia Miles ton/añoBuenos Aires 62582Catamarca 1383Chaco 15197Chubut 8531Cordoba 15766Corrientes 26334Entre Ríos 20144Formosa 16315Jujuy 354La Pampa 12949La Rioja 4211Mendoza 2258Misiones 728Neuquen 1236Río Negro 6238Salta 2202San Juan 173San Luis 9907Santa Cruz 10899Santa Fe 19971Santiago del Estero 4575Tierra del Fuego 1384Tucuman 728Total país 244065
4. Identificar sistemas piloto de producción ganadera
Metodología y resultados:
El objetivo específico b4, implementar el sistema de monitoreo forrajero, lo desarrollaremos a
escala predial en sistemas reales de producción ganadera piloto distribuidos en las diferentes
regiones del país. La definición de estos sitios piloto está contemplada en la primera etapa de
la ejecución del proyecto.
Los criterios de selección de sistemas piloto fueron los siguientes:
• Incluir sistemas reales de producción que presenten antecedentes de asesoramiento
técnico (privado y/o estatal) en relación a la aplicación de tecnologías de manejo de
pastizales y/o pasturas.
• Incluir sistemas reales de producción abarcando un amplio rango de variabilidad
ambiental (regiones NEA, NOA, Pampeana, Cuyo y Patagonia), socioeconómica
(sistemas empresariales, familiares y minifundistas) y productiva (cría, recría, engorde,
diversificados).
Seleccionamos 32 sistemas reales de producción piloto. En el caso particular de INTA los
sistemas piloto estarán relacionados con el Proyecto Específico “Validación de tecnologías de
19
manejo de pastizales sistemas reales de producción” (AEFP 263041) y con los Proyectos
Regionales Ganaderos. En el caso de AACREA la selección de los sitios piloto se realizó
incluyendo dos criterios adicionales:
• Que al menos la mitad de los sistemas estén asesorados por profesionales con
experiencia en el uso de la información de índice verde.
• Que al menos la mitad de los sistemas ya se encuentren participando en el Sistema de
Seguimiento Forrajero.
Los sistemas piloto considerados incluyen sistemas de cría, recría y engorde, en empresas
ganaderas y mixtas, con diferente nivel de intensificación. También se incluyeron sistemas que
abarcan producción ovina y caprina. La tabla 5 muestra la variabilidad de escala y actividad de
los sitios piloto y el Mapa 11 muestra la distribución espacial.
20
Tabla 5: Clasificación general de los sistemas piloto a los que se les realizará el seguimiento
forrajero.
Región Establecimiento Actividad
Pampeana Sudeste
PSE1 PSE2 PSE3
Ganadería de cría – recría + agricultura (productor medio) Ganadería de cría + agricultura (productor medio) Ganadería de cría + recría (productor medio)
Pampeana Sudoeste
PSO1 PSO2 PSO3 PSO4
Ganadería de cría – recría + agricultura (productor medio) Ganadería de cría – recría + agricultura (productor medio) Ganadería de cría – recría (productor medio) Ganadería de ciclo completo (productor medio)
Pampeana Norte
PN1 PN2 PN3 PN4
Tambo (productor pequeño) Ganadería de cría – invernada (productor pequeño) Ganadería de ciclo completo (productor medio) Ganadería de cría – recría (productor medio)
Pampeana Oeste
PO1 PO2 PO3
Ganadería de ciclo completo + agricult. (productor medio) Ganadería de ciclo completo + agricult. (productor medio) Ganadería de ciclo completo (productor medio)
NEA NEA1 NEA2 NEA3
Ganadería de cría – recría (productor medio) Ganadería de ciclo completo (productor medio) Ganadería de cría - recría (productor medio)
NOA NOA1 NOA2 NOA3 NOA4 NOA5 NOA6
Cría bovina extensiva (productor pequeño) Cría bovina extensiva (productor medio) Cría bovina extensiva (productor grande) Cría bovina extensiva + recría (productor medio) Cría bovina ciclo completo + agricultura (productor grande) Cría bovina ciclo completo + agricultura (productor grande)
Semiárida SA1 SA2 SA3 SA4 SA5
Cría bovina extensiva + recría (productor medio) Cría bovina extensiva (productor medio) Cría bovina extensiva (productor medio) Cría bovina extensiva + recría (productor grande) Cría bovina extensiva + recría (productor grande)
Patagonia P1 P2 P3 P4 P5 P6 P7 P8 P9
Caprinos criollos campo de invernada (productor mediano) Caprinos criollos campo de veranada (productor mediano) Caprinos criollos campo de invernada (productor mediano) Caprinos criollos campo de veranada (productor mediano) Ovinos para lana (productor mediano) Ovinos para lana (productor mediano) Ovinos para lana (productor mediano) Ovinos para lana (productor mediano) Ovinos para lana (productor mediano)
Adicionalmente, se establecieron contactos con el proyecto “Pastizales y Sabanas del Cono Sur
de Sudamérica: iniciativas para su conservación en Argentina”, co-ejecutado por las
organizaciones “Aves Argentinas” y “Vida Silvestre”. Este proyecto tiene entre sus
componentes de trabajo poner a prueba modelos de manejo de pastizales en sistemas
ganaderos extensivos con productores demostradores en Sitios Piloto. Estos sitios piloto de
trabajo son: Pastizales de Bahía Samborombón (Buenos Aires), Pastizales de Gualeguaychú
(Entre Ríos), Sabanas de San Javier (Santa Fe) y Campos del Río Aguapey (Corrientes);
21
integrando un total de 19 establecimientos ganaderos. En el mes próximo se espera firmar una
carta acuerdo e incluir como sitios piloto a algunos de estos establecimientos del proyecto
“Pastizales y Sabanas del Cono Sur de Sudamérica: iniciativas para su conservación en
Argentina” que cumplan con los requisitos arriba descriptos.
5. Comunicación
Se desarrolló un sitio web (http://www.sistemaforrajero.com.ar) aún no publicado pero que
puede ser visitado por los evaluadores de este informe. El sitio reúne los objetivos y avances
del proyecto. Tiene un sistema geográfico con la base de datos de productividad forrajera (por
ahora en una versión de muestra de unos pocos sitios) que permitirá consultar la
productividad forrajera de cualquier sitio del país mediante una navegación sencilla hasta el
sitio de muestreo. Se espera en el futuro cercano incorporarle una herramienta interactiva
para que los usuarios puedan además “subir” datos de productividad, los cuales podrían ser
incorporados a la base luego de un control de calidad.
6. Conclusiones y perspectivas
La primera etapa de este proyecto ha cumplido con los objetivos planteados. Tanto las
calibraciones entre productividad y datos de sensores remotos como la selección de los sitios
piloto son base para las siguientes etapas en las que se ahondará en la construcción y difusión
del sistema de evaluación forrajera motivo del proyecto en su conjunto. Los resultados de la
evaluación de los datos empíricos de productividad forrajera son el primer aporte significativo
del proyecto a la comunidad. Por primera vez la Argentina cuenta con una base de datos
unificada y depurada de estimaciones de producción forrajera de diversos recursos asociada a
su vez a una plataforma geográfica que vincula esos datos con unidades ambientales, como
unidades de vegetación, suelos o de precipitación, y unidades políticas, como departamentos
provinciales o provincias. Será prioritario durante el resto del proyecto depurar y acrecentar
esta información, tanto por mejorar su calidad per se como porque se utilizará como soporte
para etapas posteriores. De todos modos, los datos generados ya pueden ser utilizados por
decisores a diversos niveles. Si bien la base de datos es extensa, nuestro trabajo también puso
de manifiesto las debilidades y grandes huecos de información existentes, lo cual refuerza la
idea de base de este proyecto que será desarrollada en las dos etapas siguientes: un sistema
de diagnóstico, planificación, seguimiento y prospección forrajera en sistemas ganaderos de un
país tan extenso debe tener una base sólida en la utilización de sensores remotos.
22
7. Mapas
Mapa 1: Precipitación media anual (mm/año) interpolada a partir de estaciones
meteorológicas del Servicio Meteorológico Nacional y del INTA con al menos 10 años de
registros (n=160, representadas por puntos en el mapa).
23
Mapa 2: Unidades de vegetación de Argentina delimitadas a partir de una revisión y empalme
de 16 mapas anteriores provinciales, regionales y hasta uno de escala continental que se
utilizó en áreas no relevadas por los anteriores. Líneas rojas delimitan grandes grupos de
unidades de vegetación; líneas negras delimitan unidades de vegetación dentro de cada gran
grupo (ver referencias en Tabla 3).
24
Mapa 3: Sitios para los que se dispone de al menos un dato de productividad anual estimada
por cortes en vegetación natural. En algunos sitios se evaluaron varios tipos de recursos
forrajeros. Se distinguen los sitios incorporados a los cálculos presentados en este informe
(puntos azules; n=191) de aquellos en revisión aún no incluidos (puntos rojos; n=29).
25
Mapa 4: Sitios para los que se dispone de al menos un dato de productividad anual estimada
por cortes en vegetación cultivada, que incluye a pasturas y verdeos. En algunos sitios se
evaluaron varios tipos de recursos forrajeros. Se distinguen los sitios incorporados a los
cálculos presentados en este informe (puntos azules; n=135) de aquellos en revisión aún no
incluidos (puntos rojos; n=45).
26
Mapa 5: Productividad forrajera anual (kg/ha año) de vegetación natural estimada según un
mapa de precipitación anual (Mapa 1) y un modelo empírico que relaciona productividad
estimada con cortes de biomasa y precipitación del sitio donde se hicieron los cortes (Figura 3).
27
Mapa 6: Productividad forrajera anual (kg/ha año) de vegetación natural según estimaciones
por cortes (Mapa 3) extrapoladas a la unidad de vegetación correspondiente. Para las unidades
donde no contamos con estimaciones por cortes calculamos el promedio de productividad del
gran grupo de unidades de vegetación correspondiente (Tabla 3 y Mapa 2).
28
Mapa 7: Productividad forrajera anual (kg/ha año) de vegetación cultivada según estimaciones
por cortes (Mapa 4) extrapoladas a la unidad de vegetación correspondiente. Para las unidades
donde no contamos con estimaciones por cortes calculamos el promedio de productividad del
gran grupo de unidades de vegetación correspondiente (Tabla 3 y Mapa 2).
29
Mapa 8: Productividad forrajera anual (kg/ha año) de vegetación natural y cultivada según
estimaciones por cortes (Mapas 3 y 4) extrapoladas a la unidad de vegetación correspondiente
y ponderadas por la superficie que cada tipo de vegetación ocupa según encuesta a referentes
zonales.
30
Mapa 9: Productividad forrajera anual total (miles de tn/año), por departamento, estimada
como el producto de la productividad forrajera por hectárea de la vegetación natural (kg/ha
año; Mapa 5) y la superficie total ganadera según el Censo Nacional Agropecuario 2002.
31
Mapa 10: Productividad forrajera anual total (miles de tn/año) de la vegetación forrajera
(natural más cultivada), por departamento, estimada como el producto de la productividad
forrajera por hectárea (kg/ha año; Mapa 8) y la superficie total ganadera según el Censo
Nacional Agropecuario 2002.
32
Mapa 11: Cantidad de sistemas piloto del movimiento CREA y de INTA seleccionados por
región ganadera.
3
4
6
33
5
4
9
33
8. Bibliografía
Anderson, D.L.; J.A. Del Águila y A.E. Bernardón. 1970. Las formaciones vegetales de la provincia de San Luis. Rev. Inv. Agropecuaria INTA, serie 2. Biología y Producción Vegetal 7:83-153.
Burkart, R., N. Bárbaro, R.O. Sánchez y D.A. Gómez. 1999. Ecorregiones de la Argentina, APN, PRODIA, 43 pp.
Cano, E., B. Fernandez, and M. Montes. 1980. Vegetación. Inventario integrado de los recursos naturales de la Provincia de La Pampa. INTA, Provincia de La Pampa, UNLP, Buenos Aires.
Carnevali, R. 1994. Fitogografía de la Provincia de Corrientes. Gobierno de la Provincia de Corrientes. Instituto Nacional de Tecnología Agropecuaria; 324 pp.
Grigera, G., M. Oesterheld, and F. Pacín. 2007. Monitoring forage production with MODIS data for farmers' decision making. Agricultural Systems 94:637-648.
Hueck, K. 1972. Mapa de la vegetación de América del Sur (1:8.000.000). Forstliche Forschungsanstalt Munchen. Gustav Fisher Verlag, Stuttgart.
INTA. 1990. Atlas de suelos de la República Argentina. Versión digital (1:500000).
Irisarri, J. G. N., M. Oesterheld, J. M. Paruelo, and M. Texeira. 2011. Patterns and controls of above-ground net primary production in meadows of Patagonia. A remote sensing approach. Journal of Vegetation Science 1:1-13.
Landi, M. 1988. Principales áreas ecológicas de la Provincia de Entre Ríos. Seminario Regional Concepción del Uruguay.
León, R.J.C. 1981. Diagnóstico de la problemática forrajera. Plan de desarrollo ganadero de la zona Litoral Norte. Primera etapa - Diagnóstico. AACREA, Buenos Aires.
León R.J.C., D. Bran, M. Collantes, J.M. Paruelo, y A. Soriano. 1998. Grandes unidades de vegetación de la Patagonia extra andina. Ecología Austral 8:123-141.
Lewis, J.P. 1981. La vegetación de la provincia de Santa Fe. En: Estudios de geografía de la provincia de Santa Fe: Homenaje al Dr. Alfredo Castellanos. Sociedad Argentina de Estudios Geográficos. 121-148
Luti, R, M. Solís, F. Galera, N. Müller de Ferreira, M. Berzal. 1979. Vegetación. En: J Vazquez; R Miatello y M Roque (eds). Geografía Física de la Provincia de Córdoba. Ed. Boldt. Buenos Aires, Argentina. Pp. 297-368.
Martinez Carretero E. 1995. La Puna Argentina: delimitación general y división en distritos florísticos. Bol. Soc. Argent. Bot. 31 (1-2): 27-40.
Milchunas, D. G., and W. K. Lauenroth. 1993. Quantitative effects of grazing on vegetation and soils over a global range of environments. Ecological Monographs 63:327-366.
Monteith, J. 1972. Solar Radiation and Productivity in Tropical Ecosystems. Journal of Applied Ecology 9:747-766.
34
Morelo, J. y J. Adamoli. 1968. Las grandes unidades de vegetación y ambiente del Chaco Argentino.
Paruelo, J. M. 2008. La caracterización funcional de ecosistemas mediante sensores remotos. Ecosistemas 17:4-22.
Piñeiro, G., M. Oesterheld, and J. M. Paruelo. 2006. Seasonal variation in aboveground production and radiation use efficiency of temperate rangelands estimated through remote sensing. Ecosystems 9:357-373.
Rearte, D. 2010. Situación actual y prospectiva de la producción de carne vacuna. INTA, 26 páginas.
Roig, F. 1972. Bosquejo fisonómico de la vegetación de la provincia de Mendoza. Bol. Soc. Arg. Botánica, 13.
Rundel, P, P.E. Villagra, M.O. Dillon, S.A. Roig-Juñent and G. Debandi. 2007. Arid and Semi-Arid Ecosystems. In: Veblen, TT; Young, K & Orme, AE (eds). The physical Geography of South America. Oxford University Press, pp, pp. 158-183.
Sala, O. E., W. J. Parton, L. A. Joyce, and W. K. Lauenroth. 1988. Primary production of the central grassland region of the United States. Ecology 69:40-45.
Soriano, A., R.J.C. León, O.E. Sala, R.S. Lavado, V.A. Deregibus, M.A. Cahuépé, O.A. Scaglia, C.A. Velázquez and J.H. Lemcoff. 1992. Río de la Plata grasslands: En: Coupland, R.T. (ed.) Ecosystems of the world 8A. Natural grasslands. Introduction and western hemisphere. Elsevier, New York, pp. 367-407.
35
9. Anexo 1
Figura 1.A1: Correlación entre la superficie agrícola estimada a partir de la encuesta agrícola
2001-2002 y la que surge del Censo Nacional Agropecuario 2002. Cada punto corresponde a la
estimación para un departamento. En el panel A se muestran todos los casos (n=283; r= 0,94),
en el panel B sólo aquellos hasta 200000 ha según el Censo (n=257; r=0,90). La línea roja
corresponde al modelo lineal y la punteada a la relación 1:1. Para el caso del Censo, la
superficie agrícola de cada departamento se estimó como la suma de las superficies ocupadas
por cultivos anuales y perennes bajo la categoría “superficie implantada”. Para el caso de la
Encuesta se estimó como la suma de las superficies de cada cultivo, descontando las
correspondientes a soja de segunda. Solo se incluyeron los departamentos con al menos un
cultivo relevado en la Encuesta, supusimos que los departamentos con ausencia de cultivos no
fueron encuestados.
0 200000 400000 600000 800000
0
200000
400000
600000
800000A
Superficie agrícola (ha) segúnCenso Nacional Agropecuario (2002)
Sup
erfic
ie a
gríc
ola
(ha)
seg
únE
ncue
sta
Nac
iona
l Agr
opec
uaria
(20
01-0
2)
0 50000 100000 150000 200000
0
50000
100000
150000
200000B
Superficie agrícola (ha) segúnCenso Nacional Agropecuario (2002)
Sup
erfic
ie a
gríc
ola
(ha)
seg
únE
ncue
sta
Nac
iona
l Agr
opec
uaria
(20
01-0
2)
36
Tabla 1.A1: Productividad forrajera total (vegetación natural más cultivada) en miles de tn/año
por Departamento, según una estimación a partir de cortes extrapolados a la unidad de
vegetación correspondiente y superficie ponderada de acuerdo al Censo Nacional Agropecuario
2002.
Provincia Partido/Departamento Miles de tn/ha añoBUENOS AIRES 25 DE MAYO 893
9 DE JULIO 611ADOLFO ALSINA 926ADOLFO GONZALES CHAVES 854ALBERTI 110ALMIRANTE BROWN 1ARRECIFES 92AVELLANEDA 0AYACUCHO 2300AZUL 1950BAHIA BLANCA 715BALCARCE 1051BARADERO 81BENITO JUAREZ 1433BERAZATEGUI 6BERISSO 22BOLIVAR 1312BRAGADO 274BRANDSEN 351CAÑUELAS 232CAMPANA 40CAPITAN SARMIENTO 82CARLOS CASARES 364CARLOS TEJEDOR 921CARMEN DE ARECO 209CASTELLI 437CHACABUCO 294CHASCOMUS 1050CHIVILCOY 301COLON 118CORONEL DE MARINA LEONARDO ROSALES 309CORONEL DORREGO 990CORONEL PRINGLES 1511CORONEL SUAREZ 1764DAIREAUX 770DE LA COSTA 4DOLORES 411ENSENADA 5ESCOBAR 4ESTEBAN ECHEVERRIA 1EXALTACION DE LA CRUZ 98EZEIZA 9FLORENCIO VARELA 6FLORENTINO AMEGHINO 463GENERAL ALVARADO 308GENERAL ALVEAR 863GENERAL ARENALES 117GENERAL BELGRANO 481GENERAL GUIDO 792GENERAL JUAN MADARIAGA 665GENERAL LAMADRID 1177GENERAL LAS HERAS 166GENERAL LAVALLE 336GENERAL PAZ 348GENERAL PINTO 663
37
Tabla 1.A1 (continuación)
Provincia Partido/Departamento Miles de tn/ha añoBUENOS AIRES GENERAL PUEYRREDON 300
GENERAL RODRIGUEZ 70GENERAL SAN MARTIN 0GENERAL VIAMONTE 239GENERAL VILLEGAS 1876GUAMINI 963HIPOLITO YRIGOYEN 243HURLINGHAM 0ITUZAINGO 0JOSE C. PAZ 0JUNIN 234LA MATANZA 68LA PLATA 128LANUS 0LAPRIDA 1409LAS FLORES 1062LEANDRO N. ALEM 268LINCOLN 1490LOBERIA 753LOBOS 423LOMAS DE ZAMORA 1LUJAN 83MAGDALENA 612MAIPU 765MALVINAS ARGENTINAS 0MAR CHIQUITA 1200MARCOS PAZ 83MERCEDES 226MERLO 2MONTE 442MONTE HERMOSO 88MORENO 0MORON 0NAVARRO 356NECOCHEA 636OLAVARRIA 2461PATAGONES 697PEHUAJO 966PELLEGRINI 276PERGAMINO 332PILA 923PILAR 5PINAMAR 0PRESIDENTE PERON 10PUAN 868PUNTA INDIO 386QUILMES 0RAMALLO 61RAUCH 1321RIVADAVIA 620ROJAS 198ROQUE PEREZ 238SAAVEDRA 966SALADILLO 723SALLIQUELO 178
38
Tabla 1.A1 (continuación)
Provincia Partido/Departamento Miles de tn/ha añoBUENOS AIRES SALTO 152
SAN ANDRES DE GILES 171SAN ANTONIO DE ARECO 181SAN CAYETANO 443SAN FERNANDO 4SAN ISIDRO 0SAN MIGUEL 0SAN NICOLAS 49SAN PEDRO 98SAN VICENTE 180SUIPACHA 255TANDIL 1238TAPALQUE 893TIGRE 1TORDILLO 169TORNQUIST 1180TRENQUE LAUQUEN 996TRES ARROYOS 1036TRES DE FEBRERO 0TRES LOMAS 188VICENTE LOPEZ 0VILLA GESELL 0VILLARINO 774ZARATE 32
Suma BUENOS AIRES 62582CATAMARCA AMBATO 154
ANCASTI 23ANDALGALA 19ANTOFAGASTA DE LA SIERRA 0BELEN 22CAPAYAN 128CAPITAL 12EL ALTO 130FRAY MAMERTO ESQUIU 4LA PAZ 571PACLIN 33POMAN 18SANTA MARIA 99SANTA ROSA 138TINOGASTA 4VALLE VIEJO 27
Suma CATAMARCA 1383CHACO 12 DE OCTUBRE 150
2 DE ABRIL 7925 DE MAYO 11089 DE JULIO 136ALMIRANTE BROWN 381BERMEJO 825CHACABUCO 86COMANDANTE FERNANDEZ 157FRAY JUSTO SANTA MARIA DE ORO 126GENERAL BELGRANO 124GENERAL DONOVAN 822GENERAL GUEMES 552INDEPENDENCIA 125
39
Tabla 1.A1 (continuación)
Provincia Partido/Departamento Miles de tn/ha añoCHACO LIBERTAD 519
LIBERTADOR GENERAL SAN MARTIN 2220MAIPU 414MAYOR LUIS J. FONTANA 946O'HIGGINS 155PRESIDENCIA DE LA PLAZA 914PRIMERO DE MAYO 598QUITILIPI 576SAN FERNANDO 980SAN LORENZO 1079SARGENTO CABRAL 709TAPENAGA 1413
Suma CHACO 15197CHUBUT BIEDMA 748
CUSHAMEN 784ESCALANTE 233FLORENTINO AMEGHINO 373FUTALEUFU 267GAIMAN 490GASTRE 341LANGUIÑEO 442MARTIRES 402PASO DE INDIOS 711RAWSON 240RIO SENGUER 1550SARMIENTO 340TEHUELCHES 836TELSEN 774
Suma CHUBUT 8531CORDOBA CALAMUCHITA 288
CAPITAL 2COLON 84CRUZ DEL EJE 671GENERAL ROCA 2057GENERAL SAN MARTIN 511ISCHILIN 506JUAREZ CELMAN 1049MARCOS JUAREZ 910MINAS 387POCHO 234PRESIDENTE ROQUE SAENZ PEÑA 1386PUNILLA 261RIO CUARTO 1798RIO PRIMERO 382RIO SECO 345RIO SEGUNDO 206SAN ALBERTO 235SAN JAVIER 168SAN JUSTO 1515SANTA MARIA 72SOBREMONTE 290TERCERO ARRIBA 143TOTORAL 414TULUMBA 521UNION 1330
40
Tabla 1.A1 (continuación)
Provincia Partido/Departamento Miles de tn/ha añoSuma CORDOBA 15766CORRIENTES BELLA VISTA 389
BERON DE ASTRADA 373CAPITAL 136CONCEPCION 769CURUZU CUATIA 3968EMPEDRADO 784ESQUINA 1186GENERAL ALVEAR 566GENERAL PAZ 1164GOYA 1253ITATI 473ITUZAINGO 934LAVALLE 546MBURUCUYA 279MERCEDES 3653MONTE CASEROS 850PASO DE LOS LIBRES 1499SALADAS 503SAN COSME 227SAN LUIS DEL PALMAR 1396SAN MARTIN 1867SAN MIGUEL 455SAN ROQUE 439SANTO TOME 1681SAUCE 942
Suma CORRIENTES 26334ENTRE RIOS COLON 631
CONCORDIA 725DIAMANTE 413FEDERACION 1059FEDERAL 2167FELICIANO 1261GUALEGUAY 1112GUALEGUAYCHU 2412ISLAS DEL IBICUY 586LA PAZ 2312NOGOYA 1052PARANA 1119SAN SALVADOR 443TALA 835URUGUAY 1251VICTORIA 467VILLAGUAY 2300
Suma ENTRE RIOS 20144FORMOSA BERMEJO 338
FORMOSA 3096LAISHI 1351MATACOS 71PATIÑO 3566PILAGAS 1719PILCOMAYO 2258PIRANE 3883
FORMOSA RAMON LISTA 33Suma FORMOSA 16315
41
Tabla 1.A1 (continuación)
Provincia Partido/Departamento Miles de tn/ha añoJUJUY COCHINOCA 32
DOCTOR MANUEL BELGRANO 15EL CARMEN 36HUMAHUACA 1LEDESMA 89PALPALA 7RINCONADA 8SAN ANTONIO 8SAN PEDRO 99SANTA BARBARA 30SANTA CATALINA 6SUSQUES 0TILCARA 2TUMBAYA 13VALLE GRANDE 0YAVI 7
Suma JUJUY 354LA PAMPA ATREUCO 523
CALEU CALEU 540CAPITAL 315CATRILO 432CHALILEO 1241CHAPALEUFU 318CHICAL CO 300CONHELO 632CURACO 478GUATRACHE 432HUCAL 451LIHUEL CALEL 639LIMAY MAHUIDA 1004LOVENTUE 1160MARACO 423PUELEN 669QUEMU QUEMU 425RANCUL 466REALICO 441TOAY 371TRENEL 372UTRACAN 1316
Suma LA PAMPA 12949LA RIOJA ARAUCO 1
CAPITAL 892CASTRO BARROS 2CHAMICAL 560CHILECITO 17CORONEL FELIPE VARELA 1FAMATINA 0GENERAL ANGEL V. PEÑALOZA 295GENERAL BELGRANO 345GENERAL JUAN F. QUIROGA 263GENERAL LAMADRID 1GENERAL OCAMPO 510GENERAL SAN MARTIN 570
42
Tabla 1.A1 (continuación)
Provincia Partido/Departamento Miles de tn/ha añoLA RIOJA INDEPENDENCIA 152
ROSARIO VERA PEÑALOZA 581SAN BLAS DE LOS SAUCES 1SANAGASTA 1VINCHINA 18
Suma LA RIOJA 4211MENDOZA CAPITAL 0
GENERAL ALVEAR 544GODOY CRUZ 0GUAYMALLEN 0JUNIN 0LA PAZ 371LAS HERAS 14LAVALLE 61LUJAN DE CUYO 7MAIPU 1MALARGUE 321RIVADAVIA 24SAN CARLOS 79SAN MARTIN 6SAN RAFAEL 530SANTA ROSA 286TUNUYAN 6TUPUNGATO 7
Suma MENDOZA 2258MISIONES 25 DE MAYO
APOSTOLES 272CAINGUASCANDELARIA 41CAPITAL 145CONCEPCION 176ELDORADOGENERAL MANUEL BELGRANOGUARANIIGUAZULEANDRO N. ALEM 15LIBERTADOR GENERAL SAN MARTINMONTECARLOOBERASAN IGNACIOSAN JAVIER 79SAN PEDRO
Suma MISIONES 728NEUQUEN ÑORQUIN 155
AÑELO 12ALUMINE 85CATAN LIL 156CHOS MALAL 43COLLON CURA 86CONFLUENCIA 85HUILICHES 113LACAR 134LONCOPUE 48LOS LAGOS 8MINAS 139
43
Tabla 1.A1 (continuación)
Provincia Partido/Departamento Miles de tn/ha añoNEUQUEN PEHUENCHES 9
PICUN LEUFU 15PICUNCHES 97ZAPALA 50
Suma NEUQUEN 1236RIO NEGRO 25 DE MAYO 668
9 DE JULIO 560ÑORQUINCO 178ADOLFO ALSINA 169AVELLANEDA 1148BARILOCHE 6CONESA 186EL CUY 722GENERAL ROCA 358PICHI MAHUIDA 453PILCANIYEU 483SAN ANTONIO 477VALCHETA 829
Suma RIO NEGRO 6238SALTA ANTA 725
CACHI 2CAFAYATE 7CAPITAL 25CERRILLOS 26CHICOANA 19GENERAL GUEMES 68GENERAL JOSE DE SAN MARTIN 456GUACHIPAS 27IRUYA 0LA CALDERA 39LA CANDELARIA 132LA POMA 0LA VIÑA 61LOS ANDES 0METAN 180MOLINOS 45ORAN 42RIVADAVIA 95ROSARIO DE LA FRONTERA 221ROSARIO DE LERMA 12SAN CARLOS 19SANTA VICTORIA 0
Suma SALTA 2202SAN JUAN 25 DE MAYO 41
9 DE JULIO 0ALBARDON 0ANGACO 1CALINGASTA 1CAPITAL 0CAUCETE 22CHIMBAS 0IGLESIA 2JACHAL 3POCITO 1RAWSON 1
44
Tabla 1.A1 (continuación)
Provincia Partido/Departamento Miles de tn/ha añoSAN JUAN RIVADAVIA 0
SAN MARTIN 0SANTA LUCIA 0SARMIENTO 18ULLUM 0VALLE FERTIL 78ZONDA 5
Suma SAN JUAN 173SAN LUIS AYACUCHO 682
BELGRANO 679CHACABUCO 366CORONEL PRINGLES 285GENERAL PEDERNERA 2066GOBERNADOR DUPUY 4046JUNIN 85LA CAPITAL 1523LIBERTADOR GENERAL SAN MARTIN 175
Suma SAN LUIS 9907SANTA CRUZ CORPEN AIKE 882
DESEADO 1182GUER AIKE 3811LAGO ARGENTINO 2542LAGO BUENOS AIRES 901MAGALLANES 436RIO CHICO 1144
Suma SANTA CRUZ 10899SANTA FE 9 DE JULIO 662
BELGRANO 234CASEROS 215CASTELLANOS 766CONSTITUCION 234GARAY 562GENERAL LOPEZ 1215GENERAL OBLIGADO 3537IRIONDO 365LA CAPITAL 515LAS COLONIAS 1506ROSARIO 105SAN CRISTOBAL 2229SAN JAVIER 1759SAN JERONIMO 416SAN JUSTO 1555SAN LORENZO 120SAN MARTIN 635VERA 3339
Suma SANTA FE 19971SANTIAGO DEL ESTERO AGUIRRE 268
ALBERDI 205ATAMISQUI 11AVELLANEDA 46BANDA 80BELGRANO 251CAPITAL 96CHOYA 458COPO 138
45
Tabla 1.A1 (continuación)
Provincia Partido/Departamento Miles de tn/ha añoSANTIAGO DEL ESTERO FIGUEROA 33
GENERAL TABOADA 255GUASAYAN 192JIMENEZ 206JUAN F. IBARRA 143LORETO 20MITRE 83MORENO 1073OJO DE AGUA 273PELLEGRINI 114QUEBRACHOS 147RIO HONDO 20RIVADAVIA 316ROBLES 61SALAVINA 18SAN MARTIN 39SARMIENTO 14SILIPICA 14
Suma SANTIAGO DEL ESTERO 4575TIERRA DEL FUEGO TIERRA DEL FUEGO 1384Suma TIERRA DEL FUEGO 1384TUCUMAN BURRUYACU 241
CAPITAL 0CHICLIGASTA 3CRUZ ALTA 15FAMAILLA 13GRANEROS 43JUAN BAUTISTA ALBERDI 15LA COCHA 15LEALES 97LULES 2MONTEROS 6RIO CHICO 1SIMOCA 23TAFI DEL VALLE 19TAFI VIEJO 27TRANCAS 208YERBA BUENA 0
Suma TUCUMAN 728Total país 244065
46
Mapa 1.A1: Productividad forrajera anual (kg/ha año) de vegetación natural estimada según
un mapa de precipitación anual (Mapa 1) y dos modelos de la literatura (Sala et al. 1988 para
pastizales y Milchunas y Lauenroth 1993 para estepas arbustivas, arbustales y bosques secos).
47
Mapa 2.A1: Productividad forrajera anual total (miles de tn/año), por departamento, estimada
como el producto de la productividad forrajera por hectárea de la vegetación natural (kg/ha
año; Mapa 1.A) y la superficie total ganadera según el Censo Nacional Agropecuario 2002.
48
10. Anexo 2: Referentes consultados
Encuestas de recopilación datos productividad forrajera:
Ángel Molina (INTA), Carlos Kunst (INTA), Carmen Spada (INTA), Dante Pueyo (INTA), Diego Benderski (INTA), Edgardo Adema (INTA), Emiliano Quiroga (INTA), Esteban Artica (CREA), Federico Guyot (CREA), Federico Miranda (INTA), Federico Vouilloud (CREA), Florencia Ortega (INTA), Francisco Corte (CREA), Gabriel Oliva (INTA), Guillermo Resch (CREA), Guillermo Siffredi (INTA), Gustavo Buono (INTA), Juan Arduini (CREA), Juan Carlos Guevara (IADIZA), Lilian Roman (CREA), Lisandro Blanco (INTA), Lucas Sierra (CREA), Luciana Calsina (INTA), Lucrecia Lezana (INTA), Luis Luisoni (INTA), Luis Peluffo (CREA), Manuel Demaría (INTA), Marcela Iris Genero (CREA), Mario Landi (UCU), Nicolás Bertram (INTA), Omar Scheneiter (INTA), Oscar Bertín (INTA), Pedro Nazar (CREA), Pedro Sosa (CREA), Sebastián Mora (INTA), Victor Burghi (INTA), Viviana Nakamatsu (INTA).
Encuesta de superficie pastura cultivada y/o mallines:
Ángel Molina (INTA), Aníbal Pordomingo (INTA), Carmen Spada (INTA), Diego Benderski (INTA), Donald Bran (INTA), Emiliano Quiroga (INTA), Emilio López (INTA), Estanislao Quiroga (CREA), Esteban Artica (CREA), Federico Miranda (INTA), Fernando Pacin (CREA), Gabriel Oliva (INTA), Gustavo Buono (INTA), Héctor Armendano (CREA), José de Battista (INTA), Juan Gaitán (INTA), Juan José Zurita (INTA), Lisandro Blanco (INTA), Manuel Demaría (INTA), Mariano Pizzio (CREA), Martin Arriaga (CREA), Miriam Vázquez (INTA), Omar Scheneiter (INTA), Oscar Satorre (CREA), Pablo Corradi (CREA), Pablo Maggiolini (CREA), Pedro Estrugamou (CREA), Rafael Canosa (CREA), Santiago Lacorte (INTA), Tomas Crespo (CREA), Viviana Nakamatsu (INTA).