¿existe relación entre la aptitud física de las tierras dedicadas al

¿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.