Metodologías

AgrosceNa-UP es un proyecto que aborda la sostenibilidad desde una aproximación integradora y multiescala. Una buena definición de la escala de trabajo y de los límites del sistema considerados ha sido central en todas las actividades del proyecto. Para ello nos hemos basado en la organización propuesta por Zhang et al. (2020) para establecer las escalas espaciales (parcela, explotación, malla o “grid”, región, cuenca, país y global) y escalas de sistema (cultivo, ganadería, mixto y sistema agroalimentario). Cualquier aproximación o estimación que suponga un cambio de escala hacia una superior se considera “upscaling” y viceversa “downscaling”. En Agroscena-UP hemos considerado las escalas espaciales de “grid”, región y nacionales y continentales, así como las escalas anidadas de sistema incluyendo cultivos, ganadería y sistema agroalimentario.

En AgrosceNa-Up el estudio de la evolución histórica de los sistemas agrarios españoles es esencial como estrategia para comprender los cambios ocurridos y sus consecuencias, como base para establecer escenarios alternativos adecuados. Para ello se han reconstruido los balances de nitrógeno en sistemas de cultivo a escala provincial en el largo plazo (1860-1990) y a gran resolución para todo el sistema agroalimentario (1990-2015). En algunos trabajos la base de datos ya se ha expandido hasta 2018 y el equipo está trabajando para actualizarla hasta el momento presente. La reconstrucción se ha realizado con una combinación de las mejores estadísticas disponibles (que comenzaron en España en 1860) en combinación con trabajo de modelización (Aguilera et al. 2021).

AgrosceNa-UP fundamenta gran parte su actividad en el desarrollo de nuevas bases de datos interconectadas que resultan en un modelo multiescala del sistema agrario y agroalimentario de las provincias de España pare el periodo 1860-1990 en menor detalle y 1990-2015 en gran detalle (Descargar metodología).

El resultado ha permitido establecer y analizar los diferentes flujos de nitrógeno, la caracterización de las provincias en tipologías y, el grado de dependencia del exterior de una provincia.

Tomando como base las bases de datos de MAPA sobre cultivos y balances se establecieron balances de nitrógeno en secano, regadío e invernadero, incluyendo la fertilización sintética y orgánica, que fueron posteriormente ajustados y espacializados. Para ello, se ha realizado el procesado de numerosas fuentes de datos con un alto grado de detalle. Por ejemplo, se obtuvieron de las Bases Zootécnicas del MAPA, los detalles de ingesta de las diferentes categorías de animales, cada una subdividida en diferentes cohortes (88 cohortes en total), para cada provincia y año, junto a otros datos como los contenidos en N de los diferentes cultivos, de la carne, leche, huevos producidos, datos de los anuarios de estadística para completar o mejorar la información proporcionada, y con muchos otros parámetros, se pudo obtener dicha ingesta en términos de nitrógeno, de cada animal en cada provincia y año para cada uno de los cerca de 100 alimentos animales que conforman las raciones de la ganadería se asociaron al cultivo de origen. Por otro lado, se obtuvo la excreción en términos de N también por provincias y años, identificando también las partes excretadas directamente en los cultivos o pastos. Los datos de uso de estiércol obtenidos tanto por parte del componente de cultivos como la de animales se utilizaron para validar los datos, así como para ubicar hasta un cierto nivel de detalle el flujo posible de transporte de estiércol entre provincias siguiendo un algoritmo especialmente diseñado al efecto. Se tuvieron en cuenta las pérdidas tanto de productos de origen animal como vegetal. Se estimó también el depósito de N, así como la fijación biológica de N. Por otro lado, se recopilaron los datos de la población y de demanda de alimentos para cada provincia y año. El modelo permitió calcular el grado de dependencia regional. Finalmente se calcularon otros flujos como los excesos de N o las pérdidas por volatilización de amoniaco en el estiércol.

Agroescena-UP considera varios indicadores con los que evaluar la sostenibilidad agroambiental de las estrategias propuestas. Las emisiones de N₂O se han estimado aplicando factores de emisión específicos adaptados a la región mediterránea, las emisiones de amoniaco mediante el modelo MANNER. Se han establecido 11 indicadores agrupados en cuatro grupos.

1. Indicadores agronómicos: rendimiento y NUE.
2. Emisiones de Nr por superficie: kg N-NH₃/ha, kg N-N₂O/ha, kg N-surplus/ha.
3. Emisiones escaladas al rendimiento: kg N-NH₃/kg N producto, kg N-N₂O/kg N producto, kg N-surplus/kg N producto.
4. Indicadores económicos: € productos agrícolas, € gasto fertilizantes, € balance.

Los balances de nitrógeno en cultivos a distintos niveles de agregación espacial, se representan en la figura 2D propuesta por el Panel Europeo de Expertos de Nitrógeno (EUNEP). Un panel que integra de forma muy visual las multidimensional agroambiental de un balance. Esta representación incluye las entradas y salidas de nitrógeno, así como rangos de eficiencia de unos del nitrógeno (NUE) y de excedentes.

Se empleó la metodología GRAFS (Generalized Representation of Agrofood Systems, Billen et al. 2014) para representar los flujos de nitrógeno obtenidos del modelo integrado, tanto del sistema agroalimentario español como de cada una de sus provincias. Esta metodología permite analizar de forma visual los flujos (en este caso de nitrógeno) entre los principales compartimentos del sistema agroalimentario: cultivos, pastos, ganado y población. Además, esto se amplió para mostrar (mediante burbujas) el cambio producido respecto a 20 años atrás respecto del periodo analizado del 2011 al 2015. El resultado permitió establecer cuatro tipologías de provincias cuantitativo: fertilizantes sintéticos en herbáceos, en leñosos, pastos e importadores de piensos animales, según la relevancia predominante en los flujos.

Una vez generada toda la información expuesta anteriormente a nivel provincial, se procesó la base de datos de suelo SIOSE con base en el año 2014 para espacializar los diferentes resultados. Una vez procesada la base de datos de usos suelo, se procedió a agrupar los resultados relativos a los diferentes cultivos en torno a 12 de las categorías SIOSE. De esta manera se pudo espacializar cualquier resultado relativo a los cultivos: producción, insumos, surpluses, emisiones, beneficios, costes etc. De la misma forma esta opción es una herramienta interesante para mostrar resultados de los diferentes escenarios descritos en la siguiente sección.

En AgrosceNa-UP hemos tomado como punto de partida la realidad reciente de los sistemas agrícolas de los años 2011-2015. Sobre esta situación de referencia que llamamos “escenario base”, hemos comparado cambios en el manejo de los cultivos con foco en la fertilización nitrogenada. Estos escenarios alternativos son fruto de la co-creación con los diferentes actores del territorio y pueden llevar a unos menores impactos medioambientales ligados a la producción agrícola. Siempre se ha considerado la incidencia de estas prácticas alternativas en términos de rendimiento de cosechas o de coste en insumos (fertilizantes) para los agricultores y agricultoras. Los impactos ligados a cada escenario se muestran en la herramienta ON-LINE AgrosceNa-UP.

La incertidumbre asociada a los datos típicamente utilizados para representar un sistema mediante un GRAFS puede causar una variabilidad significativa en el balance de N y por lo tanto en los valores de los flujos mostrados en los GRAFS. La interpretación de los análisis se centra en evaluar cómo las diferencias en los valores de precipitación y concentración de nitrógeno, [N], afectan el resultado en los flujos de N, interpretado con ayuda del GRAFS y evaluar la importancia relativa de esta fuente de incertidumbre, habitualmente ignorada, según el tipo de provincia considerada. Combinando fuentes de variación, y discretizando dichas fuentes en varios niveles, se han obtenido 6 tipos de GRAFS adicionales: valor [N] bajo para el promedio de los años secos, [N] bajo para el promedio de los años húmedos, [N] alto para el promedio de los años secos, [N] alto para el promedio de los años húmedos, [N] bajo para el promedio de los años normales y [N] alto para el promedio de los años normales. Estos GRAFS se obtuvieron tanto a escala nacional como provincial.

Se realizó un ensayo con cebada con el objetivo de estudiar sinergias entre la adaptación y la mitigación al cambio climático en el contexto de la estrategia europea De la granja a la mesa, mediante el manejo de la fertilización y la selección de la fecha de siembra. La selección de la variedad de cebada (RGT Planet) y de los tratamientos de fertilización (3 tratamientos más un control) se co-diseñaron mediante un taller participativo en el que participaron representantes de agricultores, organizaciones medioambientales, el CENTER, y la investigación. El ensayo de cebada en secano se desarrolló en dos ciclos anuales (2021-2023). Para cada tratamiento (3 réplicas) se midieron las emisiones de gases de efecto invernadero empleando cámaras estáticas, se analizaron suelos y se estudió la fenología, así como los componentes del rendimiento. El ensayo se realizó en el Centro Nacional de Tecnología de Regadíos (CENTER) en la Comunidad de Madrid.

Las modelos de simulación de cultivos son programas de ordenador que, a partir de datos que describen el suelo, el clima, el manejo del cultivo y las características genéticas de la planta estiman el progreso de su fenología, la acumulación de biomasa y los componentes del rendimiento. Los ensayos de campo de AgrosceNa-Up han permitido comenzar a generar una base de datos sobre la fenología y el crecimiento de la variedad de cebada Planet. Se realizó calibración del modelo de cultivos CERES-Barley de la plataforma DSSAT4.8, ajustando los parámetros de la genética de la planta que determinan la duración de la parte vegetativa del ciclo y la del llenado de grano, así como los parámetros que determinan el índice de cosecha y el rendimiento. También se calibró y validó el modelo DNDC incluyendo datos de maíz de diversos ensayos. Se utilizaron los modelos para realizar la sostenibilidad agroambiental y adaptación al cambio climático de estos cultivos durante los próximos 40 años con diferentes escenarios de manejo de nutrientes y clima.