Analisis Economico Del Cambio Climatico en La Agricultura de Region Piura

ANLISIS ECONMICO DEL CAMBIO CLIMTICO EN LA AGRICULTURA DE LA REGIN PIURA PER.
CASO: PRINCIPALES PRODUCTOS PIURAAGROEXPORTABLES
Proyecto breve PB cerrado
INFORME FINAL
RESPONSABLE Econ. Lina Torres Ruiz de Castilla RESPONSABLE:
Piura - 2010
Mis agradecimientos especiales a todos los que colaboraron con la presente investigacin: En el del financiamiento y apoyo en la revisin de avances e informe final al CONSORCIO DE INVESTIGACION ECONOMICA Y SOCIAL (CIES), en el apoyo de trabajo de campo a Joisi Paico y Cinthia Salas; en el aporte de informacin estadstica al Br. Kielf Arroyo del BCRPPiura y Deysi Silva de la Regin Piura. En el asesoramiento especializado, a los Ingenieros Cardoza y Sandoval de la Facultad de Agronoma; al Decano de la Facultad de Economa Econ. Juan Francisco Silva Jurez por su apoyo institucional, y en la apreciacin y alcances del tema al Econ. Humberto Correa Cnova.
selbatropxeorga sotcudorp selapicnirP :osaC .REP -ARUIP NIGER AL ED ARUTLUCIRGA AL NE OCITMILC OIBMAC LED OCIMNOCE SISILNA
RESUMEN Introduccin Captulo I: Marco Terico 1.1. Cambio Climtico 1.1.1 Efecto del cambio climtico en la agricultura 1.1.2 Consecuencias del cambio climtico en el Per 1.1.3 El cambio climtico en la regin Piura 1.2. Funcin de produccin agrcolas 1.2.1 Modelos agrcolas con nfasis en variables edafo-climticas 1.2.2 Enfoques metodolgicos para estimar efectos del cambio climtico en la agricultura. 1.2.3 Evidencia Emprica Captulo II: Descripcin de la zona en estudio 2.1. Caractersticas generales de la regin Piura 2.1.1.Suelo 2.1.2.Clima y Temperatura 2.1.3.Recurso hdrico 2.2. Caractersticas de los principales productos agrcolas exportables de la regin 2.2.1 El Mango 2.2.2 El Limn 2.2.3 El Caf 2.2.4 El Pltano 30 30 30 31 32 36 39 42 45 9 11 14 17 20 21 22 25
CAPITULO III. Determinacin del Impactos del Cambio Climtico en la Agricultura. 3.1. Factores que determinan la produccin agrcola 3.2. Especificacin del modelo 3.3 Correlacin de las variables y Test de Cointegracin 3.4 Estimacin por cultivo 3.5 Anlisis de los resultados 3.6 Anlisis de Prediccin al 2030 3.6.1 Prediccin en el rendimiento por cultivo 3.6.2 Variacin en el ingreso por cultivo 3.6.3 Medidas a adoptar por cultivo CONCLUSIONES. RECOMENDACIONES. BIBLIOGRAFA. 49 51 54 55 67 68 68 70 72
ndice
ANEXOS.
temperature is near to the thermal threshold of the plants. The principal activity of the Piura as a region is the export agriculture because of their contribution to the regional and national agricultural PBI. The main export crops are mango, lemon, banana and coffee; crops that are perennial up to 3 to 4 years of maturity and live for more than 20 years, in other words they have a lot of investment on it. The aim of this study is to quantify the impact of climate change on crops mentioned above, from a production function relating the yield of each crop over the climatic variables, temperature, precipitation and El Nio. The results tell us that the yields of the crops studied are explained in more than 50% by climatic variables. Based on estimates of the proposed models quantified the losses in crop yields in 2030 will be 3.86% for the mango. The banana also will be negatively affected on average by 2.5% in the target year, but in the case of coffee is ambiguous depending on high or low values predicted, a further increase in temperature to the crop will benefit up to 24.91%; in the case of lemon also occurs an increase in yield of 1.5% to 8% depending on low or high forecast. It is important to implement agro-meteorological assistance and early warning systems at stations close to the crops and with access and guidance to farmers to take early action. Besides taking measures differ by crop, but research is generally management to mitigate the negative effects or increase positive effects, depending on the crop.
ABSTRACT Piura is located on the north coast of Peru, very close to the Ecuador, where the high
al cambio climtico por las altas temperaturas que ya experimenta y cercano al umbral trmico de las plantas. La actividad principal de la regin Piura es la agricultura de exportacin por su aporte al PBI agrcola regional y nacional. Los principales cultivos de exportacin son el mango, limn, pltano y caf; cultivos que son perennes hasta de 3 a 4 aos de maduracin y ms de 20 aos de vida, es decir tienen mucha inversin incorporada. El objetivo del estudio es cuantificar el impacto del Cambio Climtico en los cultivos antes sealados, a partir de una funcin de produccin, relacionando el rendimiento de cada cultivo respecto a las variables climticas; temperatura, precipitacin y fenmeno del nio. Los resultados nos dicen que los rendimientos de los cultivos estudiados son explicados en ms del 50% por las variables climticas. En base a las estimaciones de los modelos propuestos se cuantifica que las prdidas en el rendimiento de los cultivos en el ao 2030 sern de 7,48% para el mango. El pltano tambin ser afectado negativamente en promedio en 38.51% en el ao proyectado; pero en el caso del caf un mayor aumento de la temperatura a este cultivo le beneficia hasta en un 41.1%; en el caso del limn ocurre tambin un aumento en el rendimiento de 52.74% dependiendo del valor bajo o alto de la temperatura pronosticada. Es importante que se implemente asistencia agro-meteorolgica y sistemas de alerta temprana en las estaciones cercanas a los cultivos y con acceso y orientacin a los agricultores para que tomen acciones anticipadas.
RESUMEN Piura se ubica en la costa norte del Per, muy cercana al ecuador, por tanto vulnerable
investigacin para el manejo de cultivos que permitan mitigar los efectos negativos incrementar los efectos positivos, segn cada cultivo.
que es necesario profundizar los conocimientos sobre el cambio climtico e iniciar un anlisis integrado de las posibles consecuencias del calentamiento global y desarrollar opciones para hacer frente a sus efectos ambientales y socio-econmicos. A partir de los estudios, liderados por el IPCC1, donde se afirma que el cambio climtico es un hecho; como consecuencia de las acciones antropognicas, y sus efectos por lo menos durarn 100 aos2 . El problema es que an no se tiene internalizado los efectos del cambio climtico (CC), por carecer del conocimiento tcnico necesario, esto hace que los planes de adaptacin sean lentos, se tienen pocas experiencias consistentes en planificacin para adaptarse a sus efectos, debido a la incertidumbre que existe respecto al mismo. La actividad directamente afectada por el CC es la agricultura, los cultivos son sensibles a las temperaturas y a las precipitaciones, manifestaciones principales del CC. Estos efectos en la agricultura no sern homogneos en todas las regiones del planeta. Mientras que en las regiones montaosas y del rtico se elevar la cantidad de tierra cultivada, en las regiones tropicales decrecera la productividad agrcola ante una reduccin de la humedad del suelo3.
IPCC: Grupo Intergubernamental de Expertos sobre Cambio Climtico, por sus siglas en ingles Si se considera la anomala positiva del ao 1000, donde los niveles de temperatura aumentaron y permanecieron 100 aos. 3 Cepal (2010): ISTMO Centroamericano: efectos del cambio climtico sobre la agricultura Mxico.
2
Adems las medidas a tomar difieren por cultivo; pero en general se requiere o
INTRODUCCION
Los graves problemas ambientales observados a fines del siglo pasado demostraron
geogrfica y por ser un pas en desarrollo4; sin embargo se cuenta con pocos estudios al respecto que respalden programas de ayuda y mitigacin; por lo que es necesario hacer investigacin al respecto, as como lo hacen otros pases en el mundo. El departamentos ms afectado del pas ser Piura, debido a su ubicacin geogrfica cerca de la lnea ecuatorial, y las temperaturas de estas regiones ya son elevadas aun sin el cambio climtico, la actividad agrcola sera insostenible con temperaturas mayores a las actuales, lo que afectara el umbral trmico de las plantas, creando problemas en los cultivos. La actividad econmica ms importante en la regin Piura es la agricultura (34.8% PEA) ;
5
agrcolas, integrando costa y sierra por la demanda de mano de obra en la agricultura de exportacin. La agricultura representa el 7% del PBI regional y aporta 5% al PBI agrcola nacional. La regin Piura tiene un rea potencialmente agrcola de 277.372 has de las cuales 157.798 has son irrigadas y estn ubicadas en los valles de Alto, Medio y Bajo Piura; Chira y San Lorenzo.
el mango, el limn y el pltano en la costa y en la sierra el caf; cultivos que adems de demandar mano de obra, generan ingresos y divisas, y su importancia se reconoce a nivel nacional. La caracterstica de estos cultivos es que son permanentes, y para la primera produccin requieren en promedio de 3 a 4 aos y su periodo de vida supera los 20 aos. Estos cultivos requieren fuerte inversin, por ello no es fcil sustituirlos por los costos de inversin incurridos. Si los efectos del CC se intensifican, las prdidas sern considerables para los agricultores de este tipo de cultivos de exportacin, no slo por la disminucin en la produccin sino adems por la prdida de aos de inversin.
En base a la afirmacin de Cline(2007)
Abramonte M(2006) APORTES PARA EL GOBIERNO REGIONAL 2007 2010 Regin Piura-Gobierno Regional de Piura-CIPCA-CIES . 6
El Per es uno de los pases que va a ser muy afectado por el CC por su posicin
el desarrollo econmico se basa en el comercio de sus principales productos
Los principales cultivos de Piura, aparte del arroz y el algodn, son los de exportacin:
tiene por objetivo cuantificar el impacto del cambio climtico en la agricultura piurana, en especial en los principales productos agroexportables como es el mango, limn, caf y pltano. Las variables principales en que se manifiesta el CC, son las variaciones en las temperaturas mximas y mnimas, el nivel de las precipitaciones, y los eventos extremos que se acentan tanto en intensidad como en frecuencia; estos afectarn el rendimiento de los cultivos en diferente grado dependiendo de las necesidades y caractersticas de cada cultivo. La tarea en la presente investigacin es analizar la relacin de las variables climticas con el rendimiento de los cultivos seleccionados en el periodo 1970-2009, para luego medir los impactos del cambio climtico en el rendimiento de cada cultivo y pronosticar para el 2030. Esto nos permitir resaltar la importancia de estos efectos y proponer medidas que permitan mitigarlos. Para lograr el objetivo, se divide el trabajo en tres captulos, el primer captulo nos permite entender el cambio climtico, enfatizando sus manifestaciones en la agricultura y en la regin de Piura. Tambin se hace una revisin de la literatura de los diversos modelos agrcolas con nfasis en las variables climticas para el anlisis de los efectos del cambio climtico. En el segundo captulo se explica el contexto geogrfico y de la zona de estudio y las caractersticas de cada cultivo, enfatizando en sus requerimientos climticos. En el tercer captulo se estima la relacin del rendimiento del cultivo dependiendo de sus principales requerimientos climticos utilizando el enfoque estructural en base a una funcin de produccin, con datos anuales de rendimiento y variables climticas para el periodo de estudio aunque s con ciertas limitaciones de disponibilidad de informacin. Se obtiene para cada caso un modelo que permite hacer estimaciones preliminares de los efectos del cambio climtico en cada cultivo, estas predicciones se realizan a su vez en
Ante la problemtica planteada, se realiza el presente trabajo de investigacin que
base a los pronsticos del Senamhi en lo que respecta a las variables temperatura mnima y mxima y precipitacin pluvial. De los resultados, concluimos que para el ao 2030, el cultivo ms afectado ser el mango, su rendimiento disminuira en 7.48%, en el caso del limn, ste aumentar su rendimiento ms de 52,74%, en relacin al caf aumentara hasta en 41.1% si se toman en cuenta los valores altos. Los pronsticos sealan que el rendimiento del pltano disminuye en 38.5%. El total de los ingresos de los agricultores disminuir a pesar del incremento en el limn y el caf, principalmente porque el mango es el producto de ms has de produccin y precio; los clculos se realizan en base a la produccin del 2008 y precios del 2009. Estudios que midan el impacto del cambio climtico en la Agricultura, existen muchos a nivel mundial, pero no en el pas y menos an en la regin. El presente estudio tiene sus limitaciones, principalmente por la escases de la informacin a nivel regional, sin embargo permite tener una visin tcnica de la agricultura en relacin al CC y base para futuras investigaciones, dado el gran potencial agrcola del pas y la regin.
Unidas sobre el Cambio Climtico como el cambio del clima atribuido directa o indirectamente a actividades humanas que alteran la composicin de la atmsfera mundial, y que viene a aadirse a la variabilidad natural del clima observada durante perodos de tiempo comparables.6 Una de las principales causas subyacentes del CCG es el incremento de forma artificial de las emisiones de gases de efecto invernadero en la atmsfera, provocando el aumento de la temperatura media, a raz de lo cual retiene ms calor y de esa manera se produce el Calentamiento Global.7 GRFICO N 1.1: TEMPERATURA PROMEDIO GLOBAL DEL PLANETA 1861-2004
6
7
Convencin Marco de Naciones Unidas sobre Cambio Climtico. Naciones Unidas. 1992. Art. I, Definiciones. Inc. 2 Carnero Contenti Vanesa, Comunidad internacional y Cambio Climtico Global. A propsito de nuevas tendencias y escenarios (CAEI) disponible en la pagina web. http.www.caei.com.ar/ebocks/ebook14.pdf
CAPITULO I. 1.1 CAMBIO CLIMATICO
MARCO TERICO
El Cambio Climtico Global (CCG) fue definido por la Convencin Marco de Naciones
del suelo desde el ao 1861 hasta el ao 2004, la lnea azul muestra la tendencia suavizada de los promedios anuales individuales, en ambos, se ve claramente que el incremento de la temperatura es notable desde 1920. La informacin del Hadley Centre for Climatic Prediction and Research incluye el anlisis de otras variables climticas, como la temperatura del aire del mar en la noche, y la temperatura de la superficie del mar, todas ellas se han incrementado desde 19209. Se sostiene tambin que las temperaturas nocturnas se han incrementado, desde 1950, se experimenta un crecimiento de aproximadamente 0,2 por dcada, y en cuanto a C las temperaturas mnimas, stas han disminuido; es decir la variabilidad de las temperaturas se acenta ms; incluso se ha incrementado el nmero de das con heladas y la amplitud de las estaciones. No slo son las elevadas temperaturas las que indican el cambio climtico; tambin estn los cambios en otras variables climticas, como son las precipitaciones pluviales, sequias prolongadas y bajas temperaturas, todas estas con mayor incidencia que antes, esto es lo que se denomina anomalas, es decir estn fuera del promedio.
8
Mitchell John (2005) Climate change and the greenhouse effect-A briefing from the Hadley Center-Met office Hadley Center. 9 Explicado en Mitchell John (2005) Climate change and the greenhouse effect-A briefing from the Hadley CenterMet office Hadley Center
Fuente: John Mitchell Climate change and the greenhouse effect8 El Grfico N 1.1 muestra el cambio de la temperatura media mundial de la superficie
10
agua ha variado, el nivel del mar ha aumentado, as como su salinidad ha disminuido, el aumento del vapor de agua se ha incrementado (documentado en gran parte de Amrica del Norte y en los trpicos por IPCC, 2001), el vapor de agua es el gas invernadero ms importante en la atmsfera. Tambin se observa otros cambios importantes como las variaciones en la circulacin ocenica, estas incluyen al Fenmeno del Nio, el ndice Oscilacin Sur (ENOS), ndice Oscilacin del Atlntico Norte (OAN) e ndice de patrn de circulacin del Pacfico-Nor Amrica (PNA). Los registros muestran informacin interesante, hay variaciones decadales y multidecadales, pero es demasiado pronto para detectar cualquier tendencia a largo plazo. Existen pruebas de que los fenmenos de El Nio (ENSO) han variado en el perodo, tanto en intervalos de recurrencia, y fuerza del impacto. Un cambio ms abrupto en ENSO y otros aspectos de la circulacin atmosfrica parece haber ocurrido alrededor de 1976-1977. Ms ENSOs y ms frecuente, con ocurrencias raras en su otro extremo (Fenmeno La Nia) se convirti en mucho ms frecuente. El fenmeno "El Nio", conocido tambin con el nombre cientfico de "El Nio Oscilacin del Sur" ENSO; es un evento a gran escala, que se extiende ms all del Pacfico Sur. Este Fenmeno se da por el aumento generalizado de la temperatura de la superficie del mar en gran parte del sector Oriental y Central del Pacfico Ecuatorial y simultneamente una disminucin de la presin atmosfrica en el Pacfico Sur Oriental (costa de Sudamrica) y aumento en la regin de Oceana. En la Figura N 1.1 claramente se aprecia el cambio de los factores que desencadena el Fenmeno del Nio, esto ocurre frente a las costas peruanas, especialmente en la zona norte, la que es afectada por las aguas calientes provenientes del oeste, lo que provoca la evaporacin y la intensidad de las lluvias10.
Corporacin Andina de Fomento EL FENOMENO EL NIO 1997- 1998 MEMORIA, RETOS Y SOLUCIONES- VOLUMEN V:PERU disponible pag web: http://www.unisdr.org/eng/library/Literature/8766.pdf - visitado 12/03/10
10
Las precipitaciones pluviales son ms intensas, principalmente porque el ciclo del
11
FIGURA N 1.1: PER-COMPORTAMIENTO DE LOS FACTORES MODIFICADORES DEL CLIMA DURANTE EL EVENTO EL NIO 1997-98
proceso de convectiva, cuando las aguas calientes se encuentran en el extremo oriental del Pacfico se desplazan hacia el este en ondas (denominadas Kelvin), incidiendo sobre la costa de Sudamrica, aqu se produce un engrosamiento del termoclina el que se propaga hacia el sur y al norte, invadiendo con aguas calientes las costas, principalmente la costa norte del Per, lo que da lugar a la intensidad de las precipitaciones en esta regin del Pas. Sandra Barreira y Mara Elena Segura (2001)13 explican que hoy se cuenta con modelos de pronstico potentes, los grandes centros mundiales de procesamiento han reconstruido el estado de las temperaturas del mar desde mediados del siglo XIX hasta la fecha. Con estos datos se ha podido determinar los aos en los que se han presentado los eventos clidos (Nio) y los eventos fros (Nia) a lo largo del siglo XX y a partir de ello, realizar diferentes estudios de recurrencia del fenmeno. 1.1.1
11
12
Ibid, pag 19.

Woodman Pollitt Ronald (1998): El Fenmeno El Nio y el Clima en el Per Publicado por el Congreso de la Repblica en "El Per en los Albores del Siglo XXI/2; Ciclo de Conferencias 1997-1998", Ediciones del Congreso del Per, Lima-Per, pg. 201-242.
13
Barreira Sandra y Segura Mara Elena (2001): Pronostico Climtico De Temperatura Y Precipitacin Basado En El Estado De Las Temperaturas Del Mar En El Pacifico Ecuatorial- Boletn del Servicio de Hidrografa NavalAo IV N 1 2001
Fuente: SENAMHI- extrado de Corporacin Andina de Fomento11 Woodman Pollitt Ronald (1998)12, detalla este fenmeno, como el resultado de un
Efecto del cambio climtico en la agricultura
12
afectada por los efectos del cambio climtico, toda vez que las emisiones de gases efecto invernadero aumentan con el crecimiento econmico, y stas son la causa principal del calentamiento global. La base del anlisis se sustenta en que la evaporacin del suelo se acelera cuando las temperaturas aumentan y con ella aumenta la transpiracin de las plantas, lo que ocasiona ms humedad en sus hojas, el efecto combinado es denominado "evapotranspiracin." Debido al calentamiento global aumenta la probabilidad de las precipitaciones, el efecto neto de las altas temperaturas y mayor disponibilidad de agua, es una carrera entre una mayor evapotranspiracin y precipitacin ms alta. Por lo general, se observa que gana el aumento de la evapotranspiracin, Cline W.R (2007)14 Tambin se sostiene que el impacto del cambio climtico en la agricultura es complejo, niveles altos de concentracin de CO2 tiene un impacto positivo, mientras que el aumento de la pluviales15. La variabilidad del clima, consecuencia de los diversos fenmenos naturales que se ha venido discutiendo; hace que los productos agrcolas en sus pocas de floracin, etapa ms importante para las plantas, no estn a su temperatura ideal para su desarrollo si no que estn por encima de su temperatura ptima o por debajo de ella. La produccin de las plantas tambin responde a las variaciones del recurso hdrico, principalmente los procedentes de las precipitaciones, tanto por su intensidad como por la temporada. Cline (2007), realiz estudios sobre los impactos del cambio climtico en las cosechas, l estim que estos impactos seran negativos, ms an, sostiene que en pases en desarrollo las prdidas sern mayores, y hasta de 50 % de prdida en los pases ms temperatura, al principio es positivo en el rendimiento del cultivo; pero despus de ciertos lmites es negativo, esto tambin sucede con las precipitaciones
14
15
Cline W.R.(2007)global warming and agricultural: impact estimates by country center for global development an Peterson Institute for international economics, Washington, D.C.
Galindo Luis M (2009) en La Economa del Cambio Climtico en Mxico Sntesis 2009 pg 21.
Al depender la agricultura de factores climticos, es natural pensar que sta se ver
13
pobres (Senegal y Sudan)16. Tambin remarca que los daos sern mayores en los pases ms cercanos al ecuador, donde las temperaturas ya se acercan a los niveles de tolerancia de los cultivos y ste sera el caso de Per, en la zona norte principalmente. Estudios como el de Jones et al. (1997), plantean que los efectos directos serian sobre el rendimientos y manejo de cultivos, y que los efectos indirectos influiran en aspectos de anlisis tcnico econmico de implementacin de nuevas polticas y alternativas. Mohamed A Ben y otros (2002)17, en sus recomendaciones para hacer frente al CC sugiere la mejora tecnolgica en cuanto al uso eficiente del agua, consistente en tcnicas de riego y uso de fertilizantes como abonos orgnicos que permitan mantener la humedad del suelo y mayor absorcin de las plantas., contrarrestado la prdida de stos debido al aumento de las temperaturas y disminucin de las lluvias. 1.1.2 Consecuencias del cambio climtico en el Per
heterogneo dependiendo de la zona geogrfica; esto es importante ya que el Per consta de muchos microclimas constituyendo 84 zonas de vida de las 114 a nivel mundial y 28 tipos de clima de los 34 existentes en el planeta. De acuerdo a lo anterior el CC en el Per tendr diversos efectos dependiendo de las zonas y climas existentes lo que har que las manifestaciones climticas en unas regiones sean beneficiosas, incrementando las rea de cultivo en las regiones fras y en otras sean perjudiciales como en la regin Piura por el incremento de la temperatura que actualmente est en niveles muy altos; aun ms por la recurrencia e intensidad de eventos extremos como el Fenmeno de el Nio.
Vargas Paola (2009), describe 3 manifestaciones del cambio climtico en el Per debido
al aumento de la temperatura global. La primera es la desglaciacin de los principales

16
Cline William R (2008) Calentamiento mundial y agricultura en Finanzas y Desarrollo Marzo 2008 pg 25.
Mohamed A. Ben, Duivenbooden N.Van and Abdoussallam S (2002) Impact of climate change on agricultural production in the Sahel part 1. Methodological approach and case study for millet in Niger- Climatic Change 54: 327348.
17
Cline (2007) y otros estudios, sostienen que el impacto del cambio climtico ser
14
nevados que ocasiona la prdida de agua, fenmeno que se da desde 198718, demostrado con fotografas y los inventario hechos por el CONAM que en 1997 estos nevados haban disminudo hasta en 40%, fenmeno que afecta a las latitudes altas y en general por la menor reserva de agua a nivel nacional. La segunda manifestacin se refiere a la frecuencia e intensidad del Fenmeno del Nio, que afecta al Per sobre todo en la parte norte, provoca inundaciones y prdidas considerables principalmente en la agricultura. En el Sur estos eventos son escasos, pero pueden sobrevenir y son a menudo devastadores dndose el fenmeno contrario que es la sequa prolongada. Observamos en el cuadro 1.1 los eventos Nio calificados de muy fuertes, estos han sobrevenido desde 1578, se podran comparar con los eventos de 1982-83 y de 1997-98, son 9 eventos muy fuertes ocurridos en 475 aos, aproximadamente cada 50 aos.19 CUADRO N 1.1 EVENTOS NIOS SEGN INTENSIDAD Ao
1578 1728 1790 1793 1828 1891 1926 1932 1933 1939 1941 1943
Informacin obtenida de Gen Torres en http://www.comunidadandina.org/desarrollo/cl_LuisGeng.pdf Tomado de http://news.bbc.co.uk/hi/spanish/latin_america/newsid_6368000/6368609.stm Revisado 16.02.2007 Proyecciones OMA-MVCS. 19 Estudio Hidrolgico - Meteorolgico en la Vertiente del Pacfico del Per con Fines de Evaluacin y Pronstico del Fenmeno El Nio para Prevencin y Mitigacin de Desastres. Lima. 1999
18
Magnitud
Muy severo Muy severo Muy severo Muy severo Muy severo Muy severo Muy severo Dbil Severo Dbil Severo Dbil
ATSM*
>8 C >8 C >8 C >8 C >8 C >8 C >8 C 2 C 6 C 2 C 6 C 2 C
Ao
1953 1957 1965 1972 1977 1978 1983 1987 1992 1998 2008
Magnitud
Dbil Severo Dbil Severo Dbil Dbil Muy severo Dbil Dbil Muy severo Dbil
ATSM*
2 C 6 C 2 C 6 C 2 C 2 C >8 C 2 C 2 C >8 C <6C
Fuente: Elaboracin propia Tomado de: -Vargas Paola (2009) El Cambio Climtico y sus Efectos en el Per BCRP-Serie de Documentos de Trabajo julio 2009. -Plan de Contingencia del Fenmeno del Nio (INDECI 2002). (*) Anomalas de la temperatura superficial del mar
15
diferentes aos, vemos en este cuadro que estos eventos son ms frecuentes en los ltimos aos y cada vez de mayor impacto, dato importante a ser considerado en el presente estudio. GRAFICO N 1.3: IMPACTOS DE EVENTOS NIO Y NIA EN EL PERU
de los 80 y 90 se estaba en la fase clida de la Oscilacin Interdecadal del Pacfico. Y que desde 1999, aproximadamente, estamos en la fase fra, por lo que la tendencia positiva en la temperatura del Pacfico est de alguna manera disminuida. Es posible, por eso, que a partir de 2025 los impactos sean parecidos o incluso mayores a los 80 y 90, recalc. La tercera manifestacin importante del cambio climtico en el Per, explicada por Vargas es la elevacin del nivel del mar por cambios trmicos en la densidad del agua, causando su dilatacin y por el derretimiento de los glaciares cuyas aguas van a parar al mar, se observa una tendencia lineal de elevacin del nivel del mar en 0.55 cm./ao para el mar del Callao (1976-1988), y de 0.24 cm./ao para el mar de Paita desde 1988, que provoca prdida de terrenos en el litoral. A lo anterior se debe tener en cuenta lo que sostiene Pablo Lagos (2010) El Per est entre los pases ms vulnerables a los efectos del cambio climtico por su ubicacin en la regin tropical y porque est expuesto a mayor radiacin solar. En el Per la zona andina
En el Grfico N 1.3, se aprecia los eventos extremos Nio y Nia ocurridos en los
Yamina Vidal, investigadora del Instituto Geofsico, pronostic que: en las dcadas
16
es la ms vulnerable por su rpida variacin altitudinal, mayor gradiente trmico y mayor exposicin a los eventos climticos extremos. Los pronsticos del clima al ao 209920, la temperatura promedio en el Per superar los 3C, y este no ser compensada por las precipitaciones pluviales (0.22 mm por da), donde las plantas requieren ms agua para sustituir la humedad perdida a causa de la mayor temperatura del ambiente definido evapotranspiracin de las plantas. En el mismo pronstico se ve que otros pases estarn en peor situacin a la
nuestra porque no slo experimentarn incremento en la temperatura sino adems las precipitaciones pluviales en promedio por da disminuirn, (caso de Egipto con ms de 4C de temperatura y cada en sus precipitaciones de 0.20 mm por da), ver cuadro 1.2, esto har que los efectos negativos en la agricultura sern considerables.
Cline W. (2007): GLOBAL WARMING AND AGRICULTURE Impact Estimate by Country.- Center Institute for International EconomicsWashington DC. Cap 4. Country-level climate projections pgs. 38-39
20
Cuadro N 1.2 Presente y futuro del Promedio de temperatura y precipitacin)

Pas Egipto Francia Alemania Afganistan Algeria Angola Argentina Brazil America central Chile Colombia Cuba Canada Central Ecuador (C y mm por da, promedios anuales) T presente Futuro Precipitacin 1961-90 2070-99 presente 22.16 26.79 0.12 10.56 14.95 2.33 8.26 12.7 2 13.10 18.75 0.86 22.67 27.81 0.22 21.52 25.53 2.75 14.65 17.89 1.63 26.04 30.38 5.97 24.23 27.76 6.51 9.01 11.91 1.52 24.31 27.81 7.25 25.25 28.19 3.57 -0.47 5.41 1.21 22.15 25.36 5.52 Precipitacin future 0.12 2.13 2.09 0.86 0.23 2.62 1.66 5.84 6.18 1.43 7.44 3.50 1.41 6.01
17
razones, la primera es su situacin geogrfica, muy cerca al ecuador, con un clima semi tropical, hace que los aumentos de las temperaturas pasen el lmite de requerimiento de plantas y animales. La segunda razn es que se encuentra en el litoral costero, y justo frente a sus costas es la zona de convectiva donde se origina los eventos Nio, siendo afectado por intensas lluvias; adems la temperatura del nivel del mar lo afectan directamente, en el caso de las temperaturas mnimas, dan origen a los eventos Nia. En el Cuadro N 1.3, muestra la variacin de la temperatura mnima y mxima para los principales valles de la regin, estas variaciones son menores a nivel interdecadal. El de mayor variacin, es la temperatura mnima y ms an en el valle del Chira, y en cuanto a la temperatura mxima la mayor es la de San Lorenzo. Se resalta de este cuadro los pronsticos de temperatura mnima y mxima para el ao 2030; de 0.8 a 1.6 en la temperatura mnima y de 0.4 a 1.2 en la temperatura C C mxima. CUADRO N 1.3: VARIACION DE LA TEMPERATURA MINIMA Y MAXIMA EN LOS VALLES DE PIURA
Pakistan 19.91 24.76 0.83 0.96 Peru 19.52 23.34 4.22 4.42 Venezuela 25.44 29.17 5.33 5.31 Elaboracin propia , extrado de William R. Cline (2007): GLOBAL WARMING AND AGRICULTURE Impact estimate by Country.- Center Institute for International EconomicsWashington DC. Cap 4. Country-level climate projections pgs. 38-39.
1.1.3 El cambio climtico en la regin Piura: Piura, es una de las regiones ms vulnerables a la variabilidad climtica, por dos
Fuente: Senamhi Piura- Exposicin AGRORED-NORTE
18
inferiores de temperatura mnima (<16 C). En los valles de Piura y Chira esta reduccin interdecadal vara entre 51 a 62 %. En el valle de San Lorenzo la disminucin es significativa con Tmin<15 (53 %). Se observa una aumento en la frecuencia de los umbrales C superiores de temperatura mxima (>33 C). En los valles de Piura y San Lorenzo este incremento vara entre 15 a 32 %. En el valle del Chira no se evidencia un incremento significativo de la temperatura crtica superior.21. GRAFICON 1.4: FRECUENCIA DE DIAS AL AO: TEMPERATURAS MINIMA <
16 Y TEMPERATURA MAXIMA >33 -VALLES DEL CHIRA Y PIURA C C
mximo fue en el ao 1998 (evento Nio), Se observa un aumento en la frecuencia de los umbrales superiores de temperatura mxima (>33 C). En los valles de Piura y San Lorenzo este incremento vara entre 15 a 32 %. En el valle del Chira no se evidencia un incremento significativo de la temperatura crtica superior. La variacin de la temperatura promedio en base a la informacin de la Estacin de Miraflores en Piura, tiene una tendencia creciente, lo que se observa en el grfico.
21
Informacin obtenida directamente de la oficina del Senamhi Piura. Exposicin AGRORED-NORTE- Ing. Yauri-Funcionario especialista Meteorlogo.
Ing. Yauri-Funcionario especialista Meteorlogo.
En el Grfico 1.4, se observa una reduccin en la frecuencia de los umbrales
Fuente: Senamhi Piura- Exposicin AGRORED NORTE Ing. Yauri-Funcionario Especialista Meteorlogo.
Por otro lado, los das de mayor temperatura en la regin tambin aumentaron y el
19
temperatura mxima es decreciente. Consultando con el especialista de la Oficina SenamhiPiura, explica que la variabilidad climtica se da por ciclos y que estamos comenzando otra fase, la fase caliente, lo que indicara que aumente en promedio ambas temperaturas. Lo que se aprecia en el siguiente grfico.
1962 1965
1968 1971 1974 1977
1980 1983 1986 1989
1992 1995
FUENTE: ESTACION MIRAFLORES SENAMHI-PIURA- Elaboracin propia Considerando las caractersticas geogrficas de la regin, en el informe de PROCLIM22 (2004) se indica que la cuenca del ro Piura es una de las ms vulnerables del Pacfico a los eventos climticos extremos, debido particularmente a las anomalas ocanoatmosfricas que se presentan en el Pacfico Ecuatorial central y occidental, donde se genera
PROCLIM: Programa de Fortalecimiento de Capacidades Nacionales para manejar el Impacto del Cambio Climtico y la Contaminacin del Aire.
22
1998 2001 2004 2007
1962 1965 1968 1971 1974 1977 1980 1983 1986 1989 1992 1995 1998 2001 2004 2007
28 26 24 22 20
GRAFICO N 1.5: TEMPERATURA PROMEDIO C PIURA - 1962-2009
FUENTE: ESTACION MIRAFLORES SENAMHI-PIURA Elaboracin propia.
La temperatura mnima en promedio tiene una tendencia creciente, mientras que la
GRAFICO N 1.6: PROMEDIO DE TEMPERATURA MAXIMA Y MINIMA PIURA 1962-2009

TEMPERATURA PROMEDIO MINIMA PIURA -1962-2009
33 32 20 15 10 31 30
25
TEMPERATURA PROMEDIO MAXIMAPIURA-1962-2009
29 28
PROM.
20
el Fenmeno de El Nio23. Este fenmeno afecta principalmente la agricultura como se experiment en aos pasados.24. La preocupacin es vlida porque las proyecciones de las precipitaciones en los siguientes aos hasta 2045, en la cuenca media del Ro Piura, muestran que las precipitaciones sern ms frecuentes y ms intensas, estas predicciones coinciden con lo expuesto por la Ing. Yamina Vidal. De ser as se afectarn los rendimientos de los cultivos, tanto por los excesos de recurso hdrico, por plagas y enfermedades a las plantas, como por los daos en la infraestructura sistemas de riego y transporte. 1.2 FUNCION DE PRODUCCION AGRICOLA Al revisar la literatura con respecto a los modelos de produccin agrcola se encuentra que la especificacin difiere entre corrientes econmicas. El pionero es Adam Smith (1776), considera que la funcin de produccin depende no slo de los factores productivos, sino adems de los recursos naturales y de las instituciones que intervienen en el sistema econmico. Esta funcin de produccin es formalizada matemticamente en sus argumentos por Aldeman (1978: 37-50) donde toma en cuenta el capital (K), trabajo (L), los recursos naturales (N) y las instituciones (U) que colaboran para que la actividad se realice. (1.1) En los ltimos 20 aos la preocupacin por incorporar las variables edficas y climticas va en aumento por los crecientes problemas ambientales, que hacen que los cambios en estas variables sean considerables y al parecer el avance tecnolgico no compensar estos cambios para reducir las prdidas econmicas. Es as que se cuentan con diversos modelos de produccin agraria, propiamente dichos, que datan de hace muy poco tiempo donde cada economa desarrollada toma en cuenta todas las necesidades que requiere en la produccin de un bien agrcola.
23 24
Ministerio del Ambiente-Regin Piura-GTZ (2009) Piura una Regin que se adapta al cambio Climtico Ibid pg. 11.
1.2.1
Modelos agrcolas con nfasis en variables edafo-climticos
21
clsica, remarcando los recursos propios que interviene en l, incluyendo, en la medida de la informacin disponible, mano de obra, capital, semilla, fertilizantes y otros insumos; adems incorpora el clima y la cuota de agua de riego. En los ltimos aos, a consecuencia de los problemas ambientales, en especial por el calentamiento global, se desarrollan modelos propiamente que incorporan variables edafoclimticas. Precisando que estas no son lineales, Sebastian Ramon A. y Rodriguez B. Jos E (1978), presentan funciones de produccin agrcola de cuatro tipos cuadrtica, raz cuadrada, tres medios y potencial25. De la literatura revisada, podemos inferir que la preocupacin por incorporar otros factores en los modelos de produccin agrcola, propios de la agricultura, se inicia en base a los estudios del Departamento de Agricultura de EEUU (USDA)26, y el primero de estos estudios fue en respuesta, al impacto de la erosin en la productividad del suelo, modelos EPIC (Erosion/Productivity Impact Calculator) desarrollados en la dcada de los 80. Tambin se disearon los modelos CROPGRO que ven las diferencias en capacidad genticas entre cultivos, explican el desarrollo, crecimiento y rendimiento como respuesta fisiolgica a los factores combinados del ambiente y manejo, se resumen a travs de un grupo de parmetros denominados coeficientes genticos. Todos estos modelos son de simulacin para diferentes tipos de suelo y manejo de riego y ver las respuestas de los cambios en los parmetros de rendimiento de los cultivos.
25
Sebastian Ramon A. y Rodriguez B. Jos E. (1978): Anlisis Econmico de las funciones de produccin agrcola. Una aplicacin al cultivo del trigo. Universidad politcnica de Madrid. Presenta en su investigacin las tres funciones agrcolas como resultado para el trigo. 2 2 2 Funcin cuadrtica: Y= 2.850,464 + 16,021 X1 + 11,502X2 0.044X1 0.019X2 + 0.009(X1X2) 1/2 1/2 1/2 Funcin raz cuadrada: Y= 1.156,887 -8,094 X1 - 11,153X2 +165.229X1 + 378,863X2 + 5879(X1X2) 3/2 3/2 Funcin tres medios: Y= 2.593,39 + 25,65 X1 + 19,34X2 - 1,311X1 - 0,752X2 + 0,009(X1X2) (0,044) (0,159) Funcin Potencial : Y = 1.974.75X1 X2 26 Estudios en base a La Ley 1977 de Conservacin de Recursos (RCA) a cargo del Departamento de Agricultura de EE.UU. (USDA), evaluar el estado del suelo y el agua recursos. La primera evaluacin realizada en 1980 RCA revel una significativa necesidad de una mejor tecnologa para evaluar los impactos de la erosin del suelo en la productividad (Putnam, Williams, y Sawyer, 1988)
Los modelos de produccin agrcola se fundamentan en la funcin de produccin
22
Seo (2005)27 los denomina modelos Agro-econmicos, estos utilizan una combinacin de experimentos controlados en determinados cultivos, sin embargo en base a la cita de Mendelsohn y Neumann (1999), explican que estos modelos en pases en desarrollo tienen serias limitaciones en sus estimaciones porque subestiman los cambios a la adaptacin, no se hacen suficientes experimentos para determinar las respuestas y por ltimo estn mal estimados o evaluados.
agroeconmicos de simulacin, estn los que ataen propiamente a una investigacin con visin econmica para estimar efectos del cambio climtico, estos son clasificados por Ramirez D y otros (2010), en dos enfoques, el enfoque estructural y el enfoque espacial28, que se explica a continuacin: Enfoque estructural: El modelo que se especifica, parte de la funcin de produccin, que relaciona la cantidad producida con los diferentes factores requeridos, trabajo, tierra, capital, semillas, agua de riego, fertilizantes y factores climticos. En trminos formales Ramirez(2010), expresa: (1.2) Donde, m es la variable caractersticas del agricultor, incluido capital humano; x son factores como capital, trabajo, insumos; z son variables climticas, temperatura, lluvia; el subndice t es el tiempo o periodo considerado. De lo anterior la funcin de beneficios del agricultor se expresa para n cultivos:
27
Seo Niggol Munasinghe M (2005) Climate change and agriculture in Sri lanka: A Ricardian Valuation- Environment and Development Economics 10: 581596 C 2005 Cambridge University Press
doi:10.1017/S1355770X05002044 Printed in the United Kingdom.
_
S, Mendelsohn R y
28
Ramrez D.y otros (2010): Belice: Efectos del cambio climtico Sobre la agricultura CEPAL-CCAD-DEFIDNACIONES UNIDAS MEXICO .junio 2010.
1.2.2
Enfoques metodolgicos para estimar efectos del cambio climtico en la agricultura.
Adems
de
los
modelos
explicados,
que son
netamente agronmico,
27
23
producto j. Si se quiere saber la utilizacin optima de los insumos que maximicen los ingresos de los agricultores, esta satisface la condicin:
requerimientos de cada cultivo, incluido las variables climticas, especificados de la forma:
necesario considerar que son funciones de produccin agrcola, en principio funciones cuadrticas u otras formas exponenciales como seala Sebastian y Rodriguez(1978) que al considerar slo las variables climticas, su forma funcional cuadrtica se expresa como:
econmicas en el rendimiento del cultivo, utilizando en sus estimaciones variables observadas en el tiempo, las que captan la variabilidad del clima, en las temperaturas y precipitaciones. Tambin permite identificar los umbrales de variables climticas de mximos y mnimos como la temperatura y la precipitacin. Pero su desventaja resaltante es que no recoge las respuestas de los agricultores ante cambios desfavorables, por lo que se supondra que son agricultores ingenuos. Tambin otra desventaja que podemos agregar en base a la apreciacin de Mendelsohn y Neumann (1999), en pases en desarrollo la informacin no es suficiente y confiable que permita una buena estimacin. Enfoque espacial:
(1.3) Donde pjt, se refiere al precio de cada cultivo j y wt es el precio de cada insumo del
(1.4) Este enfoque de funcion de produccin agrcola descrito, permite analizar los
(1.5) As el modelo sirve para analizar un cultivo especfico a travs del tiempo. Es
(1.6) La ventaja de estos modelos es que se obtienen respuestas fsicas, biolgicas y
24
cambios climticos en la agricultura recogiendo como variable endgena el valor de la tierra en funcin de las variables determinantes de la funcin de produccin agrcola mencionadas en el enfoque anterior. Este enfoque es apropiado para estimaciones de corte transversal, mediante encuestas a los agricultores de diferentes regiones. Estos son los denominados modelos Ricardianos, modelos de Equilibrio General Computable29, modelos de sistemas de informacin geogrfica y otros 30; el ms conocido es el primero y a continuacin se explica. Modelo Ricardiano31 Modelos bsicos de aproximacin, son de corte transversal; explican cmo el Cambio Climtico afecta el valor de las tierras agrcolas (para EE.UU:Mendelsohn, 1994; Mendelsohn y Nordhaus, 1996; Mendelsohn y Neumann, 1999). Este modelo fue designado as por los estudios de Ricardo que relacionan al valor de la tierra en funcin del ingreso neto. En consecuencia, el ingreso neto refleja el valor presente y futuro de la productividad neta32:

ingreso neto por hectrea, P es el precio de mercado del cultivo y Q es la produccin, F es un vector de variables climticas, Z es un conjunto de variables edficas, G conjunto de variables econmicas tales como acceso a los mercados, R es un vector de precios de insumos y gastos x (distintos de la tierra), (Mendelsohn, Nordhaus y Shaw, 1994).
Modelos de Equilibrio General Computable (CGE), en base a los modelos EPIC (Erosion Productivity Impact Calculator), toman en cuenta los efectos del cambio climtico global que permite considerar los cambios en otras regiones tanto del clima como otras variables econmicas como la del comercio mundial, permitiendo la movilidad de recursos entre las regiones en base a incentivos econmicos.
30
29
Jorge Gonzales U. y Roberto Velasco H. Evaluacin del cambio climtico sobre el valor econmico del suelo un sistema agrcolas de Chile mayo 2007) disponible en web http://www.inia.cl/at/v68n1/pdf/art6esp.pdf- Bajado 15/02/10 32 Este mtodo tambin ha sido utilizado en Mxico- explicado por Galindo Luis M. en la economa del cambio climtico en Mxico Sntesis (2009).
31
Ibid: pg 9.
Este enfoque es ms conocido y se basa en la estimacin de los efectos de los
(1.6)
Dnde V, es la productividad de la explotacin agrcola, PLE variable proxy de V,
25
exgenas, F, Z y G, afectan el valor del establecimiento. El resultado de integracin es una funcin del tipo campana, asinttica al eje de las abscisas y con simetra bilateral sobre el valor correspondiente a la media. Si se toman valores que no excedan desvos estndar a ambos lados de la media, la funcin puede simplificarse como una parbola invertida, lo que resulta muy conveniente a los fines del clculo, por lo que el modelo Ricardiano se reduce en la prctica a una formulacin cuadrtica de las variables climticas. (1.7) Dnde es el trmino de error. Se introducen trminos lineales y cuadrticos para temperatura y precipitacin. La influencia marginal de cada variable climtica consecuentemente depende del nivel de temperatura y precipitacin: (1.8) El trmino cuadrtico de la ecuacin refleja la forma no lineal de la respuesta parcial del ingreso neto a las variables climticas.
econmicas es que toma en cuenta, implcitamente, la adaptabilidad del productor a las condiciones climticas cambiantes aunque no la velocidad de adaptacin; pero la desventaja resaltante es que considera constante los precios (Darwin, 1999). y no todos los factores de produccin son tomados en cuenta.
otros factores en los modelos de produccin, propios de la agricultura, se inicia en base a los estudios del Departamento de Agricultura de EEUU (USDA)33. La primera aplicacin
33
Estudios en base a La Ley 1977 de Conservacin de Recursos (RCA) a cargo del Departamento de Agricultura de EE.UU. (USDA), evaluar el estado del suelo y el agua recursos. La primera evaluacin realizada en 1980
El modelo Ricardiano, de forma reducida, examina cmo un conjunto de variables
La ventaja en estos modelos, adems de relacionar las variables climticas con las
1.2. 3 Evidencia emprica: De la literatura revisada, podemos inferir que la preocupacin por incorporar
26
importante de EPIC fue para la segunda evaluacin de RCA (Conservacin de los recursos agrcolas) de los recursos de la tierra en 1985, para 135 regiones de EE.UU. (Putnam, Williams, y Sawyer, 1988). Estudios en base a este tipo de modelos de simulacin para ver los cambios en diferentes escenarios con y sin cambio climtico se han desarrollado en varios pases como Daz, Ral A y otros (1997)34 Argentina para el trigo, soya y maz, este ltimo cultivo es el ms perjudicado con reducciones en su produccin potencial hasta del 10% como efecto del CC . Los modelos con enfoque propiamente econmico, se desarrollan ya en la ltima dcada los que se destaca en el siguiente cuadro resumen para diferentes pases: CUADRO 1.4: ESTUDIOS EN BASE A MODELOS AGROECONOMICAS CON ENFASIS EN CAMBIO CLIMATICO - EN EL MUNDO AUTOR- PAIS PRODUCTO-METODOLOGIA CONCLUSION
Yates, Strzepek 35 (1998) , Egipto y
Modelo dinmico del comercio mundial de alimentos, al sector agrcola egipcio con variables socio-econmicas y precios del mercado mundial. Arroz modelo de equilibrio general MCG-CC Arroz Simulacion - adaptacin tierra agrcola al CC para resistir la escasez de agua Mijo Mtodo estadstico ANOVA con variables climticas temperaturas El CC beneficiaran a los consumidores ms que a los productores por las condiciones del mercado mundial que reducir la capacidad de generacin de ingresos de los exportadores agrcolas egipcios, afectados negativamente por el CC, donde la mayor disponibilidad de agua no compensar en el rendimiento de los cultivos. Demostr que la produccin de arroz en Asia puede disminuir en un 3,8% el prximo siglo, sin tener en cuenta fenmenos extremos. El resultado del anlisis coste-beneficio muestra que el cambio del uso del suelo, de arroz a otros cultivos es muy eficaz, dado el supuesto que el arroz consume niveles altos de agua. Para el ao 2025 la produccin del mijo disminuir en 13%. Preocupante por la zona de estudio conformada por pequeos agricultores
Murdiyarso, D. 36 (2000) . Asia Song-Cai You 37 (2001) China Mohamed A. y 38 otros (2002) , Sahel , Nigeria
34
35
RCA revel una significativa necesidad de una mejor tecnologa para evaluar los impactos de la erosin del suelo en la productividad (Putnam, Williams, y Sawyer, 1988)
Ibid
Yates, David N., and Kenneth M. Strzepek. 1998. "An Assessment of Integrated Climate Change Impacts on the Agricultural Economy of Egypt," Climatic Change, Vol. 38, No. 3, March, pp. 261-287 36 Murdiyarso, D. 2000. "Adaptation to Climatic Variability and Change: Asian Perspectives on Agriculture and Food Security," Environmental Monitoring and Assessment, Vol. 61, No. 1, March, pp. 123-131. 37 Song-cai You(2001) Agricultural adaptation to climate change in China -Journal of Environmental SciencesVolume 13, Number 2/2001 pag 192-197- Monday, January 01, 2001. 38 Mohamed A. Ben, Duivenbooden N.Van and Abdoussallam S (2002) Impact of climate change on agricultural production in the sahel part 1. Methodological approach and case study for millet in Niger- Climatic Change 54: 327348.
27
Jones y 39 Thornton( 2003) Africa y America Latina Cline (2007), Varios pases y regiones
modelo Ricardiano explicado anteriormente, liderado por Mendelson R. desde 1994 para diferentes pases y productos. Un estudio tipo ms reciente que realiza Mendelson conjuntamente con Nigol Seo, y Munasinghe (2005)40, para Sri Lanka, considera cuatro cultivos importantes, y las predicciones para el ao 2100, segn escenarios climticos de temperatura y lluvia, obteniendo prdidas de 20% a beneficios hasta de 72% del valor de la produccin agrcola, segn sea el caso. Otro estudio muy interesante es el de Kurukulasuriya y Robert Mendelsohn (2006)41, para frica, que estima la eleccin de riego como variable endgenos y como exgenos los flujos de superficie, tipos de suelo, el clima y los subsidios Un aumento del 10% de temperatura dar lugar en promedio a una prdida en los ingresos netos por ha del 8,2%. Determinan que la agricultura de regado es ms resistente a los cambios de temperatura con mrgenes leves en productividad. Las tierras secas, en general, corresponde al segmento ms pobre de la comunidad son sensibles a la precipitacin (elasticidad de 0,28). Tambin
39
Jones, Peter G., and Philip K. Thornton. 2003. "The potential impacts of climate change on maize production in Africa and Latin America in 2055," Global Environmental Change, Vol. 13, No. 1, pp. 51 - 59. 40 S, Mendelsohn R y Seo Niggol Munasinghe M (2005) Climate change and agriculture in Sri lanka: A Ricardian Valuation- Environment and Development Economics 10: 581596 C 2005 Cambridge University Press
doi:10.1017/S1355770X05002044 Printed in the United Kingdom.
41
Kurukulasuriya and Robert Mendelsohn (2006): ENDOGENOUS IRRIGATION: THE IMPACT OF CLIMATE CHANGE ON FARMERS IN AFRICA- CEEPA Discussion Paper No. 18- Special Series on Climate Change and Agriculture in Africa ISBN 1-920160-01-9-Discussion Paper ISBN 1-920160-18-3, July 2006
28
del aire y superficie del mar, nmero de das de lluvia y factor de erosin del viento; Produccin del Maz al 2055 mtodos de alta resolucin en un modelo de simulacin detallada Modelos integrados de la agronoma y economa de impacto sobre cultivos para predecir su rendimiento. de escasos recursos. Recomienda el cambio tecnolgico a sistemas de riego y utilizacin de fertilizantes que permitan mantener la humedad de las plantas. Indican una reduccin global de 10% en la produccin de maz para 2055, equivalente a las prdidas de $ 2 mil millones/ ao, consecuencias mayores para familias ms pobres, vulnerables por su dependencia de la actividad agrcola. Muestra que aumentos de temperatura por CG incidir en la productividad agrcola. Para 2080, la disminucin del potencial agrcola ser importante, mucho ms en los pases en desarrollo como Latinoamrica, cadas de 24% sin CF y 13% con CF.
Los estudios ms recientes desde el punto de vista econmico estn basados en el
encontraron que el riego es una adaptacin eficaz contra la prdida de las precipitaciones y mayor temperatura, siempre que haya suficiente agua disponible. Estudios en base al
modelo Ricardiano para Amrica latina son varios especialmente para Argentina, Chile y Mxico lo que se presenta a continuacin en el cuadro 1.5:
CUADRO N 1.5: INVESTIGACIONES DE PRODUCCION AGRICOLA Y CAMBIO CLIMATICO EN BASE A MODELO RICARDIANO - AMERICA LATINA AUTOR- PAIS PRODUCTO-METODOLOGIA CONCLUSION Jorge Lozanoff y Eugenio Cap 42 ( 2006) , Argentina Muestran que existe una fuerte correlacin entre el ingreso neto y las variables climticas, en especial queda en evidencia la fuerte dependencia que tienen sobre la variable temperatura invernal y las precipitaciones estivales relacin de las variables climticas con las variables econmicas en diferentes realidades para los cultivos de papa, trigo y maz Temperaturas ptimas de 15C para los productores mayores, en tanto que el mismo es a 17,5C para los productores menores. Los pequeos productores presentan una mayor elasticidad ante el cambio de las variables climticas, pero que sus ptimos se encuentran desplazados respectos de las medias, lo cual indica una menor capacidad de adaptacin a dicho cambio. Obtiene que el valor del suelo es explicado por las variables climticas en un 37,6%, justificando el resultado por una modelo de corte transversal y por los valores F = 10,08, y las variables temperatura de otoo reporta un signo positivo mientras que las temperaturas de primavera e invierno y pendiente del suelo se reportan con signo negativo. Concluyen principalmente que Los rendimientos y la produccin agrcola dependen del clima con impactos heterogneos por regiones, no lineales y crecientes en el tiempo. Asimismo, se observa que cada ciclo productivo y cada producto tienen diferentes sensibilidades de respuesta a la temperatura y la precipitacin, incluso por regin.
Gonzales 43 (2007) , Chile
Galindo Mxico
cambio climtico, temperatura y lluvia en la agricultura mediante la funcin de produccin y del modelo Ricardiano para la regin de Centroamrica. Para el caso de Belice se estimaron
42
Lozanoff Jorge y CAP Eugenio (2006): El Impacto Del Cambio Climtico Sobre La Agricultura Argentina: Un Estudio. Instituto Nacional de Tecnologa Agropecuaria - Instituto de Economa y Sociologa. Buenos Aires, Argentina 43 Gonzales U Jorge. y Velasco H Roberto (2007). Evaluacin del cambio climtico sobre el valor econmico del suelo un sistema agrcolas de Chile mayo 2007)-Proyecto SACPR-Universidad de Yale USA-IICA PROCISUR. 44 Galindo Luis M. en La Economa del cambio climtico en Mxico sntesis (2009).pg. 23. 45 Diana Ramrez y otros (2010): Belice: Efectos del cambio climtico Sobre la agricultura CEPAL-CCADDEFID-NACIONES UNIDAS MEXICO .junio 2010. - Istmo Centroamericano: Efectos del cambio climtico sobre la Agricultura Mxico -Enero 2010.
44
(2009)
Productos general.
agrcolas
en
Estudios ms recientes de Ramrez D. y otros (2010)45, enfocan los efectos del
29
modelos de produccin agrcola para cultivos y produccin pecuaria; en el caso de los cultivos se afirma que la temperatura mxima de 33 registrado en Belice es ligeramente mayor a la C ptima requerida. Las proyecciones hechas hasta el ao 2100, indican que de seguir incrementado la temperatura las prdidas acumuladas en su conjunto podran ser alrededor de 35% del PBI 2007 y que los efectos de las lluvias sern los ms perjudiciales. Llama la atencin que en este estudio consideran una fruta en su anlisis porque en casi todos los otros estudios son principalmente para cereales. Para el caso del Istmo de Centroamrica, el estudio para Guatemala y Costa Rica; los cultivos estudiados son el maz, frijol y arroz, en base a los dos mtodos, funcin de produccin y mtodo Ricardiano y en Panel data. Concluyen que las prdidas sern considerables por el cambio climtico hasta del 19% del PBI del 2007 hacia el ao 2100, en un escenario A2 y que el cultivo ms afectado en estas regiones ser el frejol. En el presente estudio, de los cultivos elegidos el mango, limn y caf son permanentes. El pltano es semi-permanente, pues las plantaciones se renuevan en base a las ya existentes, es decir son cultivos de larga maduracin y ciclo de vida. Aparente para ver su comportamiento en el tiempo. En base a los enfoques desarrollados y la evidencia emprica revisada; y teniendo en cuenta la caracterstica fundamental de los cultivos en estudio, mango, limn, caf y pltano (cultivos permanentes o semipermanentes) aparentes para ver su comportamiento en el tiempo; es indicado utilizar el modelo de produccin del enfoque estructural, para lograrlo se har las estimaciones para cada cultivo relacionando con las variables climticas en que se manifiesta el CC (temperaturas, precipitacin pluvial y eventos extremos). Se es consciente de las desventajas del modelo expuestas anteriormente, adems de las limitaciones en la informacin, se hacen los esfuerzos y en la medida de lo posible se estima los modelos adecuados para cada cultivo, lo que permitir lograr el objetivo trazado de calcular el impacto del cambio climtico en el rendimiento de los cultivos propuestos.
30
2.1.
ecuatorial, abarca una superficie de 35,892.49 km2, equivalente al 2.8% del territorio nacional, es la franja costera ms ancha del Per y alcanza 200 km. del mar hasta los contrafuertes de la cordillera occidental de los andes. Las Coordenadas Geogrficas son: Latitud Sur 4 0450 y 60 2210 y Longitud Oeste del meridiano de Greenwich 79 1315 y 81 193546. Cuenta con ocho provincias, cinco se encuentra en la costa: Piura, Sullana, Talara, Paita y Sechura; las otras 3 estn en a la sierra: Ayabaca, Huancabamba y Morropn. 2.1.1. Suelo El suelo de la regin Piura es muy variado, con desiertos arenosos en la costa, relieves andinos en la sierra y sillas y desiertos de Amotape. Los suelos son inestables como resultado de la deforestacin indiscriminada y en los periodos lluviosos sufren deslizamiento y derrumbes de masas de tierra que deterioran tramos de carreteras. La superficie boscosa es de 2165,820.41 has. Y slo se utiliza en la agricultura el 10% de la superficie total. La tierra es de variada calidad agrcola siendo los valles de San Lorenzo y Chira las de mejor calidad.
46
Regin Piura: Plan de desarrollo regional concertado 2007-2011 noviembre del 2011
CAPITULO II. DESCRIPCIN DE LA ZONA EN ESTUDIO
CARACTERSTICAS GENERALES DE LA REGIN PIURA. Piura, est localizada en la costa norte del territorio nacional, al sur de la lnea
31
tropical, segn la designacin de Kopen y al tipo de clima semi-tropical costero de Petterson, caracterizado por pluviosidad moderada y altas temperaturas con pequeas oscilaciones estacionales. Las temperaturas mximas llegan a 34,2C y las mnimas a 15 C que corresponden a los meses de febrero y junio respectivamente. La humedad promedio anual es del 66%, los vientos siguen una direccin al sur con velocidad promedio de 3m/s. Las precipitaciones pluviales muestran variaciones, entre los 100 y 500 m.s.n.m. oscila entre 10 y 200 mm; entre los 500 y 1500 m de altura, llegan de 200 a 800 mm y en la zona sobre los 1500 m.s.n.m. el promedio de precipitaciones es de 1550 mm.47 FIGURA N 2.1: DISTRIBUCIN DE CLIMAS REGIN PIURA
regin, la coloracin verde segn intensidad seala que el clima es hmedo y fro moderado, el verde y celeste claro, indica que el clima es muy hmedo y muy frio, la coloracin de amarillo a rojo intenso, en el orden, muestra el clima va de seco a muy seco y de clido a semi clido.
47
Boletn" Cuencas Andinas" N 4/Septiembre 2004 disponible en : http://images.google.com.pe/imgres?imgurl=http://www.redcapa.org.br/cuencas/imagens/bol-4-2img1.gif&imgrefurl= [bajada el 2/12/09]
2.1.2. Clima y Temperatura El clima de Piura es clido, desrtico y ocenico, y corresponde a una zona sub-
Fuente: Gobierno Regional PIURA
El mapa de la figura 2.1, muestra la variacin de la temperatura y humedad en la
32
ros vivos de amplio caudal acufero. Tambin cuenta con dos vasos: el reservorio de Poechos con capacidad para 1,000 millones de m3, afectada en un 43% por sedimentacin y la de San Lorenzo con capacidad para 258 millones de m3, las que unidas a las fuentes subterrneas garantizan el preciado lquido para el consumo humano, la agricultura y el resto de las actividades econmicas y sociales. En el mapa de la figura 2.2, se aprecia los sistemas de irrigacin que abastecen a reas de cultivo y garantizan su produccin. FIGURA N 2.2: MAPA DE DISTRIBUCIN DE SITEMAS DE IRRIGACION DE LA REGIN PIURA
2.2
agricultura de exportacin. Adems de ellos, estn otros productos representativos no por ser exportables sino por su volumen y superficie cultivada como son el algodn, arroz, camote entre otros, que figuran en el cuadro (2.1) resaltando el caf limn y mango en los cultivos
2.1.3 Recurso hdricos El agua procede de dos fuentes hidrogrficas del rio Chira y del rio Huancabamba, son
Fuente: Gobierno Regional de Piura.
CARACTERSTICAS DE LOS EXPORTABLES DE LA REGION.
PRINCIPALES
PRODUCTOS
AGRICOLAS
La regin Piura, como ya se mencion es agrcola por excelencia, predomina la
33
permanentes y en los semipermanentes el pltano; entre los cultivos transitorios sobresalen el arroz y algodn.
volumen y participacin de mano de obra, radica como componente del comercio exterior, tal como muestra el grfico N 2.3, los bienes agrcolas son el 40% del total de las exportaciones piuranas.
CUADRO N 2.1 PRODUCCION AGRICOLA DE PIURA POR CULTIVO 2005-2009 TM
CULTIVOS PERMANENTES CAF LIMN MANGO SEMIPERMANENTES PAPAYA PLTANO ESPRRAGO TRANSITORIOS ALGODN ARROZ CAMOTE OTROS TOTAL 2005 310462 2048 138090 170324 2006 407450 2621 156631 248198 2007 406610 2177 170660 233773 253957 1326 252631 0 614106 40369 402128 22830 148,779 2008 360964 2929 140609 217426 235134 1263 233871 0 703275 21980 519465 17601 144,229 2009 224516 4778 110306 109432 247871 1585 246286 0 746735 8657 521462 216,616 191517 235468.61 937 2002 190580 233466.61 0 0 582329 582718.81 31886 426374 11781 112,288 1,084,308 35162 359384 32159 156,014 1,225,637 1,274,673 1,299,373 1,219,122
Fuente: BCRP-Piura
La importancia de la agricultura en la regin, adems de la superficie cultivada,
34
como no tradicionales; el primer grupo disminuye su participacin para el 2009 y en l l sobresale el caf 3% de las exportaciones totales y ms del 50% del total exportaciones % tradicionales agrcolas. Las exportaciones no tradicionales van incrementado su participacin
considerablemente son el 96% de las exportaciones agrcolas de las cuales resalta el mango con ms de 30%, seguido del pltano ms del 20% el limn 2% y tambin la palta un nuevo n producto que cobra importancia relativa con 2%; t bra tambin el frijol en el rubro de las legumbres jol con 6%.
CUADRO N2.2 : EXPORTACIONESA AGRICOLAS DE LA REGION PIURA US $
sellbatropxeorga sotcudorp sellapiicniirP se batropxeorga sotcudorp se ap cn rP :osaC .REP -ARUIP NIGER AL ED ARUTLUCIRGA AL NE OCITMILC OIBMAC LED OCIMNOCE SISILNA -ARUIP NIGER AL ED ARUTLUCIRGA AL NE OCITMILC OIBMAC LED OCIMNOCE SISILNA
GRAFICO N 2.3 PIURA EXPORTACIONES POR SECTORES -2009 OTROS TEXTIL 4% 1% QUIMICO 3% PESQUERO 52% AGRICOLA 40%
Fuente: Gobierno Regional Piura. El cuadro 2.4, detallan los productos agrcolas que exporta Piura, tanto tradicionales
2008 PRODUCTOS AGRICOLAS S

TRADICIONALES Algodn Azcar Caf Lanas NO TRADICIONALES Cereales Frutas Bananas o platanos frescos limon(1) mango (2) US 6 661 416 766 447 710 631 5 184 337 126 967 158227 439 1898 906 124414 063 39961 982 3663 791 64804 332 % 4.0% 0.5% 0.4% 3.1% 0.1% 96.0% 1.2% 75.5% 24.2% 2.2% 39.3% US $
2009
% 3.3% 0.0% 0.5% 2.8% 0.0% 96.7% 1.9% 75.5% 21.1% 1.8% 33.1% 6898674 0 954369 5944306 0 202209 087 3964 451 157846 095 44176 803 3738 804 69275 235
35
mango, pltano, caf y limn. Si bien ste ltimo es pequea su participacin en el total exportado; ms se exporta como aceite esencial de limn, ste incluido en los productos manufactureros; fuera de ello el limn es un producto de bandera que tiene aos de cultivo y mayormente practicada por pequeos agricultores, como tambin lo es el pltano, mango y caf. La mayor parte de la regin es zona agrcola, excepto las provincias de Paita y Talara, la produccin de los cultivos se encuentra en zonas especficas, sealadas por el crculo en pie en el mapa, como se aprecia en el grfico 2.4. En l se distinguen las principales agencias agrarias en las que se produce el mango y el limn (coloracin verde y azul en el grfico) en las agencias agrarias de Chulucanas, San Lorenzo y del Chira; el caf corresponde a las agencias agrarias de Chulucanas, Ayabaca y Huancabamba (zona de sierra). Esto demuestra que los cultivos estn focalizados en zonas geogrficamente similares. GRAFICO N 2.4: MAPA DE PRODUCCIN AGRCOLA DE LA REGIN PIURA
Paltas Resto de Frutas y otros (3) Legumbres Esprragos Frijoles Dems hortalizas y legumbres Te, caf, cacao y esencias Productos Vegetales diversos Resto de Productos Agrcolas TOTAL EXPORTACIONES AGRICOLAS 3381 786 12602 171 21042 996 965 965 8481 233 10755 447 6591 908 1828 519 2451 047 2.1% 7.6% 12.8% 0.6% 5.1% 6.5% 4.0% 1.1% 1.5% 3941 664 36713 590 26467 105 67 297 12911 298 13488 509 6874 499 4697 894 2321 333 1.9% 17.6% 12.7% 0.0% 6.2% 6.5% 3.3% 2.2% 1.1%
100.0%
164 888 855 100.0 209 107 761
(1) Limn frescos o secos y cortezas (2) Mangos y mangostones frescos, pulpa y pur (3) Otros incluye Jugos, purs, pastas, jaleas, etc. Fuente: Departamento de Estudios Econmicos BCRP- Sede Regional Piura- Elaboracin propia.
Los datos sustentan la importancia de los cultivos materia de la investigacin,
36
condiciones edafo-climticas especficas que a continuacin remarcamos en la descripcin de cada cultivo.
del departamento de Piura, especficamente en el Valle de San Lorenzo y del Alto Piura. Aproximadamente existen 6000 has, distribuidas en 4000 parcelas, pertenecientes a 3700 productores, agrupados en la Asociacin de Productores y Exportadores de Mango (APEM), quienes afirman que la produccin genera ms de un milln y medio de jornales directos al ao y 12000 tn destinados al mercado nacional e internacional. CUADRO N 2.3: RESUMEN TCNICO DEL MANGO.
Nombre Cientfico: Origen: Familia: Variedades Importantes: Mangifera indica L. India. Anacardiaceae. Haden, Kent, Tommy Atkins, Criollo de Chulucanas, Carne
La zonificacin de los cultivos se debe a que cada uno de ellos requiere de
2.2.1 El Mango El mango es un cultivo que se produce con mayor intensidad en el mbito de la Costa
37
variedades ms conocidas en Piura son Haden, Kent y Tommy Atkins48, en el cuadro tambin se incluyen las condiciones de siembra y produccin. Es importante, resaltar para propsito de la investigacin la temperatura mxima (24-28 y mnima (15-22 C) C), que requiere la planta, el primero corresponde a la poca de floracin y el segundo para la maduracin. Tambin se rescata los meses de floracin que comienza entre marzo y julio; la cosecha de noviembre a febrero. El requerimiento de agua es poco; en terrenos donde las disponibilidades de agua son abundantes, el rbol vegeta muy bien, pero no fructifica. Una vez que el rbol est enraizado aguanta muy bien la sequa; prospera con la cuarta parte del agua que necesita la planta y puede tolerar, segn clases de tierra, hasta 400 miligramos de sal por litro de agua. Es importante mencionar que cuando el fruto est listo para ser cosechado, las precipitaciones pluviales no le favorecen al fruto, ms bien las daa principalmente si
Gerencia de Agro exportaciones Boletn Informativo No 001-Ene-2006 http://www.adexperu.org.pe/agro/boletin/BOLETIN%20MENSUAL%20ENERO_archivos/page0010.htm
48
de Ica, Subtanjalla, Chato de Ica, Rosado de Ica, Guadalupe N1 y N 2, Cambodiano. Inicio de cosecha del cultivo: Vida til: Requerimiento de Suelo: Departamentos Productores: Pases Productores: Primera produccin a los 5 aos despus del injerto. 30- 40 aos Franco Arenoso y Franco Arcilloso. Ph: 5 - 8. Tolerante a suelos pobres y sequa. Piura, Lambayeque, Ica, Mxico, Republica Dominicana, USA, Israel, Indonesia, Brasil, Chile, Colombia, Per y Sudfrica. pocas de Siembra : Todo el ao. Los injertos se hacen entre Junio- Julio. poca de Cosecha: Noviembre a Febrero Temperatura optima: 24 - 28 C mxima y mnima de 15 a 22 C poca de floracin Abril-junio Mercados demandantes: USA, Ecuador, Canad, Holanda, Unin Europea (Inglaterra, Alemania y Francia). Fuente: AdexPeru (2006) Boletn informativo 001- Enero 2006 - Elaboracin propia.
En el cuadro N 2.3, presenta el resumen tcnico con informacin bsica del mango, las
38
es para exportacin, porque el fruto adquiere manchas marrones que por muy pequeas que sean son descartadas para el mercado internacional. Esta fruta es ms susceptible a las temperaturas fras y resiste los vientos, prospera muy bien en un clima donde las temperaturas sean en invierno ligeramente fro (temperatura mnima de 10C); en primavera ligeramente clida (temperatura mnima superior a 15C); en verano y otoo clidos, en general con ligeras variaciones de temperatura entre el da y la noche49: La temperatura mnima para conseguir la apertura de los capullos es de 15 a 22 No obstante, estos problemas, se han intentado en ensayos para ver el efecto de las C. temperaturas y el manejo del riego en la induccin floral de este cultivo. Dichos ensayos muestran que temperaturas por debajo de 20 C son necesarias para la floracin y no pueden ser reemplazadas por los efectos del estrs hdrico sobre la misma (Chaikiattiyos et al, 1994). Ms bien para contrarrestar problemas de temperaturas muy bajas que afecten a la floracin, se utiliza medios qumicos (nitrato cristalizado de manera foliar), pero en la agricultura orgnica no debe practicarse. Las Plagas y enfermedades ms comunes que atacan al mango son los hongos que afectan tanto a la raz, tallo, hojas y fruto, generando lesiones. El desarrollo de estas plagas y enfermedades es favorecido por la temperatura alta y la humedad del ambiente50. Su tratamiento es con productos qumicos en la mayora de los agricultores, con excepcin de los asociados al cultivo de mango orgnico.
Piura la principal zona productora, produciendo del total nacional
cultivndose principalmente en los valles de San Lorenzo, Chulucanas y Tambogrande.

49 50
Per Rural- web: http://www.piurarural.com/produccion/pagmango8.htm#inicio- revisado 16/01/10 Javier Javier (2005) Manejo de enfermedades del mango en Piura Manual del Productor de Mango de Exportacin N04- Municipalidad Distrital de Tambogrande-la Casa del Agricultor.
La produccin La produccin de mango se concentra en los valles costeros de la zona norte, siendo alrededor del 68%,
39
Agrobanco (2007) determin que la participacin de la produccin del mango de Piura es 78%, respecto del total nacional. El rendimiento del cultivo del mango es muy fluctuante, principalmente en los ltimos aos. En fenmenos Nios extremo y eventos Nia, le afectan disminuyendo su produccin como se observa en el grfico adjunto. La produccion de mango en los ultimos aos se ha incrementado, explicada en parte por el incremento de la superfice cosechada; pero siempre con recadas en los aos lluviosos (FEN) y en los ltimos aos la tendencia ha disminuido debido a eventos Nia . GRFICO N 2.5: PRODUCCION SUPERFICIE COSECHADA Y RENDIMIENTO DEL MANGO 1965-2007
norteamericano. APEM, que es la asociacin peruana de productores y exportadores de mango, canaliza la produccin al exterior por medio de las empresas exportadoras socias descritas en el cuadro 2.7 y que resalta SUNSHINE EXPORT S.A.C. La exportacin del mango piurano, tiene su destino a Norte Amrica en ms del 40%, seguido de Japn 22,96%, y el resto de las exportaciones hacia pases de Europa51. Siguen
51
Informacin de Mincetur, publicada por en la pgina de Gobierno Regional Piura
Exportaciones La mayor produccin del mango es exportada a los principales mercados europeos y
40
una tendencia ligeramente creciente tanto en volumen como en valor en los ltimos aos, a excepcin del 2009, que hubo menor produccin. En este ao 2010, tambin las exportaciones disminuyeron debido a los precios muy bajos. CUADRO N 2.8: EXPORTACIONES DE MANGO -PIURA 2005-2009
AOS 2005 2006 2007 2008 VOLUMEN TN 57674 83390 82311 82701 VALOR MILES US$ 38110 59605 64410 64804 67519
Piura, su produccin se centra especficamente en el Valle de San Lorenzo con una superficie cultivada de 13,000 has aproximadamente distribuidas en 7,000 parcelas. La produccin de las 90,000 toneladas de limn es destinada al mercado nacional e internacional, los productores se encuentran agrupados en Asociaciones, PROLIMON Y Limones Piuranos. El limn tambin se produce en las localidades de Chulucanas, Tambogrande, Sullana y Piura (Cieneguillo). Tambogrande es el valle con mejores rendimientos en cuanto a calidad y cantidad, seguido por Cieneguillo, Sullana y Chulucanas; abasteciendo de esta manera a todo el mercado nacional a lo largo y ancho del pas. En el cuadro 2.9, de la informacin de requerimientos del cultivo, se resalta la temperatura ptima y el tiempo de floracin del fruto entre 12-14 Adems se observa que C. la produccin es todo el ao y no existen variedades del limn.
2009 65607 FUENTE: BCRP-PIURA- Elaboracin propia
2.2.2
El Limn
El cultivo de limn alude uno de los cultivos permanentes de mayor importancia en
CUADRO N 2.9: RESUMEN TECNICO DEL LIMON

Nombre cientfico Origen: Citrus aurantifolia Piura-Per
41
fro, ya que es la planta ms tropical y presenta floracin casi continua, los perodos de sequa seguidos de precipitaciones juegan un importante papel en la floracin; este ctrico presenta una produccin bastante aceptable en suelos pobres, pedregosos y poco profundos, aunque es muy sensible a la salinidad.
destacan por ejemplo, el Moho Verde causado por Penicillium digitatum, Moho Azul es causado por Penicillium italicum,
estrategias de Control de estas enfermedades como son la manipulacin cuidadosa durante la cosecha y operaciones posteriores para minimizar cortes, rasguos y magulladuras, tratamientos con fungicidas y/o agentes biolgicos. Adems de mantener en rangos ptimos la temperatura y la humedad relativa, y de excluir el etileno durante el transporte y almacenaje, del producto. Produccin La produccin del limn ha ido aumentando en las ltimas dcadas debido a la mayor superficie sembrada ms que por mejoras en el rendimiento.
52
Limones Piuranos S.A.C. informacin obtenida de pgina web: http://www.limonespiuranos.com/limon_es.html. visitada el 22 febrero 2010. 53 INFOAGRO.COM - El Portal lder en agricultura. Segn pagina web: http://postharvest.ucdavis.edu/Produce/ProduceFacts/Espanol/Limon.shtml visitada el da 9/01/10
Rutaceae Sutil. Noviembre Junio todo el ao todo el ao 12-14C (54-57 F) 90-95%. 03 meses 40 das 8 C E.E.U.U., Ecuador, Chile, Bolivia, Colombia, Asia y Unin Europea. 52 Fuente: Limones Piuranos S.A.C y otras consultas a especialistas. Familia Variedades importantes: Perodo vegetativo poca de siembra poca de cosecha Temperatura Optima de floracin Humedad Relativa Optima Tiempo de floracin fruto Tiempo de vida fruto Temperatura de conservacin Mercados para exportacin
En cuanto al Clima y Suelo, el limn es la especie de los ctricos ms sensible al
Las plagas53 que afectan a la planta del limn son muy variadas y entre ellas que Alternaria es causado por Alternaria citri . Existen
42
rendimiento es muy voltil, y los aos con fenmeno de El nio son donde cae ms el rendimiento y la superficie cosechada ha sido mayor en cada ao. La produccin del limn en su data histrica desde el ao 70 ha crecido; pero como a todos los productos los fenmenos climticos extremos los afecta cada vez ms, este es un producto que no es muy vulnerable a los cambios de clima, sobre todo a temperaturas altas ya que es de climas clidos, pero lo que si las lluvias excesivas son perjudiciales para su produccin como se puede constatar en el grfico adjunto, en el ao 1983, presencia del FEN muy fuerte la produccin disminuy considerablemente, lo mismo ocurri en el ao 1998, cay a casi la mitad de su produccin. GRFICO N 2.8: PRODUCCIN SUPERFICIE COSECHADA LIMN 1970- 2008
colocados al mercado nacional e internacional y el resto son para el mercado local y tambin para ser utilizados en las empresas fabricadoras de jugos ctricos; para la exportacin existe varias empresas dedicada a esta actividad, entre las que resalta Limones Piuranos que se encuentra ubicada en Cieneguillo, Sullana. El destino de la exportacin de los limones piuranos es Alemania, Dinamarca e Italia, se incrementan considerablemente en los ltimos aos, ms a partir de 2006, donde el incremento en volumen exportados es ms del doble y en valor casi 30 veces ms (cuadro N 2.11). 43
Los datos histricos que nos brinda el Ministerio de agricultura se observa que el
Exportaciones Los limones de primera y segunda calidad son seleccionados para luego ser
provincias de Morropn, Huancabamba y Ayabaca, entre los 900 y 1,500 m.s.n.m. La produccin es a nivel familiar, en parcelas de 1.50 ha aproximadamente, pertenecientes a mas de 1,500 productores, cuya produccin procedente de aproximadamente 5,000 has es de 12,000 tn, siendo destinada al mercado nacional e internacional, previa certificacin. La franca cafetalera que tiene Piura se ubica como ya se mencion en la sierra piurana distribuida en Huancabamba en los distritos de Canchaque, La laquis y San Migel del Faique; en Morropn en Yamango y en la provincia de Ayabaca los distritos de Jilil Montero y Sicchez. Este cultivo se desarrolla en su mayora bajo una agricultura orgnica ecolgica, direccionada por la ONG CEPICAFE54 y Pidecafe. A continuacin se presenta el cuadro de la ficha tcnica del caf que resume los requerimientos de suelo y clima, y otras caractersticas de la planta y fruto.
CEPICAFE; es una organizacin que tiene a cargo aproximadamente 6,000 a 7,000 ha con unos 3,000 productores asociados, de los cuales el 85% ya utilizan la tcnica de generar productos orgnicos.
54
CUADRO N 2.11: EXPORTACIONES DE LIMON PIURA 2005-2009

AOS 2005 2006 2007 2008 VOLUMEN TN 412 578 777 1173 VALOR MILES US$ 211 2198 1986 5184
2009 1070 5944 Fuente: BCRP-sucursal Piura.- Elaboracin propia
2.2.3 El Caf El caf es un cultivo que se produce en la parte media de la Sierra piurana, en las
CUADRO N 2.12: RESUMEN TECNICO DEL CAF

Nombre Cientfico: Origen: Variedades Importantes: Requerimiento de Suelo: Coffea arabica Zonas de Etiopay Sudn, frica. En Per solo se siembra cafs arbigos: Porte alto: Tpica, Borbn, Mundo Novo Porte bajo: Catimor, Caturra y Pache Suelos profundos, francos y con pH de 5.5 a 6.5
44
y 20 la luminosidad es de 150 horas sol / mes, las lluvias deben ser de 1200 mm/ ao y la C, poca seca debe ser mximo 2 meses. La primera cosecha de un cafetal nuevo es entre 1,5 y 3 aos, dependiendo de la variedad de caf sembrado. Los rendimientos dependen principalmente de la edad del cafetal, de su manejo (abonamiento y sombro) y de variedades del caf. Los agricultores van incorporando tcnicas para contrarrestar los problemas ambientales. In situ comprobamos, en el casero la Capilla, distrito del Faique, los cafetaleros estn aprendiendo como utilizar herramientas adecuadas para la produccin de este producto como es el riego tecnificado, la siembra bajo sombra, entre otras, para as mejorar el rendimiento y calidad del caf55. La siembra bajo sombra consiste en sembrar al costado de una planta de caf, un naranjo y otro rbol (falso roble, bastante alto) para que le d sombra al caf y as asegurar que ste d productos de calidad, debido a que las temperaturas son mucho mayores. Produccin
55
El agricultor, Justo Tefilo Reyes Huamn es promotor ambiental del predio la Pampa, Asociacin de Pequeos Productores Agropecuarios (APAGROPS), nos explic en su parcela las prcticas de cultivo utilizando las nuevas tcnicas para adaptarse al ambiente.
Departamentos Productores: Principales plagas : Piura, Lambayeque, Ica,Cajamarca. Leucoptera coffella (minador de la hoja) Hypothenemus hampei (broca del caf) Coccus viridis (queresa) pocas de Siembra : En poca de lluvia. poca de Cosecha: entre Marzo a Septiembre Temperatura optima: 20C a 26C, se desarrolla entre 600 y 1600 msnm. Roya del caf o roya amarilla ( Hemileia vastatrix) Principales enfermedades Ojo de gallo ( Mycena citricolor (Berk. & Curtis) Sacc) Mal de hilachas o araero (Pellicularia koleroga Cooke) Mancha de hierro (Mycosphaerella coffeicola) Antracnosis (Colletotrichum coffeanum) Rendimiento Promedio nacional : 535 Kg./h Promedio Potencial : 600 1200 Kg/Ha Fuente: INIA- Elaboracin propia
La temperatura media ptima para la produccin del caf se encuentra entre los 18
45
superficie ssembrada es cada vez mayor;
cultivadas entre 1970 y 2008, como se observa en el cuadro adjunto con tendencia creciente y bajas en los aos 1993-1995 y 2002-2003, este es un producto que requiere de lluvia y humedad para su cultivo por lo que solo se cultiva en la sierra piurana, donde en los meses de diciembre a mayo se intensifican las lluvias. En el Per se han obtenido producciones entre 25 y 35 qq por hectrea en cafetales ecolgicos con 3300 cafetos, 125 Ingas de sombro y aplicaciones de 2 Kg. de abono orgnico por cafeto.56 En Piura la produccin del caf es de manera irregular pero como se observa en el grfico N 2.10 las precipitaciones intensas, como en el fenmeno de El Nio no le afectan porque este producto es de clima hmedo, por eso en el ao 83 y 98 que hubieron fenmenos fuertes su produccin no disminuy al contrario aument, caso contrario ocurri entre los aos 2003 y 2004 fueron aos secos al igual en el ao1988 por lo que se puede observar una disminucin de la produccin. En conclusin a este producto el cambio climtico le afectan si viene acompaado por sequias. GRFICO N 2.10: RENDIMIENTO SUPERFICIE COSECHADA Y PRODUCCIN CAF- 1970-208
es cada vez menor, tiene una tendencia levemente decreciente, los agricultores manifiestan que el incremento de la temperatura y sequias desfavorecen el crecimiento y la floracin adecuada del caf.
56
Ral Figueroa Z.(1998) Gua para la caficultora ecolgica.
En cuanto a la superficie cosechada de caf, tiene muchas fluctuaciones ya que la ahora cuenta con muchas ms hectreas
En cuanto al rendimiento de kilogramos por hectrea podemos observar que sta
46
ms importante es la Asociacin Central Piurana de Cafetaleros CEPICAFE (69.95 % de participacin), organizacin de segundo nivel, se concentran en las provincias de Ayabaca, Morropn y Huancabamba, 15 distritos, los que destacan son Canchaque en Huancabamba y Montero en Ayabaca. Exportaciones El caf es otro producto de exportacin de Piura, vemos en el cuadro que tambin se ha incrementado en volumen y valor de las exportaciones en los ltimos aos. CUADRO N 2.19: EXPORTACIONES DE CAFE PIURA 2005-2009
AOS 2005 2006 2007 2008 VOLUMEN TN 887 910 645 1912 VALOR MILES US$ 2206 2198 1986 5184
tambin en otros departamentos del Per; La produccin de este producto se localiza en la zona oriental (71.5%) y norte del pas (22%), pero el que ms se exporta es el de la costa por su cercana al ocano Pacfico. En las regiones de Tumbes, Piura y Lambayeque, existen 3,414 hectreas certificadas (80% concentradas en Piura), el Valle del Chira es considerado el rea con mayor potencial agrcola del departamento de Piura.
Las principales asociaciones y empresas productoras de caf son 8 de las cuales la
2009 1797 5944 Fuente: BCRP-Sucursal Piura.- Elaboracin propia
2.2.4 El Pltano El pltano es un producto que se viene cultivando durante mucho tiempo en Piura y
CUADRO N 2.19: RESUMEN TECNICO DEL BANANO ORGNICO.

Nombre cientfico Familia Variedades Origen Musa acuminata, Musa balbisiana Musaceae PREMIUM ORGANIC BANANAS CAVENDISH Nativo del Sudeste asitico, regin situada en la
47
de mercado como es la Unin Europea en especial Alemania y Holanda, tambin Estados Unidos y Japn. En el Per, la produccin para la exportacin de este producto es una actividad reciente. El clima ideal es el tropical hmedo. La temperatura adecuada va desde los
18,5 a 35,5 C C. A temperaturas inferiores de 15,5 retarda el crecimiento. Con C temperaturas de 40 no se han observado efectos negativos siempre y cuando la provisin C de agua sea normal. La pluviosidad necesaria vara de 120 a 150 mm de lluvia mensual o precipitaciones de 44mm, semanales, es necesario realizar el riego porque tiene definido sus estaciones lluviosa y seca. Los requerimientos de agua estn en el orden de 1.200-1.300 mm/ao. El banano requiere de buena luminosidad y ausencia de vientos fuertes. El periodo de cosecha del banano orgnico se realiza todo el ao, pero la mayor produccin se concentra en el mes de abril.57 Produccin
57
Roldn, D., Salazar, M. & Gonzlez, F. (2002). La Cadena de Banano en Colombia. Observatorio Agrocadenas Colombia-Ministerio de Agricultura y Desarrollo Rural. Documento de Trabajo N 17.
Suelo Departamentos productores del norte del pas Temperatura optima Necesidad de riego Enfermedades: Cosecha India y al este de la pennsula de Malaya: Papa, Nueva Guinea y Borneo, Filipina. Franco arenosa, franco arcillosa, franco arcillo limoso y franco limoso; con buen drenaje. Piura y Tumbes 26-35 C, temperaturas inferiores a 15 retarda el C crecimiento. 3 100 m por semana sigatoka amarilla (Mychosphaerella musicola), mancha cordana (cordana musae). ahongado del pltano o punta de cigarro. Todo el ao-se realiza de forma manual-con tcnicas de cuidado de no daar el fruto. Fuente: Infoagro- INTA- elaboracin propia.
El banano orgnico es un producto diferenciado que se dirige a un nicho especfico
48
luminosidad, se puede apreciar en el grfico que el rendimiento de este producto, en los aos1983 y1998 descendieron en su produccin y rendimiento, aos que hubo fenmeno de El Nio, donde arras con muchas parcelas, y malogr todos los sembros. Despus del fenmeno las tierras quedan muy frtiles dando as una superficie cosechada muy buena en los prximos aos. La produccin del banano ha ido incrementndose en los ltimos aos (grfico 2.12), slo en casos extremos como en el ao 1983 y 1998 donde el fenmeno de El nio destruye a las plantaciones, por lo que es necesario tomar medidas para mitigar esta situacin.
mucho xito por la formacin de importantes asociaciones productivas de banano orgnico. Donde destaca-entre otras-REPEBAN CJ-PERU Red de Pequeos Productores de Banano Orgnico Comercio Justo Per, organizacin de derecho privado sin fines de lucro, constituida por personas jurdicas y que desarrollan actividades de banano cultura orgnica.
increment considerablemente, la empresa que lidera es La Central Piurana de Asociaciones de Pequeos Productores de Banano Orgnico (CEPIBO), que rene a 1,350 pequeos productores de Piura.
Considerando que el pltano requiere suelos hmedos y lugares con mucha
GRFICO N 2.12: PRODUCCIN SUPERFICE COSECHADA RENDIMIENTO PLATANO 1970-2008
Exportacin Durante los ltimos aos la exportacin del pltano y banano orgnico ha tenido
Entre los aos 2001 y 2007 el volumen exportado de banano orgnico peruano se
49
exportaciones de este fruto estn aumentando sostenidamente, en promedio 16% por ao, en el 2008 la tasa de crecimiento de las exportaciones super el 20%.
CAPITULO III.- DETERMINACIN DE LOS IMPACTOS DEL CAMBIO CLIMTICO EN LA AGRICULTURA.
CUADRO N 2.21: EXPORTACIONES DE PLATANO -PIURA 2005-2009

AOS 2005 2006 2007 2008 2009 VOLUMEN TN 38046 47757 53863 66448 VALOR MILES US$ 15590 22492 26281 39962 Tasa de crecimiento 44.3% 16.8% 52.1% 9.6%
68768 43779 Fuente: BCRP-sucursal Piura.- Elaboracin propia
Las cifras proporcionadas por el BCRP, sucursal Piura, confirman que las
50
3.1.
especificadas (ecuacin 1.1) dependen de los factores capital, trabajo
buena cuenta de variables edficas (condiciones de suelo) y climticas (temperatura y precipitaciones pluviales,..); incluidas en los modelos de los enfoques descritos en el captulo I, enfoque estructural (modelo funcin de produccin) Ricardiano). Los cultivos estudiados son permanentes y semipermanentes, descritos cada caso en el captulo II, donde se remarc que son cultivos muy focalizados geogrficamente que no permitira captar la variabilidad climtica en diferentes zonas, conviene entonces en este estudio utilizar el enfoque estructural para relacionar el rendimiento de cada cultivo con las variables climticas en base a la funcin de produccin de la ecuacin (1.5). y enfoque espacial (modelo
climticas que son las temperaturas mnima y mxima para el periodo 1970-2009, segn la disponibilidad de datos. (3.1) De la ecuacin 3.1, la presente investigacin toma en cuenta la incidencia de las variables climticas (zt), en el rendimiento de cultivos especficos a travs del tiempo. As como seala Sebastian y Rodriguez(1978) dado que se parte de una funcin de produccin, esta relacin se expresan en una forma funcional cuadrtica tal como se especifica en el captulo I ecuacin 1.6.
cultivos propuestos. Como se present en las manifestaciones del cambio climtico, las 51
FACTORES QUE DETERMINAN LA PRODUCCIN AGRCOLA. La agricultura como se entiende desde las primeras funciones de produccin sino tambin en
Para el caso se relaciona el rendimiento por ha de cada cultivo con las variables
(1.6) El inters en el presente trabajo es estimar el efecto del cambio climtico en los
variables pertinentes del CC son las temperaturas, los estudios realizados demuestran que aument la variabilidad de la temperatura, es decir estas oscilaciones de temperatura mxima y mnima han aumentado en el mundo y por consiguiente tambin en Piura, tal como lo manifiesta en sus reportes la oficina de Senamhi en Piura.
cambio climtico, descrito tambin en el captulo primero. Y por ltimo estn los Eventos Nio y Nia que segn las explicaciones vertidas en el primer captulo estas sern ms frecuentes y ms intensas; cuyos efectos para la regin Piura se preveen considerables por su ubicacin geogrfica. Es necesario remarcar que estas variables climticas afectan al rendimiento agrcola primero de manera positiva a niveles bajos, luego si pasan el umbral disminuyen su rendimiento, esto es explicado por las funciones de produccin no lineales (ecuacin 1.6) En cuanto a las variables edficas, que corresponden a calidad de suelo y manejo de riego, no son consideradas en el modelo, primero porque no son variables propiamente climticas y segundo porque el tipo de cultivos propuestos estn zonificados tal como se mostr en el captulo II (mapa de la Fig. 2.3 ) lo que respalda el supuesto que el tipo de suelo y las condiciones de riego no varan considerablemente de una parcela a otra, adems que existen fertilizantes y otras tcnicas para suplir algunas deficiencias que existiera. Tampoco se considera las caractersticas de los agricultores, porque es una informacin que se obtiene en datos de corte transversal y no como en este caso que son de series de tiempo. En base a lo anterior y tomando en cuenta slo consideraciones climticas para cada cultivo se especificar el modelo a estimar en cada caso como se explica en el siguiente tem.
3.2. ESPECIFICACIN DEL MODELO Para tener en cuenta las variables a considerar en cada cultivo, en base a la
Otra variable importante es la precipitacin pluvial, que tambin se intensifican por el
52
informacin del captulo II, se resumen los requerimientos climticos por producto en cuanto a poca de floracin y maduracin, adems de necesidad de agua que dependa de las precipitaciones. Cuadro N 3.1: RESUMEN DE REQUERIMIENTOS CLIMATICOS DE LOS CULTIVOS
CULTIVO Mango Requerimiento Temperatura mnima (meses de floracin) 15-22 promedio de C meses: abril-junio Mayo-julio 12-22 C Promedio anual 18-20 Promedio C Requerimiento Temp. mxima (meses maduracin) 23-30 C Promedio de meses Agosto-setiembre Octubre- diciembre 25-30 C Promedio anual 26 C Meses abril setiembre 35,5 C >40 No le afecta C Precipitacin Perjudicial Enero a febrero Requerido Marzo abril No le afecta si no son intensas como el FENO Es Importante mantener la humedad del suelo Precipitacin Total enero a mayo 1200 mm 120 a 150 mm. mensual(44mm sem) Requieren agua 1.2001300 mm/ao
Limn Caf Pltano Promedio anual 18,5 C < a 15,5 C retarda su crecimiento Fuente: Elaboracin propia.
La especificacin de cada cultivo es: (3.3)
Donde:
= Indicadores ENSO:
53
tienen datos del rendimiento por hectrea de cada cultivo (tn/ha), proporcionados principalmente por el Ministerio de Agricultura, por el lado de las variables climticas tenemos las temperaturas mnimas y mximas mensuales de cada ao ( C), las precipitaciones pluviales (mm) obtenidas del Ministerio de Agricultura, Estacin de Servicios de Meteorologa de Miraflores- UNP, BCRP-Piura, Gobierno Regional y la pgina web del Senamhi.
meses pertinentes que el cultivo requiere para el caso del mango y para los otros cultivos limn y pltano no estacional se utiliza el promedio anual; al igual que el caf que el periodo de floracin y produccin es amplio.
1.3 para designar los eventos Nio y Nia respectivamente. Estas variables dummy toman el valor de 1 si el evento se produce y 0 cuando no se produce. Para el caso del caf y del pltano no es posible considerar el periodo desde 1970, porque no se dispone de de datos de estas variables climticas de aos anteriores a 1987, esto debido a que como es el caso del caf se produce en los distritos de las provincias de Huancabamba y Ayabaca, y en estos lugares los centros meteorolgicos no estn en funcionamiento o no cuentan con informacin de esos periodos. Sucede lo mismo con el caso del pltano, la estacin que ms informacin tiene es Mallares porque no hay data ms amplia en otros centros meteorolgicos de la zona. Las especificaciones por cada cultivo: Para el mango: Las temperaturas mnimas relevantes son las correspondientes al promedio de los meses pertinentes de floracin de abril a junio. Y la temperatura mxima relevantes son las correspondientes al promedio de los meses de setiembre a noviembre, que corresponde al periodo de maduracin.
El periodo de anlisis abarca 1970-2009, datos de series de tiempo anuales, se
Es necesario enfatizar que para estas variables se toman los promedios de los
Para considerar los eventos extremos se utiliza la informacin del cuadro 1.1 y grfico
54
negativo,
maduracin aumentando la produccin en el ao; manchas en el fruto. Para el limn:
la precipitacin pluvial en el ao (enero y febrero) daa la produccin por la aparicin de
positivos, si estn en los rangos indicados en el cuadro resumen, de los contrario sern negativos. Se espera que humedad daa al producto. Para el Caf: sea negativo, sea negativo, sea negativo porque la
positivo, lo mismo ocurre con
espera que sea positivo. Las precipitaciones pluviales son positivas hasta un nivel de 1200 mm si supera ese lmite se tornan negativas. Los eventos Nio no son perjudiciales, aunque muchas lluvias disminuye la fertilidad del suelo por arrastrar las avenidas los nutrientes, pero mantienen la humedad del suelo requerida por la planta; pero ms perjudiciales son las sequias (sq) porque se pierde la humedad, significa entonces Para el pltano: , debe ser negativo.
(3.4)
Se espera
sea positivo, decir a menor temperatura menor rendimiento, sea negativo,
sea
sea positivo, porque mayor temperatura en los meses indicados acelera la sea negativo, porque
(3.5) Donde nos indica que es el rendimiento del limn. Se espera que y sean
( 3.6 )
Donde
, es el rendimiento del caf en el periodo t, se espera que , se espera que sea negativo, sea negativo y
sea se
55
con
porque la humedad le favorece al pltano, ms no los ENSO. 3.4 Metodologa La metodologa a seguir, ser estimar para cada cultivo el rendimiento en funcin de las variables climticas; primero por separado la temperatura mnima y luego por la temperatura mxima, para comparar el efecto individual de cada variable. Seguidamente la estimacin conjunta de las variables temperatura mxima y mnima, para completar se agrega las precipitaciones pluviales y al final se incluye los eventos extremos fenmeno del nio (FENO) y de la Nia (FENA) e incluso sequa en el caso del caf. Seguir esta secuencia de estimaciones permitir ver el efecto de cada variable en el modelo y al final comparar cada uno y elegir el mejor modelo segn los criterios estadsticos y economtricos. 3.3 Correlacin de las variables yTest de Cointegracin En el Anexo 2 estn calculadas las matrices correlaciones de las variables que se incluyen en los modelos de cada uno de los cultivo, como podr concluirse del anlisis de estas matrices hay una alta y casi perfecta correlacin entre las variables y los cuadrados de ellas mismas, lo que al momento de incorporarlas en los modelos da lugar al as llamado problema de multicolinealidad que ocasiona no significancia individual de los parmetros aunque siempre hay significancia conjunta. Por otro lado, aun en la presencia de alta colinealidad esta no altera los signos esperados de los coeficientes y por lo tanto el efecto de las variables que mediran el cambio climtico puede todava analizarse. Se ha realizado el test de cointegracin de Johansen para evaluar la cointegracin de las variables que se incluyen en los modelos de cada uno de los cultivos para evitar el riesgo de regresin espuria, como puede apreciarse en el Anexo Estadstico 3 las variables incluidas
(3.7)
Se espera que
sea negativo, temperaturas bajas no le favorece, lo opuesto ocurre y y respectivamente. se espera que sea positivo
temperaturas mayores es recomendable por ser un producto de zona tropical, es opuesto a sus similares
56
en cada modelo de cada cultivo cointegran y muchas veces tienen ms de un vector de cointegracin (dos vectores cointegrantes), lo que indica que hay una relacin estable de largo plazo entre ellas por lo que las estimaciones presentadas son pertinentes, y la evaluacin realizada de las estimaciones son validas y pueden utilizarse para pronosticar. Solo en el Test de cointegracin para el modelo del mango hay contradiccin entre los resultados que arroja el estadstico de la traza, que indica 2 ecuaciones cointegrantes, y el estadstico del valor propio mximo, que indica que no hay cointegracin, por lo que en tal caso la recomendacin a seguir es examinar el vector cointegrante estimado y basarse en la eleccin sobre la interpretacin de las relaciones cointegrantes. Por otro lado, se realiz las pruebas de raz unitaria correspondiente para cada una de las variables y casi la totalidad son estacionarias segn el test de Dickey Fuller aumentado y muy pocas integradas de orden uno. Como puede observarse en el Anexo 4 para cada una de las variables y para cada uno de los cultivos se ha evaluado el orden de integracin. En algunos casos los test de raz unitaria individual muestran que algunas de las series son integradas, pero el test de cointegracin indica que la matriz pertinente tiene rango completo, esta aparente contradiccin puede deberse al tamao de la muestra pequeo. 3.4 ESTIMACION POR CULTIVO Ahora se describe los resultados de las estimaciones de cada cultivo con sus correspondientes variables climticas, especificadas en los modelos correspondientes y siguiendo el mismo orden de desarrollo desde el principio. El mango: En principio se realiza 2 estimaciones que se muestra para relacionar slo variables de temperatura mnima y mxima de los meses pertinentes a floracin (abril junio) y maduracin (agosto-setiembre), que corresponden a periodos corrientes y a periodos rezagados.
mnimas y mximas, los resultados son los esperados, a mayor temperatura mnima mayor
El Cuadro N 3.2 se resume 6 estimaciones, las dos primeras para las temperaturas
57
es el rendimiento del mango y a ms alta temperatura mxima menor es el rendimiento del mango. Con respecto a las mismas variables al cuadrado, el signo es el esperado a medida que aumenta la temperatura mnima, la disminucin en el rendimiento es cada vez menor; por otro lado, a medida que aumenta la temperatura mxima la cada en el rendimiento es cada vez mayor. De los dos modelos, el que mejor explica el rendimiento del mango es el que toma en cuenta la temperatura mnima, pues el valor de AKAIKE (AK) es de 19.80047 menor que todos los otros modelos y el valor de Schwarz (SCH) es de 19.92335, menor. Ambos criterios de seleccin indican que la temperatura mnima es la que mejor explica el rendimiento del mango, tambin los t estadsticos de sus coeficientes son altos, reforzando el resultado. En base a estas 2 primeras estimaciones, se realizan los grficos para ver el ptimo de temperatura que requiere el cultivo. GRAFICO N 3.1: Temperatura mxima y mnima optima para el mango.
a las 2 primeras estimaciones.

23490.38+2*(-595.6913)
=0
periodo y 21.09 de temperatura mnima rezagada. En las temperaturas mximas ptima es 32.21 para el periodo y 30.21 del periodo rezagado, lo que se aprecia en el grfico, utilizando 58
Fuente: elaboracin propia Los valores ptimos de temperatura mnima y mxima que requiere el mango, en base
-20638.27+2*320.3526TmxAS=0
De lo anterior resulta que la temperatura mnima ptima para el mango es 19.71 del
la misma estimacin en cada caso. Luego se agrega las otras variables que influyen en el cambio climtico, lluvia, fenmeno de El Nio y la Nia. Se va incluyendo cada variable y se selecciona las variables que tienen mayor importancia y significancia, en resumen las estimaciones se muestran en el cuadro N 3.2. Cuadro N 3.2: RESULTADO DE ESTIMACIONES PARA EL MANGO Variables
Constante
Estimacin 01 -21413.8 (-1.5746) 23490.38 (4.099827) -595.6913 (-4.00452) Estimacin 02 -342144.7 (0.531150) Estimacin 03 6838.861 (0.012024) 2233.0 (3.75039)* -565.6159 (-3.660401)* Estimacin 04 -624587.1 (-1.60627) 4886.164 (0.965692) -139.7529 (-1.080483) Estimacin 05 665910.0 (1.921967) Estimacin 06 710219.9 (2.165583)
R 2 R Ajsutado AK SCH H-Q
En parntesis el valor del estimador estadstico t. *significativo al 5% . **significativo al 10%.
(5% de significancia), ah se ve la importancia de la temperatura mnima para este cultivo. En la cuarta estimacin se agrega adems de las temperaturas, los eventos extremos y la lluvia,
868.8167 (0.19268) -2.54987 (-0-022047) -20638.27 (-0.479740) 320.3526 (0.446147) -1.3442.41 (-0.35588) 210.6112 (0.33820) 39347.66 (1.524167) -649.5158 (-1.514048) -44381.46 (-1.92341)** 735.4586 (1.91357)** 0.697771 (0.575831) 1379.822 (0.953347) -244.1950 (-0.100209)
2
-132.0364 (-0.030780) 25.50266 (0.231186)
-46602.50 (-2.132990)* 771.9392 (2.122495)* -998.0556 (-0.741175) -4242.232 (-1.928061) 0.661213 0.593455 19.32556 19.65323 19.44639
0.3126 19.80047 19.92335
0.05351 20.12039 20.24326
0.32987 0.25933 19.86812 20.07291 19.94364
0.598239 0.503707 19.54256 19.91118 19.67849
0.627778 0.577477 19.32666 19.57241 19.41728
En la tercera estimacin, resalta que las temperaturas mnimas son ms significativas,
59
se ve que cada variable no es significativa; aunque si ayudan a explicar el modelo en su conjunto. Al incorporar las dems variables climticas al modelo 4, resulta, tal como se observa en la cuarta estimacin, donde en conjunto el ajuste es el mejor, el R2 de 66.12%; de nuevo el modelo tiene un buen ajuste en conjunto aunque la significancia individual se ve afectada por el problema de multicolinealidad, el evento nia tiene el signo correcto y es significativo al 10%. En razn a que este cultivo es ms complejo, porque la campaa de produccin comprende dos aos y los datos de produccin disponibles son anuales, en el quinto y sexto modelo se trata de incorporar este hecho por lo que se estima con las variables rezagadas, y el resultado muestra que la temperatura mnima del ao anterior es menos significativa que del ao corriente, y ms bien cobra significancia la temperatura mxima del ao anterior. En conjunto el modelo tiene un mejor ajuste aunque la significancia individual se ve afectada por el problema de multicolinealidad que se genera al especificar el modelo cuadrtico de las mismas variables para sustentar la funcin de produccin. El mejor modelo desde el punto de vista de AK es el modelo N pero a pesar de que 6; el AK=19.32556 del modelo 6 es menor que el AK= 19.32666 del modelo 5, se debe tener en cuenta lo que indica el criterio de Schwarz, pues el SCH=19.57241 del modelo 5 es menor al SCH= 19.65323 del modelo 6, por lo que dado que el Schwarz es un criterio de seleccin ms robusto seleccionaramos como mejor modelo, el modelo 5, lo mismo indica el criterio de Hannan Quinn (H-Q). En conclusin, de acuerdo a los resultados de las estimaciones, podemos afirmar que las variables de temperatura si afectan el rendimiento del mango. A medida que aumenta la temperatura mnima el rendimiento del mango aumenta, estos aumentos en el rendimiento del mango ante aumentos en la temperatura mnima son cada vez menores e incluso llevaran a una disminucin en el rendimiento si los aumentos en la temperatura mnima sobrepasan el umbral u optimo correspondiente. Lo mismo podemos sealar con respecto a la temperatura mxima. Los eventos Nios y Nia son perjudiciales para el rendimiento del mango.
60
cultivo que todo el ao produce y las variables climticas inciden en el mismo ao de produccin. La secuencia de las estimaciones son las mismas que en el caso del mango; con la diferencia que este cultivo es permanente, y sus variables climticas corresponden al promedio del periodo de produccin. Primero relacionamos las variables de las temperaturas mnimas y mximas por separado, luego la estimacin conjunta de ambas temperaturas y adems el evento Nio y la precipitacin pluvial. En el Cuadro N 3.3 se reporta las estimaciones para el cultivo del limn. Las primeras estimaciones, se realizan para las temperaturas mnimas y mxima por separado. Se observa que la temperatura mnima no tiene impacto sobre el rendimiento del limn observando la significancia de sus parmetros. La temperatura mxima si tienen importancia esto ltimo es debido al problema de multicolinealidad. Cuadro N 3.3: RESULTADO DE ESTIMACIONES PARA EL LIMON Variables Estimacin Estimacin Estimacin Estimacin Estimacin 01 02 03 04 05
Constante -3756.838 (-0.037269) 1465.721 (0.140604) -35.28512 (-0.131228) -243982.6 (-0.384261) -1361008. -1.438168 13727.10 1.549415 -318.0663 -1.336509 81197.45 1.319439 -1343.287 -1.355157 -1309841.0 (-1.46936) 10080.70 (1.194755) -212.1587 (-0.933283) 80085.46 (1.378794) -1328.453 (-1.419567) 2.258387 (1.742857)** -4410.041 (-2.183374)* 0.502473 0.427844 19.36141 19.63696 19.46510 -1477295. -1.625384 10254.26 1.186291 -216.9674 -0.931638 90888.29 1.536062 -1503.823 -1.577611 -4481.953 -2.166265* 0.464691 0.399409 19.39205 19.62824 19.48093
rendimiento del limn pues hay un alto ajuste global aunque no hay significancia individual,
El limn Se consideran las temperaturas mnimas y mximas promedio anual, por ser un
sobre el
16375.95 (0.402275) -263.8484 (-0.404485)
R R ajustado AK SCH H-Q
0.037078 -0.043166 18.82228 18.99117
0.545884 0.514202 19.14245 19.29991
0.403422 0.346605 19.45786 19.65468 19.53193
61
para ver la temperatura ptima.
20,76 y en el caso de la temperatura mxima es 31,03 resultados muy aproximados a la C C, teora resaltada en el cuadro resumen 3.1, quiere decir que a grados mayores de temperatura mnima y/o mxima, el rendimiento del limn disminuye, La tercera estimacin combina las dos variables de temperatura mnima y mxima y adems las precipitaciones pluviales y el evento nio, muestra que el ajuste de la estimacin es adecuado y los coeficientes de los estimadores mejoran y son significativos el de la lluvia y el evento Nio, el primero le afecta positivamente, pero el fenmeno del nio es perjudicial. Es decir el rendimiento del limn se ve favorecido si en el periodo previo llovi pero se perjudica
(*)Estimadores significativos estadsticamente al 5 % (**) Estimadores significativos estadsticamente al 10% En base a las dos primeras estimaciones se procede hacer los grficos y los clculos
GRAFICO N 3.2: Temperatura mxima y mnima optima para el limn.
Fuente: elaboracin propia

1465.721-2*(35.28512) 16375.95+2*(-263.8484) =0
=0
Resulta que el requerimiento ptimo de la temperatura mnima para este cultivo es
62
con mucha precipitacin, como seria ante un Fenmeno del Nio. Dentro de los criterios de seleccin de modelos tenemos los criterios de Hannan Quinn (H-Q), AK y SCH, seleccionamos la estimacin N como el mejor; si se tomara en cuenta 4 slo AK y SCH deberamos seleccionar la estimacin 5. En la estimacin N tanto AK y H-Q 4 indican que esta estimacin es mejor que las otras, mientras que SCH indica que la mejor estimacin es la N 5.
anteriormente, se sigue la metodologa de los cultivos anteriores, primero se estima para las temperaturas mnimas y mximas por separado para obtener los ptimos de estas variables y luego se precede a estimar el modelo completo. El caf es un cultivo que produce en la sierra de Piura, en las provincias de Ayabaca y Huancabamba en los distritos sealados en el captulo 2 (La Laquiz Jilili, Canchaque, etc.). En los distritos que se siembra el caf no existen estacin de meteorologa que aporten una data continua de variables climticas, razn por el cual se utiliza los datos proporcionados por las estaciones de las capitales de provincias, que no son las mismas que las zonas de cultivo, stas variables climticas estn colgados en la pgina web del Senamhi, por da, siendo una ardua tarea obtener el promedio mensual y luego anual. Despus de estimar cada modelo en base a la data disponible de cada provincia, al final se elige la que ms explica el modelo; tal como se resume en el cuadro 3.4 siguiente. Cuadro N 3.4 RESUMEN DE ESTIMACIONES DEL CULTIVO DEL CAF Variables Estimacin Estimacin 02 Estimacin 03 Estimacin 04 01 Huancabamba(1) Ayabaca(2) 16852.85 -5442.17 -76856.54 662.7130 Constante
(1.081558) -2504.000 (-1.058738) 95.40918 (1.063760) (-1.1184485) (-1.122694) 52.28082 (0.020053) -2.080841 (-0.021030) (7.551269)* -563.5030 (-1.014033) 25.84560 (0.921576)
El caf El modelo general para el caf es considerado en la ecuacin 3.6 descrita
63
0.055363 0.290443 R2 2 -0.039100 0.219488 R ajustado 12.43392 12.14776 AK 12.58203 12.29587 SCH 12.47117 12.18501 H-Q (**)Son estimadores estadsticamente significativos. (a) , es la variable sequa, ao 1988, 2003 y 2004. (1) Los datos climticos son de la estacin meteorolgica de la provincia de Huancabamba (2) Los datos climticos son de la estacin meteorolgica de la provincia de Ayabaca Las primeras estimaciones son para obtener la relacin del cultivo con cada
temperatura, y se ve que la temperatura mnima es menos relevante que la mxima, esta ltima al graficarla muestra que la temperatura optima requerida es superior a 24.6 C GRAFICO N 3.3: Temperatura mxima optima para el caf.
4429.804 (1.098192) -89.32953 (-1.068951)
(a)
6304.043 (1.278564) -128.6018 (-1.258103) -0.954613 (-1.542683) 0.000850 (1.457604) -38.99744 (-0.551907) 0.409936 0.134572 12.39814 12.79309 12.49747
179.7712 (0.688413) -0.787837 (-0.112042) -0.325018 (-0.568817) 0.000130 (0.557845) 41.71485 (0.538198) 0.581182 0.385734 12.05534 12.45030 12.15467
. Fuente: elaboracin propia
- 2504.000 + 2*(95.40918) 4429.8004 +2*(-89.32953)
=0
=0
64
temperatura mnima ptima para el caf es 13.26 y la temperatura mxima ptima es C, 24.79 que difiere con la teora que es 18-20 en la mnima y 26 en la mxima. C C En las estimaciones 03 y 04, se incorporan ambas temperaturas, adems de las precipitaciones pluviales y la sequa, distinguiendo entre las dos la informacin de la estacin de Ayabaca y de Huancabamba, zonas donde se cultiva el caf. Los resultados permiten ver que la estimacin 04, es mejor que la 03, tanto por el ajuste global como siguiendo los criterios de seleccin de variables, tanto AK, SCH y H-Q indican que la estimacin 04 es la mejor, aunque la significancia de las variables, se ve afectada por la multicolinealidad. El signo de las variables de las temperaturas y la sequia son las esperadas; aunque en el caso de la lluvia debiera ser positivo el coeficiente de plv (precipitacin pluvial no cuadrtica); sin embargo la explicacin que se podra ser es que se requiere de suficientes cantidades de lluvia para mejorar la produccin, explicada esto por el signo positivo de la variable al cuadrado. El pltano El pltano es un cultivo no estacional, es decir da todo el ao, el tiempo de floracin a obtener el fruto es de seis meses, por tanto se estima el modelo con datos promedios anuales con rezago de un periodo (con variables del mismo periodo los resultados son inferiores en todo sentido). En el cuadro 3.5, se resumen las estimaciones, siguiendo el proceso de los casos anteriores. Cuadro N 3.5: RESUMEN DE ESTIMACIONES DEL CULTIVO DEL PLATANO Variables Estimacin 01
-2364.1 (-2.087386)* 29069.58 (2.376386)* -816.2455 (-2.477957)*
Desarrollando los resultados de dos primeras estimaciones, se obtiene que la
Estimacin Estimacin Estimacin Estimacin 02 03 04 05

-57357.85 (-0.146985) 289832.0 (0.869632) 20609.12 (0.824079) -652.1077 (-1.021194) -332348.37 (-0.985829) 170011.8 (0.411994) 5667.602 (0.186573) -260.2566 (-0.330352) -14749.09 (-0.382994) 321731.0 (0.842013) 19936.23 (0.767006) -630.9875 (-0.946240) -34216.06 (-0.972350)
Constante
4861.524 (0.177254)
65
cultivo:
de 31,,64 Tambin difiere con la teora que plantea 18.5 y 35 C. C C. En las estimaciones para el caso del pltano se observa que en el primer modelo el ajuste es de 29.91% y los estimadores de los coeficientes de temperatura mnima son significativos al 5% y positivo es decir a mayor temperatura mayor es el rendimiento; a diferencia de la segunda estimacin que toman en cuenta la temperatura mxima, tanto el R2 y la significancia de los estimadores es menor, los criterios de seleccin de modelos indicara, hasta aqu, que la estimacin 1 es mejor que la estimacin 2. Esto nos indica que la temperatura mnima es relevante para este cultivo y como se observa en el grfico esta temperatura mnima en el ptimo debe de ser 17.8 En la temperatura mxima es de C. 31.65 C. GRAFICO N 3.4: Temperatura mxima y mnima optima para el pltano.
-76.82552 (-0.160918) 598.6307 (1.076554) 305.3870 (0.468703) 631.0232 (1.056237) -822.4937 (-0.189805) R
2
2
AK SCH H-Q (*) Estimadores estadsticamente significativos al 5% de significancia
Adjustment R
0.299141 0.225367 20.05669 20.20546 20.09173
0.021365 0.081650 20.39054 20.53932 20.42559
0.480876 0.358730 19.93834 20.18630 19.99675
-10.38356 (-0.870728) 0.004413 (0.595054) 0.518092 0.322529 20.04577 20.39292 20.12755
0.482043 0.320181 20.02700 20.32456 20.09709
Con las primeras dos estimaciones obtenemos las temperaturas ptimas para este
- 29069.58 + 2*(-816.2455) 4861.52 +2*(-76.82552)
=0
=0
El resultado para la temperatura mnima es 17,8 y para la temperatura mxima es C
66
global pero no la significancia de los coeficientes, esto debido fundamentalmente a la presencia de multicolinealidad debido a la inclusin de las variables y sus cuadrados; los criterios de modelos comparando las estimaciones 1,2 y 3 indicaran la seleccin de la estimacin 3 como el mejor modelo. Al agregar los otras variables precipitacin pluvial y fenmeno del Nio, si bien mejora el R2 ajustado, los criterios de seleccin de modelos siguen indicando que el modelo 3 es el mejor, adems los coeficientes de los estimadores son no significativos, por ltimo el signo de la variable ms importante, temperatura mxima no es el esperado. En razn a todo lo anterior, la estimacin no tiene buenos resultados, principalmente porque el signo de la temperatura mxima no es el esperado, una razn debe ser por el numero de observaciones que son menores a 30, por ello se estiman los modelos en base a datos mensuales para el periodo 1990 2009, teniendo en cuenta que este cultivo es continuo, es decir da todo el ao. En la estimacin 01, que toma en cuenta el periodo de 1990-2009, del cuadro 3.7, se presenta un ajuste del 45% y significancia conjunta de todas las variables incluidas, pero los coeficientes en forma individual tienen poca significancia e importancia en el modelo. Cuadro N 3.6: RESUMEN DE ESTIMACIONES DEL CULTIVO DEL PLATANO(data mensual 1990-2009) Variables Estimacin 01 Estimacin 02
Constante 2.367698 (0.289257) -0.188871 -1.414963 (-0.085171) -1.055168
Elaboracin propia. En la estimacin 03, se unen las dos temperaturas mnima y mxima, mejora el ajuste
67
conjunta; preocupa porque no tiene significancia individual, y los coeficientes son muy pequeos, esto lleva a analizar los datos que se muestra en el grfico 3.5.
ao 2000, disminuyendo esta volatilidad en la siguiente dcada, la sospecha es que la volatilidad debe coincidir por la variabilidad climtica, y es lo que observamos en el grafico 3.6, que indica la misma direccin y fluctuacin conjunta de la temperatura mxima con el rendimiento del pltano, al parecer en la segunda dcada una no sigue a la otra, las fluctuaciones no son las mismas; el rendimiento del pltano se hace ms estable. Esto nos
R 2 Adjustment R F
2
(-0.50176) 0.005507 (0.593631) 0.028671 (0.053830) 1.20E-05 (0.001430) -0.278780 (-1.006161) 0.4504290. 0.436154 0.00000
(-1.332125) 0.027837 (1.416966) 0.733378 (0.636139) -0.010141 (-0560053 -0.923444 (-1.631117) 0.470372 0.442000 0.000000
La estimacin mensual a pesar de los indicadores, tiene buen ajuste y significancia
GRAFICO N 3.5: Rendimiento mensual de la produccin del pltano 1990-2009.

5 4 3 2 1 0 90 92 94 96 98 00 RDPL 02 04 06 08
Fuente: BCRP-Piura Elaboracin propia.
En este grfico, se observa que el rendimiento de este cultivo es muy voltil hasta
68
llev a consultar con los especialistas del tema58 los cuales afirman que en los ltimos aos se practican nuevas tcnicas de manejo de cultivo como el embolsado, uso de protectores del fruto, produccin orgnica, entre otros; todo ello permite que la produccin sea ms estable y menos dependiente de las variaciones del clima. GRAFICO N 3.6: Temperatura Mxima y Rendimiento mensual de la produccin del pltano (1990-2009)
6 5 4 3 2 1 0 90 92 94 96 98 00 02 04 06 08 RDPL TMAXMLL 38 36 34 32 30 28 26
va en la misma direccin y fluctuacin que la variable temperatura mxima, los resultados son mejores tanto en la significancia e importancia de los coeficientes, adems de los indicadores R2, R ajustado y F estadstico; esto se muestra en el cuadro 3.7 en la estimacin 2. Esto significa que en la medida que la produccin del pltano no incorpore la nueva tecnologa en el manejo de prcticas de cultivo, la temperatura si influye en su produccin, puede decirse que la incorporacin de cambios tecnolgicos para el manejo del cultivo del pltano hace menos dependiente a este cultivo de las variables climticas. Por lo que los efectos del cambio climtico seran contrarrestados por el uso de nueva tecnologa.
3.5. Anlisis de los resultados
Ing. Sandoval Victor: Especialista Frutcola-Profesor Principal Facultad de Agronoma UNP-Piura. Explica que se dan mejoras en el manejo del cultivo desde la seleccin de los hijuelos. Y ms en la etapa de la floracin y fructificacin, practicando el embolsado, que permite mejorar la produccin en cuanto a calidad y cantidad, protegiendo el fruto de factores externos, disminuyendo las lesiones y enfermedades bacterias y amortiguar los cambios del clima.
58
Haciendo la estimacin para el periodo 1990-1999, donde se ve que el rendimiento
69
que las variables climticas explican el rendimiento de los cultivos en cerca o ms del 50%, por otro lado los estimadores obtenidos son significativos conjuntamente, en su mayora; la significancia individual se ve afectada por el problema de multicolinealidad. El comportamiento de las variables no es igual para todos los cultivos, como en un inicio se esperaba, por los requerimientos de temperatura, humedad y riego que cada uno de ellos necesita, adems los periodos de floracin y produccin son diferentes, es decir la estacionalidad a la que est sujeta cada uno de ellos. La temperatura mxima afecta negativamente el rendimiento del mango para la produccin del ao siguiente, aunque le es favorable si estas temperaturas aumentan en el mismo ao que corresponde a setiembre a noviembre, lo que es bueno incluso para exportar. El rendimiento del limn es afectado positivamente por la temperatura mxima; pero no olvidar que el calor permite su pronta maduracin, ante una mayor temperatura el fruto no perdura lo que hace disminuya al final su rendimiento. En el caso del caf y el pltano las temperaturas mximas le son favorables. El evento Nio es desfavorable para los cultivos mango, limn y pltano; en los dos primeros por la humedad que afecta al fruto, mientras que para el caso del pltano los efectos de un nio arrasa con las cosechas que elimina el efecto positivo que trae el aumento de humedad en las plantas. En el caso del caf el Nio no le es desfavorable, al contrario mejora la produccin debido a la mayor humedad.
3.6.
2010) , Laboratorio de Sistemas de Informacin Geogrfica Oficina General de

RESUMEN TCNICO, SEGUNDA COMUNICACIN NACIONAL DE CAMBIO CLIMTICO del Ministerio del Medio Ambiente a travs del Servicio Nacional de Meteorologa e Hidrologa (SENAMHI) en el Proyecto de
59
Los resultados obtenidos en las estimaciones hechas para cada cultivo, nos indican
ANLISIS DE LA PREDICCION Al 2030
3.6.1 Predicciones en el rendimiento por cultivo Segn la publicacin Escenarios Climticos en el Per para el ao 2030 (Enero,
59
70
Estadstica e Informtica SENAMHI, haciendo uso de tcnicas de regionalizacin dinmica y estadstica para el escenario de emisin A2 (altas emisiones), los pronsticos para la zona donde se desarrollan los cultivos estudiados son como sigue: la Variacin de Temperatura Mnima Anual para el ao 2030 est en el rango de 0,8 a 1,2, la Variacin de Temperatura Mxima Anual para el ao 2030 est en el rango de 0,4 a 0,8, y la Variacin porcentual de la precipitacin Anual para el ao 2030 est en el rango de 20% a 30% . Con los datos anteriores se realizaron los pronsticos acerca de los rendimientos de cada cultivo, que los consideramos muy preliminares, teniendo en cuenta los modelos seleccionados en cada uno de ellos, en relacin a los rendimientos del ao 2008. Para el caso del Mango, se seleccion la estimacin 5 que esta reportada en el Cuadro N 3.2, se realiz el pronstico considerando los valores bajos y altos de los pronsticos climticos sealados anteriormente, el pronstico del rendimiento del mango reporta una cada de 7,48% en el nivel bajo de pronstico y 7,0% en el nivel alto; la cada en el rendimiento del mango es independiente de si tomamos el valor bajo o alto del rango de pronstico de clima. Con respecto al Limn, se efectu el pronstico tomando en cuenta la estimacin nmero 4 que esta reportada en el Cuadro N 3.3, de nuevo tomando en cuenta los pronsticos climticos para el 2030, si bien el pronstico reporta un aumento en el rendimiento del limn; este es diferenciado, pues un aumento en el rendimiento es de 52.74% para el valor bajo y es de 51,90% para el valor alto del rango de pronstico de la temperatura; es decir el aumento en el rendimiento del limn es mayor cuando se toma en cuenta el valor bajo del pronostico climtico, lo que podra estar indicando que de hecho est llegando al ptimo de temperatura requerido (segn la estimacin est por debajo de 31 C); pero temperaturas ms altas por el calentamiento global, si perjudicaran el rendimiento del limn al sobrepasar el umbral trmico de la planta; es decir ms de 31 comienza a afectar la C produccin.
Segunda Comunicacin Nacional de Cambio Climtico, Sub Proyecto Generacin de Escenarios de Cambio Climtico a Nivel Nacional y Cuencas Priorizadas
71
pronstico muestra un aumento en el rendimiento del caf. Este aumento vara de acuerdo a los valores bajos o altos del rango, para el primero es de 18.20% y para el segundo es de 41.10%. Esto puede tener un sesgo por la fuente de datos disponibles en centros meteorolgicos no muy prximos a los lugares propiamente del cultivo; sin embargo un clima ms clido pero con buena humedad lleva a que el rendimiento aumente, como en el presente ao que se dieron incluso 2 cosechas. En cuanto al pronstico del rendimiento del pltano tomando en cuenta los
pronsticos climticos para el 2030, usamos la estimacin 3 mostrada en el Cuadro N 3.5, los resultados del pronostico indican que el rendimiento del pltano caer 39,86 % cuando se toman en cuenta los valores altos del rango y disminuyen 38,51 % cuando se toman en cuenta los valores bajos del rango. Este resultado indican que el calentamiento global si afecta el rendimiento del pltano, tiene sentido porque si bien es un producto de altas temperaturas, ste requiere de humedad, entonces mayor temperatura debe ser compensado por suficiente riego que permita contrarrestar la mayor evapotranspiracin de la planta. Las nuevas prcticas de manejo de cultivo estn disminuyendo la variacin del rendimiento respecto de la variabilidad climtica, esto se explica por el comportamiento del rendimiento en los ltimos aos como se aprecia en el grfico N 3.6 y se comprueba en los resultados de las estimaciones del cuadro N 3.6. En todos los pronsticos no se considera los eventos extremos Nio y/o Nia, por los que los efectos negativos, serian an ms negativos y los positivos deben hacerse menos positivos como el caso del limn que en un eventual FEN su incremento en el rendimiento slo es del 8% . 3.6.2 Variacin en el ingreso por cultivo: Las variables climticas tienen incidencia en el rendimiento de los cultivos, como lo indican las estimaciones, en unos cultivos ms que en otros, los clculos de la variacin en el rendimiento de cada cultivo por ha es respecto al ao 2008, porque los pronsticos de las variables climticas son en base a este ao.
En relacin al caf, se utiliz la estimacin N 4 reportada en el Cuadro N 3.4, el
72
resultado es la variacin total de produccin por cultivo en la regin; se utiliza los precios de cada cultivo para obtener al final el cambio en el valor del ingreso por cultivo a precios de chacra del ao 2009. Es decir nos indica cual ser el cambio en los ingresos de los agricultores para el ao 2030. Cuadro N 3.7: Pronstico de Variacin del Rendimiento e Ingresos Por Cultivo PARA VALORES BAJOS DE PRONSTICO AL 2030
CULTIVO MANGO LIMON CAF PLATANO VARIACION RENDIMIENTO ( Valores bajos) % Kg/ha -7.48 52.74 18.2 -38.51 -1092.454 5295.6234 73.892 -8438.69 TOTAL TOTAL ha PRECIOS(Kg) Sembradas En chacra AO: 2008 AO: 2009 VARIACION INGRESO N S/. AO 2030 -16,188,092.62 23,839,943.33 3,370,508.21 -42,319,218.07 -31,296,859.15 VARIACION DEL INGRESO US$. AO 2030 -5,396,030.87 7,946,647.78 1,123,502.74 14,106,406.02 -10,432,286.38
Fuente: elaboracin propia Pronstico al 2030 en base al ao 2008: Tmin +0.8 y Tmax + 0.4 Los precios proporcionados por el BCRP-Piura
del rendimiento por ha es pequea respecto a la variacin de otros cultivos, esta prdida significativa se debe a la importancia en el rea sembrada y por los precios que son ms altos. En el caso del limn y el caf el cambio del ingreso es positivo, pero no supera la prdida que se ocasiona en el mango; sin embargo el limn y ms el caf es agricultura a pequea escala realizada por pequeos agricultores, quienes son ms reacios a adoptar tecnologas nuevas y obtener financiamiento para hacer frente a alguna eventualidad. En el caso del mango es principalmente lo opuesto, es de mayor escala su produccin y son agricultores que tienen mayor informacin, acceso a crditos y ms predispuestos a adoptar cambios. Con respecto al pronstico de los valores altos, los incrementos en las temperaturas mnima y mxima es de 1.2 y 0.8 respectivamente y de la lluvia de 30%; y sin tomar en cuenta las incidencias de Eventos Nio y/ Nia. Y los resultados se resumen en el cuadro siguiente,
La cada del rendimiento por ha se multiplica por el total de has sembradas, el
15598 0.95 14522 0.31 7206 6.33 10670 0.47
La prdida econmica del mango es mucho mayor que el resto, a pesar que la cada
73
para luego obtener los cambios en valor del ingreso de los agricultores por cultivo. Cuadro N 3.8: Pronstico de Variacin del Rendimiento e Ingresos Por Cultivo PARA VALORES ALTOS DE PRONOSTICO AL 2030 VARIACION VARIACION VARIACION RENDIMIENTO TOTAL ha PRECIOS(Kg) INGRESOS INGRESOS CULTIVO (Valores altos) Sembradas En chacra En N S/. US $. % kg/ha AO: 2008 AO: 2008 2030 2030 MANGO LIMON CAF
-7.0 51.9 41.1 -1022.35 5211.279 166.866 -8734.522 15598 0.95 14522 0.31 7206 6.33 10670 0.47 -15,149,284.54 23,460,240.03 7,611,422.39 -43,802,753.37 -5049761.51 7820080.01 2537140.80 -14600917.79
PLATANO -39.86 TOTAL
Fuente: elaboracin propia Pronstico al 2030 en base al ao 2008: Tmin +0.4 y Tmax + 0.8 Los precios proporcionados por el BCRP-Piura
9.293.548,5; La cada en el mango es menor que en el caso anterior, debido a que a mayor temperatura mnima mayor floracin que contrarresta la cada del rendimiento por el valor de temperatura mxima y por ende la prdida de los ingresos del agricultor tambin. En el caso del limn, el aumento en el rendimiento es considerable y por ende en los ingresos de los agricultores, pero el incremento respecto a las cadas del mango y el pltano no contrarrestan suficientemente en la prdida total de la agricultura de exportacin. No se debe olvidar que el limn es un fruto que tiende a malograrse rpido por las enfermedades y plagas que aumentan con las temperaturas altas; si no se cosecha y almacena oportunamente y en forma adecuada el incremento de la produccin se pierde. El caf es el ms beneficiado con estos valores de prediccin, esto se explica porque el pronstico de la temperatura mxima es ptima para el caf pero resaltando que debe ser compensado por lluvias o mayor riego para mantener la humedad de la planta. Adems se cultiva el caf bajo sombra para amortiguar el efecto de la disminucin de la humedad debido al mayor calor. Si bien el pltano es otro cultivo perjudicado, esta prediccin es la que debe sostenerse con ms cuidado por los indicadores en la estimacin; adems no olvidar que con
-27,880,375.50
-9,293,458.5
En los resultados se ve que la cada en el ingreso total de los agricultores es de US$
74
las nuevas tcnicas practicadas actualmente es menos vulnerable a la variacin de la temperatura, lo importante es no descuidar el riego; aunque un FEN es devastador. 3.6.3 Medidas a adoptar De acuerdo a los resultados, se observa que los cultivos tienen diferente respuesta a los cambios en las variables climticas. Por lo que las medidas no necesariamente deben ser de forma general. Es as que para el caso del mango se debe enfatizar en tcnicas que permitan mitigar los efectos de las bajas temperaturas, debemos entonces incidir en investigacin para lograr minimizar los efectos de friaje como los eventos de la Nia que son de temperatura muy baja y prolongado. Es importante que las investigaciones se oriente a tcnicas que permitan la utilizacin de medios orgnicos para mejorar la calidad y la demanda del producto. En el caso del limn, si bien en las estimaciones nos explican que aumenta la produccin de este fruto, pero cabe sealar que en temperaturas altas estos frutos tienden a malograrse rpido tanto en la planta como ya cosechadas, conviene entonces que los estudios se orienten a obtener variedades ms resistentes al calor o uso de fertilizantes y pesticidas sobretodo orgnicos que minimicen los efectos; por otro lado incidir en mejorar las tcnicas de cosecha y almacenaje. Convendra instalar almacenes adecuados para acopiar el producto y reducir su pudricin temprana. En cuanto al caf, nos sorprende porque su rendimiento aumenta considerablemente en los dos tipos de pronstico alto y bajo; pero en las parcelas visitadas los agricultores temen las temperaturas muy altas si estas no son compensadas por suficiente riego de lluvia. Esto porque la planta requiere de bastante humedad, al ver a los agricultores in situ, muchos ya practican cultivos en sombra, fertilizacin, desinfeccin orgnica y riego tecnificado; sin embargo requieren de financiamiento para mejorar la infraestructura de riego como canales y canaletas y pequeos sistemas de almacenaje de agua. Con un financiamiento adecuado y supervisado, esto podra ser incorporado en sus parcelas lo que permitira los incrementos de rendimiento explicados. Las acciones de las ONGs como CEPICAFE, deben ser reforzados con programas
75
complementarios de asistencia tcnica por parte del estado (Ministerio de Agricultura) e implementacin de sistemas de riego (Gobierno Regional) para lograr mejores rendimientos de este cultivo, que tiene mucha demanda nacional e internacional. El pltano es ahora un cultivo muy tecnificado, como se explic anteriormente, pero tambin es necesario garantizar el riego porque si bien las altas temperaturas le favorecen, esto es siempre y cuando se mantenga la suficiente humedad de la planta. Estos cultivos se desarrollan en el rea de irrigacin del Chira, ver mapas del captulo 2 (figuras 2.3 y 2.4), cuentan con agua para el riego, pero podra disminuir la oferta del agua proveniente del proyecto Chira Piura, lo que pondran en peligro la produccin; convendra la instalacin de riego tecnificado que permita controlar y sustituir la prdida de humedad de la planta. Por otro lado los eventos Nio desfavorecen al cultivo del pltano porque los plantones no son muy profundos y exceso de agua arrasan con ellos, por lo que se sugiere incidir en este punto en las plantaciones y mejorar los sistemas de drenaje de las parcelas para disminuir las inundaciones debido a este fenmeno. Si bien es cierto que los agricultores se estn organizando en asociaciones para lograr mejores resultados (CEPIBO), tambin el estado debe cumplir su parte en garantizar el sistema de riego e implementar sistemas de drenaje. En general, el CC conduce a que clima sea ms variable como se explic en el captulo I, temperaturas muy altas o muy bajas, sequias prolongadas o lluvias con mayor intensidad y frecuencia. Por lo tanto nada est dicho y el riesgo en la agricultura es alto, se sugiere entonces para la agricultura en general, que se implemente asistencia agrometeorolgica y sistemas de alerta temprana en las estaciones cercanas a los cultivos y con acceso y orientacin a ellos, se carece mucho, no es suficiente con que la informacin este en la web, porque para empezar se debe conocer el manejo del sistema, complicado incluso para el investigador. Tambin es necesario implementar un seguro al agricultor de acuerdo a sus posibilidades y necesidades que disminuya la vulnerabilidad de sus ingresos debido a estos
76
factores no controlables. Por ltimo programas de financiamiento asistido por parte del gobierno a los agricultores, principalmente a los pequeos con la finalidad que implementen sistemas de riego y nuevas prcticas de manejo de cultivo. Sobre todo se debe promover y financiar la investigacin orientada a mejorar la tecnologa que permita hacer frente a los efectos sealados y tener una agricultura menos vulnerable al clima.
rendimiento de los cultivos, segn la bondad de ajuste de los modelos, estos explican incluso ms del 50% del rendimiento de los cultivos. De los resultados, vemos que cada cultivo tiene un umbral diferente de temperatura mnima y mxima que estn dentro del rango que la teora sostiene. Estos ptimos estn en el lmite de las temperaturas ya observadas. Tanto en el caso de las mnimas para el mango, limn y pltano de 24 observados y lo ptimo de estos cultivos no es ms de 20 con la C C, temperatura mxima ocurre algo similar. Slo en el caso del caf los ptimos tienen un margen para no ser afectados por las temperaturas observadas. La posibilidad de realizar pronsticos con respecto al efecto del cambio climtico sobre los cultivos analizados se ve limitada por la escasa informacin disponible con respecto a las variables que mediran el cambio climtico. De lo anterior y dadas las proyecciones de las temperaturas obtenidas en la web por el Senamhi, se tiene que de los cultivos estudiados, el mango y el pltano son afectados en los dos niveles bajo y alto de pronstico. Esto se debe a que las negativamente
temperaturas actuales de los cultivos se encuentran en el umbral requerido por la planta. En el caso del limn aumentos de temperatura mejoran el rendimiento, se explica por
CONCLUSIONES. Los resultados del anlisis nos muestran que las variables climticas si afectan el
77
el margen en el umbral hacia la temperatura mnima y en la mxima est muy cercana, es por ello que en el pronstico de valor alto el incremento es menor. En cuanto al caf, aumentos en la temperatura mnima mejora el rendimiento, tambin ocurre con mayor temperatura mxima, esto, porque en ambos las temperaturas actuales y las pronosticadas estn por debajo del ptimo, lo que permite el incremento del rendimiento a mayores temperaturas; pero no olvidar que esta planta necesita mucha humedad, que disminuye si la temperatura aumenta. El pltano es un cultivo de temperaturas altas, es decir clima tropical, que requiere de mucha agua, es por ello que si el rendimiento de este cultivo debido al cambio climtico le perjudica, ste puede mitigarse con aumentos de riego; tambin es necesario considerar los evento Nio que s lo afectan considerablemente por la prdida de reas de cultivo. Es decir que frente a un cambio climtico, no necesariamente la agricultura de exportacin se ver totalmente disminuida. Claro est es necesario tomar en cuenta los eventos extremos, que stos s afectan a toda la agricultura de la regin norte. RECOMENDACIONES. El Senamhi debe proporcionar informacin y pronsticos oportunos y adecuados para que los agricultores tomen las medidas del caso para mitigar los efectos de las variables climticas. Los programas de asistencia a los agricultores de estos cultivos debe ser priorizado para el caso del mango y pltano, cultivos que ser ms afectado segn el presente estudio. La asistencia tcnica es muy importante para hacer frente a estos problemas, lo que requiere es invertir en investigacin, difusin e implementacin. Si bien la regin cuenta con importante infraestructura de almacenamiento de agua y riego, tambin se debe tener suficiente presupuesto para mantener la infraestructura en buen estado y garantizar la capacidad de riego de los cultivos.
78
BIBLIOGRAFIA:
-
Se debe fortalecer los programas de informacin y sensibilizacin para la adaptacin al cambio climtico, con la participacin del sector pblico y privado.
Los organismos pblicos responsables deben priorizar la investigacin y programas que implementen acciones para mitigar y hacer frente a estos cambios; principalmente en lo referente a medidas que permitan reducir los impactos de los eventos extremos que trae prdidas en la infraestructura de riego.
Tambin los mismos agricultores deben tomar conciencia sobre este tema para organizarse por cultivo o en forma conjunta, formando un frente comn para afrontar y protegerse, creando un fondo o resguardndose con un seguro.
Las autoridades deben liderar programas en favor del medio ambiente, con acciones integrales de reforestacin, uso adecuado del agua y prcticas agrcolas orgnicas.
Se recomienda tambin realizar estudios similares que involucren a otros cultivos y/o nuevas metodologas que permitan conocer sobre los efectos que ocasionar el CC climtico que poco se hace para reducir su realizacin; sirve para la discusin y las medidas anticipadas que debera tomarse para contrarrestar sus efectos en bien de los agricultores y de la economa de la regin.
Agroexportaciones
79
2009 Boletn Informativo No 001-Ene-2006 http://www.adexperu.org.pe/agro/boletin/BOLETIN%20MENSUAL%20ENERO_archivos/p age0010.htm. [visitado el 12/11/2009] Barreira Sandra y Segura Mara Elena 2001 Pronostico Climtico de Temperatura Y Precipitacin Basado en el Estado de las Temperaturas del Mar en el Pacifico Ecuatorial- Boletn del Servicio de Hidrografa Naval- Ao IV N 1 2001 BCRP 2009: Sntesis Econmica de Piura Enero de 2009 http://www.bcrp.gob.pe/docs/Sucursales/Piura/2009/Sintesis-Piura-01-2009.pdf
Dixon B. L., Hollinger S.T, Garcia P. and Tirupattur V. 1994 Estimating Corn Yield Response Models to Predict Impacts of Climate Change Journal of Agricultural and Resource Economics, 19(1): 58-68 Copyright 1994 Western Agricultural Economics Association.
-
Carnero C. Vanesa 2004 Comunidad internacional y Cambio Climtico Global. A propsito de nuevas tendencias y escenarios (CAEI). http.www.caei.com.ar/ebocks/ebook14.pdf Corporacin Andina de Fomento EL FENOMENO EL NIO 1997- 1998 MEMORIA, RETOS Y SOLUCIONES- VOLUMEN V:PERU disponible pg. web: http://www.unisdr.org/eng/library/Literature/8766.pdf [visitado 12/03/10] Cline Willim.R. a. 2007 Global warming and agricultural: impact estimates by country center for global development an Peterson Institute for international economics, Washington, D.C. b. 2008 Calentamiento mundial y agricultura en Finanzas y Desarrollo Marzo. Collier Paul, Conway Gordon, and Tony Venables 2008 Climate Change and Africa.
-
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1297158. Darwin Roy ; Tsigas M; Lewandrowski J; Raneses Anton 1995 World Agriculture and Climate Change Economic Adaptations ERS Agricultural Economic Report Number 703 United States An Economic Research Service Report Department of Agriculture. Easterling, W. E., Mearns LO, Hays C.J, and Marx D. 2001 "Comparison of Agricultural Impacts of Climate Change Calculated from High and Low Resolution Climate Change Scenarios: Part II. Accounting for Adaptation and CO2 Direct Effects," Climatic Change, Vol. 51, No. 2, November, pp. 173-197. Fairlie R. A. 2008 Asociaciones de pequeos productores y exportaciones de banano orgnico en el Valle del Chira- Programa Comercio Y Pobreza En Latino Amrica-Copla- CIES. informe final marzo 2008. Figueroa Z. Ral 1998 Gua para la caficultora ecolgica http://www.google.com.pe/#hl=es&q=Figueroa+Z.+Ra%C3%BAl+caficultura&aq=f&aqi=& aql=&oq=&gs_rfai=&fp=c412c4cfe8480ddd Franco Temple E.
Oxford Review of Economic Policy, Vol. 24, No. 2, pp. 337-353, 2008
80
1998 El Nio en el Peru Viejos Y Nuevos Temas- Desastres y Sociedad N9-Especial: El Nio en Amrica Latina Ao 6, N 9, Enero Diciembre. Galindo Luis M 2009: La Economa del cambio climtico en Mxico Sntesis. http://www.cepal.org/dmaah/noticias/paginas/2/35382/Sintesis2009.pdf Gamarra ngel 2005 Nutricin Mineral del Mango Manual del Productor de Mango de Exportacin N 03Municipalidad Distrital de Tambogrande-la Casa del Agricultor. Garca M y Montserrat V 2009. The economic relevance of climate variables in agriculture: The case of SpainEconoma Agraria y Recursos Naturales. ISSN: 1578-0732. Vol. 9, 1. Gassman Philip W., otros 2005 Historical Development and Applications of theEPIC and APEX Models- Working Paper 05-WP 397June 2005- Center for Agricultural and Rural development Iowa State University-www.card.iastate.edu. Gerencia de Agro exportaciones 2006 Boletn Informativo No 001-Ene-2006 Gonzales U. Jorge y Velasco H. Roberto 2007 Evaluacin del cambio climtico sobre el valor econmico del suelo un sistema agrcolas de Chile mayo 2007) disponible en web http://www.inia.cl/at/v68n1/pdf/art6esp.pdf- [visitado el 15/02/10] Gutirrez B Luz A; Jurez Efrn y otros 2009 : Progama Veracruzano ante el cambio climtico- Universidad Veracruzana-Embajada Britanica de Mexico- Unam. Hassan R y Nhemachena Ch. 2008 Determinants of African farmers strategies for adapting to climate change: Multinomial choice analysis AfJARE Vol 2 No 1 March 2008. Herte T W; Burke Marshall B y Lobell David B. 2010 The Poverty Implications of Climate-Induced Crop Yield Changes by 2030 GTAP Working Paper No. 59 2010Ulrich Rey, Administracin y Desarrollo Regional ESAP. Bogot 1973. Hilhorst S. 1970 Teora de desarrollo Regional, en cuadernos de la sociedad venezolana de planificacin-Caracas. Javier, Javier 2005 Manejo de enfermedades del mango en Piura Manual del Productor de Mango de Exportacin N 04- Municipalidad Distrital de Tambogrande-la Casa del Agricultor. Mercau J.L, Dardanelli J.L. y otros 2006 : A. Irigoyen e, E.H. Satorre Predicting on-farm soybean yields in the pampas using CROPGRO-soybean-Field Crops Research 100 (2007) 200209-ELSEVIER jun-2006. Jones, Peter G., and Philip K. Thornton 2003. "The potential impacts of climate change on maize production in Africa and Latin America in 2055," Global Environmental Change, Vol. 13, No. 1, pp. 51 - 59. Kurukulasuriya Pradeep y Mendelsohn Robert 2008 Crop switching as a strategy for adapting to climate change AfJARE Vol 2 No 1 March 2008.
-
http://www.adexperu.org.pe/agro/boletin/BOLETIN%20MENSUAL%20ENERO_ar chivos/page0010.htm [visitado el 10/12/09]
81
Lozanoff Jorge y Cap Eugenio 2006 El Impacto Del Cambio Climtico Sobre La Agricultura Argentina: Un Estudio. Instituto Nacional de Tecnologa Agropecuaria - Instituto de Economa y Sociologa. Buenos Aires, Argentina Mitchell John 2005 Climate change and the greenhouse effect-A briefing from the Hadley Center -Met office Hadley Center. Mohamed A. Ben, Duivenbooden N.Van y Abdoussallam S 2002 Impact of climate change on agricultural production in the Sahel part 1. Methodological approach and case study for millet in Niger- Climatic Change 54: 327 348. Monfreda Chad Ramankutty Navin - Hertel Thomas W. 2008 Global Agricultural Land Use Data for Climate Change Analysis GTAP Working Paper No. 40. Murdiyarso, D. 2000 "Adaptation to Climatic Variability and Change: Asian Perspectives on Agriculture and Food Security," Environmental Monitoring and Assessment, Vol. 61, No. 1, March, pp. 123-131. Potter Thomas d.- Colman Bradley R. 2003 Handbook of Weather, Climate, And Water Dynamics, Climate, Physical Meteorology, Weather Systems, and Measurements- John Wiley and Sons; Inc. Ramrez Diana y otros 2010: a. Istmo centroamericano: efectos del cambio climtico sobre la agricultura CEPAL-CCAD-DEFID-NACIONES UNIDAS MEXICO enero 2010. b. Belice: Efectos del cambio climtico Sobre la agricultura CEPAL-CCAD-DEFID-NACIONES UNIDAS MEXICO .junio 2010. Retana Jos A. 1997 Posibles efectos de la fase clida de el Nio Oscilaciones sur (ENSO) en la agricultura de Costa Rica. Un anlisis cualitativo de las estadsticas de produccin agropecuarias. Instituto Meteorolgico Nacional. Gestin de desarrollo. Apdo: 5583-1000 san Jos CR Costa Rica Rodrguez Vargas Adrin 1991 Cambio climtico, agua y agricultura COMUNIICA: Desarrollo Rural Sostenible-Edicin N 1, II Etapa, enero-abril, 2007. Roldn, D., Salazar, M. & Gonzlez, F. 2002 La Cadena de Banano en Colombia. Observatorio Agrocadenas Colombia-Ministerio de Agricultura y Desarrollo Rural. Documento de Trabajo N 17. Salinger M. James 2004 Increasing Climate Variability and Change: Reducing the Vulnerability. Guest EditorialReprinted from Climatic Change Volume 70, Nos. 12, 2005. Salguero Cubides Jorge 2006 Enfoques sobre teoras referente al Desarrollo Regional Bogot. Sebastin Ramn A. y Rodrguez B. Jos E. 1978 Anlisis Econmico de las funciones de produccin agrcola. Una aplicacin al cultivo del trigo. Universidad politcnica de Madrid. Schlenker| Wolfram and Roberts Michael J. 2006: Estimating the impact of climate change on crop yields:The importance of non-linear
-
82
temperature effects. Song- Cai You 2001 Agricultural adaptation to climate change in China -Journal of Environmental SciencesVolume 13, Number 2/2001 pag 192-197- Monday, January 01, 2001. Tobey James, Reilly John y Kane Sally 1992 Economic Implications of Global Climate Change for World Agriculture Journal ofAgricultural and Resource Economics, 17(1): 195-204 Copyright 1992 Western Agricultural Economics Association. Woodman Pollitt Ronald 1998 El Fenmeno del Nio y el Clima en el Per Publicado por el Congreso de la Repblica en "El Per en los Albores del Siglo XXI/2; Ciclo de Conferencias 1997-1998", Ediciones del Congreso del Per, Lima-Per, 201-242. Yates, David N., and Kenneth M. Strzepek. 1998. "An Assessment of Integrated Climate Change Impacts on the Agricultural Economy of Egypt," Climatic Change, Vol. 38, No. 3, March, pp. 261-287 Autoridad Autnoma Cuenca Hidrogrfica Chira 2007 Comit Interinstitucional Plan de Defensas Ribereas Y Encauzamiento de RosResumen del diagnostico situacional Piura agosto 2007. Disponible: http://www.google.com/search?hl=en&q=el+%E2%80%9CEstudio+de+base+del+Valle+C hira+Defensas+e+Inundaciones%E2%80%9D+&btnG=Search&aq=f&aqi=&aql=&oq=&gs _rfai= Adaptacin al cambio climtico para pequeos productores (ADAPTCC), Un caso piloto del sector del caf en Piura / Per, Sector Adaptacin al Cambio Climtico en Agricultura / Proyecto de Cooperacin Pblica-Privada. (PPP) disponible en la pagina web, http://www.adapcc.org/download/gtz_Topicsheet-Peru_es.pdf - [visitada 11/01/10] Boletn" Cuencas Andinas" N 4/Septiembre 2004 disponible en : http://images.google.com.pe/imgres?imgurl=http://www.redcapa.org.br/cuencas/imagens/ bol-4-2-img1.gif&imgrefurl= [visitado el 2/12/09] Convencin Marco de Naciones Unidas sobre Cambio Climtico. Naciones Unidas. (1992). Art. I, Definiciones. Inc. 2 INFOAGRO.COM - El Portal lder en agricultura. Segn pagina web: http://postharvest.ucdavis.edu/Produce/ProduceFacts/Espanol/Limon.shtml [visitada el 9/01/10] INTA; Estacin Experimental de Cultivos Tropicales INTA Yuto Jujuy disponible en: http://www.inta.gov.ar/yuto/info/documentos/tropicales/Microsoft%20Word%20%20ficha%20banana%20completa.pdf. [visitado el 12/11/2009] Limones Piuranos S.A.C. informacin obtenida de pgina web: http://www.limonespiuranos.com/limon_es.html. [visitada el 22/02/ 2010] Ministerio del Ambiente-Regin Piura-GTZ (2010) Piura una Regin que se adapta al cambio Climtico http://www.congreso.gob.pe/biblio/depositolegal/2010/Deposito-Legal-02.2010.pdf SENAMHI : http://www.google.com.pe/#hl=es&q=SENAMHI&aq=f&aqi=g10&aql=&oq=&gs_rfai=&fp=5 e16e5495201bf33. Ministerio de Agricultura : http://www.google.com.pe/#hl=es&q=ministerio+de+agricultura&aq=f&aqi=&aql=&oq=&gs _rfai=&fp=5e16e5495201bf33.
-
83
ANEXOS. ANEXO 1: DATOS DE VARIABLES 01: ESTACION DE MIRAFLORES-PIURA: TEMPERATURAS MAXIMA - MINIMAS Y PRECIPITACION
TEMPERATURA MINIMA PR MAYPROM.ANUAL PR AB-JN JUL PMIN 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 17.30 16.20 17.00 19.40 16.70 15.30 16.60 19.40 17.90 18.10 20.30 18.00 17.70 17.90 19.30 17.00 18.10 18.10 17.30 17.50 18.70 21.50 18.00 17.50 18.20 20.20 18.30 18.70 19.00 MNAJ 17.43 16.30 16.27 21.00 16.80 15.13 15.07 21.03 18.47 18.07 21.00 18.23 18.37 19.00 19.93 16.57 17.97 17.80 17.47 17.87 17.50 23.80 18.40 16.77 17.53 20.77 18.37 18.40 19.73 MINMYJN 15.87 14.90 15.23 19.60 14.87 13.53 15.03 19.23 16.47 17.33 20.37 16.30 17.47 17.40 18.83 15.00 16.43 16.23 15.70 16.23 16.87 22.70 17.00 15.47 16.07 19.13 16.80 16.83 18.33 TEMPERATURA MAXIMA PROM.ANUAL PMAX 31.28 31.70 31.10 32.40 31.70 31.30 31.30 32.40 31.40 30.30 30.30 30.10 30.50 29.90 31.10 30.80 31.00 31.10 31.50 30.50 31.60 31.60 29.90 30.50 30.90 31.50 31.00 30.90 31.40 PEN-MAR MAXEMR 34.433 35.267 32.300 35.133 35.067 34.633 33.967 34.967 34.467 33.533 32.500 34.133 33.200 32.600 33.633 34.133 33.833 33.767 34.367 34.300 34.367 34.267 34.067 33.867 34.233 34.600 35.500 34.433 34.733 PSET-NOV MAXSN 30.700 30.200 30.733 30.000 30.300 29.800 30.533 30.800 29.800 28.400 29.900 28.067 29.300 28.633 29.700 29.067 29.767 29.867 29.967 29.533 31.167 29.533 29.167 29.567 29.867 29.967 29.867 30.167 29.600 POCT-DIC MAXOD 31.700 30.167 31.567 30.867 30.867 30.500 31.233 31.567 30.633 29.100 31.200 28.867 30.400 29.633 30.867 30.300 30.933 30.833 31.067 30.867 32.533 30.567 30.567 30.733 31.167 30.967 31.300 31.400 31.567
Ao
84
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 19.60 19.83 20.31 18.20 19.13 18.32 22.12 20.69 18.90 19.25 19.29 19.97 19.43 19.43 19.14 19.92 19.01 19.98 20.07 21.03 20.31 18.20 18.72 17.89 22.27 22.21 18.78 19.77 19.30 19.97 19.01 18.83 19.28 19.09 18.58 19.90 18.60 18.31 19.17 16.77 17.72 16.56 21.93 20.27 17.41 18.34 18.01 18.16 17.76 17.59 17.93 18.36 17.11 18.92 31.90 31.10 31.46 31.44 31.12 30.35 32.73 30.47 29.88 30.37 29.71 30.68 30.77 31.07 30.47 30.84 30.32 30.10 35.367 33.667 11.233 34.263 34.417 34.200 33.973 33.250 33.163 33.987 33.597 33.920 33.843 34.583 33.797 34.150 34.347 33.444 30.267 29.900 30.420 31.383 30.153 29.077 32.360 28.737 29.127 29.330 28.390 29.483 29.313 30.090 28.723 30.010 28.337 29.175 31.467 31.003 31.346 31.213 30.887 30.113 32.640 29.630 30.323 30.200 29.570 30.550 30.713 31.153 30.003 31.110 29.203 30.141 29.975 18.74 20.29 12.97 30.52 33.6099846 29.161 Fuente: MINISTERIO DE AGRICULTURA-BCRP- Piura- Universidad Nacional de Piura- SENAMHI.
85
02: PRODUCCION SUPERFICIE COSECHADA(SP) Y RENDIMIENTO POR ha, PRINCIPALES PRODUCTOS ExPORTABLES TN.
ao PDMg 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 14100 15805 16968 17589 18266 14346 32457 33871 36204 26437 28170 51229 45459 45443 30805 48500 32863 MANGO SCMg RDMg 836 902 1416 1665 1712 1593 2213 2390 2435 3305 3315 4345 4361 4383 4403 4578 4384 4228 5014 4758 3397 3433 3388 2713 3547 3539 3641 3496 5946 4442 16.87 17.52 11.98 10.56 10669 9006 14667 14172 14868 7999 8498 11790 10424 10368 6996 10594 7496 7377 13622 13990 17442 8349 14846 13100 PDPlT 79672 69330 100955 79700 74880 56100 54000 50900 50448 28851 32550 48509 36026 42723 41214 37918 29071 12427 23829 57905 37575 64341 49700 83921 PLATANO SCPlT 6050 6450 7050 5600 5200 4750 3750 3470 3490 2405 2700 4085 3559 4093 4308 4358 4263 3652 3747 4821 4697 4405 3481 4640 7292 7390 7030 7520 8152 6559 RDPlT 13.17 10.75 14.32 14.23 14400 11811 14400 14669 14455 11996 12056 11875 10123 10438 9567 8701 6819 3403 6359 12011 8000 14606 14278 PDLm 35233 36771 34529 39610 40574 21890 26331 29837 31152 28478 27980 50904 50959 39760 32948 32723 32459 20287 40408 38666 51851 64576 52715 LIMON SCLm 1867 1906 2240 2560 2560 1858 1990 2242 2335 2668 2670 3776 3717 3987 4018 4363 4637 4149 4899 5236 5852 6822 7683 8483 10501 10501 10986 9268 11264 12496 RDLm 18.87 19.29 15.41 15.47 15849 11781 13232 13308 13341 10674 10479 13481 13710 9972 8200 7500 7000 PDCf 1091 1160 1143 1500 1560 1709 1826 1895 1907 1273 1462 1164 1685 2399 2532 2458 3100 CAF SCCf 2493 2487 2940 3000 2600 2820 3080 3200 3220 2790 2790 2410 3370 4730 4345 4735 4712 3569 3688 3019 2257 2460 1465 1965 3015 3723 3800 2000 2204 2106 4712 4698 4712 4952 4938 4985 6934 6300 6962 7163 3950 3970 3753 RDCf 0.44 0.47 0.39 0.50 600 606 593 592 592 456 524 483 500 507 583 519 658 757 785 641 456 498 294 283 479 535 531 506 555 561
31188 68299 66564 59252 28662 50298 35540 32632 39920 38705 50161 114226 88723 4890 8248 7385 8860 9466 6861 17220 11665 12456 10466 14604 11828 13017 18086 146075 17349 122496 25932 130801 17426 114977 16189 135349 22517 133233 27441 162664 9200 126510 11280 191639 10630 122506 14348 121742 19211 183560 19974 179988
86
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Fuente: Ministerio de Agricultura-Regin Piura
60474 70557 96510 120985 69656 93513 122515 132502 205269 170324 248205 233773 227810 5834 6732 5896 6309 6660 6580 7359 6487 9027 9080 15495 15594 15598 10366 225091 10481 227852 16369 19177 44421 92847 8465 8091 5527 6430 7213 10246 38891 9723 9893 11311 11000 11237 10670 26591 166386 28161 210810 8037 118310 14440 122336 23052 133774 19354 121816 4837 139545 17687 155060 17041 122329 16849 138090 21224 156631 22492 170335 21913 145812 12170 13840 12869 11576 11932 11303 11488 11519 9975 12233 11627 11778 14522 13672 15232 9193 10568 11211 10777 12147 13461 12264 11288 13471 14462 10041 3735 2747 3103 3417 2404 1891 1726 3376 3088 2048 2621 2186 2929 6379 6379 6492 7292 6898 6877 5873 6592 6778 6801 7020 6871 7206 586 431 478 469 349 275 294 512 456 301 373 318 406 10459 166275 14212 198306 16648 188099 20426 171968 22739 168591 18758 190581 16018 233467 14991 252740 14605 233813
87
Anexo 2: Matrices de correlacin MANGO

RDMG RDMG MINMYJL MINMYJL2 MAXSN MAXSN2 PPLV TPROMIMA 1.000000 -0.075814 -0.095298 -0.055067 -0.055658 0.038114 -0.019666 MINMYJL -0.075814 1.000000 0.997899 0.231877 0.236602 -0.150695 0.823848 MINMYJL2 -0.095298 0.997899 1.000000 0.242017 0.246998 -0.148277 0.826632 MAXSN -0.055067 0.231877 0.242017 1.000000 0.999705 -0.219434 0.627932 MAXSN2 -0.055658 0.236602 0.246998 0.999705 1.000000 -0.213796 0.632177 PPLV 0.038114 -0.150695 -0.148277 -0.219434 -0.213796 1.000000 -0.150811 TPROMIMA -0.019666 0.823848 0.826632 0.627932 0.632177 -0.150811 1.000000
CAF
RDCF RDCF MAXAYAB MAXAYAB2 MINAYAB MINAYAB2 LLAYB LLAYB2 SQ LIMON RDLM RDLM PMIN PMIN2 PMAX PMAX2 PPLV FENO PLATANO 1.000000 0.071526 0.276614 0.085053 0.086304 -0.088128 -0.410549 PMIN 0.071526 1.000000 0.322544 0.354983 0.359798 -0.122685 0.291784 PMIN2 0.276614 0.322544 1.000000 -0.163199 -0.161611 -0.146782 -0.122752 PMAX 0.085053 0.354983 -0.163199 1.000000 0.999891 -0.116553 0.032707 PMAX2 0.086304 0.359798 -0.161611 0.999891 1.000000 -0.116274 0.033928 PPLV -0.088128 -0.122685 -0.146782 -0.116553 -0.116274 1.000000 -0.018000 FENO -0.410549 0.291784 -0.122752 0.032707 0.033928 -0.018000 1.000000 1.000000 0.327999 0.329463 -0.382326 -0.382986 -0.150645 -0.072478 -0.047073 MAXAYAB 0.327999 1.000000 0.999910 0.371802 0.357511 -0.401078 -0.399224 -0.158060 MAXAYAB2 0.329463 0.999910 1.000000 0.364855 0.350646 -0.394530 -0.391791 -0.160876 MINAYAB -0.382326 0.371802 0.364855 1.000000 0.998932 -0.316607 -0.394203 0.277652 MINAYAB2 -0.382986 0.357511 0.350646 0.998932 1.000000 -0.315484 -0.391340 0.281358 LLAYB -0.150645 -0.401078 -0.394530 -0.316607 -0.315484 1.000000 0.989167 -0.342773 LLAYB2 -0.072478 -0.399224 -0.391791 -0.394203 -0.391340 0.989167 1.000000 -0.316864 SQ -0.047073 -0.158060 -0.160876 0.277652 0.281358 -0.342773 -0.316864 1.000000
88
RDPLT TMINMLL TMINMLL2 TMXMLL TMXMLL2 FENA FENO PLMLL
Anexo 3: TEST DE RAIZ UNITARIA 01: TEST DE RAIZ UNITARIA PARA LAS VARIABLES DEL MODELO DEL MANGO
MINAJN Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level -4.186481 -3.518090 -3.189732 -4.192337 -3.520787 -3.191277 -3.592462 -2.931404 -2.603944 -3.592462 -2.931404 -2.603944 -3.592462 -2.931404 -2.603944 -6.484201 RDMG -3.768075 MAXSN2 -6.357335 MINAJN2 -5.907627 MAXSN -3.429379
TODAS LAS VARIABLES SON ESTACIONARIAS,
Augmented DickeyFuller test statistic Test critical values: 1% level 5% level 10% level
TODAS LAS VARIABLES SON ESTACIONARIAS
RDPLT 1.000000 -0.023276 -0.016910 0.092895 0.102178 0.094539 -0.262958 -0.469139 TMINMLL -0.023276 1.000000 0.990726 0.810469 0.816434 0.270358 0.075966 0.323076 TMINMLL2 -0.016910 0.990726 1.000000 0.745037 0.755465 0.274243 0.073407 0.365064 TMXMLL 0.092895 0.810469 0.745037 1.000000 0.998605 0.289838 0.157660 -0.014370 TMXMLL2 0.102178 0.816434 0.755465 0.998605 1.000000 0.290484 0.160555 -0.004583 FENA 0.094539 0.270358 0.274243 0.289838 0.290484 1.000000 0.471405 0.288630 FENO -0.262958 0.075966 0.073407 0.157660 0.160555 0.471405 1.000000 0.501605 PLMLL -0.469139 0.323076 0.365064 -0.014370 -0.004583 0.288630 0.501605 1.000000
02: TEST DE RAIZ UNITARIA PARA LAS VARIABLES DEL MODELO DEL LIMON RDLM
-3.006998
PMAX
-5.037401
PMIN
-6.467262
PPLV
-6.982087
PMAX2
-4.959064
PMIN2
-4.280539
FENO
-5.101599
-3.577723 -2.925169 -2.600658
-3.577723 -2.925169 -2.600658
-4.165756 -3.508508 -3.184230
-3.577723 -2.925169 -2.600658
-3.577723 -2.925169 -2.600658
-4.175640 -3.513075 -3.186854
-3.581152 -2.926622 -2.601424
89
Las variables RDCF, MINAYAB, Y MINAYAB2, son integradas de orden uno, es decir I(1), mientras que las restantes son I(0), es decir estacionarias.
Todas las variables son estacionarias, es decir I(0), excepto las variables TMXMLL, Y TMXMLL2 que son integradas de orden uno, I(1).
Anexo 4: Estimaciones de los modelos Estimacin N 01 del Mango a periodos corrientes

Dependent Variable: RDMG Method: Least Squares Date: 07/29/10 Time: 13:13
03: TEST DE RAIZ UNITARIA PARA LAS VARIABLES DEL MODELO DEL CAFE
RDCF -2.429202 MINAYAB -1.609285 MAXAYAB -3.987499 MINAYAB2 -2.159318 MINAYAB2 -4.781924 LLAYAB -3.868726 LLAYAB2 -3.818880
-3.752946 -2.998064 -2.638752
-4.440739 -3.632896 -3.254671
-3.769597 -3.004861 -2.642242
-4.467895 -3.644963 -3.261452
-3.788030 -3.012363 -2.646119
-3.752946 -2.998064 -2.638752
-3.769597 -3.004861 -2.642242
04: TEST DE RAIZ UNITARIA PARA LAS VARIABLES DEL MODELO DEL PLATANO
RDPLT -3.883468 TMIMLL -4.100939 TMXMLL -2.107357 TMIMLL2 -4.583662 TMXMLL2 -2.042512 PLMLL2 -4.648174 PLMLL2 -4.648174
-3.752946 -2.998064 -2.638752
-3.769597 -3.004861 -2.642242
-3.808546 -3.020686 -2.650413
-4.440739 -3.632896 -3.254671
-3.808546 -3.020686 -2.650413
-3.769597 -3.004861 -2.642242
-3.581152 -2.926622 -2.601424
90
Sample: 1966 2008 Included observations: 43 Variable C MINAJN MINAJN2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient Std. Error -217413.8 23490.38 -595.6913 0.312650 0.278282 4664.292 8.70E+08 -422.7102 1.278591 t-Statistic Prob. 0.0003 0.0002 0.0003 12005.16 5490.376 19.80047 19.92335 9.097245 0.000554 54990.28 -3.953678 5729.602 4.099827 148.7545 -4.004527 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Estimacin N 02 del Mango a periodos corrientes

Dependent Variable: RDMG Method: Least Squares Date: 07/29/10 Time: 12:56 Sample: 1966 2008 Included observations: 43 Variable C MAXSN MAXSN2 Coefficient Std. Error 342144.7 -20638.27 320.3526 t-Statistic Prob. 0.5983 0.6340 0.6579
644158.7 0.531150 43019.69 -0.479740 718.0426 0.446147
R-squared 0.053510 Adjusted R-squared 0.006186 S.E. of regression 5473.368 Sum squared resid 1.20E+09 Log likelihood -429.5884 Durbin-Watson stat 0.761775
Mean dependent var 12005.16 S.D. dependent var 5490.376 Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 20.12039 20.24326 1.130711 0.332903
Estimacin N 03 del Mango temperaturas a periodos corrientes

Dependent Variable: RDMG Method: Least Squares Date: 10/26/10 Time: 17:07 Sample: 1966 2008 Included observations: 43 Variable C MINAJN MINAJN2 MAXSN MAXSN2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 6838.861 22338.09 -565.6159 -13442.41 210.6112 Std. Error t-Statistic Prob. 0.9905 0.0006 0.0008 0.7240 0.7404 12005.16 5490.376 19.86812 20.07291 4.676392 0.003617
568785.5 0.012024 5942.499 3.759039 154.5229 -3.660401 37782.12 -0.355788 630.9128 0.333820
Mean dependent 0.329872 var 0.259332 S.D. dependent var 4725.131 Akaike info criterion 8.48E+08 Schwarz criterion -422.1646 F-statistic 1.314478 Prob(F-statistic)
91
Dependent Variable: RDMG Method: Least Squares Date: 10/26/10 Time: 17:21 Sample: 1966 2008 Included observations: 43 Convergence achieved after 12 iterations Variable C MINAJN(-1) MINAJN(-1)^2 MAXSN(-1) MAXSN2(-1) AR(1) Coefficient 665910.0 868.8167 -2.549870 -44381.46 735.4586 0.688520 Std. Error 346473.2 4509.127 115.6574 23074.27 384.3372 0.112169 t-Statistic 1.921967 0.192680 -0.022047 -1.923418 1.913576 6.138240 Prob. 0.0623 0.8483 0.9825 0.0621 0.0634 0.0000
Estimacin N04 del Mango temperaturas a periodos corrientes, incluidas otras variables
climticas
Dependent Variable: RDMG Method: Least Squares Date: 10/26/10 Time: 17:03 Sample: 1966 2008 Included observations: 43 Convergence achieved after 12 iterations Variable C MINAJN MINAJN2 MAXSN MAXSN2 FENO FENA PPLV AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -624587.1 4886.164 -139.7529 39347.66 -649.5158 1379.822 -244.1950 0.697771 0.748394 0.598239 0.503707 3867.863 5.09E+08 -411.1650 2.193211 Std. Error 388843.0 5059.752 129.3430 25815.84 428.9928 1447.345 2436.850 1.211763 0.109968 t-Statistic -1.606271 0.965692 -1.080483 1.524167 -1.514048 0.953347 -0.100209 0.575831 6.805548 Prob. 0.1175 0.3410 0.2875 0.1367 0.1393 0.3471 0.9208 0.5685 0.0000 12005.16 5490.376 19.54256 19.91118 6.328434 0.000051
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Estimacin N 05 del Mango con temperaturas rezagadas en un periodo.
92
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots
Dependent Variable: RDMG Method: Least Squares Date: 01/27/11 Time: 10:23 Sample (adjusted): 1966 2008 Included observations: 43 after adjustments Convergence achieved after 14 iterations Variable C MINAJN(-1) MINAJN2(-1) MAXSN(-1) MAXSN2(-1) FENA(-1) FENO AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Coefficient 710219.9 -132.0362 25.50265 -46602.50 771.9392 -4242.232 -998.0556 0.776571 0.661213 0.593455 3500.710 4.29E+08 -407.4995 2.225511 .78 Std. Error 327957.9 4289.727 110.3121 21848.43 363.6942 2200.258 1346.587 0.099214 t-Statistic 2.165583 -0.030780 0.231186 -2.132990 2.122495 -1.928061 -0.741174 7.827272 Prob. 0.0372 0.9756 0.8185 0.0400 0.0409 0.0620 0.4635 0.0000 12005.16 5490.376 19.32556 19.65323 9.758528 0.000001
Dependent Variable: RDLM Method: Least Squares Date: 10/13/10 Time: 18:16 Sample: 1970 2009 Included observations: 40 Convergence achieved after 12 iterations
0.627778 0.577477 3568.840 4.71E+08 -409.5231 2.056878 .69 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 12005.16 5490.376 19.32666 19.57241 12.48059 0.000000
Estimacin N 06 del Mango Con temperaturas rezagadas en un periodo e incluidas otras variables climticas.
Estimaciones para el limn. Estimacin N01 del cultivo del Limn.
93
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots
Dependent Variable: RDLM Method: Least Squares Date: 10/26/10 Time: 17:28 Sample (adjusted): 1963 2009 Included observations: 47 after adjustments Convergence achieved after 8 iterations Variable C PMAX PMAX^2 AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Coefficient -243982.6 16375.95 -263.8488 0.708131 0.545884 0.514202 3333.085 4.78E+08 -445.8476 2.382900 .71 Std. Error 634939.9 40708.33 652.3074 0.100096 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) t-Statistic -0.384261 0.402275 -0.404485 7.074547 Prob. 0.7027 0.6895 0.6879 0.0000 9595.904 4782.096 19.14245 19.29991 17.22982 0.000000
Dependent Variable: RDLM Method: Least Squares Date: 10/13/10 Time: 18:16 Sample (adjusted): 1963 2009 Included observations: 47 after adjustments Variable C Coefficient -1309841. Std. Error 892301.4 t-Statistic -1.467936 Prob. 0.1499
Variable C PMIN PMIN^2 AR(1) Coefficient -3756.838 1465.721 -35.28512 0.146796 0.037078 -0.043166 2821.097 2.87E+08 -372.4456 1.384676 .15 Std. Error 100803.3 10424.50 268.8848 0.142510 t-Statistic -0.037269 0.140604 -0.131228 1.030075 Prob. 0.9705 0.8890 0.8963 0.3098 11271.90 2762.112 18.82228 18.99117 0.462066 0.710514 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Estimacin N02 del cultivo del Limn.
94
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Dependent Variable: RDLM Method: Least Squares Date: 11/30/10 Time: 19:25 Sample (adjusted): 1963 2009 Included observations: 47 after adjustments Variable C PMAX PMAX^2 FENO PMIN PMIN^2 PPLV(-1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -1309841. 80085.46 -1328.453 -4410.041 10080.70 -212.1587 2.258387 0.502473 0.427844 3617.226 5.23E+08 -447.9931 1.554476 Std. Error 892301.4 58083.70 935.8154 2019.829 8437.458 227.3251 1.295796 t-Statistic -1.467936 1.378794 -1.419567 -2.183374 1.194755 -0.933283 1.742857 Prob. 0.1499 0.1756 0.1635 0.0349 0.2392 0.3563 0.0890 9595.904 4782.096 19.36141 19.63696 6.732931 0.000055
Dependent Variable: RDLM Method: Least Squares Date: 11/30/10 Time: 19:08 Sample: 1963 2009 Included observations: 47 Variable C Coefficient -1477295. Std. Error 908889.4 t-Statistic -1.625384 Prob. 0.1117
PMAX PMAX^2 FENO PMIN PMIN^2 PPLV(-1) 80085.46 -1328.453 -4410.041 10080.70 -212.1587 2.258387 0.502473 0.427844 3617.226 5.23E+08 -447.9931 1.554476 58083.70 935.8154 2019.829 8437.458 227.3251 1.295796 1.378794 -1.419567 -2.183374 1.194755 -0.933283 1.742857 0.1756 0.1635 0.0349 0.2392 0.3563 0.0890 9595.904 4782.096 19.36141 19.63696 6.732931 0.000055 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
95
Estimacin N01 del cultivo del Caf.

Dependent Variable: RDCF Method: Least Squares Date: 01/27/11 Time: 13:36 Sample (adjusted): 1987 2009 Included observations: 23 after adjustments Variable C TMINHAC TMINHAC^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 16852.85 -2504.000 95.40918 0.055363 -0.039100 114.1450 260581.4 -139.9901 1.088292 Std. Error 15582.02 2365.080 89.69051 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) t-Statistic 1.081558 -1.058738 1.063760 Prob. 0.2923 0.3023 0.3001 441.4348 111.9768 12.43392 12.58203 0.586082 0.565780

Dependent Variable: RDCF Method: Least Squares Date: 07/29/10 Time: 22:59 Sample (adjusted): 1987 2009 Included observations: 23 after adjustments Variable C TMAXHAC Coefficient Std. Error -54429.17 4429.804 t-Statistic Prob. 0.2766 0.2852
PMAX PMAX^2 FENO PMIN PMIN^2 90888.29 -1503.823 -4481.953 10254.26 -216.9674 0.464691 0.399409 3706.018 5.63E+08 -449.7131 1.567264 59169.66 953.2283 2068.977 8643.969 232.8880 1.536062 -1.577611 -2.166265 1.186291 -0.931638 0.1322 0.1223 0.0362 0.2423 0.3570 9595.904 4782.096 19.39205 19.62824 7.118256 0.000071 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Estimaciones para el caf.
48663.31 -1.118485 4033.724 1.098192
96

Dependent Variable: RDCF Method: Least Squares Date: 10/26/10 Time: 17:33 Sample (adjusted): 1987 2009 Included observations: 23 after adjustments Variable C TMAXHAC TMINHAC TMAXHAC^2 TMINHAC^2 PPVLHAC PPVLHAC^2 SQ R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -76856.54 6304.043 52.28082 -128.6018 -2.080841 -0.954613 0.000850 -38.99744 0.409936 0.134572 104.1702 162771.4 -134.5786 1.524648 Std. Error 68457.25 4930.564 2607.167 102.2188 98.94630 0.618801 0.000583 70.65941 t-Statistic -1.122694 1.278564 0.020053 -1.258103 -0.021030 -1.542683 1.457604 -0.551907 Prob. 0.2792 0.2205 0.9843 0.2276 0.9835 0.1437 0.1656 0.5891 441.4348 111.9768 12.39814 12.79309 1.488707 0.244359
Dependent Variable: RDCF Method: Least Squares Date: 11/30/10 Time: 19:59 Sample (adjusted): 1987 2009 Included observations: 23 after adjustments
TMAXHAC^2 -89.32953 0.290443 0.219488 98.92771 195733.8 -136.6993 1.401914 83.56744 -1.068951 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 0.2978 441.4348 111.9768 12.14776 12.29587 4.093304 0.032350 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Variable Coefficient Std. Error t-Statistic Prob. C MAXAYAB^2 MINAYAB^2 LLAYB^2 LLAYB 662.7130 -0.787837 25.84560 0.000130 -0.325018 87.76180 7.031631 28.04500 0.000234 0.571394 7.551269 -0.112042 0.921576 0.557845 -0.568817 0.0000 0.9123 0.3713 0.5852 0.5779
97
Estimacin N01 del cultivo del Pltano.

Dependent Variable: RDPLT Method: Least Squares Date: 07/29/10 Time: 19:30 Sample (adjusted): 1988 2009 Included observations: 22 after adjustments Variable C TMINMLL(-1) TMINMLL(-1)^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient Std. Error -236846.1 29063.58 -816.2455 0.299141 0.225367 5147.890 5.04E+08 -217.6235 1.361834 t-Statistic Prob. 0.0506 0.0282 0.0228 19271.73 5848.994 20.05669 20.20546 4.054802 0.034158
Dependent Variable: RDPLT Method: Least Squares Date: 07/29/10 Time: 19:32 Sample (adjusted): 1988 2009 Included observations: 22 after adjustments Variable C TMXMLL(-1) TMXMLL(-1)^2 Coefficient Std. Error -57357.85 4861.524 -76.82552 t-Statistic Prob. 0.8847 0.8612 0.8739
R-squared 0.021365 Adjusted R-squared -0.081650
MAXAYAB MINAYAB SQ 179.7712 -563.5030 41.71485 0.581182 0.385734 87.76193 115532.3 -130.6364 1.071595 261.1388 555.7046 77.50836 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 0.688413 -1.014033 0.538198 0.5017 0.3266 0.5983 441.4348 111.9768 12.05534 12.45030 2.973588 0.036248
Estimaciones para del Pltano.
113465.4 -2.087386 12230.16 2.376386 329.4026 -2.477957 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
390228.7 -0.146985 27426.86 0.177254 477.4211 -0.160918
Mean dependent var 19271.73 S.D. dependent var 5848.994
98
S.E. of regression 6083.094 Sum squared resid 7.03E+08 Log likelihood -221.2959 Durbin-Watson stat 1.553033

Dependent Variable: RDPLT Method: Least Squares Date: 07/29/10 Time: 19:33 Sample (adjusted): 1988 2009 Included observations: 22 after adjustments Variable C TMINMLL(-1) TMINMLL(-1)^2 TMXMLL(-1) TMXMLL(-1)^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient Std. Error 289832.0 20609.12 -652.1077 -32348.37 598.6307 0.480876 0.358730 4683.837 3.73E+08 -214.3217 1.621481 333281.0 t-Statistic 0.869632 Prob. 0.3966 0.4213 0.3215 0.3380 0.2967 19271.73 5848.994 19.93834 20.18630 3.936875 0.019333

Dependent Variable: RDPLT Method: Least Squares Date: 07/29/10 Time: 19:42 Sample (adjusted): 1988 2009 Included observations: 22 after adjustments Variable C TMINMLL(-1) TMINMLL(-1)^2 TMXMLL(-1) TMXMLL(-1)^2 PLMLL PLMLL^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 170011.8 5667.602 -260.2566 -14749.09 305.3870 -10.38356 0.004423 0.518092 0.325329 4804.267 3.46E+08 -213.5034 1.367214 Std. Error 412655.6 30377.46 787.8173 38510.01 651.5582 11.92515 0.007433 t-Statistic 0.411994 0.186573 -0.330352 -0.382994 0.468703 -0.870728 0.595054 Prob. 0.6862 0.8545 0.7457 0.7071 0.6460 0.3976 0.5607 19271.73 5848.994 20.04577 20.39292 2.687715 0.056322
Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 20.39054 20.53932 0.207394 0.814515 25008.66 0.824079 638.5739 -1.021194 32813.36 -0.985829 556.0618 1.076554 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
99

Dependent Variable: RDPLT Method: Least Squares Date: 07/29/10 Time: 19:36 Sample (adjusted): 1988 2009 Included observations: 22 after adjustments Variable C TMINMLL(-1) TMINMLL(-1)^2 TMXMLL(-1) TMXMLL(-1)^2 FENO FENA R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 328701.0 19299.06 -620.6487 -34352.86 637.2130 -86.15878 -969.7032 0.486544 0.281162 4959.031 3.69E+08 -214.2010 1.581235 Std. Error 393379.7 26785.48 686.2990 36186.78 614.5687 4896.819 2674.039 t-Statistic 0.835582 0.720505 -0.904341 -0.949321 1.036846 -0.017595 -0.362636 Prob. 0.4165 0.4823 0.3801 0.3575 0.3162 0.9862 0.7219 19271.73 5848.994 20.10918 20.45633 2.368967 0.082214
Estimaciones N01 del cultivo del Pltano (mensual 1990-2009)

Dependent Variable: RDPL Method: Least Squares Date: 10/02/10 Time: 17:18 Sample (adjusted): 1990M02 2009M11 Included observations: 238 after adjustments Convergence achieved after 9 iterations Variable C TMAXMLL TMAXMLL^2 TMINMLL TMINMLL^2 FENO AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Coefficient 2.367698 0.028671 1.20E-05 -0.188871 0.005507 -0.278780 0.647924 0.450429 0.436154 0.536571 66.50684 Std. Error 8.185437 0.532619 0.008380 0.376417 0.009277 0.277073 0.050482 t-Statistic 0.289257 0.053830 0.001430 -0.501760 0.593631 -1.006161 12.83484 Prob. 0.7726 0.9571 0.9989 0.6163 0.5533 0.3154 0.0000 1.704338 0.714574 1.621735 1.723860
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion
100
Log likelihood Durbin-Watson stat Inverted AR Roots
Estimaciones N02 del cultivo del Pltano (mensual 1990-2009)

Dependent Variable: RDPL Method: Least Squares Date: 10/02/10 Time: 17:18 Sample (adjusted): 1990M02 1999M12 Included observations: 119 after adjustments Convergence achieved after 12 iterations Variable C TMAXMLL TMAXMLL^2 TMINMLL TMINMLL^2 FENO AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -1.414963 0.733378 -0.010141 -1.055168 0.027837 -0.923444 0.617274 0.470372 0.442000 0.730931 59.83721 -127.9477 2.224346 Std. Error 16.61327 1.152858 0.018107 0.792094 0.019645 0.566142 0.076123 t-Statistic -0.085171 0.636139 -0.560053 -1.332125 1.416966 -1.631117 8.108930 Prob. 0.9323 0.5260 0.5766 0.1855 0.1593 0.1057 0.0000 1.714611 0.978497 2.268028 2.431506 16.57823 0.000000
Inverted AR Roots
-185.9864 2.188775 .65 F-statistic Prob(F-statistic) 31.55462 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) .62
101

Analisis Economico Del Cambio Climatico en La Agricultura de Region Piura

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Analisis Economico Del Cambio Climatico en La Agricultura de Region Piura

Cargado por

Copyright:

Formatos disponibles

ANLISIS ECONMICO DEL CAMBIO CLIMTICO EN LA AGRICULTURA DE LA REGIN PIURA PER.

CASO: PRINCIPALES PRODUCTOS PIURAAGROEXPORTABLES

Proyecto breve PB cerrado

RESPONSABLE Econ. Lina Torres Ruiz de Castilla RESPONSABLE:

En base a la afirmacin de Cline(2007)

el desarrollo econmico se basa en el comercio de sus principales productos

Ante la problemtica planteada, se realiza el presente trabajo de investigacin que

CAPITULO I. 1.1 CAMBIO CLIMATICO

Las precipitaciones pluviales son ms intensas, principalmente porque el ciclo del

Ibid, pag 19.

Efecto del cambio climtico en la agricultura

Al depender la agricultura de factores climticos, es natural pensar que sta se ver

al aumento de la temperatura global. La primera es la desglaciacin de los principales

Cuadro N 1.2 Presente y futuro del Promedio de temperatura y precipitacin)

Fuente: Senamhi Piura- Exposicin AGRORED-NORTE

En el Grfico 1.4, se observa una reduccin en la frecuencia de los umbrales

1968 1971 1974 1977

1980 1983 1986 1989

1998 2001 2004 2007

GRAFICO N 1.5: TEMPERATURA PROMEDIO C PIURA - 1962-2009

FUENTE: ESTACION MIRAFLORES SENAMHI-PIURA Elaboracin propia.

La temperatura mnima en promedio tiene una tendencia creciente, mientras que la

GRAFICO N 1.6: PROMEDIO DE TEMPERATURA MAXIMA Y MINIMA PIURA 1962-2009

TEMPERATURA PROMEDIO MAXIMAPIURA-1962-2009

Modelos agrcolas con nfasis en variables edafo-climticos

Los modelos de produccin agrcola se fundamentan en la funcin de produccin

Enfoques metodolgicos para estimar efectos del cambio climtico en la agricultura.

requerimientos de cada cultivo, incluido las variables climticas, especificados de la forma:

(1.6) La ventaja de estos modelos es que se obtienen respuestas fsicas, biolgicas y

Este enfoque es ms conocido y se basa en la estimacin de los efectos de los

Dnde V, es la productividad de la explotacin agrcola, PLE variable proxy de V,

El modelo Ricardiano, de forma reducida, examina cmo un conjunto de variables

Los estudios ms recientes desde el punto de vista econmico estn basados en el

Gonzales 43 (2007) , Chile

Estudios ms recientes de Ramrez D. y otros (2010)45, enfocan los efectos del

CAPITULO II. DESCRIPCIN DE LA ZONA EN ESTUDIO

Boletn" Cuencas Andinas" N 4/Septiembre 2004 disponible en : http://images.google.com.pe/imgres?imgurl=http://www.redcapa.org.br/cuencas/imagens/bol-4-2img1.gif&imgrefurl= [bajada el 2/12/09]

Fuente: Gobierno Regional PIURA

El mapa de la figura 2.1, muestra la variacin de la temperatura y humedad en la

Fuente: Gobierno Regional de Piura.

CARACTERSTICAS DE LOS EXPORTABLES DE LA REGION.

La regin Piura, como ya se mencion es agrcola por excelencia, predomina la

La importancia de la agricultura en la regin, adems de la superficie cultivada,

2008 PRODUCTOS AGRICOLAS S

164 888 855 100.0 209 107 761

Los datos sustentan la importancia de los cultivos materia de la investigacin,

condiciones edafo-climticas especficas que a continuacin remarcamos en la descripcin de cada cultivo.

La zonificacin de los cultivos se debe a que cada uno de ellos requiere de

Gerencia de Agro exportaciones Boletn Informativo No 001-Ene-2006 http://www.adexperu.org.pe/agro/boletin/BOLETIN%20MENSUAL%20ENERO_archivos/page0010.htm

Piura la principal zona productora, produciendo del total nacional

cultivndose principalmente en los valles de San Lorenzo, Chulucanas y Tambogrande.

Informacin de Mincetur, publicada por en la pgina de Gobierno Regional Piura

El cultivo de limn alude uno de los cultivos permanentes de mayor importancia en

CUADRO N 2.9: RESUMEN TECNICO DEL LIMON

En cuanto al Clima y Suelo, el limn es la especie de los ctricos ms sensible al

CUADRO N 2.11: EXPORTACIONES DE LIMON PIURA 2005-2009

2009 1070 5944 Fuente: BCRP-sucursal Piura.- Elaboracin propia

CUADRO N 2.12: RESUMEN TECNICO DEL CAF

superficie ssembrada es cada vez mayor;

Ral Figueroa Z.(1998) Gua para la caficultora ecolgica.

En cuanto al rendimiento de kilogramos por hectrea podemos observar que sta

Las principales asociaciones y empresas productoras de caf son 8 de las cuales la

2009 1797 5944 Fuente: BCRP-Sucursal Piura.- Elaboracin propia

CUADRO N 2.19: RESUMEN TECNICO DEL BANANO ORGNICO.

- 2504.000 + 2(95.40918) 4429.8004 +2(-89.32953)

- 29069.58 + 2(-816.2455) 4861.52 +2(-76.82552)