Introducción

La determinación de la cantidad de bio masa forrajera es crucial para cualquier planificación ganadera. Para ello existen innumerables métodos de determina ción, algunos complejos, otros sencillos, destructivos o no destructivos.

Dos de esos métodos son usados asi duamente en la investigación y diagnós tico de recursos vegetales: el método de Point-Quadrat (^{Levy & Madden, 1933}; ^{Daget & Poissonet, 1971}) y el método del Rendimiento Comparativo (^{Haydock & Shaw, 1975}). Ambos han sido adapta dos a las praderas de nuestro país como métodos de estimación forrajera con los nombres de Point-Quadrat modificado (^{Passera et al., 1986}) y Doble Muestreo (^{Díaz, 2007}), respectivamente.

Cada uno de ellos tiene sus ventajas y desventajas; el primero es un método no destructivo, requiere de datos anexos ta les como valores bromatológicos, pala tabilidad, aceptabilidad, forma de vida, etc.; el segundo es un método de fácil aplicación y cálculo, es semidestructivo y requiere instrumental específico como estufa y balanza. El método del Point- Quadrat permite valorar el recurso fo rrajero distinto al graminoso y permite asignar valores de calidad, mientras que el método del Doble Muestreo sola mente determina cantidad de biomasa, sin considerar diferencias en la calidad forrajera de las distintas especies releva das.

Usualmente, se utilizan los métodos semidestructivos como el del Doble Muestreo como referencia para el cálcu lo de la biomasa forrajera y para el ajuste de métodos alternativos de valoración forrajera (^{Danelón et al., 2001}).

Comparativamente, el método de Point-Quadrat suele dar valores supe riores a los obtenidos por métodos de referencia como el de Doble Muestreo, por lo que se suelen aplicar factores de corrección, aunque muchas veces sin la aplicación de criterios estadísticos o ma temáticos.

En esta nota se comparan los valores de biomasa forrajera graminosa obte nidos mediante el método de Doble Muestreo y el método de Point-Quadrat modificado para sitios de dos localidades del Chaco Árido Cordobés. Aquí se in tentará ajustar factores de corrección en función a clases establecidas de cantidad de biomasa graminosa por el método del Doble Muestreo.

Material y Método

Se seleccionaron dos parcelas corres pondientes a clausuras ganaderas bajo recuperación en las localidades de La Patria (31º32’00” S-65º30’20” W) y Los Medanitos (31º36’00” S-65º33’00” W), provincia de Córdoba. Las clausuras se implementaron en mayo de 2019 y se ex cluyó completamente el ganado mayor y menor durante todo el período de creci miento del pastizal, hasta el momento de las mediciones en marzo de 2020.

De acuerdo a la clasificación climáti ca de Köppen, el área de estudio posee un clima cálido semiárido (BSh). Las precipitaciones de la región son varia bles entre 350 y 650 mm (^{Karlin, 2012}). Las precipitaciones para el período abril 2019-marzo 2020 fueron de 664 mm, calculadas como un promedio pondera do de los datos acumulados mensuales de las localidades de Villa Dolores (58 km al sur) y Chamical (146 km al no roeste) (^{National Climatic Data Center, 2020}). El tipo de suelo en las clausuras corresponde a Torriortents típicos (^{Kar lin et al., 2013}).

En cada parcela se ubicaron diez tran sectas desde el fuste central de indivi duos seleccionados de Prosopis flexuosa (5) y Larrea divaricata (5), de largo va riable e igual a dos veces el radio de la canopia de cada individuo. Cada tran secta fue subdividida en transectas bajo y fuera de copa, con lo que se definieron entre ambas parcelas 40 valores de bio masa forrajera.

En cada transecta se aplicaron los métodos de Point-Quadrat modificado (PQ), descrito en ^{Passera et al. 1986}, y del Doble Muestreo (DM), descrito en ^{Díaz, 2007}. Las mediciones se realiza ron en el mes de marzo sobre praderas polifíticas de Leptochloa crinita (Lag.) P.M. Peterson & N.W. Snow, Setaria par viflora (Poir.) Kerguélen, Aristida men docina Phil., A. adscensionis L., Chloris castilloniana Lillo & Parodi, Sporobolus pyramidatus (Lam.) Hitchc., Pappopho rum caespitosum R.E. Fr., Neobouteloua lophostachya (Griseb.) Gould y otras gra míneas de menor importancia.

Para el primer método (PQ) se midie ron puntos cada 0,20 m a lo largo de las transectas usando una aguja de 1,5 m de largo y 0,003 m de diámetro, identi ficando cada especie muestreada. De las especies identificadas, se discriminaron las gramíneas a fin de poder calcular los Valores Pastorales únicamente a partir del componente graminoso, a partir de la metodología descrita por ^{Passera et al., 1986}. Para esto se consideraron los Índices de Calidad Específicos de calidad tabulados por ^{Passera & Bor setto, 1986} y los obtenidos por ^{Kar lin, 2013} para sectores de las Salinas Grandes de Catamarca (Chaco Árido). A partir de los valores de Valor Pastoral calculados, estos se transformaron en cantidad de biomasa equivalente. Para ello se considera que 100 Unidades de Valor Pastoral (UVP) pueden mante ner un Equivalente Vaca (EV), sabien do que esto es equivalente al promedio anual de los requerimientos de una vaca de 400 kg de peso, que gesta y cría un ternero hasta el destete a los 6 meses de edad, con 160 kg de peso, incluido el fo rraje consumido por el ternero (^{Passera et al., 1986}), y sabiendo que el consumo energético promedio diario (CE_a) es de 77,57 MJ de Energía Metabólica (EM)/ día. El consumo promedio de materia seca diario puede calcularse como la re lación entre el consumo energético pro medio (MJ EM/día) y la concentración media de energía metabólica en el fo rraje anual (CEF_a; MJ EM/kg). Este úl timo puede calcularse a partir de la di gestibilidad del forraje como CEF_a (MJ/ kg) = 0,1604 Dig (%) - 1,037 (^{Minson & McDonald, 1987}). Si bien la diges tibilidad de los pastizales naturales en el Chaco Árido es muy variable (^{Díaz, 2003}), puede asumirse un rango entre 35 y 65 %, lo que equivale a concentra ciones de energía metabólica de entre 4,58 y 8,26 MJ/kg. Los consumos dia rios varían entonces entre 17 y 9 kg MS/ día. A los fines prácticos, asumiremos para este trabajo consumos promedios anuales de 3600 kg de MS, sabiendo que este valor podría en la práctica ajustar se para cada caso mediante factores de equivalencia, de acuerdo a la digestibili dad al momento de las determinaciones forrajeras.

Para el segundo método (DM) se iden tificaron siete patrones de biomasa forra jera (tres en cada parcela más el patrón “cero” correspondiente a suelo desnudo) sobre un quadrat de 0,5 x 0,5 m. Para medir cada transecta se ubicaron los quadrats uno al lado de otro a lo largo de esta hasta cubrir toda su extensión, definiendo el valor forrajero en función de los patrones.

Todas las determinaciones se trans formaron a valores de kg de MS ha^-1, determinando pares de valores de cada transecta correspondientes a los obteni dos por cada método (PQ, DM). Dichos pares fueron agrupados según clases de acuerdo a los valores de DM, ajustando funciones de regresión lineal en cada una, con ordenada al origen en (0, 0), que permitieron aplicar posteriormente factores de ajuste en relación a una fun ción identidad (y = x). Los análisis esta dísticos fueron efectuados con el progra ma estadístico InfoStat (^{Di Rienzo et al., 2019}).

Resultados y Discusión

Los pares de datos (PQ, DM) se grafican en la Figura 1.

Figura 1: Dispersión de los pares de datos (PQ, DM) y ajuste según las clases 0-250 kg ha ^-1 (círculos), 250-500 kg ha ^-1 (triángulos), 500-1000 kg ha ^-1 (rombos) y >1000 kg ha ^-1 (cuadra dos). Línea punteada, función identidad Figure 1: Dispersion of the data pair (PQ, DM) and its adjustment according to the 0-250 kg ha ^-1 (circles), 250-500 kg ha ^-1 (triangles), 500-1000 kg ha ^-1 (diamonds) and >1000 kg ha ^-1 (squares) classes. Dotted line, identity function 

Según las clases definidas, la pendiente de la función lineal de ajus te es mayor mientras menor es el rango de clase. Esto significa que en relación al método DM como referencia, los valores de PQ sobreestiman los Valores Pastora les y, por ende, la cantidad de biomasa forrajera.

La aplicación de factores de corrección para cada clase permitiría acercar los pares de datos a la función identidad (y = x), y de esa forma obtener un modelo de ajuste entre ambos métodos para los componentes graminosos. Dicho ajuste se muestra en la Figura 2.

Figura 2: Ajuste de la dispersión de los pares de datos (PQ, DM) según las clases 0-250 kg ha ^-1 (círculos), 250-500 kg ha ^-1 (triángulos), 500-1000 kg ha ^-1 (rombos) y >1000 kg ha ^-1 (cuadra dos). Línea punteada, función identidad Figure 2: Adjustment of the data pair dispersion (PQ, DM) according to the 0-250 kg ha ^-1 (circles), 250-500 kg ha ^-1 (triangles), 500-1000 kg ha ^-1 (diamonds) and >1000 kg ha ^-1 (squares) classes. Dotted line, identity function 

Se aplicaron los siguientes factores de corrección en cada clase: 0-250: 0,15; 250-500: 0,30; 500-1000: 0,5; >1000: 1. De esta forma se obtuvo un modelo de ajuste solapado a la función identidad: y = 0,99 (±0,04) x; T=25,29; p<0,0001; Cp Mallows=638,69; R²=0,94; AIC=518,40.

Debe notarse que estos ajustes se efec tuaron en base a datos de una única re gión geográfica, el Chaco Árido, con es pecies características de esta región, pero que también están presentes en la región del Monte, Chaco Semiárido, Chaco Se rrano y Espinal. Debe considerarse que no se incorporaron datos de pajonales (pastizales de altura o humedales) que muchas veces se caracterizan por el desa rrollo de gramíneas con gran cantidad de biomasa no palatable y que podrían alte rar las relaciones entre ambos métodos. A fin de mejorar este u otros modelos, deberían ampliarse los estudios a otras regiones con características florísticas diferentes en relación a los componentes graminosos y áreas con productividades mayores a las contempladas en este tra bajo.