FITOSIM: MODELO DE SIMULACIÓNPARA EL ENTRENAMIENTO EN TOMA DE DECISIONES

EN PRODUCCIÓN VEGETAL

Pilatti, M.A.; Grenón, D.A.

Facultad de Ciencias Agrarias, Universidad Nacional del Litoralmpilatti@fca.unl.edu.ar

ResumenLa producción de un cultivo es resultado de numerosas interrelaciones entre

componentes y procesos biológicos, edafológicos, meteorológicos, tecnológicos y económicos, generando un sistema dinámico, irreversible y complejo.

FitoSim es un modelo matemático, con un enfoque predominantemente hipotético-deductivo, que cuantifica los componentes y simula estos procesos.

FitoSim se usa como herramienta para que los alumnos, mediante “ensayos virtuales”, evalúen el probable impacto de decisiones de manejo: selección del suelo, planteo tecnológico (labores, riego, fertilización), selección del genoma del cultivo, densidad, fecha de siembra, etc., sobre la productividad, rentabilidad y sustentabilidad del agroecosistema evaluado. El diseño de cada ensayo consiste en “tratamientos” (tipos de suelos x manejos alternativos) y “repeticiones” (cada tratamiento se repite tantos años como posea la serie de datos meteorológicos).

FitoSim entrena a los alumnos en reconocer: cuáles son los componentes y procesos que definen la producción de un cultivo; cuáles son los efectos físico-químicos resultantes de la aplicación de diversas labores y/o insumos; las interacciones entre los subsistemas edáfico, biológico, meteorológico, tecnológico y económico. Cuantifica todos estos aspectos, los procesa bajo diferentes condiciones meteorológicas y presenta el resultado de las decisiones de manejo propuestas en términos de rendimientos y estados finales del agroecosistema.

Se presentan casos de estudio donde se evalúan estados edáficos como consecuencia de manejos degradantes y conservacionistas, y el impacto de la erosión sobre la productividad.

1. Introducción1.1 Agrosistemas

Los agrosistemas van desde el nivel fitosfera (el más sencillo) (Norero, 1980), pasando por la zoosfera, el agroecosistema y la empresa agropecuaria, hasta la cadena agroalimentaria y la región agroeconómica (el más complejo). Cada uno de estos niveles de organización po-see su propósito específico y límites espacio-temporales definidos.

Los componentes, procesos y resultados de cada uno de los niveles agrosistémicos son tratados por diversas ciencias: física, química, biología, ecología, economía y sociología, lo cual genera diversos enfoques y metodologías para el análisis y diseño de agrosistemas según el tipo de problema de que se trate, e históricamente han tenido un fuerte desarrollo disciplinar y grandes avances para el tratamiento de problemas específicos.

Sin embargo, los agrosistemas presentan situaciones complejas y dinámicas que no siempre pueden ser formalizados en términos de una única ciencia: las fuertes interacciones entre componentes y procesos productivos (biológicos y ecológicos), tecnológicos, económicos y sociológicos impiden tratar en forma disciplinar las cuestiones relacionadas con la productividad, rentabilidad y sustentabilidad.

Lo que es común (y define como tal) a todo agrosistema es la presencia y consideración de (al menos) un proceso que genere un producto agropecuario. La capacidad de

predecir los diferentes escenarios probables, derivados de la aplicación de técnicas productivas alternativas ante diversos ambientes ecológicos y económicos posibles, se ha convertido en uno de los mayores desafíos que debe enfrentar la agronomía actual. Este desafío sólo podrá resolverse con éxito si se disponen de conceptos y métodos que permitan comprender y evaluar los sistemas de producción de los cultivos, así como los requisitos a satisfacer para conducirlos.1.2 Modelos de simulación

Los modelos de simulación intentan representar la causalidad e interacción entre las variables que representan a un agrosistema a fin de imitar (matemáticamente) la estructura y funcionamiento del agrosistema. En estos modelos las funciones matemáticas expresan nuestro conocimiento e hipótesis de los mecanismos que relacionan a las variables y explican la conducta observada. Así, la disponibilidad de los modelos que explican el funcionamiento de los agrosistemas ha permitido a la agricultura evolucionar de una etapa de reacción a las condiciones ambientales (¿qué rendimiento puedo esperar con los recursos que tengo?) a una de diseño y de ajuste a los objetivos productivos (¿qué recursos necesito y cómo los debo combinar para obtener el rendimiento deseado?) (Rabbinge, 1994).

La simulación estudia el comportamiento temporal de un sistema complejo. Para ello se emplea un ordenador para hacer variar simultáneamente grupos de variables, tal como sucedería en la realidad. Incorporando los valores obtenidos en los sistemas de ecuaciones del modelo matemático se obtiene información acerca de la evolución del estado del sistema representado como si el fenómeno hubiese acontecido realmente. Así, una simulación en ordenador es un experimento (Naylor, 1982), sólo que se realiza con un modelo del sistema real y no con la realidad propiamente dicha.

La simulación, como proceso científico de indagación de la realidad, complementa los tradicionales métodos inductivo y deductivo cuando la realidad a estudiar es muy compleja como para realizar experimentos o para desarrollar una teoría integradora. “La simulación puede nutrirse indistintamente de la teoría o de la experiencia... La simulación puede describir, predecir y, por lo tanto, sustituir a la experiencia... La experiencia puede contradecir una simulación y, por lo tanto, sugerir su revisión o demolición, o denunciar la no disponibilidad de una simulación y, por lo tanto, sgerir su elaboración... La teoría puede describir, predecir y, por lo tanto, sustituir a una simulación... La simulación puede contradecir una teoría y, por lo tanto, sugerir su revisión o demolición, o denunciar la no disponibilidad de una teoría... test de consistencia: la experiencia no sirve de teoría (ni la teoría de experiencia) frente a la simulación. Es decir, una simulación no puede falsar una experiencia, ni la experiencia describir una simulación. Esta asimetría lógica es, en el fondo, el soporte de una garantía reconfortante. Es la preponderancia del experimento. Una exigencia innegociable: preguntar directamente a la naturaleza será siempre, en ciencia, la hora de la verdad.” (Wagensberg, 1985)

Un modelo de simulación de la producción de los cultivos es una representación simplificada de los mecanismos físicos, químicos, fisiológicos y tecnológicos implícitos en el proceso productivo. Diversos mecanismos intervienen en el crecimiento y desarrollo de los cultivos y animales interaccionando con su ambiente. Si ellos son correctamente com-prendidos y formulados, se puede simular la respuesta del vegetal o del animal a las condiciones del medio y a su manejo. Por ende, no es necesario distinguir entre diferentes regiones climáticas o edáficas ni entre alternativas tecnológicas, ya que el modelo de simulación mostrará por sí mismo los factores restrictivos y sus interrelaciones con los procesos productivos de la actividad.

Si bien los modelos de simulación de la fitosfera son abstracciones imperfectas del sistema real, representan para la agronomía, y en particular para el ingeniero agrónomo, instrumentos útiles porque las respuestas y predicciones técnicas (aún provisionales) acerca de

importantes problemas de productividad y conservación, y las líneas de acción que se deduzcan de ellas, pesan más a la larga que el tratamiento preciso de detalles de menor relevancia.1.3 La consideración de la sustentabilidad de las propuestas productivas

En el caso de la provincia de Santa Fe, a medida que se intensifica la presión de uso de los suelos aptos, se hace cada vez más evidente un cierto deterioro de su capacidad inmediata para producir. La mayoría de las tierras abarcadas por sistemas de producción agrícolas o mixtos, pertenecen en la provincia a suelos del gran grupo de los Argiudoles y se extienden en algo más de un 30% de su superficie territorial.

Las principales limitaciones que manifiestan estos Molisoles, con diverso orden de prioridad son: profundidad efectiva para la exploración radical y el almacenamiento de agua y nutrimentos, impermeabilidad del horizonte subsuperficial, relieve subnormal que afecta el escurrimiento superficial y limitaciones climáticas en algunas regiones. A esas limitaciones naturales se imponen otras derivadas del uso a que han sido sometidos en las últimas tres a diez décadas. Estas limitaciones impuestas surgen como consecuencia de los sistemas productivos que se han desarrollado, de la secuencia de cultivos que se difundió, de las herramientas de labranza empleadas y de sus interacciones con las características y propiedades de los suelos, todo lo cual ha degradado el recurso.

Dada la situación de diferentes niveles de degradación del recurso suelo derivados de las actividades productivas, interesa predecir (mediante el uso de modelos de simulación de cultivos) para un suelo en particular cuáles son las expectativas de rendimiento y los riesgos productivos para cada uno de esos niveles de degradación detectados y para la aplicación de manejos alternativos a ese suelo en sus distintos grados de agotamiento.

Orellana et al. (2004) propusieron usar los modelos de simulación de cultivos para generar índices de sostenibilidad de suelos o evaluar propuestas tecnológicas de manejo: Propotín y Degradín. Dichos índices superan a los tradicionales -basados sólo en la evaluación de algunos atributos- porque reflejan la acción conjunta de todos los factores involucrados y de sus interacciones, no sólo de algunos de ellos aislados; y porque al estar expresados como magnitudes concretas, asociadas al interés agronómico del uso del suelo (rendimiento de cultivos) pueden traducirse en valores monetarios. Esto es destacable porque permite evaluar económicamente la degradación del suelo y la incidencia, sobre ella, de los atributos modificados.1.4 Objetivo

Disponer de un modelo de simulación del crecimiento y desarrollo de cultivos que permita describir y explicar las interacciones entre componentes bióticos y abióticos de una fitosfera a fin de evaluar alternativas de manejo en función de los objetivos de productividad, rentabilidad y sustentabilidad del agrosistema.

El suelo, además de ser un factor de producción fundamental, presenta la característica de ser un recurso natural, de cuyo manejo depende que el rendimiento de los cultivos sea sostenido a largo plazo. De ahí que el agrónomo debe entender al suelo no desde la óptica productiva de corto y mediano plazo, sino como un recurso natural susceptible de procesos de deterioro, de degradación, que comprometen su estabilidad a nivel de ecosistema. Por eso, el modelo de simulación propuesto debe posibilitar el análisis y diseño del manejo del recurso suelo tendiendo tanto al incremento de la producción cuanto a su conservación y/o recuperación.

2. Material y métodoSe aplica el modelo FitoSim (Pilatti, 1986, 1990; Norero y Pilatti, 2002; Pilatti y

Norero, 2004). En la figura 1 se presenta la estructura básica del modelo y en la tabla 1 se

resumen los principales fenómenos simulados, así como la información resultante más significativa de cada módulo.

Sus principales características son: Dispone de una estructura matemática en el módulo de crecimiento y desarrollo del cultivo que le permite simular cualquier cultivo anual. Calcula el máximo crecimiento y producción que es posible esperar según cada particular interacción genotipo-ambiente meteorológico. Simula el crecimiento, exploración y actividad radical en suelos estratificados y con variadas limitaciones. Permite considerar el efecto de diversas alternativas de manejo vinculadas a las res-tricciones abióticas, especialmente agua (riego, drenaje) y nutrimentos (fertilización). Es posible continuar su elaboración para incorporar la consideración de los efectos (separa-dos y combinados) de malezas, plagas animales y enfermedades.

Tabla 1: Resumen de los fenómenos más importantes simulados en cada submodelo de FitoSim y de sus principales resultados.Submodelo Fenómenos simulados Información resultanteCrecimiento y demanda de agua máximos

Distribución en altura (dentro del cultivo) de viento, tensión de vapor, radiación, tempratura y transpiración foliar, fotosíntesis, respiración foliar y de los otros órganos, fotorrespiración

Crecimiento máximo diario. Transpiración máxima diaria. Evaporación máxima diaria.Temperatura del cultivoTemperatura en la superficie del suelo.Velocidad del viento en la superficie del suelo

Edad fisioló-gica y

Evolución de la edad fisiológica por efecto de la temperatura y duración de la noche. Reparto del

Fecha de ocurrencia de estadíos fenológicos.Biomasa acumulada en distintos órganos.

Figura 1: Estructura del modelo de simulación FitoSim (según Pilatti et al., 1993)

cambios fitométricos

crecimiento diario. Evolución del área foliar, ancho de hoja, altura del cultivo y albedo

Crecimiento, exploración y actividad de absorción radical

Incremento de peso de raíces, elongación y ocupación de los estratos edáficos según: edad, resistencia mecánica, salinidad, deficiencia de oxígeno, temperatura, toxicidad o estratos esqueléticos. Absorción de agua y modificación de la capaci-dad absorbente según: categoría de raíz, edad, contacto raíz-agua, temperatura, salinidad.

Lámina de agua absorbida diariamente desde cada horizonte.Actividad absorbente relativa de las raíces a distintas profundidades

Balance hídrico

Infiltración, escurrimiento. Evaporación. Redis-tribución, percolación. Transpiración actual.

Contenido hídrico de cada horizonte. Láminas transpirada, evaporada, percolada y escurrida.

Modificación del crecim. por falta de agua

Apertura y cierre de estomas. Balance de energía en el cultivo: temperatura y transpira-ción foliar. Redistribución de biomasa. Expan-sión foliar. Modificación de resistencias bio-químicas.

Crecimiento diario controlado por la defi-ciencia de agua. Temperaturas del cultivo y del suelo con deficiencia de agua.

Balance de NDisponibilidad de P y K

Mineralización del N orgánico y de fertilizantes amoniacales. Fijación simbiótica. Demanda de N por los cultivos. Absorción de N desde cada horizonte. Lixiviación de N.Requerimiento y oferta de P y K. Reducción del crecimiento diario por deficiencia de N, P y K.

N disponible y absorbido diariamente.Crecimiento diario afectado por deficiencia de N, P o K.

Los índices para evaluar la calidad productiva de los suelos son (Orellana et al.2004): Propotin (índice de producción potencial): Cuánto puede producir un suelo, respecto del potencial dado por clima y cultivo. Degradin (índice de degradación): evalúa cuánto se deteriora (o se recupera, si el resultado presenta valor negativo) un determinado suelo con respecto a un suelo en estado natural.

3.1 Diseño experimental 1Dado un Arguidol típico representativo del centro de la provincia de Santa Fe,

caracterizado en las siguientes condiciones: Nat, natural (“virgen”, sin antecedentes de labranzas); Agr, agrícola (luego de una secuencia continuada de 20 años de cultivos agrícolas con labranzas “convencionales”); GanAgr, ganadera-agrícola (rotación de 3,5 años de praderas perennes con 2,5 años de agricultura con manejo “convencional”, caracterizado el suelo al final del ciclo ganadero). Y bajo la aplicación de tecnología de labranza alternativa (Siembra Directa) en las situaciones con agotamiento edáfico: SD/Agr, siembra directa a partir de la situación agrícola (caracterizado el suelo luego de 6 años de SD); SD/Gan: siembra directa a partir de la rotación ganadera-agrícola (suelo caracterizado luego de 6 años de SD). Se agrega además la condición ideal de crecimiento potencial del cultivo (Pot), en el cual se considera sólo la interacción cultivo:ambiente meteorológico, en la cual las restricciones y limitaciones edáficas no tienen efecto sobre la producción vegetal.

Como actividad productiva para pronosticar su expectativa de rendimiento y riesgo, se seleccionó el cultivo de maíz para grano, sembrado el 1º de octubre.

Como datos climáticos se propone una serie de 50 años de datos diarios generados sintéticamente (Giorgis et al., 1986), representativa del clima del centro de la provincia de Santa Fe. Para cada uno de estos años, se simula el crecimiento del cultivo de maíz a partir del

1º de octubre. De esta forma, si bien se desconoce cuál será el clima futuro bajo el cual se desenvolverá la actividad productiva, se presupone que las simulaciones darán la distribución de probabilidades de rendimientos posibles de obtener para cada condición de agotamiento y de manejo.

Entonces, el diseño experimental propuesto puede considerarse compuesto por 6 trata-mientos (condiciones de suelo y manejo: Pot, Nat, Agr, GanAgr, SD/Agr y SD/Gan) con 50 repeticiones (cada uno de los años de la serie aplicada).

3.2 Resultados 1Se caracteriza el rendimiento esperado y su riesgo de obtención para cada situación

evaluada (niveles de agotamiento y manejo de suelo alternativo) a través del promedio y des-vío estándar, respectivamente, de las simulaciones correspondientes a los 50 años de la serie de datos meteorológicos.

Los datos obtenidos, con su correspondiente análisis estadístico (SAS, 1989), se pre-sentan en la tabla 2.

Tabla 2: Promedios y desvíos estándar de los rendimientos simulados para los niveles de agotamiento y manejos alternativos propuestos

Situaciónevaluada

Promedio(qq/ha)

Desvío(qq/ha)

CV(%)

Test deDuncan *

Test deTukey *

Propotín Degradín(%)

Pot 155.7 25.2 16.2 A ANat 93.5 33.8 36.2 B B 0,60

SD/Gan 90.7 29.0 32.0 B B C 3,0GanAgr 83.3 26.5 31.8 C C 10,9SD/Agr 72.3 21.9 30.2 D D 22,7

Agr 59.0 14.5 24.5 E E 36,9(*) Las situaciones evaluadas que tienen la misma letra no presentan diferencias significativas para una probabilidad del 0.05

4.1 Diseño experimental 2Suelo y manejos: En 2003 se estudiaron 3 lotes evaluados en 1983 (Pilatti et al., 1988) en Godeken, Argiudol típico serie Divisa de Mayo con los siguientes usos: N (Natural): Área cuasi natural (bajo alambrado más de 60 años); A (Agricultura continua): Hasta 1983 tenía 30 años de agricultura continua con uso de arado de rejas con vertederas, con siembra directa desde 1998; AGC (Agrícola-Ganadero Conservacionista): en 1983 llevaba más de 15 años de agricultura, los últimos 8 con cincel y manejo del rastrojo en superficie; luego evolucionó hacia un planteo agrícola-ganadero conservacionista en siembra directa durante dos décadas.

La información física y química del horizonte A, medidas en 1983 y 2003 se obtuvo de Pilatti et al. (2006 a,b). Para el resto del perfil se utilizó lo informado por Pilatti et al. (1988); carta de suelos Venado Tuerto (INTA) y las funciones de edafotransferencia elaboradas por Ghiberto et al. (2004) e Imhoff et al. (2004). Las simulaciones se hicieron sin aplicación de abonos y con una humedad edáfica inicial del 40% de capacidad de campo, a fin de manifestar la aptitud productiva de los suelos y la capacidad de captar, distribuir y ceder el agua de lluvia.

El cultivo y la condiciones meteorológicas son iguales a las del diseño 1.

4.2 Resultados 2

Tabla 3: Estadística descriptiva de los resultados (rendimientos comerciales expresados en qq/ha) de las 50 simulaciones para cada una de las situaciones evaluadas. Se presentan los índices correspondientes. (N: natural; AGC: Agrícola-ganadero conservacionista; A: Agricultura continua).

Rendimiento Potencial

N AGC A1983 2003 1983 2003 1983 2003

Media 165 77 75 60 82 39 38Mínimo 120 41 39 27 17 27 27Máximo 211 144 142 87 149 51 50

Propotín - - - 0,47 0,45 - - - - - - - - - - - -Degradín - - - - - - - - - 22 -9 49 49

Figura 2: Relación gráfica entre la productividad del suelo natural , AGC y A en el estado que presentaban en 1983. Resultados de simular 50 años. (N: natural; AGC: Agrícola-ganadero conservacionista; A: Agricultura continua).

Figura 3: Relación gráfica entre la productividad del suelo natural , AGC y A en el estado que presentaban en 2003. Resultados de simular 50 años. (N: natural; AGC: Agrícola-ganadero conservacionista; A: Agricultura continua).

5.1 Diseño experimental 3

Dado un Arguidol típico representativo del centro de la provincia de Santa Fe, Serie Esperanza, se propone evaluar la incidencia de la erosión sobre su productividad. Se parte de la situación original (Nat del diseño 1) y se simulan 5, 10, 20, 30 y 40 cm de erosión. Como actividad productiva para pronosticar su expectativa de rendimiento y riesgo, se seleccionó el cultivo de maíz para grano, sembrado el 15 de octubre. Como datos climáticos se usa una serie de 26 años de datos diarios medidas en la Estación Agrometeorológica de INTA Rafaela, representativa del clima del centro de la provincia de Santa Fe.

5.2 Resultados 3

Tabla 4: Estadística descriptiva de los resultados (rendimientos comerciales expresados en qq/ha) de las 26 simulaciones para cada una de las situaciones evaluadas.

Rendimiento Potencial

Suelo sinerosión

Nivel de erosión simulada5 cm 10 cm 20 cm 30 cm 40 cm

Media 157,6 115,9 110,4 83,2 39,9 15,9 9,4Mínimo 133,3 86,4 83,3 63,2 25,2 11,0 8,7Máximo 197,8 154,4 135,3 107,9 50,5 20,2 10,2

Propotín - - - 0,74 - - - - - - - - - - - - - - -Degradín - - - - - - 4,7 28,2 65,5 86,3 91,9

Figura 4: Relación gráfica entre la lluvia durante el cultivo y la infiltración simulada según los niveles de erosión. Resultados de simular 26 años de Rafaela (de 1977 a 2002).

6. DiscusiónEl Propotin muestra que los suelos limitan fuertemente la expresión productiva de la

interacción genoma-atmósfera. Los suelos naturales evaluados están lejos de alcanzar todas las condiciones que debe cumplir un “suelo ideal” (Orellana y Pilatti,....), aún cuando parte de la variabilidad de los resultados dependa en gran medida de la distribución de lluvias y a la humedad edáfica al momento de siembra.

Los Degradin presentados muestran que la labranza convencional degrada fuertemente la cpacidad productiva de los suelos, mientras que la simbra directa es una tecnología que permite recuperar el recurso natural. Incluso, en el ensayo AGC del diseño 2, se puede llegar a mejorar la productividad del suelo natural original.

Los alumnos, además de analizar los resultados finales de producción y su riesgo, deben analizar otras variables de las fitosferas simuladas para explicar los rendimientos obtenidos. Así deben cuantificar la influencia (aislada y combinada) de factores físicos (resistencia a la penetración radical, infiltración, curvas características de humedad, etc.), químicos (disponibilidad de nutrimentos, pH, salinidad, etc.) y biológicos (tasas de mineralización de materia orgánica, por ejemplo). Asi se presentan como ejemplo las láminas infiltradas en función de la lluvia y del nivel de erosión en la figura 4.

7. ConclusionesNo importan cuáles sean las modificaciones químicas (agotamiento de minerales,

acidificación, salinización), físicas (erosión, compactación, cambios en la estabilidad de agregados, tasa de infiltración, retención de agua, flujo de gases, etc.) y/o biológicas (cantidad y calidad de materia orgánica, tasa de mineralización) ni la combinación de ellas como consecuencia del manejo del suelo, el modelo de simulación puede representarlas y cuantificar su influencia sobre el rendimiento probable de los cultivos.

Los ejemplos anteriores pueden analizarse tanto desde un punto de vista profesional agronómico (cuantificación del impacto productivo de las diversas estrategias de manejo del suelo) como desde una visión pedagógica y didáctica en función de lograr una mayor integración interdisciplinar de los procesos edafológicos, biológicos y atmosféricos, y su interacción con las decisiones de manjeo, en el contexto de la producción de cultivos. El modelo de simulación de cultivos permite a los alumnos “experimentar” (matemáticamente) alternativas de manejo bajo diversas condiciones ambientales (edafológicas y meteorológicas) y tecnológicas. Los obliga a conocer el impacto físico-químico de toda alternativa tecnológica que propongan sobre las propiedades y dinámica de los componentes y procesos edáficos, y de éstos sobre el crecimiento y desarrollo de los cultivos. Lo mismo puede afirmarse para el caso de las tecnologías de modificación de la interacción atmósfera-genoma: fecha y densidad de siembra, selección de la fitometría del cultivar, etc.

Además, el modelo posibilita integrar estos modelos “físicos” con los económicos: permite cuantificar monetariamente (asignándoles costos a labores e insumos propios de la tecnología d emanjeo propuesta y precios a los productos probables de obtener) el impacto de la degradación o recuperación de las capacidades productivas de los suelos.

8. BibliografíaBunge M. Sistemas sociales y filosofía. Editorial Sudamericana, Buenos Aires, 197 pp. 1995.Imhoff S., M. Á. Pilatti, P. Ghiberto y Á. Pires da Silva. 2004. Propiedades físicas de Suelos

de Santa Fe: Funciones de edafotransferencia. XIX Congreso Argentino de la Ciencia el Suelo (Paraná, Entre Ríos). Resumen, p. 45. Presentación oral. Trab. completo en CD adjunto a Actas 5 pp.

Ghiberto P., M. Á. Pilatti y S. Imhoff. 2004. Curva de retención hídrica en Molisoles de Santa Fe: Función representativa. XIX Congreso Argentino de la Ciencia el Suelo (Paraná, Entre Ríos). Resumen, p. 49. Presentación oral. Trab. completo en CD adjunto a Actas 5 pp.

Giorgis, R., M.A. Pilatti y D.A. Grenón, 1988.Validez local de un modelo para la generación sintética de datos meteorológicos diarios. Trabajo final de graduación; FAVE, UNL, 26 p. y anexos.

Norero, A., 1980. La Fitósfera: El ambiente físico de las plantas cultivadas. CIDIAT. Mérida (Venezuela).

Norero A. L. y M. Á Pilatti 2002. Enfoque de sistemas y modelos agronómicos. Necesidad, método y objetos de estudio. Ed. Univ. Nac. del Litoral, 161 pp. ISBN 987-508-203-1

Orellana J.A. de, M.A. Pilatti y D. Grenón, 2004. Propotín y degradín: Índices globales de productividad y degradación de suelos. Propuesta de un nuevo método e indicadores. XIX Congreso Argentino de la Ciencia el Suelo (Paraná, Entre Ríos). Actas de Resúmenes,. 391 pp. Trab. en CD adjunto 10 pp.

Pilatti M.A., A. Vegetti y P. Ghiberto 1999. Fitometría. Revista FAVE, 13 (1): 23 a 37.Pilatti, M. Á., 1986: Análisis agrofísico de la relación entre la dinámica hídrica en la fitosfera

y el desarrollo y producción de los cultivos. Tesis Magister Scientiae en "Riego y Drenaje de Tierras Agricolas. CIDIAT, Universidad de Los Andes. Venezuela. 209 pp. y Anexos.

Pilatti, M.A.; J. de Orellana; L. Priano, O. Felli y D.A. Grenón. 1988. Manejos tradicionales y conservacionistas: Incidencia sobre propiedades físicas, químicas y biológicas del suelo. Estudio de casos sobre Argiudoles del sur de Santa Fe. Ciencia Suelo 6 (2):19-29.

Pilatti M. Á,. 1990. Interpretación de las relaciones entre el suelo y la producción de cultivos. Primera aproximación a un modelo edáfico. Public.Misc.nro. 51: 98-109. EEA INTA, Rafaela.

Pilatti, M. Á., D. A. Grenón, J. A. de Orellana, O. M. Felli, 1993. Modelos de regresión y simulación para interpretar la influencia de suelo, clima y manejo sobre la producción de la soja. FAVE 7 (2) 93-121.

Pilatti M.A. y D.A. Grenón 1995. Utilidad de los modelos de simulación para evaluar el impacto de propiedades físicas del suelo sobre la producción de los cultivos. Actas Reunión Nac.Física de Suelos, Paraná 13 pp.

Pilatti M.A., O. M. Felli y S Imhoff 2006a. Cambios por el uso en un Argiudol típico del sur de Santa Fe. 1) Evolución de propiedades químicas: 1983 a 2003. Salta, Actas XX Congreso Argentino Ciencia Suelo.

Pilatti M.A., S. Imhoff, P. Ghiberto y O. M. Felli 2006b. Cambios por el uso en un Argiudol típico del sur de Santa Fe. 2) Evolución de propiedades físicas: 1983 a 2003. Salta, Actas XX Congreso Argentino Ciencia del Suelo.

Pilatti M.A., A.L. Norero, 2004. Simulación de cultivos anuales. Formulaciones básicas del desenvolvimiento normal. Ed. Universidad Nacional del Litoral, 148 pp. ISBN 987-508-256-2

Pilatti M.A., 1986. Análisis agrofísico de la relación entre la dinámica hídrica en la fitosfera y el desarrollo y producción de los cultivos. Tesis para optar al Grado de Magister Scientiae en "Riego y Drenaje de Tierras Agrícolas. CIDIAT, Universidad de Los Andes.Venezuela. 209 pp. y Anexos

Rabbinge, R., 1994. Apuntes de la conferencia “Fundamentos estratégicos para el uso sustentable del territorio”. II Seminario Internacional “Desarrollo agropecuario sustentable”. INTA-INDEC. Buenos Aires. Octubre de 1994.

Wagensberg, J., 1985. Ideas sobre la complejidad del mundo. Capítulo 5: La simulación de la complejidad (Ver, mirar, observar, experimentar, simular): 89-104. Metatemas 9. Tusquets Editores, Barcelona, 168 pp.