¿EXISTE RELACIÓN ENTRE LA APTITUD FÍSICA DE LAS TIERRAS DEDICADAS AL CULTIVO DE LA CAÑA DE AZÚCAR Y LAS VARIABLES ECONÓMICAS? ISAÍAS MACHADO CONTRERAS, SADDYS SEGRERA FRANCIA, RAFAEL VILLEGAS DELGADO Y LEDYA BENÍTEZ PUIG Introducción. La agroindustria azucarera está llamada a un profundo proceso de cambio, basado fundamentalmente en el redimensionamiento y perfeccionamiento de sus empresas. La realización de tan trascendentales cambios, con profundas implicaciones económicas y sociales, tiene que estar basada, necesariamente en procedimientos científicotécnicos que permitan reducir el margen de error en el momento de la toma de decisiones. No en vano, expresaba Alvaro Reynoso en 1863, que no es la fuerza muscular sino las soluciones de la ciencia, las que deben conducirnos al éxito. El programa de evaluación de las tierras dedicadas al cultivo de la caña de azúcar, responde a la necesidad que presenta el Ministerio del Azúcar, de conocer la aptitud física de su fondo de tierras, con el objetivo de realizar un uso correcto de las mismas. La necesidad de adecuar el cultivo a los mejores suelos, fue también destacada por Reynoso, quien afirmó que “tan sólo con una parte de las tierras y un número de brazos infinitamente menor que el que hoy aplicamos en la caña de azúcar, podríamos obtener mejores resultados que los que hoy obtenemos”. En este trabajo se combinan los resultados preliminares (primera aproximación) del estudio de la Evaluación de la Aptitud Física de las Tierras a nivel nacional y la información contable que posee el Ministerio del Azúcar por UBPC y CPA. El objetivo del siguiente trabajo es realizar un estudio para analizar la relación existente entre las variables utilizadas para la evaluación de la aptitud física de las tierras y los datos contables (costos, gastos, ingresos, rendimiento para industria, etc), que permitan esclarecer los debates en la búsqueda de factores que puedan influir en la asignación de diferentes precios de caña, según las características propias de cada lugar. Materiales y Métodos Los análisis se efectuaron a partir de un estudio que interrelacionara tanto a las variables empleadas en la evaluación de tierras como a las contables a nivel de unidad (UBPC y CPA), tomando en consideración que hubo que efectuar transformaciones para compatibilizar ambas informaciones debido a que la base de datos nacional resultante de la evaluación de tierras utiliza al bloque, como unidad mínima de manejo para el cultivo de la caña de azúcar, y la base de datos con la información contable utiliza la unidad de producción. Las variables contables empleadas fueron: Costo de cultivo, cosecha, del tiro, total ($/t) Gasto de Administración ($/t) Área cosechada industria, para semillas u otros, total (cab) Ingresos ($) Rendimientos (t/ha) Salarios, etc. ($) La aptitud de las tierras se obtuvo tomando los criterios del Sistema de evaluación AGRO24, del Ministerio de la Agricultura. La unidad cartográfica de suelo del Mapa Nacional de Suelos, escala 1:25000, fue utilizada como unidad de tierra, la información que se genera en dicho Mapa, junto a los perfiles de suelos a él asociados y las precipitaciones medias anuales fueron las variables empleadas para la evaluación. Los resultados de cada CAI se presentan al nivel del bloque cañero, teniendo en cuenta que éste se utiliza como Unidad Mínima para el manejo tecnológico del cultivo, bajo el supuesto de su homogeneidad de suelos, pendiente, etc., sin embargo como es lógico para parcelas tan grandes lo frecuente es encontrar bloques heterogéneos, en cuanto a sus características edafológicas y de relieve, cuestión ésta que se tuvo en cuenta en el proceso evaluativo. La aptitud de las tierras se expresa en cuatro categorías, los rangos utilizados para delimitar las clases de aptitud se muestran en la Tabla 1. Tabla 1. Tabla Evaluativa para clasificar las Tierras Potenciales con el Sistema Automatizado AGRO24. Categorías a partir de los Rendimientos Mínimos Rango de Rendimiento t/ha @/cab > 53 > 62 000 A2: Moderadamente Apta 37 – 53 44 000 – 62 000 A3: Marginalmente Apta 22 – 37 26 000 – 44 000 < 22 < 26 000 A1: Sumamente Apta N: No Apta A las variables numéricas (rendimiento potencial, profundidad efectiva y precipitaciones) que participaron en la evaluación de tierras se les calculó la media ponderada para agrupar todos los bloques correspondientes a una misma unidad. Para el caso de las variables categorizadas (pendiente, rocosidad, pedregosidad, salinidad, acidez del suelo, aluminio cambiable, capacidad de intercambio catiónico, drenaje y compactación) se calculó para cada una de ellas, el área correspondiente a cada categoría dentro de una misma unidad. Otros 2 sistemas automatizados intervinieron en el procesamiento de los datos. Primeramente, se utilizó el Microsoft Visual FoxPro para la codificación y creación de base de datos que combina variables económicas y factores de suelos. Seguidamente, se empleó al paquete estadístico Statistica para efectuar los análisis que permitiera establecer relaciones y mostrar el comportamiento entre las distintas variables que conforman la base de datos. Resultados y Discusión Inicialmente se pretendió comprobar si existía relación entre el rendimiento para industria (caña molible) y el rendimiento potencial a nivel de unidad, para ello se efectuó un análisis, cuyo resultado aparece en la Figura 1 donde se muestra que no existe relación entre estas 2 variables, es decir, se forma una línea recta horizontal con el eje de las X (rendimiento para industria) que expresa que la variación de una de las variables no repercute o influye en el comportamiento de la otra. Figura 1. Relación entre el Rendimiento para industria y el Rendimiento Potencial a nivel de UBPC y CPA. Seguidamente se procedió a analizar las relaciones que pudieran existir entre el rendimiento para industria y las variables Figura 2. Componentes principales de las variables económicas a nivel de UBPC y CPA. contables a nivel de unidad. Para ello, se hizo un análisis de componentes principales que se muestra en la Figura 2. El porcentaje de varianza explicada por el componente principal fue extremadamente bajo (11%) y no se pudo establecer relaciones fuertes entre el rendimiento para industria y el resto de las variables. La interpretación de este gráfico nos lleva a fijarnos en aquellas variables que se agrupan cerca del valor 1 del eje de las X, lo que significa que las variables que estén en esta situación muestran relaciones fuertes entre sí, como es el caso del costo total (CTOTAL) y de cultivo (CCUL) a nivel de unidad. A continuación se buscó la relación existente entre el rendimiento para industria y las variables contables individualmente a nivel de unidad. El costo de cultivo posee una relación inversa con respecto al rendimiento para industria de modo que para rendimientos alrededor de 20 t/ha el costo de cultivo es de 27.61 $/t y para rendimientos de alrededor de 80 t/ha el costo es de alrededor de 9.06 $/t (Figura 3). Figura 3. Relación entre el Rendimiento para industria y el Costo de cultivo a nivel de UBPC y CPA. El costo de cosecha a nivel de unidad no arrojó ninguna relación explícita con respecto al rendimiento para industria aunque existe una tendencia a disminuir a medida que el rendimiento aumenta, el resto de las variables Figura 4. Relación entre el Rendimiento para industria y el Costo de cosecha a nivel de UBPC y CPA. como el costo de tiro, los ingresos por liquidación, salarios y otras variables contables existentes en la base de datos, no mostraron relación alguna (Figura 4). Un análisis de la distribución de frecuencias del rendimiento para industria y el rendimiento potencial resultante de la evaluación de tierras a nivel de unidad, indica una reducción apreciable de la varianza del rendimiento para industria con respecto al rendimiento potencial, así como no se mostraron relaciones entre ellas. Ello significa que el rango de variación de esta variable es pequeño y por tanto existe poca varianza entre diferentes factores que pueden ser analizados (Figura 5). Figura 5. Distribución de frecuencias del Rendimiento para industria y el Rendimiento potencial a nivel de UBPC y CPA. Se seleccionaron las áreas a nivel de unidad con diferentes categorías de aptitud física de las tierras, así como la profundidad efectiva y las precipitaciones por unidad para analizar su relación con el rendimiento potencial y el rendimiento para industria, lo cual se realizó en el análisis de componentes principales que aparece en la Figura 6. Figura 6. Componentes principales del volumen de áreas por categorías de aptitud (A1, A2, A3 y N), la profundidad efectiva, las precipitaciones, el rendimiento para industria y el rendimiento potencial a nivel de UBPC y CPA. Puede observarse que el rendimiento potencial a nivel de unidad posee realción con las precipitaciones (Precipit), la profundidad efectiva (Prof. efect) y el volumen de área a nivel de unidad con categoría A1. Los volúmenes de áreas con categoría A3 y N a nivel de unidad se relacionan con el rendimiento potencial de forma negativa mientras que el área con categoría A2 y el rendimiento para industria (Rend. para Ind) no mostraron ninguna relación con el resto de las variables. Se prepararon variables comodines para identificar las unidades que tuvieran diferentes rangos de porcentajes de áreas a nivel de unidad en las distintas categorías de aptitud de las tierras. Se establecieron los siguientes rangos: para unidades en las cuales más del 75% del área se correspondiesen con la categoría A1, para unidades en las cuales el porcentaje de áreas a nivel de unidad estuviese entre 50 y 75 % con categoría A1, para unidades cuyo porcentaje de áreas a nivel de unidad estuviese entre 25 y 50 % con categoría A1 y para unidades en las cuales menos del 25% del área se correspondiesen con la categoría A1. De igual forma los rangos se utilizaron para las áreas con categoría N. Es decir, se crearon variables de estas características para las categorías de aptitud más y menos idóneas (A1 y N, respectivamente). Se procedió entonces a realizar un análisis de varianza para analizar los niveles de las variables contables. Figura 7. Análisis de varianza para rangos de porcentajes de áreas a nivel de unidad con categoría A1 para el rendimiento para industria y el rendimiento potencial. En la Figura 7 se observa que los niveles de rendimientos obtenidos para diferentes rangos de porcentaje de áreas a nivel de unidad con categoría A1 no tienen diferencias significativas para el rendimiento para industria, sin embargo son diferentes estadísticamente para el rendimiento potencial. Es decir, independientemente del porcentaje de área con categoría A1 a nivel de unidad, se tiene como promedio que el rendimiento para industria varía entre 31 y 35 t/ha, no así para el rendimiento potencial, que posee variaciones significativas entre los diferentes rangos de porcentajes de áreas con categoría A1, el mismo varía entre los 39 y 73 t/ha. Véase incluso, que para el caso del rendimiento para industria, unidades de producción con menos del 25% de áreas con categoría A1 pueden obtener rendimientos superiores a otras con porcentajes de áreas con categoría A1 entre 25 y 75%. El rendimiento potencial muestra como comportamiento que a menor porcentaje de áreas con categoría A1 se obtienen menores valores de rendimiento. Si este mismo análisis se realiza para porcentajes de áreas a nivel de unidad con aptitud N para el rendimiento potencial se obtiene el gráfico que aparece en la Figura 8. Figura 8. Análisis de varianza para rangos de porcentajes de áreas a nivel de unidad con categoría N para el rendimiento potencial. Se observa que al igual que para las áreas con categoría A1, el rendimiento potencial presenta variaciones significativas para los distintos rangos de porcentajes de áreas con categoría N que van desde las 18 t/ha hasta las 50 t/ha a nivel de unidad como promedio. Se muestra además, que el rendimiento potencial a menor porcentaje de áreas con categoría N se obtienen mayores valores de rendimiento. Figura 9. Análisis de varianza para rangos de porcentajes de áreas a nivel de unidad con categoría N para el ingreso por liquidación de caña. Las variables contables como salario, ingresos por liquidación de caña, etc., a nivel de unidad sólo reportan diferencias para aquellas unidades con porcentajes de suelos muy malos mientras que no hay diferencias entre las categorías buenas e intermedias, a continuación aparecen los ejemplos de ingresos por liquidación y de los costos totales a nivel de unidad en la Figura 9 y 10, respectivamente, que dan muestra de lo anteriormente planteado. Figura 10. Análisis de varianza para rangos de porcentajes de áreas a nivel de unidad con categoría N para el costo total. Consideraciones finales Con las bases de datos analizados se confeccionó una tabla de relaciones de rendimientos potenciales contra los porcentajes de áreas a nivel de unidad evaluadas con las categorías N y A1 (Tabla 2). Las áreas con categorías A2 y A3 no fueron analizadas para diferentes rangos de porcentajes debido a que se obtuvo con anterioridad que las áreas con A3 tenían una relación inversa al rendimiento potencial y en el caso de áreas con A2 a nivel de unidad no mostraron relación con dicho rendimiento (Figura 6). Tabla 2. Rendimientos potenciales (t/ha) para diferentes rangos de porcentajes de áreas a nivel de unidad con categoría A1 y N. Categorías >75 % del área a nivel de unidad 50-75 % del área a nivel de unidad A1 N 72 17 61 27 Además se pudo comprobar que para rendimientos potenciales superiores a 50 t/ha los costos de cultivo bajan hasta un valor asintótico que para el caso de las unidades analizadas fue de alrededor de 8 $/t para las 100 t/ha (Figura 3). Con estos resultados se creó un modelo matemático para relacionar los rangos de porcentajes del área a nivel de unidad con aptitud N y A1 (Figura 11) para determinar el 25-50 % del área a nivel de unidad 53 36 <25 % del área a nivel de unidad 30 50 rendimiento potencial crítico y conocer en qué situación las unidades podrían alcanzar los mejores y peores rendimientos, se obtuvo como resultado que para porcentajes del área a nivel de unidad con aptitud N mayores que los porcentajes de área con aptitud A1, los resultados son críticos, no así a la inversa. En los casos que existan unidades que tengan el porcentaje de áreas con aptitud N superior al 50 %, deberán tener el resto de las tierras con A1 para superar el límite crítico de las 50 t/ha. Los resultados alcanzados responden a las características de las unidades recogidas en la base de datos utilizada. Figura 11. Modelo matemático para relacionar los rangos de porcentajes del área a nivel de unidad con aptitud N y A1. En la Figura 12 aparecen los parámetros estadísticos resultantes en el modelo matemático y se han obviado los puntos de acuerdo a los valores de la base de datos, para mayor claridad. Figura 12. Modelo matemático para relacionar los rangos de porcentajes del área a nivel de unidad con aptitud N y A1 con parámetros estadísticos. El modelo anterior podrá ser útil en el análisis y discusión de una política de estimulación a aquellos productores que aun teniendo un porcentaje de áreas alto con categoría N, logran buenos resultados, así como penalizar a aquellos quienes estando en condiciones favorables por un porcentaje alto de tierras con categoría A1 obtienen rendimientos por debajo de su potencial. Igualmente dicho trabajo puede aportar elementos en el análisis en la búsqueda de precios diferenciados o no, de acuerdo al volumen de área por categoría de aptitud de las tierras, recordando que el mismo ha sido realizado tomando los datos a nivel de unidad. Bibliografía INICA. 2001. Evaluación de la Aptitud Física de las Tierras dedicadas al Cultivo de la Caña de Azúcar. Primera Aproximación. Reynoso. A. 1998. Ensayo sobre el cultivo de la caña de azúcar. Sexta Edición. Publicaciones Azucareras 372 pp. Abstract. In this paper the preliminary results (first approach) of physical land evaluation and the countable information for each UBPC and CPA are combined. The main objective of this paper is analyze the existent relationship between the variables used for physical land evaluation and the countable data (cost, incomes, industrial yield, and others), which allow to increase the debates in searching of factors able to influence in the different cane prices.