Título: AgrOptim: Una plataforma de simulación y optimización para el diseño de agroecosistemas sustentables

Lugar de trabajo:
-Laboratorio de Simulación de Eventos Discretos (SED), Instituto UBA-CONICET de Ciencias de la Computación (ICC), Departamento de Computación (DC), FCEyN-UBA
-Cátedra de Cerealicultura, Instituto UBA-CONICET de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura (IFEVA), FAUBA-UBA

Director: Dr. Rodrigo Castro (DC-ICC)
Co Director: Lic. Felipe Ghersa (IFEVA)
Asesor: Dr. Diego Ferraro (IFEVA)

Jurado:
– Dr. Esteban Feuerstein (DC-ICC)
– Dr. José Andrade (IFEVA)

Resumen del trabajo:
Los objetivos económicos y ambientales de productores agrícolas presentan compromisos no triviales. Diseñar sistemas agrícolas que cumplan a largo plazo con estos objetivos y reduzcan los compromisos que existen entre ellos requiere evaluar un gran conjunto de combinaciones de variables de decisión agronómica. Esto presenta varias dificultades cuando se utilizan experimentos de campo, ya que requieren de una gran cantidad de espacio, tiempo y recursos para medir adecuadamente las interrelaciones complejas entre los factores humanos y naturales que determinan los sistemas de producción.

Los modelos de simulación de cultivos, acoplados con algoritmos de optimización, pueden proporcionar una herramienta sólida para estudiar y diseñar sistemas de cultivo bajo diferentes condiciones ambientales y de manejo, tanto actuales como futuras, y a largo plazo.

En esta tesis presentamos AgrOptim, un framework que integra un modelo de simulación de cultivos (DSSAT), un modelo de simulación de riesgo ecotoxicológico (RIPEST), indicadores de Síntesis Emergética (por Embodied Energy) y algoritmos genéticos, con el fin de optimizar objetivos económicos y biofísicos bajo diferentes combinaciones de variables de decisión agronómica (secuencia de cultivos, estructura de cultivo, tipos y dosis de pesticidas y fertilizantes).

Aplicamos AgrOptim a las condiciones de la zona de Pergamino, Argentina, para (1) caracterizar la relación entre los objetivos económicos y ambientales y (2) evaluar el estado actual y las mejoras potenciales para tres sistemas de cultivo en la región: monocultura de soja, monocultura de maíz y rotación de tercios (maíz-soja-trigo/soja de 2da.)

Para esto, se diseñó un experimento de optimización multiobjetivo para sistemas de cultivo extensivos durante 30 años, de acuerdo con prácticas agrícolas modales típicas. Se utilizó la optimalidad de Pareto para optimizar simultáneamente un objetivo económico (retorno de la inversión) y cuatro objetivos biofísicos (entradas de carbono de residuos de cultivo, eficiencia de uso de la precipitación, relación de energía no renovable a renovable, y la ecotoxicidad de fitosanitarios).

Los resultados permiten cuantificar y mensurar los compromisos entre los objetivos económicos y todos los objetivos ambientales. Además, se pudo comprobar que las variables de decisión que proporcionaron un mejor rendimiento biofísico en términos de residuos de carbono, eficiencia de uso de la precipitación y riesgo ecotoxicológico requieren aumentar el uso de energía no renovable. Los sistemas de cultivo estudiados mostraron que existen oportunidades (brechas) de mejora tanto para los objetivos económicos como biofísicos, y se identificaron variables de decisión que permiten mejorar el rendimiento biofísico mientras se mantiene (o incluso se mejora) el nivel de rendimiento económico.

Estos resultados destacan los desafíos que enfrentan los productores agrícolas respecto de los compromisos económicos y ambientales, y exponen las oportunidades de mejoras que pueden identificarse mediante modelos de simulación y optimización, ofreciendo nuevas opciones para el rediseño de sistemas de cultivo.