En Lares S.R.L, además de brindar servicio de asesoramiento, monitoreo y ensayos de eficacia para terceros, generamos año a año redes de ensayos y pruebas a campo de tecnologías para la generación de conocimiento. Durante las últimas tres campañas de verano condujimos ensayos con 7 alternativas de fungicidas del mercado, dentro de una red de 5 localidades de la zona núcleo. A continuación se muestran sus resultados.
¿Qué sabemos de Mancha marrón en Soja?
Mancha marrón (Septoria glycines) se considera una de las enfermedades más prevalentes en Argentina entre las que afectan al cultivo de Soja. Si bien entra dentro la categoría conocida como Enfermedades de Fin de Ciclo (EFC), suele ser la primera enfermedad foliar que se detecta en el cultivo. Los síntomas se pueden observar desde estadios vegetativos tempranos, como pequeñas lesiones en las primeras hojas unifoliadas. Posteriormente, y de darse condiciones predisponentes (lluvias y temperatura entre 15 y 30º C), ocurre un amarillamiento generalizado que deriva en la caída prematura de las hojas y que avanza desde la base hacia el estrato superior del cultivo.
El impacto que pueden generar las EFC sobre un cultivo sin aplicación de fungicidas foliares pueden alcanzar entre un 11 y un 20% de pérdidas de rendimiento (Lavilla, M. & Ivancovich, A., 2021). Por tanto, el uso de fungicidas tiene un protagonismo importante como herramienta de control y manejo de estas enfermedades, además de la rotación de cultivos y uso de semillas sanas. Durante el ciclo del cultivo, la etapa entre R3 (inicio de fructificación) y R5 (inicio de llenado de granos), se considera el período donde normalmente se definen los componentes del rendimiento (Board et al., 2011; Egli, 1997; Jiang and Egli, 1993, 1995; Owen et al., 2013). Consecuentemente, lo que se conoce como la “ventana de aplicación” para el control de enfermedades, coincide con dicho período dada la alta probabilidad de obtener una respuesta de rendimiento positiva al uso de fungicidas (siempre y cuando la presión de la enfermedad sea considerable y las condiciones ambientales predisponentes). En este sentido, los investigadores Carmona M., et. al. (2011) encontraron una alta correlación entre la ocurrencia de lluvias (65-90 mm) entre R3 y R5 y la respuesta en rendimiento a la aplicación de fungicidas en esos momentos.
Una Red que realizamos Campaña a Campaña
En Lares S.R.L, además de dar servicio de asesoramiento, monitoreo y ensayos de eficacia para terceros, generamos año a año redes de ensayos y pruebas a campo de tecnologías para la generación de conocimiento. En este contexto es que durante las campañas 2018/19, 2019/20 y 2020/21, se condujeron ensayos con 7 alternativas de fungicidas del mercado (Tabla 1), dentro de una red de 5 localidades (Figura 1): Pergamino (Norte de Bs. As.), Carlos Casares, Gral. Villegas (Oeste de Bs. As), Villa María (Córdoba) y Villaguay (Entre Ríos).
Figura 1. Mapa representativo de las 5 localidades dentro de la Red de ensayos de fungicidas en Soja en las campañas 18/19, 19/20 y 20/21.
Tabla 1. Tratamientos evaluados en una red de ensayos de 5 localidades.
(*El tratamiento T5 posee además tecnología Anti stress)
A pesar de que durante las últimas 2 campañas varias de las zonas donde se desarrollaron los ensayos sufrieron deficiencias hídricas durante el ciclo, las precipitaciones registradas por localidad en el período entre R3 y R5 en los 3 años de ensayos (Figura 2), muestran mm suficientes o cercanos al ajuste propuesto por Carmona et. al. (2011) en el que se esperarían respuestas al uso de fungicidas.
Figura 2. Precipitaciones acumuladas (mm) por Localidad entre las etapas fenológicas R3 y R5 del cultivo (aproximadamente entre el 20 de Enero y 20 de Febrero de cada campaña).
El impacto del uso de fungicidas en soja muestra respuestas positivas
La presencia de Mancha marrón se detectó en todos los ensayos alcanzando niveles de incidencia que superaban el estrato inferior del cultivo al momento de la aplicación, coincidiendo con el estadío reproductivo R3. Todas las parcelas, a excepción de los testigos absolutos, se aplicaron una única vez con los fungicidas antes descriptos a la dosis de etiqueta y con el coadyuvante correspondiente según recomendación de la empresa proveedora. Durante las evaluaciones de eficacia, se registró el % de severidad (estimación visual de la superficie afectada por folíolo) de Mancha marrón, no encontrándose presencia de otras enfermedades foliares. Posteriormente, los datos registrados se utilizaron para el cálculo del área bajo la curva del progreso de la enfermedad por el método trapezoidal (AUDPC) para obtener así el % de Control de cada fungicida a través de la fórmula:
Todo el paquete de datos obtenidos en los 3 años de ensayos se sometió a un análisis multiambiental a través de un ANOVA, con posterior evaluación mediante el test DGC con α=0,1, para establecer las diferencias mínimas significativas entre tratamientos, utilizando el programa estadístico Infostat 2018.
Las diferencias encontradas entre los tratamientos evaluados resultaron altamente significativas (valor p<0.0001), mostrando controles variables entre los diferentes fungicidas (Figura 3).
Figura 3. % Control obtenido en promedio de las 5 localidades en las 3 campañas consecutivas. Diferentes colores en las columnas representan diferencias significativas entre tratamientos.
La eficacia de control varió entre un 59 y un 84% según el producto utilizado, resultando el mayor control con la mezcla de Carboxamina + Triazol (Foto 1), compuesta de Pydiflumetofen + Difenocolazole (T2), y el menor control con la mezcla de Triazol + Estrobirulina más utilizada del mercado: Ciproconazole + Azoxistrobina (T8).
Foto 1. Testigo absoluto Vs. Tratado (T2) con 48 días de aplicado en Villa María, Córdoba, Campaña 20/21.
Al final del ciclo, a todas parcelas fueron cosechadas para obtener los rendimientos (Kg/ha). Los resultados obtenidos promedio de las 3 campañas también mostraron diferencias altamente significativas (Valor p<0,0001) entre los tratamientos con Fungicidas (Figura 4).
Figura 4. Rendimiento (Kg/ha) promedio de las 5 localidades en las 3 campañas consecutivas. Diferentes colores en las columnas representan diferencias significativas entre tratamientos.
Las respuestas en Rinde respecto a los testigos sin tratar variaron en promedio entre 265 y 523 Kg/ha, lo que representó un 8 a 16%, respectivamente.
¿Se esperaría la misma respuesta en zonas productivas diferentes?
Para contestar esta pregunta, interesó observar si existía una tendencia de respuesta según zonas. Para ello se agrupó y calculó el promedio de respuesta por tratamiento en los 3 años de la zona Norte de Bs. As y Entre Ríos, identificándola como Zona 1, centro de Córdoba como Zona 2, y Centro-Oeste de Bs. As. como Zona 3.
Como se observa en la figura 5, en la Zona 3, la tendencia de respuesta en rinde, respecto al testigo sin fungicida, se mantuvo en un rango entre 156 y 325 Kg/ha según tratamiento, lo que en promedio resultó en 269 Kg/ha. En cambio, en la Zona 1, el rango fue de 184 a 548 Kg/ha, con un promedio de 406 Kg/ha; y en la Zona 2 entre 310 y 905 Kg/ha, con un promedio de 645 Kg/ha de respuesta. Con estos resultados, se puede mostrar una tendencia de respuesta, que representó un promedio de 9% para la Zona 3, 12% para Zona 1 y 19% para la Zona 2. Si bien estos datos no son concluyentes, pues puede variar año a año, según condiciones, producto utilizado y presión de enfermedades, resulta interesante utilizarlo como referencia al realizar la presupuestación de la campaña ya que refleja lo que intuitivamente se suele esperar según la zona de influencia.
Figura 5. Tendencia de respuesta en rinde en Kg/ha (Tratado-Testigo) por zona evaluada y tratamientos utilizados, siendo Zona 1: Norte de Bs. As. y Entre Ríos; Zona 2: Centro de córdoba; Zona 3: Centro-Oeste de Bs. As.
A modo de síntesis
El uso de fungicidas juega un rol fundamental en la producción de soja. Sin embargo, la oferta del mercado es variada y la reducción del potencial del cultivo causada por enfermedades, como Mancha marrón, podrían resultar diversas al momento de elegir entre las diferentes alternativas disponibles. Por otro lado, dado que las tendencias en respuestas según zonas también influirían en el resultado final, sería posible tomarlo en cuenta en el análisis económico que involucra esta inversión, al encontrarse un diferencial de precio entre estos productos.
Desde Lares S.R.L., planteamos esta inquietud para continuar avanzando en la generación de conocimiento a fin de tomar mejores decisiones.
Bibliografía
Board, J., Kumudini, S., Omielan, J., Prior, E., Kahlon, C., Weaver, D., 2011. Light interception as a yield-loss prediction tool for defoliation-induced yield loss in soybean. Online: Crop Manag. http://dx.doi.org/10.1094/CM-2011-0722-01-RV
Carmona M., Sautua F., Perelman S., Gally M., Melo Reis E. (2011). Relationship between Late Soybean Diseases Complex and Rain in Determining Grain Yield Responses to Fungicide Applications. Journal of Phytopathology 159(10):687 – 693. DOI:10.1111/j.1439-0434.2011.01828.x
Egli, D.B.(1997). Cultivar maturity and response of soybean to shade stress during seed filling. Field Crops Res. 52, 1-8.
Jiang, H., Egli, D.B. (1993). Shade induced changes in flower and pod number and flower and fruit abscission in soybean. Agron. J. 85, 221e225.
M. Lavilla & A. Ivancovich (2021). Relación entre enfermedades y rendimiento de granos de soja. Agronomía Mesoamericana, vol. 32, núm. 2, 2021 Universidad de Costa Rica, Costa Rica. Disponible en: https://www.redalyc.org/articulo.oa?id=43766744010
Owen, L.N., Catchot, A.L., Musser F.R., Gore J., Cook D.C., Jackson R., Allen C. (2013). Impact of defoliation on yield of group IV soybeans in Mississippi. Crop Protection, Volume 54, Pages 206-212, ISSN 0261-2194. Disponible en: https://doi.org/10.1016/j.cropro.2013.08.007
Informe redactado por Ing. Agr. Julieta Robredo – Lares S.R.L.