Lo más seguro es que cada productor y técnico de la industria cerecera tenga sus propias hipótesis o más bien, a esta altura, sus conclusiones de la presente temporada; esto es en las condiciones productivas per se de cada zona/variedad, y que han influido en el potencial productivo de la temporada 2023-24.
Desde este punto de vista es importante realizar los estudios de forma objetiva, para esto es necesario obtener una gran data de información para ir depurando las variables que tienen mayor peso en la productividad del cultivo del cerezo y con ello poder realizar manejos racionales que permitan disminuir aquellas variables que tienen mayor influencia. Bajo este contexto, el equipo técnico de Avium ha realizado una serie de reuniones técnicas de alto nivel, en donde se han discutido y analizado con detención los factores más relevantes en la baja productiva de la presente temporada.
Se utilizó la técnica de análisis de componentes principales (ACP) para la identificación de patrones de comportamiento de diversas variables agroclimáticas, además, de métodos de estadística clásica para identificar correlaciones entre variables. El análisis de componentes principales es una herramienta que posibilita la representación de un extenso conjunto de variables mediante sólo dos componentes principales, estos explican un porcentaje de la variabilidad total de los datos y permiten identificar patrones de comportamiento.
Previo a revisar resultados, es importante conocer conceptos básicos de la interpretación gráfica del ACP. A continuación, en la Figura 1, se ilustran dos vectores (flechas) denominadas A y B. Cada flecha representa una variable, y la longitud de éstas indica su peso o importancia en el conjunto total de datos. En otras palabras, a medida que la longitud de la flecha aumenta, su relevancia en el análisis también lo hace consigo.
Figura 1. Interpretación gráfica de longitud de vectores (peso) en un ACP. Fuente: Avium 2024.
Desde un punto de vista del ángulo de los vectores, este nos indica la relación entre dos o más variables. En la figura 2.1, tanto la variable B como C se relacionan de forma positiva y negativa respectivamente con la variable A. En cambio en la figura 2.2, el ángulo recto de 90° entre las flechas que representan A y B, indican ausencia de relación entre estas dos variables.
Figura 2. Interpretación gráfica del ángulo entre variables en un ACP. Fuente: Avium 2024.
En un análisis de tal complejidad una forma parsimoniosa de abordarlo es mediante la identificación de grupos de variables con características similares, sumado a su interpretación desde un punto de vista técnico.
1. Estudios de casos.
En primer lugar, el enfoque del análisis fue identificar tendencias y/o patrones de diferentes zonas agroclimáticas de la zona central de Chile (temprana, media y tardía) durante la temporada 2023-2024, en base a variables agroclimáticas, fenológicas, entre otras, y su impacto sobre la productividad en cvs Santina y Lapins. En segundo lugar, se realizó un análisis específico para la variedad Santina sobre portainjerto Colt en cada zona agroclimática particular de varias temporadas, identificando de igual manera variables que condicionaron la productividad respecto de las características de cada zona.
1.1 Análisis general de zonas productivas.
El análisis se llevó a cabo sobre las variedades Santina y Lapins en cuarteles productivos de año de plantación anterior a 2019, los cuales fueron separados en tres diferentes zonas: temprana, media y tardía, según características agroclimáticas.
Los factores o variables que componen el ACP son:
-Rendimiento proyectado y/o real en casos de cosechas terminadas al 10 de diciembre(kg/ha), donde se normalizó de acuerdo a los siguientes parámetros: -Bajo: 0-5.000 kilos/hectárea -Medio: 5.001-10.000 kilos/hectárea -Alto:<10.001 kilos/hectárea.
-Zona agroclimática (temprana, media ytardía).
-Precipitaciones en agosto (mm).
-Precipitaciones en septiembre (mm).
-Precipitaciones en flor (mm caídos en periodo fenológico de floración).
-Textura de suelo (franco arenoso, franco, franco arcilloso).
-Horas de frío base 7,2°C (acumulados desde el 1 de mayo hasta la fecha de aplicación de rompedores de dormancia o en su defecto hasta el 31 de julio).
-Horas de frío base 7,2°C acumuladas individualmente en mayo, junio y julio.
-Grados día acumulados (GDA) Base 10° C durante septiembre.
-Grados día acumulados (GDA) Base 4,5° C durante septiembre.
-Vuelo de abeja en flor (cantidad de horas con temperatura sobre 15° C y radiación sobre300W/m2 en periodo fenológico de floración).
El ACP solo permite análisis de variables numéricas, sin embargo, se contaba con variables categóricas como la textura de suelo, zona agroclimática, entre otras. Para incluirlas se utilizó el método de codificación “one-hot”, en donde, se crearon nuevas variables con valores binarios de 0 a 1, que representan cada categoría de la variable original. En la primera versión de este artículo técnico exploramos las diferencias en el comportamiento de la zona temprana en comparación con la zona media y tardía. Los resultados actualizados de la segunda versión del análisis refuerzan esta conclusión.
En la figura 3.1 se presenta un ACP que explica 68,4% de la variabilidad y utiliza las variables mencionadas anteriormente. A grandes rasgos, se pueden identificar dos principales grupos destacados en rojo y verde. El grupo de color rojo está asociado a kilos/hectárea bajos, mientras que el grupo de color verde engloba kilos/hectárea medios y altos. El grupo de kilos/hectárea bajos (rojo) se explica por las precipitaciones caídas en agosto, suelos de textura franco arcillosa (mayor retención de humedad), y una mayor acumulación de grados día (GD) base 4,5° C en septiembre (bajas temperaturas en primavera). Por otro lado, el grupo de kilos/hectárea medios y altos (verde) está asociado principalmente con una mayor acumulación de horas de frío base 7,2° C, suelos de textura franco y franco-arenoso y una acumulación mayor de grados día base 10°C en septiembre.
En la figura 3.2se representa un gráfico con el peso o la importancia de cada variable, sobre el gráfico y cada componente individual; mientras mayor es el tamaño de la circunferencia de color azul, mayor es su importancia y, por lo tanto, la longitud de la flecha en el gráfico.
Figura 3. Análisis de componentes principales actualizado al 10 de diciembre 2023. Fuente: Avium, 2024.
1.1.1 Comportamiento de vuelo de abeja (VA).
Un factor crucial en la ecuación productiva es la cuaja, la cual requiere de un exitoso proceso de polinización y fecundación. Se necesitan ciertas condiciones ambientales durante el periodo efectivo de polinización (PEP), las cuales están relacionadas con el match entre temperaturas sobre los 15°C y radiación sobre los 300 W/m2. Se construyó un indicador cuantificando la cantidad de horas con estas condiciones, para comparar la temporada actual con anteriores.
En la Figura 4 se visualiza la tasa semanal de horas de vuelo de abeja para las últimas cuatro temporadas, en donde, la 2023-24 (línea color negro) está muy por debajo del promedio 2020-23 (línea continua color azul), al menos durante las tres primeras semanas del mes de septiembre.
Figura 4. Horas de vuelo de abeja (T>15° C y Rad>300 W/m2) semanales durante las últimas cuatro temporadas. Estación Teno. Fuente: Avium 2024.
2) semanales durante las últimas cuatro temporadas.
Estación Teno.
1.1.2 Comportamiento de Precipitaciones (PP).
Las precipitaciones durante la temporada 2023-24 fueron cuantiosas, tanto en agua caída (mm) como frecuencia. Sin embargo, el momento de precipitación toma mayor relevancia cuando coincide con los estados fenológicos iniciales a tal punto de, por un lado afectar suelos de mayor capacidad de retención de humedad manteniéndolos en niveles de saturación durante días y/o semanas, como por otro lado impactando negativamente sobre las condiciones climáticas durante el PEP.
En la Figura 5 se presentan las precipitaciones semanales desde el 03 de agosto hasta el 20 de octubre en la temporada 2023-24 (línea color negro), en contraste con el promedio 2020-23 (línea continua color azul) y otras temporadas.
Figura 5. Precipitaciones (mm) semanales durante las últimas 4 temporadas. Estación Teno. Fuente: Avium 2024.
1.2 Análisis de zonas entre temporadas.
Es importante reconocer las variables a nivel general que pudieron afectar las producciones del cultivo en las distintas variedades, sin embargo, poder hacer un estudio en la variedad Santina sobre portainjerto Colt en esta temporada es sin duda necesario, entendiendo que ésta fue la que tuvo un mayor impacto en la menor productividad de la temporada 2023-24. Al hacer este análisis se debe parametrizar de acuerdo a las distintas temporadas agroclimáticas y productivas de la zona en particular, de esta manera se pueden identificar los factores o variables que tienen mayor peso en el potencial productivo. Para el estudio de cada variable se realizó con la técnica de reducción de dimensionalidad de componentes principales (ACP), explicado anteriormente, y en donde los factores o variables que componen en el estudio son los siguientes:
-Rendimiento (kilos/hectárea).
-Zona agroclimática (temprana, media y media/tardía).
-Precipitaciones en agosto, septiembre, octubre y el acumulado de entre ellas (mm).
-Horas de frío base 7,2°C, temporada 2023 (acumulados desde el 1 de mayo hasta el 31 de julio).
-Horas de frío base 7,2°C acumuladas individualmente en mayo, junio y julio y el acumulado entre ellas.
-Grados día acumulados (GDA) Base 10°C acumulados desde agosto a octubre y el individual mensual.
-Grados día acumulados (GDA) Base 4,5°C acumulados desde agosto a octubre y el individual mensual.
-Vuelo de abeja en flor (cantidad de horas con temperatura sobre 15°C y radiación sobre300W/m2 en periodo fenológico de floración).
1.2.1. Zona temprana.
Las características de esta zona están orientadas a obtener producciones que puedan comercialmente estar posicionadas como una de las frutas primores de la zona central, en donde las características edafoclimáticas del huerto analizado se identifican con suelos de textura arcillosa, con acumulaciones de frío al límite y con condiciones climáticas de estrés térmico, que podrían afectar una adecuada poscosecha en la combinación Santina/Colt; justamente éstas resultaron ser una de las más perjudicadas en términos productivos.
El análisis de componentes principales (ACP) está orientado a realizar un análisis descriptivo con el objeto de inferir asociaciones y tendencias entre las variables y/u observaciones. En la Figura 6 se presenta un ACP de la zona temprana de distintas variables climáticas (horas frío, grados días, etc.) y componentes de índices productivo (AdYC y producción), en donde se pueden inferir distintas conclusiones. En primer lugar, se puede identificar que existe una explicación del 100% de los datos (CP1 + CP2), en donde la mayor variabilidad de los datos es explicada por la CP1 (componente principal 1) con el 62%. Es en este sentido que se pueden observar las variables que están relacionadas con la productividad (color verde) y en el sentido opuesto, las que tendrían una menor relación o relación a este ítem productivo (color rojo).
Figura 6. Análisis de componentes principales (ACP) de las últimas tres temporadas en cv. Santina sobre portainjerto Colt en una zona temprana. Fuente: Avium 2024.
En la figura 7 se puede evidenciar el grado de correlación que existe entre las variables climáticas, respecto al potencial productivo en cv. Santina sobre portainjerto Colt. El grado de correlación está dado respecto a la definición que se realizó en la Figura 2, en donde se puede distinguir que existen relaciones positivas y negativas respecto a los ítems estudiados. Para la interpretación de este gráfico se puede observar que aquellas variables que tienen una correlación positiva (valores positivos) con la producción (es decir que al subir o bajar en cuantía una variable agroclimática tendrían un impacto en la productividad (barras sobre el valor 0) y también las que tienen un impacto negativo en la productividad como correlaciones negativas, en donde al subir una variable x el ítem de productividad baja o viceversa), cuando baja una variable agroclimática el factor de productividad sube.
En este tipo de análisis es muy importante señalar que un coeficiente de correlación nunca se puede interpretar como una relación causa y efecto, en el que dos variables covaríen, es decir: que tiendan a ser altas o bajas simultáneamente, no significa que sea la causa de la otra. En otras palabras, por ejemplo, el hecho que una correlación alta entre una mayor fertilidad de yemas (AdYC) en un huerto y el rendimiento productivo (kilos/hectárea) no se puede interpretar como que la productividad se debe al AdYC, aunque sí se puede proponer como una hipótesis que de alguna manera permita dar explicaciones y tendencias a esta gran multifactorialidad de datos que se conjugan en la producción de este cultivo.
Figura 7. Gráfica de correlación de la productividad y distintas variables en cv. Santina sobre portainjerto Colt en una zona temprana en las últimas tres temporadas. Fuente: Avium, 2024.
Al analizar el gráfico se puede apreciar que las variables que poseerían un impacto positivo en la productividad son: los grados días base 10ºC y 4,5ºC (GD10 y GD4,5) del mes de octubre, la acumulación de horas frío (HF) en general, el vuelo de abeja (VA) al inicio y mediado del mes de septiembre y la fertilidad expresada en los análisis de fertilidad de yemas (AdYC). En contraste de las variables que se observan correlacionadas negativamente con la productividad, están relacionadas con los GD10 y GD 4,5 de los meses de agosto y septiembre, las precipitaciones en general desde agosto y octubre, el índice de estrés en poscosecha (IE) y VA en el mes de octubre principalmente.
En el caso de los GD en octubre, en esta zona se supone que existe una mejor condición respecto detener una mejor productividad, siendo éste un ítem que se debe estudiar con mayor profundidad en dicha zona. Sin embargo, en general las HF muestran una tendencia positiva a obtener mejores resultados en el potencial productivo, siendo interesante que el mes de julio, al término del periodo de acumulación de frío, tenga una correlación mayor respecto a los meses de mayo y junio. En cuanto a las precipitaciones (PP) se observa una relación negativa al potencial productivo, en donde esta variable es una medida indirecta, ya que está relacionada al grado de acumulación/saturación de agua en el suelo de características arcillosa con alta capacidad de retención de humedad, siendo esta condición negativa en el mes de agosto en la cantidad de mm de lluvias, previo al despertar de las plantas.
El ÍE es una variable que cada vez toma mayor importancia en cuanto al impacto productivo de la próxima temporada, ya que se juega parte importante de las reservas carbonadas y nitrogenadas para el inicio de floración en primavera. La variable de las horas de vuelo de abeja (VA) se refleja en la Figura 8, en donde se pueden observar las condiciones de VA por cada temporada y su grado de correlación respecto al índice productivo por cada semana del mes de septiembre y parte del mes de octubre.
En la gráfica se puede concluir que aquellas temporadas que tuvieron las mejores condiciones de VA y estados de floraciones activos ocurrieron en la semana tres de septiembre (21.09.23) y fueron las que tuvieron un mejor resultado productivo (correlación de Pearson de un 0,38); esto en en contraste con laTp. 2023-24 que se observó un retraso evidente en los estados fenológicos iniciales con fechas de plenas flor (PF) en la primera semana de octubre (06.10.23) y que muestra un índice de correlación negativo entre producción/VA de un-0,72. En términos prácticos se puede concluir que en esta zona productiva, en esta variedad. resulta que la perfecta combinación de VA y estados fenológicos de plena flor están asociados a la tercera semana del mes de septiembre y que repercutirían en un mejor resultado productivo considerando solo estas variables.
Figura 8. Horas de vuelo de abeja (T>15° C y Rad>300 W/m2) semanales durante las últimas tres temporadas en la zona temprana. Fuente: Avium, 2024.
1.2.2. Zona Media.
En el huerto analizado en esta zona se pueden observar producciones que van desde los 16.000 hasta las 24.000 kilos por hectárea en las últimas temporadas, sin embargo las producciones durante 2023-24 fueron cercanas a los 9.000 kilos/hectárea. Si bien esta productividad no fue de lo proyectado en esta unidad productiva, ésta sería una muy buena producción para gran cantidad de huertos de campos considerando los efectos climáticos en la combinación portainjerto estudiada. El suelo es de textura franco arcillosa con alta capacidad de infiltración, con acumulaciones de 620 a las 846 HF en las últimas temporadas, exceptuando 2023-24 que obtuvo alrededor de 590 HF.
En la Figura 9 al posicionarnos en la temporada 2023-24 se puede observar que las variables que tienen mayor peso, es decir, influencia en la temporada son las relacionadas al ÍE de marzo y abril, seguidas de HF de mayo junto con los GD4,5 en orden de importancia. Cabe destacar que la variable kilos/hectárea está diametralmente opuesta a la observación 2023-24, lo que indica que aquellas variables que están en la misma proyección con la productividad tienen gran relevancia con este ítems como VA, HF de julio y el indice de AdYC.
Figura 9. Análisis de componentes principales (ACP) de las últimas seis temporadas en cv. Santina sobre portainjerto Colt en una zona media. Fuente: Avium, 2024.
El ÍE es una de las variables que vuelve a tener gran ponderación respecto a al impacto en la menor productividad, en donde se muestran correlaciones negativas acentuadas en los meses de febrero, marzo y abril. Lo anterior se puede identificar en la Figura10, en donde también las HF en el mes de julio evidenciarían una buena performance de acumulación respecto a los meses de mayo y junio; así mismo, los GD10 y GD4,5 en el mes de septiembre tendrían un impacto positivo mayor comparado con el mes de octubre.
Figura 10. Gráfica de correlación de la productividad y distintas variables en cv. Santina sobre portainjerto Colt en una zona media en las últimas seis temporadas. Fuente: Avium, 2024.
La actividad de vuelo de abeja (VA) tiene su mejor correlación con la productividad entre la semana 3 y 4 del mes de septiembre (Figura11), siempre y cuando los estados fenológicos coincidan en este periodo. Probablemente la baja productiva que se originó en la pasada temporada 2023-24 tenga mucha relación con esta variable, ya que los estados fenológicos de floración fueron a inicios del mes de octubre, con índices de correlaciones positivas, pero más bajas respecto a los tercera y segunda semana de septiembre.
Figura11. Horas de vuelo de abeja (T>15° C y Rad>300 W/m2) semanales durante las últimas seis temporadas en la zona media. Fuente: Avium, 2024.
1.2.3. Zona Tardía.
El huerto analizado en esta oportunidad se caracteriza por tener suelos de textura franco-limosa, con pisos de acumulación de HF de 680 en las últimas cuatro temporadas y en general con buenas condiciones de VA para los procesos de polinización y fecundación. Al igual que los huertos analizados de la zona temprana y media, esta zona también presenta la misma tendencia en HF, donde el mes de julio se asocia a una mayor productividad, también él VA en las últimas semanas de septiembre y los GD10 y GD4,5 en octubre (Figura12).
Figura 12. Análisis de componentes principales (ACP) de las últimas cuatro temporadas en cv. Santina sobre portainjerto Colt en una zona tardía. Fuente: Avium, 2024.
El análisis de correlación sigue la misma dinámica respecto a lo visto anteriormente, en donde el ÍE y las precipitaciones (PP) son las que repercutirían en mayor grado a la baja en la productividad. Es así como la temporada recién pasada se observaron acumulación de HF en el mes de julio con un impacto mayor en la productividad, al igual que los análisis anteriores. Los GD10 y GD4,5 también muestra una interesante respuesta en la productividad (Figura 13).
Figura 13. Gráfica de correlación de la productividad y distintas variables en cv. Santina sobre portainjerto Colt en una zona tardía en las últimas 4 temporadas. Fuente: Avium, 2024.
En la Figura 14 se pueden identificar las curvas de horas de vuelo de abeja por cada temporada, siendo la temporada 2023-24 similar a la 2022-23, con horas de vuelo de abeja más bajas comparadas con las 2020-21 y 2021-22. La diferencia puede radicar en que los estados fenológicos de la Tp. 2022-23 fueron entre la tercera y cuarta semana del mes de septiembre, con índices de correlación de Pearson de 0,76, mientras que en el 2023-24 los estados de floración fueron la primera semana de octubre con correlaciones de-0,9 en cuanto a la relaciónVA / producción.
Figura 14. Horas de vuelo de abeja (T>15° C y Rad>300 W/m2) semanales durante las últimas cuatro temporadas en zona media. Fuente: Avium, 2024.
2. Conclusiones.
A estas alturas suman peso algunas conclusiones iniciales respecto de los factores de mayor relevancia sobre la baja productiva de la temporada 2023-24. Es importante mencionar que no existe un orden preferente de estos.
2.1.Precipitaciones.
El momento de precipitaciones por sobre el acumulado total de una temporada tiene real impacto sobre la productividad. Si analizamos el momento de dichos eventos dejando fuera del análisis los casos de inundaciones, las precipitaciones de agosto son las que tienen mayor impacto sobre la productividad, seguida por las precipitaciones en septiembre. Este factor se relaciona indirectamente con la producción, ya que acarrea fenómenos como malas condiciones de primavera, suelos saturados. Por otro lado, dentro del análisis de forma intrínseca se visualizaron correlaciones negativas entre las precipitaciones en contraste con la acumulación de frío invernal y grados día, destacando una vez más el impacto del momento de precipitación.
2.2.Textura de suelo.
La textura de suelo es un factor que se repite desde el análisis anterior; este tiene mucho sentido cuando lo relacionamos a menores temperaturas en primavera y mayores precipitaciones, ya que la combinación de estos, más un suelo con menor tamaño de partículas o en su defecto mayor capacidad de retención de humedad, en muchos casos fue fatal.
2.3. Horas de frío base 7,2° C.
La acumulación de horas de frío bajo un umbral de 7,2°C es otro factor relevante, ya que en una temporada como la actual “al límite”, gran parte de los casos de baja acumulación no llegan a los requerimientos mínimos de algunas variedades. Es importante destacar que en Santina sobre portainjerto Colt se identificó una mayor ponderación en las horas de frío acumuladas durante el mes de julio, respecto de mayo y junio.
2.4. Vuelo de abeja.
El vuelo de abeja, tal como se mencionó anteriormente resultante de las horas con temperaturas sobre los 15°C y radiación sobre 300 W/m2, en general tiene un comportamiento particular. Buenas condiciones ambientales promueven un exitoso proceso de polinización y fecundación, sin embargo en la actual temporada gran parte de las floraciones ocurrieron con condiciones ambientales bajo el promedio de los que respecta este indicador de vuelo de abeja. Por otro lado, durante esta temporada el comportamiento no fue lineal, aparentemente su comportamiento es asintótico. La heterogeneidad en la brotación condicionó la duración de estado fenológicos, en particular la floración, impactando en el rendimiento final.
