CUADRO

Impacto de las operaciones tecnológicas de cosechadoras en el potencial de calentamiento global

INTRODUCCIÓN

Las reducciones en el consumo de combustible, la contaminación del aire y los costos asociados incurridos por los agricultores se pueden lograr mediante la optimización del trabajo y el correcto funcionamiento de las cosechadoras (CH)

En términos de tecnologías agrícolas, los combustibles diesel y los fertilizantes representan la mayor parte de la energía consumida

Para reducir las emisiones del motor, también pueden ser útiles los siguientes sistemas de mejora del motor: apagado de cilindros, arranque-parada, reducción de velocidad, también, cambiando a combustibles alternativos, como el gas natural comprimido (GNL) y el gas licuado de petróleo (GLP), o instalando motores híbridos eléctricos en la maquinaria agrícola

Este estudio tuvo como objetivo evaluar el GWP de los gases de escape de los CHs mediante la evaluación de diferentes operaciones tecnológicas e identificar métodos para su reducción.

DATOS Y MÉTODOS

Este estudio analizó los datos telemáticos de los CH (uno de los modelos más populares en la región con un aparato de trilla tangencial) que operaron en Lituania y Letonia entre 2016 y 2020.

base de datos unificada para procesar estadísticamente los datos recopilados.

Tiempo de trabajo de una máquina (año h−1) se puede clasificar de la siguiente manera: inactivo con un tanque de grano parcialmente lleno (T1), inactivo con un tanque de grano lleno (T2), descarga y no cosecha (T3), cosecha y descarga (T4), cosecha (T5), separador de giro de promontorio activado (T6), transporte por debajo de 16 km h−1 (T7), y transporte por encima de 16 km h−1 (T8).

Las categorizaciones para el consumo de combustible (l año−1) fueron los siguientes: inactivo con un tanque de grano parcialmente lleno (F1), inactivo con tanque de grano lleno (F2), descarga y no cosecha (F3), cosecha y descarga (F4), cosecha (F5), separador de giro de promontorio activado (F6), transporte por debajo de 16 km h−1 (F7), y transporte por encima de 16 km h−1 (F8).

Dispositivo de medición de prueba de campo para CO2, O2, y NO se analizaron utilizando un analizador de gases autóctono AUTOplus 5-2 (Kane, Welwyn Garden, Reino Unido), que se ha utilizado en investigaciones anteriores para analizar las emisiones de los vehículos móviles.

Para los cálculos de GEI y GWP, este estudio convirtió los datos de consumo de combustible de la base de datos telemática de l año−1 y l h−1 a kg año−1 y kg h−1respectivamente. Un factor de conversión de volumen a masa de combustible diesel de 0,832 kg l−1 fue entonces empleado.

Especificaciones de la cosechadora y del sitio de prueba se realizaron en una empresa agrícola dedicada a la producción de cultivos. El estudio de 2019 utilizó la variedad de trigo de invierno Ada para la cosecha, mientras que Balitus se utilizó en 2020. Se recogieron cinco muestras de 0,25 m2 áreas en cinco ubicaciones de campo seleccionadas al azar para determinar el peso de 1 m2 del cultivo.

Análisis estadístico

Los datos fueron analizados utilizando el software estadístico Statistica 10.0 (TIBCO Software, Palo Alto, CA, USA) con un nivel de 0,05 como criterio de significación.

RESULTADO Y DISCUSIÓN

A pesar de las diferencias significativas en los valores absolutos entre las máquinas individuales, las proporciones globales de tiempo dedicado al trabajo directo y en los modos de ralentí/transporte se consideraron comparables. El coeficiente de correlación calculado entre los modos de trabajo (TW) y inactivo (TI) fue R2 = 0,88 (TW = 2,03TI + 72,87), mientras que el coeficiente entre los modos de trabajo y transporte (TT) fue R2 = 0,75 (TW = 4,73TT + 18,88). El coeficiente de correlación calculado entre el GWP emitido en los modos de trabajo (FW) e inactivo (FI) fue R2 = 0,81 (FW = 14,72FI + 6761,8), mientras que el coeficiente entre el GWP emitido en los modos de trabajo y transporte (FT) fue R2 = 0,75 (FW = 8,61FT + 3961,1). Estas fuertes correlaciones indican una relación estable entre los diferentes modos (ocioso, transporte y trabajo); sin embargo, también pueden sugerir que la implementación de cambios para reducir tanto el tiempo de trabajo indirecto como las emisiones de GWP puede ser problemática.

En promedio, cada CH dedicó el 68,2% ± el 1,1% de su tiempo en trabajos de cosecha directa entre 2016 y 2020. En consecuencia, en este modo, se liberó al medio ambiente un GWP del 87,2% ± del 0,7%. En los otros modos (ocioso/transporte), la emisión de contaminantes atmosféricos se produjo mientras el CH realizaba trabajos indirectos. Se calculó un valor similar en estudios previos y para otros modelos de CH

El tiempo máximo de funcionamiento del motor registrado de un solo CH por año (en todos los modos) fue de 1036,9 h año−1 con un mínimo de 18,1 h año−1.

El GWP anual total más alto (en todos los modos) de un solo CH fue de 94,262.7 kg año−1, mientras que el más bajo fue 1974,7 kg año−1

deben hacerse reducciones máximas en la duración del ralentí; sin embargo, cuando esto no sea posible, debe reducirse la velocidad del motor y, por lo tanto, deben terminarse las operaciones tecnológicas no utilizadas.

indican que cuando el CH se mueve entre campos, es preferible terminar cualquier operación tecnológica, reducir la velocidad del motor y aumentar la velocidad de conducción.

Si la velocidad de conducción seleccionada es demasiado baja, el GWP por tonelada de materia prima procesada será muy alto. Por el contrario, si la velocidad es demasiado alta (al mismo tiempo sobrecargando el motor), perderemos parte del cultivo debido a daños en el grano y pérdidas por separación de granos.

CONCLUSIÓN

Este estudio estimó que el GWP liberado durante los modos de inactividad y transporte era significativo (~ 1.2 y ~ 2.3 t año−1, respectivamente) y confirmó que el GWP puede reducirse en un 32,9% durante el ralentí y el transporte al disminuir las velocidades del motor y deshabilitar las operaciones de proceso innecesaria

Los cambios en la composición de los gases de escape están directamente relacionados con la velocidad de conducción durante la recolección; este último también está estrechamente correlacionado con el factor de carga del motor.

los autores proponen una aplicación más amplia del método de análisis de datos de prueba telemática dual / prueba de campo. Permite perseguir objetivos económicos y medioambientales.