INGENIERÍA, TECNOLOGÍA E INFORMÁTICA

Estimacion del impacto economico de la sequia agricola en el cultivo de maiz

Estimating the economic impact of agricultural drought in maize crop

 

Yurisbel Gallardo Ballat¹; Oscar Brown Manrique²

¹ Departamento de Ingenieria Hidraulica. Facultad de Ciencias Tecnicas. Universidad de Ciego de Avila "Maximo Gomez Baez". Carretera a Moron, Km. 9 ½, Ciego de Avila, Cuba. C.P: 69450. Tel.: 2-5702; Fax: 236365. E-mail: yurisbel@unica.cu
² Centro de Estudios Hidrotecnicos (CEH). Facultad de Ciencias Tecnicas. Universidad de Ciego de Avila "Maximo Gomez Baez". Carretera a Moron, Km. 9 ½, Ciego de Avila, Cuba. C.P: 69450. Tel.: 2-5702; Fax: 236365. E-mail: obrown@unica.cu

---

Resumen

Se realiza una investigacion para determinar el impacto economico que provoca la sequia agricola en el cultivo de maiz en el municipio Venezuela. Se establecen tres escenarios de precipitaciones: seco, normal y lluvioso, asi como los niveles de impactos (bajo, medio y alto) a los que puede estar sometido el cultivo en condiciones de secano. En la investigacion se emplea la matriz de riesgo como herramienta fundamental para la determinacion de perdidas y ganancias financieras, teniendo en cuenta la planificacion de siembra y el ciclo fenologico. Los resultados demostraron que es posible predecir los beneficios y perdidas economicas segun los escenarios definidos y obtener producciones de maiz bajo estas condiciones para los escenarios normales y lluviosos con buenos beneficios brutos.

Palabras clave: Agricultura; Secano; Precipitaciones; Tecnica; Terciles.

Abstract

An investigation was conducted to determine the economic impact caused by agricultural drought in maize cultivation in the municipality of Venezuela. Three precipitation scenarios were established: dry, normal and rainy as well as their respective level of impacts (low, medium and high) that the crop can be subjected to under rainfed conditions. In this research, a risk matrix method was used as a fundamental tool for determining financial gains and losses, considering seeding planning and the phenological cycle. The results showed that it is possible to predict the benefits and economic losses from defined scenarios and get corn yields under these conditions for normal and rainy scenarios with good gross profits.

Keywords: Rainfed agriculture; Rainfall scenarios; Technique; Terciles.

---

 

Introduccion

Los daños o desastres que ocasionan las sequías a la agricultura es una expresión de los altos niveles de riesgos que puede padecer este sector. Magaña y Caetano (2007) enfatizan que la agricultura de secano existirá constantemente bajo una amenaza climática que está dada por la posibilidad de una condición desfavorable en la lluvia o las temperaturas. La gestión de riesgos en las producciones agrícolas requiere de la estimación de las posibles consecuencias negativas que puede ocasionar el fenómeno de sequías sobre un área determinada de cultivo; siendo aceptable la utilización de métodos de pronósticos para determinar el impacto económico en escenarios climáticos tanto favorable como desfavorables. Uno de estos métodos es la matriz de riesgo, que se compone de dos vectores, uno de probabilidad y otro de impacto, cuya combinación define el nivel de riesgo, teniéndose en cuenta que el nivel de riesgo cero no existe en la naturaleza por definición (Chena et al., 2008).
El riesgo de pérdidas de cosecha se puede estimar a través del análisis de la variabilidad del clima y de la vulnerabilidad de los cultivos; sin embargo, es necesario que los agricultores consideren este riesgo en la planificación de los ciclos agrícolas mediante estrategias basadas en la utilización de variedades resistentes a la sequía, con la finalidad de disminuir las pérdidas en la producción (Barrantes y Morales 2008). Con respecto a lo anterior, Villalobos y Retana (2001) manifiestan que las probabilidades de ocurrencia de una condición climática con peligro se pueden analizar a través de datos históricos para cada estación. A partir de lo anteriormente planteado el objetivo de esta investigación es determinar el impacto económico de la sequía en el cultivo de maíz aplicando la matriz de riesgo en áreas del municipio Venezuela, de la Provincia de Ciego de Ávila, Cuba.

Materiales y Metodos

La investigación se desarrolló en áreas agrícolas del municipio de Venezuela situado al sur de la provincia Ciego de Ávila, entre las coordenadas angulares 208˚ y 218˚ de Latitud Norte y los 714˚ y 722˚ de Longitud Oeste. Esta zona se caracteriza por tener una topografía muy llana con pendiente promedio de 0,1%. Se utilizó una serie de ocho años de precipitaciones mensuales correspondientes a los meses de abril a julio por ser el período que se utilizan por los productores de la zona para el desarrollo del cultivo en condiciones de secano (tabla 1). La información climática se obtuvo en la estación meteorológica 346 de Venezuela situada a los 21º 47’ de Latitud Norte; 78º 47’ de Longitud Oeste con una altura de 26,39 m sobre el nivel medio del mar.

Tabla 1: Valores de Precipitacion mensual (Abril-Julio)

En la figura 1 se muestran los valores correspondientes a los rendimientos del cultivo de maíz en el período 2004- 2011, obtenidos en parcelas experimentales evaluadas en condiciones de secano. Estas respondieron a un diseño completamente aleatorizado formadas por un área de 1080 m2 (0,108 ha) con tres subdivisiones de 10 surcos, en las que se evaluaron los cuatro surcos centrales con 40 metros de longitud, considerándose tres puntos de muestreo al inicio en el medio y al final para considerar la variabilidad espacial del rendimiento a lo largo del surco. El período entre la siembra y la recogida estuvo alrededor de 112 días.

Figura 1: Rendimiento de secano en el cultivo de maiz

La homogeneidad de la serie empleada para el análisis de las precipitaciones y el rendimiento del cultivo al final del ciclo vegetativo se comprobaron mediante el estadígrafo t de Student utilizado por diferentes autores como Escalante-Sandoval y Amores-Rovelo (2013). Se construyó la curva de probabilidad para las precipitaciones ocurridas durante el ciclo del cultivo y los rendimientos agrícolas asociados con ellas mediante la ecuación de Chegadaev, según Villón (2002).

Donde
Prob es la probabilidad de ocurrencia de un miembro de la serie (%); m el orden de los miembros de la serie organizados de forma descendente; N el número total de miembros de la serie.
Debido a la limitación de la curva empírica de no permitir estimar los valores más extremos de probabilidad, fue necesario la construcción de la curva de probabilidad teórica. Se calcularon los componentes de la curva binomial de distribución de Pearson tipo III según Pacheco et al., (2007).

 

Donde Xi y Xm son los valores de precipitaciones y rendimientos agrícolas para los años de la serie; yp las ordenadas de la curva de probabilidad; ψ las desviaciones de la media obtenidas en la tabla de Foster Ribkin; Cv el coeficiente de variación; Cs el coeficiente de asimetría.
Para la creación de los escenarios de precipitaciones se utilizó el criterio de clasificación sugerido por Villalobos y Retana (2001) en el que las precipitaciones ocurridas durante el ciclo del cultivo se organizaron en tres grupos, a través de la técnica estadística de los terciles (Bidegain 2014) que permite la creación de tres grupos de análisis de acuerdo a la acuosidad del período analizado (lluvioso, medio y seco) para relacionarlo posteriormente con la probabilidad de las precipitaciones y los rendimientos del cultivo. Este procedimiento de integración constituye la esencia de la construcción de la matriz de riesgo. El procedimiento aplicado para calcular los terciles (Tk) fue el siguiente: una vez obtenido el valor de Tk mediante la ecuación (7), se selecciona de la serie de precipitación (tabla 1) ordenada descendentemente.

Donde Tk es el tercil; k el número de orden del tercil 1, 2, 3 calculado; N el total de datos de la distribución organizados descendentemente; Pm la precipitación media de cada mes de la serie analizada.
El escenario lluvioso corresponde al tercil uno (T1), el escenario normal corresponde al tercil dos (T2), en este caso se tomarán los valores de precipitación que siguen al tercil uno (T1) hasta hacerlo coincidir con el valor del tercil dos (T2). El escenario seco corresponde al tercil tres (T3), el cual contiene los valores de precipitación menores que el tercil dos (T2) hasta el último valor de la serie, siendo:

Escenario lluvioso: Pm> T1; Escenario normal: T1>Pm >T2; Escenario seco: T2 > Pm> T3

La matriz de riesgo para la estimación de los efectos negativos de la sequía agrícola desde el punto de vista económico se obtuvo según la metodología propuesta por Magaña y Caetano (2007) a partir de las curvas de probabilidades para las precipitaciones y los rendimientos del cultivo explicada anteriormente. De esa manera se definieron los impactos de la lluvia sobre los rendimientos de acuerdo a los escenarios seco, normal y lluvioso; así como las amenazas en función de los niveles bajo, medio y alto de rendimientos. Los costos futuros del riesgo por los impactos de la sequía en la agricultura se obtuvieron de los costos unitarios de la producción y los beneficios de la producción a partir del área afectada y las pérdidas financieras que pueden producirse como resultado del análisis de la matriz de riesgo. Las ecuaciones utilizadas fueron las siguientes:

 

Donde ProdT es la producción total que puede ser obtenida según área de siembra (t); Asemb el área sembrada (ha); Aafec el área afectada por la sequía (ha); ProdA la producción que sufrió afectaciones por impactos de la sequía (t); Prodo la producción que puede ser obtenida en el área (t) estudiada; Pfin las pérdidas financieras debido a los impactos de la sequía ($); R el rendimiento del cultivo (t ha-1); Acos el área cosechada; Pv el precio de venta del cultivo ($ t-1); ΔBb la diferencia entre los beneficios de las variantes comparadas ($); Ee el efecto económico ($).

Resultados y Discusión

En las tablas 2 y 3 se observa que el estadístico t de Student utilizado en la investigación alcanzó un valor inferior a su valor crítico para la prueba de una y dos colas respectivamente. Por otra parte, la probabilidad obtenida fue superior al nivel de significación de 0,05 en relación a la prueba de una y dos colas respectivamente. Los resultados confirman que las series de precipitaciones y rendimientos agrícolas son consistentes y homogéneas.

Tabla 2: Estadigrafo de la prueba t de Student para las precipitaciones

Tabla 3: Estadigrafo de la prueba t de Student para los rendimientos

La investigación demostró que cuando se presenta una sequía en el primer o segundo ciclo del cultivo o en ambos, el rendimiento disminuye considerablemente. La ocurrencia de la sequía en la época de floración afectó el llenado de la mazorca. En la tabla 1 se observa que en los años de menor rendimiento agrícola, las precipitaciones fueron escasas en los primeros meses después de la siembra. Ejemplo en el año 2004 las precipitaciones fueron menores a 12 mm durante los dos primeros meses y en los años 2007 y 2008 prácticamente no llovió durante la primera etapa del cultivo; pues las precipitaciones fueron inferiores a 3,0 mm. Este comportamiento corrobora que el déficit y distribución de las precipitaciones en cualquiera de las etapas de desarrollo del cultivo tienen impactos negativos en el rendimiento esperado. La figura 2 muestra las curvas de probabilidad teórica para las precipitaciones y los rendimientos agrícolas construidos para el cultivo de maíz en condiciones de secano. En la misma se observa que los rendimientos más favorables se alcanzaron para las probabilidades menores de 30 % que corresponde a los años 2006, 2005 y 2011, los cuales presentaron un escenario lluvioso con precipitaciones superiores a 600 mm y rendimientos que sobrepasaron las 4,00 t/ha . En la medida en que la probabilidad supera el 75% disminuyeron notablemente los rendimientos; obteniéndose el comportamiento más desfavorables en los años 2008, 2007 y 2004 para un escenario seco con precipitaciones por debajo de 400 mm y rendimientos menores a 1,50 t/ha. Los restantes años se encontraron dentro del escenario medio.

Figura 2: Curva teorica de probabilidad de rendimientos y precipitaciones

Los resultados encontrados en esta investigación indican que según el análisis probabilístico realizado los rendimientos más bajos se alcanzarían para precipitaciones inferiores a 150 mm (superior al 85% de probabilidad) con rendimientos cercano a 1,00 t/ha. Esto coincide con el criterio de Richards (1991) y López-Castañeda et al., (2003) los que comprobaron que en condiciones de una distribución irregular de la lluvia durante el ciclo del cultivo se afecta el crecimiento y desarrollo; sobre todo, cuando la sequía coincide con etapas críticas como el máximo crecimiento vegetativo. En la figura 3 se muestra el comportamiento de las precipitaciones según la magnitud de los terciles de la serie analizada, asociados a los niveles de impactos sobre los rendimientos. El primer tercil se relacionó con un escenario lluvioso donde las precipitaciones estuvieron comprendidas entre 235,65 mm a 274,45 mm representando las mayores precipitaciones acumuladas durante el primer y el segundo ciclo del cultivo.

Figura 3: Orden de la precipitacion segun terciles (2004-2011)

En el segundo tercil se agruparon las precipitaciones en el rango de 216,64 mm a 223,33 mm en correspondencia con el escenario normal de lluvias. El tercer tercil estuvo marcado por los valores inferiores a 153,8 mm lo que representa un escenario seco. En la tabla 4 se muestra la matriz de riesgo obtenida experimentalmente en el área de estudio para el cultivo del maíz. Esta muestra los valores de probabilidad expresado en porcentaje respecto a los diferentes escenarios de precipitaciones (seco, normal y lluvioso) y el nivel de impacto sobre el rendimiento (bajo medio y alto). Se observa que en caso de presentarse un escenario seco y probabilidad de 75% o menor, el impacto sobre los rendimientos se considera bajo; sin embargo, si la probabilidad es del 82% o superior el impacto se convierte en alto. De igual modo se tiene que en un escenario lluvioso el impacto sería bajo para una probabilidad de 12,5% o inferior; pero se produciría un impacto alto para una probabilidad de 37,5% o superior.

Tabla 4: Matriz de riesgo para el cultivo del maiz en el area de estudio.

Esta matriz es válida, pues cumple con los dos principios propuesto por Cox (Chena et al., 2008): el de consistencia que establece la concordancia entre los ordenamientos de riesgo cualitativos y cuantitativos; así como el de gradualidad al comprobarse que cualquier línea trazada en la matriz que enlace una celda roja (riesgo alto) con una celda verde (riesgo bajo), necesariamente pasa por una celda de color amarillo (riesgo medio). Los resultados de la matriz de riesgo demuestran que en presencia de escenarios lluviosos o normales es elevada la probabilidad de lograr altos rendimientos del cultivo; siempre y cuando las precipitaciones están espaciadas de manera regular a lo largo del ciclo fenológico. Este resultado aunque parece muy lógico, generalmente resulta difícil de asimilar por los productores; pues piensan que no es posible lograr buenos rendimientos sin tener sistemas de riego. En la tabla 5 se exponen los resultados del análisis económico realizado en función de la matriz de riesgos de sequías para el cultivo de maíz. Se comprobó que no es posible obtener rendimientos aceptables en sistemas productivos de secano cuando el escenario es seco y las probabilidades son superiores al 85%; porque en estas condiciones los niveles de impactos son altos proporcionando rendimientos y beneficios brutos muy bajos por lo que el efecto económico se hace prácticamente nulo. Concretamente se encontró que en un escenario seco con un alto impacto sobre los rendimientos, los beneficios brutos estuvieron en el orden de 148 812,60 y 291 104,45 pesos.
El comportamiento del cultivo en los escenarios medios y lluviosos se presenta en la propia tabla 5. Se corroboró que es posible la producción de maíz en condiciones de secano cuando se presentan estos escenarios con beneficios brutos favorables, comprendidos entre 442 129,44 y 4 772 308,17 pesos.

Tabla 5: Indices economicos asociados a los impactos de las sequias

Conclusiones

Los terciles propuestos aseguran tres escenarios de precipitaciones con niveles de impactos sobre los rendimientos, los cuales pueden ser bajos, medios y altos. Se demostró que el año 2004 es donde se producen los mayores impactos sobre el rendimiento y el año 2006 el que proporciona los rendimientos más favorables debido a la distribución más equitativa de las lluvias en los dos primeros meses del cultivo. Los resultados obtenidos sugieren el empleo de la matriz de riesgo asociado al fenómeno de las sequías pues se demuestra su carácter predictivo, lo que favorece la toma de decisiones para incrementar los rendimientos del cultivo y a la vez el efecto económico.
El análisis económico a partir de la matriz de riesgo demostró que los escenarios secos proporcionaron rendimientos bajos con beneficios brutos comprendidos entre 148 812,60 y 291 104,45 pesos; mientras que los escenarios medios y lluviosos comprobaron la posibilidad de producir maíz en condiciones de secano con beneficios brutos entre 442 129,44 y 4 772 308,17 pesos.

Referencias

1. Barrantes R. y Morales, R. Estimación de las pérdidas causadas por eventos originados por el cambio climático y de los costos y beneficios de implementar medidas de reducción de riesgos en el marco del Sistema Nacional de Inversión Pública. Informe del Instituto de Estudios Peruanos. Pp.144. Lima, Perú. 2008.         [ Links ]

2. Bidegain M. Terciles de la precipitación sobre Uruguay. Departamento de Meteorología, Instituto Uruguayo de Meteorología (INUMET), Uruguay. 2014.         [ Links ]

3. Chena, P. I.; Amoretti, .L.I. y Kielmayer, G. Guía para la construcción de matrices de Riesgo de lavado de activos y financiamiento del terrorismo. Una propuesta en base a experiencia argentina. Documento de trabajo No 1. Unidad de Información Financiera. ISBN 978-987- 27169-0-5, pp.47, Argentina. 2008.         [ Links ]

4. Escalante-Sandoval C. y Amores-Rovelo L. Análisis de la precipitación en la costa de Chiapas. XI Congreso Internacional de Ingeniería Hidráulica y VII Seminario Internacional del Uso del Agua. Unión Nacional de Ingenieros y Arquitectos de Cuba (UNAICC), 1-5 de Octubre, Ciego de Ávila, Cuba. 2013.         [ Links ]

5. Lopez-Castaneda, C.; Morales-Fernandez, S. D.; Sanchez-Ramirez, J. J.; Hernandez-Ruiz, J. E. y Rodriguez-Guzman, E. Etapas de desarrollo, rendimiento de grano y características agronómicas de cebada en condiciones naturales de sequía". Poster presentado en la IV Reunión Nacional sobre Producción de Semillas. Sociedad Mexicana de Fitogenética (SOMEFI) y Colegio de Postgraduados. Pp.12-14. Montecillo, México. 2003.         [ Links ]

6. Magana, V. y Caetano, E. Pronóstico climático estacional regionalizado para la República Mexicana como elemento para la reducción de riesgo, para la identificación de opciones de adaptación al cambio climático y para la alimentación del sistema. Proyecto INE/ A1-006/2007. Centro de Ciencias de la Atmósfera. UNAM. México. 2007.         [ Links ]

7. Pacheco, J.; Alonso, N.; Pujol, P. y Camejo, E. "Riego y Drenaje". Segunda Edición. Editorial Félix Varela. ISBN 978-959-07-0621-9. 414P. Cuba. 2007.         [ Links ]

8. Richards, S. Crop improvement for temperate Australia: future opportunities. Field Crops Research, vol. 26, nº 2, pp. 141-169. Australia, extraído de: http://www.sciencedirect.com/science/article/pii/037842909190033R en enero 2014. 1991.         [ Links ]

9. Villalobos, R. y Retana, J. Método para el pronóstico de lluvias en Costa Rica: Agrupación de años con características pluviométricas semejantes para la creación de escenarios climáticos. Topografía, Meteorología y Oceanografía (Top. Meteor. Oceanog.), vol. 8, nº 1, pp. 50-54. Gestión de Desarrollo, Instituto Meteorológico Nacional, San José, Costa Rica. 2001.         [ Links ]

10. Villon, M. Hidrología. Serie de Ingeniería Agrícola. Taller de publicaciones del Instituto Tecnológico de Costa Rica. Cartago. Costa Rica. 2002.         [ Links ]

Recibido: 08/11/15.
Aprobado: 16/11/16.