Presentaron el “primer mapa de calidad intrínseca de la soja argentina”

Fue elaborado por la Asociación de la Cadena de la Soja Argentina (ACSOJA) junto al INTA, donde analizaron los granos de soja en distintas las regiones del país.

La Asociación de la Cadena de la Soja Argentina (ACSOJA) junto al Instituto Nacional de Tecnología Agropecuaria (INTA) presentaron en su último webinar del ciclo 2024 “Soja 360” el 1er. mapa de calidad intrínseca de la soja argentina; proteína, aceite y aminoácidos, en donde se evaluaron dos campañas consecutivas de soja.

Los disertantes fueron Rodolfo Rossi, presidente de ACSOJA, Karina Zelaya, del INTA Balcarce, y Cecilia Accoroni, del INTA Oliveros. Mientras que la gerente Ejecutiva de ACSOJA, Celina Gesé, ofició como moderadora.

Para comenzar, Rossi mostró los antecedes existentes y presentó la génesis del proyecto global, donde destacó que el mismo plantea la realización de tres etapas: 1) muestreo de harinas a nivel de exportación realizado en plantas de procesamiento, 2) muestreo y análisis de calidad de granos de soja provenientes de campos de productores de diferentes regiones, y 3) líneas de investigación específicas derivadas de la información generada en relevamientos anteriores; enfocadas en manejo, nutrición u otros.

A su turno, Accoroni y Zelaya detallaron que el análisis se realizó durante tres años y que se dividieron distintas zonas, entre ellas: Núcleo, Buenos Aires Sur, Córdoba Norte y Sudoeste, Entre Ríos, Santa Fe Centro, NEA y NOA.

En cuanto a los resultados de los dos primeros años, se determinó que el mayor porcentaje del muestreo proviene de zona núcleo, la de mayor superficie relativa. Además, los datos relevados mostraron, que las muestras recolectadas por productores pertenecen a variedades de soja que tienen una antigüedad media de 6 años, y que sólo el 41% de los productores declaró realizar fertilización mientras que el 66% indicó haber inoculado.

La caracterización cuantitativa mostró que la composición de la soja para el segundo año en promedio fue 35,6% bs de proteína y 22,3% bs de materia grasa, representando en conjunto 57,9%, mientras que en el primer relevamiento los mismos fueron 36,6% bs de proteína, 23% bs de aceite y 59,5% de profat.

Además, las disertantes destacaron que la única zona que repitió el promedio de proteína en el segundo año fue NOA, aunque hubo cierta similitud en la tendencia para el resto de las regiones. Del mismo modo, al analizar el contenido de aceite se observó que tanto zona Núcleo como Santa Fe Centro han liderado.

En cuanto a profat, se destacaron NOA y Núcleo con valores parecidos (58,3%bs) en el segundo relevamiento, con variaciones en su composición. NOA presentó un porcentaje más alto de proteína junto al sudoeste y norte de Córdoba, mientras que en Núcleo fue aceite. Además, confirmaron que los datos del tercer año (2023/24) presentaron una composición media nacional de 36,26% bs de proteína, 23,78% bs de aceite y 60,03% bs de profat.

Con respecto a los Key aminoácidos (KAA) se trata de la sumatoria de cinco aminoácidos relevantes para la nutrición: lisina, metionina, cisteína, triptófano y treonina, el promedio de los dos relevamientos fueron 14,36 % y 14,85 %, respectivamente. Al comparar ambas campañas (2021 y 2022) se destaca un aumento sustancial del valor medio nacional de KAA (14,85%).

Esto indica que hubo un aumento de KAA para Santa Fe Centro, Entre Ríos, Núcleo, Buenos Aires Sur y NEA; disminución en NOA y Córdoba Norte; mientras que Córdoba Sudoeste se mantuvo estable. Esto nos indica un comportamiento diferente al año anterior, dado que hubo aumento de cisteína, metionina y triptófano en las zonas que aumentaron los valores de KAA.

Para concluir, destacaron que las interacciones de diversos factores definen la calidad del grano de soja. En la segunda campaña, se evidenció una disminución de proteína, aceite y profat, no obstante, fue posible definir comportamiento por zonas al evaluar los mapas de los valores acumulados en ambos años. Por el contrario, a pesar del aumento notable de KAA %, no se encontró una tendencia clara para generar en este lapso de tiempo un patrón geográfico con los valores de aminoácidos.