Post on 09-Sep-2018
SEPIA XII Perú : El problema agrario en debate
Tarapoto, 13 al 16 de agosto 2007
MESA REGIONAL
“La agricultura en el departamento de San Martín: ¿Un sector de alternativas económicamente rentables a costa del medio
ambiente?1”
Sandra J. Rios Torres2
Wagner Guzmán Castillo2
Lizardo Fachín Malaverry2
1 Tema I: Industrias extractivas, agricultura y uso de recursos naturales 2 Instituto de Investigaciones de la Amazonia Peruana, IIAP. E-mails: srios@iiap.org.pe; wguzman@iiap.org.pe; lfachin@iiap.org.pe
1
3
Índice
Pág.
I. Introducción 3
II. Objetivos 4
III. Marco teórico 4
IV. Metodología 11
V. Resultados 16
VI. Conclusiones 26
VII. Bibliografía 27
VIII. Anexos
4
I. INTRODUCCION
En el Departamento de San Martín, los graves problemas ambientales
ocasionados en las últimas décadas, son resultado principalmente del mal uso de
los recursos naturales y de la implementación de erradas políticas públicas que
han conllevado al incremento de la deforestación y a un grave deterioro de los
ecosistemas y la biodiversidad. Las consecuencias del mal uso de los recursos y
ocupación desordenada del territorio ocasionada por la fuerte migración son
evidentes y de allí la necesidad en estos últimos años, de establecer acciones
conjuntas en la búsqueda del desarrollo sostenible sobre la base de un
ordenamiento del territorio.
Las propuestas de desarrollo sobre la base de la Zonificación Ecológica y
Económica, ZEE, constituyen o forman parte del Ordenamiento Territorial, OT.
Este, es un proceso en el cual se busca elaborar una visión sobre cómo organizar
el uso y la conservación de la tierra dentro de un territorio a fin de satisfacer las
necesidades y deseos de los diferentes grupos de interés.
El Proceso de ZEE en el departamento de San Martín, el cual se inició el 2003, ha
permitido determinar que las zonas de protección ecológica representan el 65.6%;
las zonas con potencial para actividades agropecuarias sólo el 10 %, mientras que
cerca del 5% están constituidas por zonas para producción forestal y otras
actividades productivas. Un área significativa ha sido deforestada con fines
agrícolas, pero desde el punto de vista de aptitud, corresponden a tierras que son
para protección o para producción forestal, constituyendo zonas para
recuperación (19.3 %).
Al determinar a través de la ZEE las diversas alternativas para los mejores usos
de la tierra, surge entre otras preguntas, la siguiente: ¿Son las principales
actividades agrícolas en el departamento de San Martín, actividades sostenibles?.
Con el propósito de responder a esta y otras interrogantes, este estudio realiza
una evaluación y análisis de las actividades relevantes en el departamento sobre
la base de un modelo de Programación Matemática como una alternativa útil para
evaluar el impacto y a su vez generar los escenarios óptimos de uso de la tierra.
5
II. OBJETIVOS
General:
Evaluar el impacto económico y ambiental de las principales actividades
agrícolas sobre la base de un modelo de programación matemática y de la
información generada en la ZEE.
Específicos:
1. Diseño y validación de modelo económico de programación matemática lineal
multiobjetivo para analizar escenarios óptimos de uso de la tierra.
2. Análisis y evaluación del impacto de principales actividades agrícolas en el
departamento de San Martín sobre la base de los resultados de la ZEE.
3. Recomendaciones para la aplicación de políticas públicas dentro de un
marco de OT del departamento de San Martín.
III. MARCO TEORICO
El Departamento de San Martín
El Departamento de San Martín, tiene una población estimada (INEI, 2005) de
800 mil habitantes, representando aproximadamente el 2.6% de la población
nacional y 20% de la población de la Amazonía peruana. Esta población es en
general de origen mestizo, con un alto componente de población migrante.
La extensión del territorio comprende aproximadamente 5 164 858 has, de las
cuales la superficie deforestada al año 2000 asciende aproximadamente al
24% (1 260 176) según la estimación basada en el análisis de imágenes de
satélite del proyecto ZEE San Martín. Ello implica que, durante el período
1960-2000 (40 años), cerca de 964 mil has. de bosque natural se han perdido
en el Departamento. El periodo más explosivo de la deforestación se dio hasta
los primeros años de la década del 80, pues en esta década se retrae este
ritmo, con balance neto de recuperación de los bosques secundarios. A finales
de la década del 80, sin embargo, el auge del narcotráfico provoca la
ampliación vertiginosa de los cultivos de coca, provocando la tala de áreas
marginales y la contaminación de cuerpos de agua. Sólo a partir de 1993,
coincidiendo con el proceso de ajuste económico implementado en el país, el
ritmo de la deforestación se retrae levemente. Las previsiones indican que
dentro de unos 30 años el Departamento podría quedar transformado en un
paisaje árido y degradado, con la mayoría de sus habitantes en estado de
pobreza aguda, debido a la pérdida del gran capital natural.
La principal actividad económica de la población es actualmente la agricultura
(Gráfico 1). Esta actividad ocupa el 51.8% de la población económicamente
activa (PEA), y contribuye con más del 30% del producto bruto interno
departamental.
Gráfico 1: Las actividades económicas y el aporte al PBI en el departamento
de San Martín.
29,6%
22,7%
14,7%10,7%
8,6% 8,5%5,2%
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
A
gri. Caz
a y S
ilv.
C
omerc.,
Res
t., Hot.
O
tros S
ervici
os
In
dust. M
anufa
ct.
C
onstru
cción
P
rod.
Serv. G
uber
n.
Otros
Actividades Económicas
% d
e ap
orte
al P
BI
Fuente: ZEE del departamento de San Martín, IIAP, 2005
Concordante con los resultados de la ZEE, los frentes agropecuarios o áreas
donde prevalecen los principales cultivos en el departamento (Gráfico 2), las
mayores superficies sembradas corresponden a los cultivos de arroz, maíz,
café y palma aceitera (Cuadro 1).
6
Gráfico 2: Áreas del frente agropecuario en el Departamento de San Martín.
-
100,000
200,000
300,000
400,000
500,000
600,000
700,000AREA SIGAREA REAL DEL CULTIVO
AREA SIG 664,599 241,592 214,256 135,517 60,748 14,563 68,608
AREA REAL DEL CULTIVO 57,784 64,659 59,164 32,498 42,776 7,330
FRENTE DE AGRICULTURA DIVERSIFICADA
FRENTE GANADERO
FRENTE DEL MAIZ
FRENTE DEL CAFÉ
FRENTE ARROCERO
FRENTE DE PALMA
ACEITERAOTROS
Fuente: ZEE del departamento de San Martín, IIAP, 2005
Es importante considerar la escala y el objetivo de las áreas sembradas de los
diferentes cultivos. Existen grandes y medianas extensiones destinadas para
fines comerciales las cuales por economías de escala permiten obtener mayores
beneficios económicos así como áreas pequeñas cuyos productores están
asociados en diversos gremios según el tipo de cultivos que realizan.
Cuadro 1: Áreas sembradas de los cultivos más importantes en el Departamento
de San Martín a Setiembre 2006. Áreas sembradas Cultivo Has %
Algodón 11.537,00 3,37 Arroz 68.793,00 20,12 Cacao 11.639,31 3,40 Café 44.132,50 12,91 Maíz 66.333,00 19,40 Palma aceitera 13.530,00 3,96 Plátano 27.628,00 8,08 Otros cultivos y pasto 98.294,10 28,75
TOTAL 341.886,91 100
Fuente: Dirección General de Agricultura-San Martín
A nivel provincial y como se puede apreciar en el gráfico adjunto, el cultivo de
arroz es el más relevante y el de mayor incidencia en la actividad económica al
7
representar el 80% del valor de la producción agropecuaria (BRC, 2006),
ubicándose las mayores extensiones en la provincia de Bellavista. En ese mismo
orden le siguen el cultivo de maíz cuyas mayores áreas se encuentran en la
provincia de Picota y Bellavista. En tercer lugar en extensión se encuentra las
áreas destinada al cultivo del café las cuales están concentradas
preferentemente en el sector nor-oeste del departamento en las provincias de
Moyabamba y Rioja, zona de gran intercambio con la costa y que ha acogido la
mayor cantidad de migrantes. Posteriormente y de gran relevancia en la
actividad económica del sur del departamento se encuentran los cultivos de
palma aceitera y cacao los cuales cobran cada vez mayor importancia dado el
impulso y promoción como cultivos alternativos.
Gráfico 3. Áreas de los cultivos más importantes por provincia en el
departamento de San Martín
02.0004.0006.0008.000
8
10.00012.00014.00016.00018.000
Arró
zM
aíz
Algo
dón
Algo
dón
Arró
zC
afé
Algo
dón
Arro
zM
aíz
Arro
zC
afé
Maí
zAr
róz
Caf
ém
aíz
Arró
zPa
lma
A.C
acao
Algo
dón
Arró
zM
aíz
Algo
dón
Arró
zM
aíz
Arró
zFr
ejól
Maí
zAr
roz
Maí
zPl
átan
o
20.00022.00024.00026.00028.00030.000
Bellavista El Dorado M.Cáceres
Moyobamba Rioja Tocache Huallaga Lamas Picota SanMartín
Cultivos principales por Provincia
Hec
táre
as
Fuente: Dirección General de Agricultura-San Martín
9
Zonificación Ecológica Y Económica - ZEE, y Ordenamiento Territorial - OT. La ZEE define y caracteriza unidades ecológicas económicas para poder planificar y
desarrollar actividades en concordancia con su mejor uso. Adicionalmente, es la
base para el ordenamiento territorial (OT), el cual, es un proceso que busca
elaborar una visión sobre cómo organizar el uso y la conservación de la tierra dentro
de un territorio, afín de satisfacer las necesidades y deseos de los diferentes grupos
de interés.
Desde otra perspectiva, la ZEE busca dar respuesta o definir qué, cómo y dónde
desarrollar determinadas actividades en un espacio geográfico (IIAP, 2002). Desde
una óptica económica la ZEE puede establecerse como la base para identificar qué
opciones productivas son las más rentables, cómo estas deben ser ejecutadas en la
medida que generen los mayores beneficios, y dónde se realizarían, de manera que
se produzca una optimización de recursos previamente definidos y caracterizados
en cada zona ecológica económica.
La propuesta que se plantea, sobre la base de la ZEE y el empleo de técnicas de
optimización matemática, determina qué, cómo y dónde desarrollar actividades
productivas bajo distintos escenarios o supuestos en zonas agropecuarias o
intervenidas. De esta manera, el objetivo de este trabajo es dar un valor agregado
a la ZEE y apoyar los procesos de ordenamiento y otros tipos de planificación
territorial en el departamento de San Martín, generando escenarios óptimos de uso
de la tierra sobre la base de los usos pertinentes evaluados y de las unidades de
análisis definidas.
Toma de Decisiones, Programación Matemática y Ordenamiento Territorial
Los procesos de toma de decisiones se han analizado tradicionalmente sobre la
base de un paradigma que considera un solo criterio de evaluación; este funciona
de la siguiente forma: primero, se establece el conjunto de soluciones posibles o
factibles del problema; luego, fundándose en cierto criterio (por ejemplo beneficio),
se asocia con cada solución o alternativa un valor que indica el grado de
deseabilidad de cada solución para el centro de tomadores de decisión, es decir, se
10
establece una ordenación de las soluciones factibles. Finalmente, utilizando
técnicas matemáticas más o menos sofisticadas, se procede a buscar entre las
soluciones factibles aquélla que posee un mayor grado de deseabilidad. Dicha
alternativa es la solución óptima (Romero, 1993).
Por ejemplo, si el problema de decisión consiste en determinar qué cultivar en un
predio, de acuerdo con este paradigma en primer lugar, se deben buscar todos los
cultivos posibles (considerando las limitaciones de suelo, clima, mano de obra, etc.).
Luego, se define un criterio que indicará cuál es el cultivo preferido, por ejemplo el
margen bruto. Una vez que se determina el margen bruto de cada cultivo, será muy
fácil ordenar los cultivos de acuerdo con este criterio y, de este modo, será posible
seleccionar aquélla combinación que tenga mayor margen bruto; en consecuencia,
ésta será la solución óptima.
Esta forma de elegir la mejor solución a un problema determinado posee una gran
solidez lógica. No obstante, desde el punto de vista empírico, se presentan serias
debilidades que lo desvía de la manera real de cómo se desarrollan los procesos de
toma de decisión. Este desencuentro es aún más cierto en el ámbito de las
decisiones relacionadas con el ordenamiento territorial y el desarrollo sostenible, en
las cuales se hace explícita la consideración de aspectos económicos, ambientales
y sociales. Desde esta perspectiva, es difícil que, por ejemplo, al tomar una decisión
respecto de la asignación de usos de la tierra, se encuentre una alternativa que
genere los mayores ingresos y a la vez que conlleve la menor degradación del
suelo. De igual forma los diseñadores de políticas públicas en otros ámbitos pueden
querer ordenar las alternativas en función de criterios como crecimiento, equidad o
impacto ambiental.
Estos y otros ejemplos ratifican el hecho que los centros de tomadores de decisión
reales tomen sus decisiones en presencia de objetivos múltiples. En definitiva, los
centros decisores cuya racionalidad queda adecuadamente reflejada por el
paradigma tradicional son representaciones abstractas, cuyo comportamiento queda
considerablemente alejado de los centros de decisores (Romero, 1993)
Las técnicas de optimización y la programación matemática son herramientas
importantes para la investigación de operaciones, una disciplina explícitamente
11
dedicada a buscar mayor eficacia en los procesos de toma de decisiones (Hendriks
y Van Beek, 1991, FAO, 2001). La investigación de operaciones se puede definir
como la aplicación del método científico al estudio y a la solución de problemas
relacionados con la planificación, administración y operación de sistemas
complejos, principalmente en empresas y organizaciones (Maino et al., 1993)
Los métodos de Programación Matemática considerados relevantes en el ámbito
del Ordenamiento Ambiental se clasifican en tres grandes grupos (Cohon 1978,
Hwang y Masud, 1979 y Duckstein, 1984): Programación por Meta, Programación
Compromiso y Programación Multiobjetivo. Para la presente investigación se
empleará una Programación Multiobjetivo (o técnica de optimización vectorial)
debido a su simpleza y porque es fácil de implementar utilizando planillas de
cálculo con optimizadores tales como Solver ® el cual forma parte de Microsoft
Excel. Dos funciones objetivos serán utilizadas para compatibilizar y subsanar las
deficiencias que a veces se presentan en la programación Multiobjetivo para así,
buscar un equilibrio o compromiso entre un conjunto de objetivos usualmente en
conflicto (Romero y Rehman, 1989).
Finalmente, considerando que el Ordenamiento Territorial se sustenta en la ZEE de
un área determinada a través de un proceso que comprende las siguientes fases
(FAO, 1994):
1. Establecer las metas y determinar tareas.
2. Organizar el trabajo.
3. Analizar problemas.
4. Identificar oportunidades de cambio.
5. Evaluar aptitud de la tierra.
6. Evaluar alternativas: análisis medioambiental, económico y social.
7. Elegir la mejor opción.
8. Preparar el plan de aprovechamiento de la tierra.
9. Realizar el plan; y
10. Seguimiento y revisión el plan.
La herramienta de Programación Matemática Lineal Multiobjetivo que se propone,
se aplica sobre todo para dar respuesta a los pasos 6 y 7 indicados líneas arriba, en
12
la medida que se construyen escenarios y se analizan o evalúan las diferentes
alternativas que se han identificado para el uso de la tierra en la ZEE. En otras
palabras, se analizan opciones para futuras decisiones. A su vez, este modelo
puede ser utilizado para inferir los resultados de implementar nuevas opciones
tecnológicas y sus impactos en la socioeconomía del poblador rural.
IV. METODOLOGIA
Se desarrollaron seis etapas:
1. Conceptualización del modelo determinando los objetivos, restricciones,
atributos y coeficientes.
El modelo multiobjetivo utilizado optimiza dos funciones objetivo: la función de
ingresos netos y la función de erosión. La primera se maximiza y la segunda se
minimiza. Las restricciones consideradas, a parte de las de no negatividad, son
las de autoconsumo mínimo de subsistencia, mano de obra familiar disponible,
capital para insumos y mano de obra, y tamaño del predio o chacra.
2. Obtención de información.
El modelo propuesto recoge información de dos fuentes:
2.1. Información de la Zonificación Ecológica y Económica (ZEE). La cual permitió determinar, a través de Sistemas de Información Geográfica,
SIG, y los resultados de trabajos de campo, el uso actual de las tierras y las
pendientes para cada uno de los cultivos principales objeto de análisis. Las
consideraciones fueron las siguientes:
a) Uso actual de la tierra:
Se realizó la interpretación y caracterización de las áreas deforestadas de
acuerdo a la reflectancia en las imágenes de satélite. Seguidamente se
identificó la distribución espacial observada durante el recorrido de campo e
información estadística agropecuaria del departamento. En ese sentido, se
13
tuvo en cuenta aquellas áreas de cultivos o actividad productiva más
importantes por su abundancia y predominancia, registrándolas con los
Sistemas de Posicionamiento Global – GPS. A este hecho se suma el uso de
la data de elevaciones que fueron obtenidas de las curvas de nivel y cotas
extraídas de la Carta Nacional – IGN.
b) Pendiente:
Los datos de pendiente están estrechamente relacionados con la fisiografía
que presenta el departamento. Esta es bastante heterogénea y se
caracteriza por tener geoformas definidas de acuerdo al macrorelieve y el
microclima, permitiendo la caracterización de dos provincias fisiográficas: La
cordillera andina con un relieve montañoso muy disectado y la llanura
amazónica con un relieve relativamente plano.
Estas características fisiográficas y de pendiente se determinaron mediante
la interpretación visual y el análisis fisiográfico aplicando el uso de imágenes
de satélite Landsat TM y ETM+, así como las de SRTM - Shuttle Radar
Topography Misión y NASDA JERS-1-SAR que son imágenes de satélite con
dispositivos sensores tipo RADAR.
Este método de interpretación y análisis integra un conjunto de variables que
permiten determinar una unidad relativamente homogénea desde una
perspectiva fisiográfica, mediante la delimitación y separación de
características naturales, sobre la base de elementos identificables de la
forma de la superficie como son el relieve, grado de disección, patrones de
drenaje, vegetación y las tonalidades de color (combinación de bandas
espectrales) de las imágenes de satélite y variables complejas como
geomorfología y clima. A estas variables identificadas se le agrega la
verificación de campo que es un aspecto muy importante en la validación de
la data satelital.
14
c) Integración de Uso Actual de la Tierra y Pendiente a través de SIG :
Los SIG permitieron hacer el análisis de los datos espaciales y tabulares de
la información de la Macro ZEE del Departamento de San Martín.
En análisis espacial tiene su inicio en la unión física de las coberturas o
temas de pendiente y uso actual de la tierra. Esta unión integra los datos
gráficos así como las tablas de atributos de cada uno de los temas. Es en la
tabla de atributos de la nueva cobertura resultante (unión) donde se ejecutan
las operaciones de consulta mediante la herramienta de construcción de
consultas “Query builder”. Esta herramienta aplicada al campo de uso actual
de la tierra selecciona los registros o unidades de uso (polígonos) que
poseen un mismo código de descripción y que por ende tienen la misma
característica de uso productivo. A continuación, se realiza otra operación a
la tabla de atributos pero ésta será ejecutada únicamente sobre los registros
seleccionados previamente. Para realizar esta operación se usa la
herramienta de sumatoria “Summarize”, que permite hacer la suma sobre las
áreas de los registros seleccionados
2.2. Información primaria y secundaria.
Se obtuvo información primaria de los factores determinantes en actividades
productivas (tierra, capital y mano de obra): usos de la tierra, cultivos,
asociaciones, rotaciones, estacionalidad, precios, insumos, costos de
transporte, capitales y mercados. Para ello, diversos lugares de muestreo
fueron seleccionados considerando la relevancia de los cultivos elegidos
(Anexo 1). Información proveniente de otras instituciones que trabajan en el
sector agropecuario también fue incluida en la base de datos (Ministerio de
Agricultura, INIA, ONGs, etc.).
3. Construcción del modelo a optimizar.
El modelo económico que se propone, es una abstracción del sistema agrícola
del poblador rural amazónico el cual desarrolla una agricultura muy compleja,
heterogénea y de alto riesgo.
Está constituido por las funciones objetivos de ingresos netos y de erosión las
cuales se maximizan y minimizan respectivamente, es decir:
Max ( ) td−1
1 ∑=
Π12..1t
it
Min ∑ =
n
iiiAx
1
Sujeto a las siguientes restricciones:
1. Autoconsumo mínimo de subsistencia Qit ≤ Qmin
2. Mano de obra familiar disponible MoFit MoF≤ max
3. Capital disponible para insumos y mano de obra K it ≤ MoC it *w+I i*p i)
4. Tamaño del fundo H ≤ 20
5. No negatividad de los factores de producción T, K, MoF, MoC>0
Donde:
Πit= Ganancia neta (S/.) del cultivo i en el año t (ingresos – costos de
producción)
xi = Erosión del cultivo i (Tn/ha)
Ai = ha del cultivo i
d= tasa de descuento MoF = Mano de obra familiar
t= año MoC = Mano de obra contratada
i= cultivo o subsistema de cultivos w= costo del jornal (S/.)
Q= nivel de producción Ii= Insumos para el cultivo I
pi= Precio de insumos K= Capital en efectivo
15
16
4. ptimización
O .
se efectuó a través del Programa Solver ® de Microsoft Excel.
. Análisis y evaluación de resultados
La optimización
Considerando que este programa no permite optimizar simultáneamente dos
funciones objetivos en modelos lineales, se utilizó la técnica de las restricciones.
Es decir, se mantiene una función objetivo y la otra se transforma en una
“restricción” adicional a través de un algoritmo. El modelo con esta nueva
“restricción” se optimiza para encontrar la combinación de cultivos que generen
el máximo ingreso. El proceso inverso de optimización, es decir minimizar la
función de erosión y convertir la función ingreso neto en una “restricción”,
también se puede efectuar con la finalidad de validar los resultados obtenidos.
5 .
rograma Solver ® a través de una hoja de
6. Análisis económico valorativo
Los resultados son mostrados por el P
sensibilidad donde se detallan los puntos críticos de cada variable y sus valores
óptimos. Sobre la base de los mismos se analizaron las implicancias confrontado
con estudios similares. Adicionalmente y considerando la versatilidad del
modelo, el cual permite hacer cambios en las diversas variables utilizadas,
diversos escenarios se establecieron para comprobar la fiabilidad del mismo.
.
ectos de la erosión a través del valor de uso de la
Valoración económica de los ef
tierra, fue determinado como una forma de inferir en los costos asociados por
este impacto ambiental el cual es considerado el más relevante en el
departamento. Los costos de valor de la tierra utilizados constituyen valores
promedio por zonas según información secundaria obtenida (Anexo 2)
17
V. RESULTADOS
5.1. De la información primaria y de SIG de la ZEE. Obtención de pendientes y
áreas por cultivo analizado.
Los trabajos de campo y el análisis de las coberturas empleadas en la ZEE
permitieron determinar el uso actual de la tierra y pendientes los cuales se
presentan en el siguiente cuadro:
Cuadro 2. Principales usos de la tierra y rangos de pendiente en el Departamento
de San Martín.
MAIZ CAFE Nº. PENDIENTE Rango (%) Ha % Ha % 1 Plana a ligeramente inclinada De 0 a 4 6671 10 1948 4 2 Moderada a fuertemente inclinada De 4 a 15 1904 3 1122 3 3 Moderadamente empinada De 15 a 25 14519 22 9527 22 4 Empinada De 25 a 50 23485 35 18728 42 5 Muy empinada De 50 a 75 2788 4 7275 16 6 Extremadamente empinada > 75 16965 26 5531 13
TOTAL 66333 100 44132,5 100 Fuente: Elaboración propia sobre la metodología descrita.
Adicionalmente y como complemento se muestran los mapas respectivos obtenidos
luego de categorizar los usos y rangos de pendiente:
Considerando los trabajos de Gard (1973) y algunos trabajos relacionados
elaborados por ONERN (Oficina Nacional de Evaluación de Recursos Naturales),
se determinaron las tasas de erosión promedio para los rangos de pendiente de los
cultivos analizados los cuales se muestran en el Cuadro 3, 4 y sus correspondientes
Gráficos 5 y 6. Las proyecciones obedecieron a un análisis de correlación donde la
función que mejor se ajusto fue la función logarítmica para ambos cultivos.
Cuadro 3. Rangos de pendiente, tasas de erosión y áreas en cultivo de Maíz
Rango (%) Erosión Tn/ha/Año Area Prom. (Ha) Total Departamental (Ha) 0-4 0,56 10 6671
4-15 1,81 10 1904 15- 25 5,96 5 14519 25-50 6,97 5 23485 50-75 7,94 5 2788 >75 8,35 2 16965
Fuente: Elaboración propia sobre la metodología descrita.
Gráfico 5. Relación erosión / pendiente para el Cultivo de Maíz
y = 1,8034Ln(x) + 0,56
0
0,4
0,8
1,2
1,6
2
2,4
2,8
3,2
3,6
4
0 0,05
20
0,1 0,15 0,2
Pendiente (%)
Eros
ión
(Tn/
Ha/
Año
)
Cuadro 4. Rangos de pendiente, tasas de erosión y áreas en cultivo de Café
Rango (%) Erosión Tn/ha/Año Area Prom. (Ha) Total Departamental (Ha)0-4 0.38 5 19484-15 0.87 5 1122
15- 25 1.54 5 952725-50 2.00 2 1872850-75 2.45 2 7275>75 2.64 2 5531
Fuente: Elaboración propia sobre la metodología descrita.
Gráfico 6. Relación erosión / pendiente para el Cultivo de Café
y = 0,8336Ln(x) - 0,9617
00,10,20,30,40,50,60,70,80,9
1
0 0,05
21
0,1 0,15 0,2
Pendiente (%)
Eros
ión
(Tn/
Ha/
Año
)
22
5.2 De la aplicación del modelo
o la variable más sensible, el precio, es mayor o igual a 0,43 nuevos
oles el kilo.
Gráfico 7. íz. Muestra de aplicación
para suelos con rango de pendiente 0-4%.
s conflictos en
so de la tierra ya que se desarrollan en áreas de fuerte pendiente.
.
Cultivo de maíz Aplicado el modelo y comparando con las diversas opciones de cultivos a
desarrollar en el departamento, se encuentra que el cultivo del maíz es un cultivo
rentable cuand
s
Resultados del modelo para el cultivo de ma
Bajo la condición actual y comparada con las otras alternativas analizadas
constituye la alternativa que prevalece económicamente, sin embargo, dadas las
condiciones actuales donde se viene desarrollando, existen grande
u
Se estima que existe una tasa de erosión 0,56 tn/ha. lo cual para un agricultor que
en promedio maneja 5 has. con restricciones de mano obra, en suelos con
pendientes mayores a 5%, la cantidad de suelos erosionable según los resultados
arrojados por el modelo, tal como se aprecia en el Cuadro 5, se encuentra en el
rango de 0.59 a 6.44 tn/Ha/Año. Es decir si bien esta actividad reditúa grandes
beneficios (alrededor de 1,206 nuevos soles/ha), la ubicación en lugares de fuerte
pendientes contribuyen a generar una gran impacto ambiental. Un cuadro que
muestra la relación de beneficios econó
23
Area Prom. Erosión Ingreso Neto(Ha) (Tn/Ha/Año) (S/.Ha)
Plana a ligeramente inclinada De 0 a 4 10 0.25 1207Moderada a fuertemente inclinada De 4 a 15 10 0.96 1207
radamente empinada De 15 a 25 5 2.43 1207pinada De 25 a 50 5 2.83 1207 empinada De 50 a 75 5 3.22 1207
tremadamente empinada > 75 2 3.24 679
Rango (%)PENDIENTE
ModeEmMuyEx
micos versus la erosión por hectárea de
s y los impactos en la
erosión para el cultivo del maíz se muestra en el Cuadro 5.
ultados del modelo resumidos para el cultivo de Maíz. Proceso de
ptimización.
s tasas de erosión sino también la
ntabilidad disminuye considerablemente.
acuerdo al modelo se muestra tal como:
El modelo fue aplicado para cada rango de pendientes debido a su relación directa
en el impacto de la erosión. Un resumen de los beneficio
Cuadro 5. Res
O
Un gráfico que relaciona ingreso y tasas de erosión permite visualizar la relación
inversa entre ambas variables, es decir cultivos de maíz establecidos en lugares de
fuerte pendiente no sólo generan mayore
re
G
24
y = -75,429x + 1383R2 = 0,4286
0
200
400
600
800
1000
1200
1400
1 2 3 4 5 6
Tasas de erosión (Tn/Ha/Año)
Ingr
esos
(S/.H
a)rafico 8. Relación ingresos versus tasas de erosión para el cultivo de maíz.
25
Cultivo de café
o que hace rentable es de 3,3 nuevos
oles el kilo con un área mínima de 2 has.
Gráfico 9. Resultados del modelo para el cultivo de café.
los desechos de la vegetación, permiten
isminuir la erosión a diferencia del maíz.
vez aplicado el modelo para cada
no de los rangos se muestran en el Cuadro 6.
El café es sembrado con otros cultivos para dar sombra y como cultivos asociados.
Según el modelo aplicado el precio mínim
s
Por las características de su demanda ambiental (el cultivo se da por encima de los
800 msnm) se encuentra en zonas de fuerte pendiente sin embargo la presencia de
árboles asociados para sombra junto con
d
Los resultados producto de la optimización una
u
Cuadro 6. Res
26
Area Prom. Erosión Ingreso Neto(Ha) (Tn/Ha/Año) (S/.Ha)
Plana a ligeramente inclinada De 0 a 4 5 0.34 1233Moderada a fuertemente inclinada De 4 a 15 5 0.7 1233Moderadamente empinada De 15 a 25 5 1.21 1233Empinada De 25 a 50 2 1.76 964Muy empinada De 50 a 75 2 2.10 964
Rango (%)PENDIENTE
Extremadamente empinada > 75 2 2.24 964
y = -69,171x + 1340,6R2 = 0,7714
0
200
400
600
800
1000
1200
1400
1 2 3 4 5 6
Tasas de erosión (T/Ha/año)
Ingr
esos
net
os (S
/./Ha
)
ultados del modelo resumidos para el cultivo de café. Proceso de
ptimización.
Los cambios son
as notorios a partir de los rangos de pendiente entre 25-50 %.
Gráfico 10. Tasa de erosión versus ingresos netos para el cultivo de café.
O
De manera similar que en el caso del cultivo del maíz, aunque con mayor
notoriedad, el gráfico que relaciona ingresos y tasas de erosión permite identificar la
relación indirecta de rentabilidad y tasas de erosión (Gráfico 10).
m
Un análisis preliminar sobre la base de la información obtenida permite inferir en
relación a la relación económica entre el beneficio económico con los costos
ambientales aso
27
Ingresos Costos/Ha Costos Totales Ingresos Totales -Totales S/Ha Erosión Costos Totales Erosión
PM
lana a ligeramente inclinada De 0 a 4 6,671 8,052,207 600 4,002,754 4,049,453oderada a fuertemente inclinada De 4 a 15 1,904 2,298,303 600 1,142,487 1,155,816oderadamente empinada De 15 a 25 14,519 17,524,859 500 7,259,677 10,265,183mpinada De 25 a 50 23,485 28,346,733 400 9,394,112 18,952,621uy empinada De 50 a 75 2,788 3,364,609 400 1,115,032 2,249,577xtremadamente empinada > 75 16,965 11,519,497 400 6,786,154 4,733,343OTALE
MEMET S 71,106,207 29,700,216 41,405,992
Has. TotalesPENDIENTE Rango (%)
Ingresos Costos/Ha Costos Totales Ingresos Totales -Totales S/Ha Erosión Costos Totales Erosión
PlModer
ana a ligeramente inclinada De 0 a 4 1,948 2,402,351 4,000 7,793,515 -5,391,164ada a fuertemente inclinada De 4 a 15 1,122 1,383,201 4,000 4,487,270 -3,104,069adamente empinada De 15 a 25 9,527 11,747,349 6,000 57,164,713 -45,417,365
pinada De 25 a 50 18,728 18,053,893 6,000 112,368,627 -94,314,735 empinada De 50 a 75 7,275 7,013,530 5,000 36,377,232 -29,363,702
xtremadamente empinada > 75 5,531 5,332,174 5,000 27,656,503 -22,324,329
PENDIENTE Rango (%) Has. Totales
ModerEmMuyETOTAL 45,932,497 245,847,861 -199,915,363
ciados para los dos cultivos analizados tal como se aprecia en los
Cuadros 7 y 8.
Análisis de evaluación de impactos económico y ambiental para el cultivo
e maíz.
ambientales por
fectos sólo de la erosión sobre la base de los precios de la tierra.
. Análisis de evaluación de impactos económico y ambiental para el cultivo
de café.
te
Los costos asociados estarían siendo 5
eces mayores a los ingresos generados.
Cuadro 7.
d
Se aprecia que los costos asociados por efectos de la erosión o degradación de los
suelos en las áreas donde se cultiva el maíz, equivalen aproximadamente al 41%
de los ingresos netos percibidos. El uso de precios promedios por zonas o rangos
estaría impidiendo un análisis más certero más este análisis es un punto de
referencia importante para considerar la magnitud de los daños
e
Cuadro 8
En caso del café y considerando el mayor valor de las tierras para este cultivo y la
mayor cantidad de áreas establecidas de estos cultivos en partes altas o de fuer
pendiente, conlleva a que los costos asociados por efectos de la erosión sean
mayores que los ingresos netos percibidos.
v
28
I. CONCLUSIONES
s y
socioeconómicas para un análisis más integral de la dinámica agropecuaria.
rían siendo 5 veces mayor que los ingresos netos o ganancias
obtenidas.
s, estos podrían ser mayores si se trabaja con precios de tierra
a mayor detalle.
tando en gran magnitud los recursos naturales y biodiversidad
existente.
de apoyo para establecer escenarios y proponer
soluciones de largo plazo.
V
Dado los resultados obtenidos, el modelo aplicado permite entender la dinámica
económica y ambiental de los principales cultivos (maíz y café) del
departamento de San Martín. Adicionalmente, permite conjugar las área física
Los costos asociados al impacto ambiental por efectos de erosión para los
cultivos analizados, infieren que el cultivo de café son mayores que los de maíz.
Estos esta
Si bien los costos ambientales por efectos de la erosión en caso del cultivo del
maíz son menore
Las políticas de apoyo o promoción para el establecimiento de nuevas opciones
productivas en San Martín deben considerar las potencialidades y limitaciones
del territorio para mitigar los impactos ambientales que, en el caso de la erosión,
están afec
Lo antes mencionado permite afirmar la necesidad de optar por nuevas opciones
sostenibles analizando los efectos o impactos futuros siendo el modelo
propuesto una alternativa
29
II. BIBLIOGRAFIA
Cohon, J.L., 1978. Multiobjetive programming and planning. Ed. Academic Press.
New York.
BCR. 2006. Síntesis Económica de la región San Martín. Sede Regional Iquitos.
Noviembre, 2006.
Duck
nalysis in water resources. Ed. American Society
of Civil Engineers. EE.UU.
FAO
agrícola sostenible” (Proyecto
GCP/RLA/126/JPN). Santiago, Chile.
FAO rovechamiento de la Tierra.
Colección FAO: Desarrollo 1. FAO, Roma Italia.
Gard, 1973. Efecto de la labranza cero versus el efecto de la labranza
convencional, Illinois. Web….
uitos – Nauta. Proyecto
raucaria Amazonas –Nauta. IIAP/ Proyecto Araucaria.
IIAP, partamento de San Martín.
Prpoyecto. IIAP/ Gobierno. Regional San Martín.
EI. 2005. Censos Nacionales 2005: X de Población y V de Vivienda
V
stein, L. 1984. Selection of an multiobjetive technique for a water resources
problems under uncertainties. Proceedings of the engineering foundation
conference: Multiobjetive a
, 2001. Programación lineal para la elaboración de escenarios óptimos de uso
de la tierra. Informe técnico N°3. Proyecto Regional “Información sobre tierras
y aguas para un desarrollo
, 1994. Directrices sobre la Planificación del Ap
IIAP, 2002. Zonificación Ecológica Económica de Iq
A
2005. Zonificación Ecológica Económica del De
IN
30
, Holanda.
Hwang, C., y A. Masud, 1979. Múltiple objetive decisión-making meted and
Maino, M. J.,Pittet D., C. Kobrich, 1993. Programación Multicriterio: Un
instrumento para el diseño de sistemas de producción. RIMISP, Santiago de
Romero, C., 1993. Teoría de la decisión multicriterio: Conceptos, técnicas y
Romero, C. y T. Rehman, 1989. Múltiple Criteria Análisis for Agricultural
Decisions. Elsevier, Ámsterdam, Holanda.
Hendriks, Th.H.B. y P. Van Beek., 1991. Optimaliseingstechnieken. Principes en
toepassingen. Bohn Stafleu Van Loghum
applications. Ed. Sprinter Verlag. Berlin.
Chile.
aplicaciones. Alianza Editorial, Madrid, España.
31
Anexo 1: Lugares de m campo
Provincias unidades
VIII. Anexos
uestreo para toma de información de
Distritos/comPaujilzapa Pucacaca Picota Buenos Aires José Pardo Santa Victoria Dos Unidos Bellavista
Fausta Lamista San Marcos Soritor MoyobambaLa Habana Chazuta San Martín Cacatachi
Huallaga Piscoyacu Mariscal Cáceres ba Huayabam
Lamas Rumizapa El Dorado Requena
Anexo 2: Precios promedios de valor de a por zonas en San Martín la tierr
ZONA CULTIVO ALTO MAYO BAJO MAYO BAJO
HUALLAGA H CENTRAL HUALLAGAUALLAGA ALTO
MAIZ S/. 500 S/. 700 S/. 300 S/. 500 S/. 300 CAFÉ S/. 6000 S/. 4000 S/. 2500 S/. 8000