UNIVERSIDAD TÉCNICA DE AMBATO

FACULTAD DE CIENCIA E INGENIERÍA EN ALIMENTOS Y

BIOTECNOLOGÍA

CARRERA DE INGENIERÍA EN ALIMENTOS

Tema: Determinación de escenarios de la producción de alimentos frente al Cambio

Climático en la Provincia de Tungurahua tomando como muestra los cultivos de maíz
(Zea mays), papa (Solanum tuberosum), mora (Rubus ulmifolius) y tomate de árbol
(Solanum betaceum)

Trabajo de Titulación, modalidad Proyecto de Investigación, previo a la obtención del

título de Ingeniero en Alimentos, otorgado por la Universidad Técnica de Ambato, a través
de la Facultad de Ciencia e Ingeniería en Alimentos y Biotecnología.

AUTORES: Andrés Isaac Jordán Lescano

Andrea Belén Villamarín Cueva

TUTOR: Dr. Christian David Franco Crespo

Ambato – Ecuador

Septiembre - 2021
i
 APROBACIÓN DEL TUTOR

Dr. Christian David Franco Crespo

CERTIFICA:

Que el presente trabajo de titulación ha sido prolijamente revisado. Por lo tanto, autorizo
la presentación de este Trabajo de Titulación, Modalidad Proyecto de Investigación, el
mismo que responde a las normas en el Reglamento de Títulos y Grados de la Facultad de
Ciencia e Ingeniería en Alimentos y Biotecnología.

Ambato, 19 de junio del 2021

Firmado electrónicamente por:

CHRISTIAN DAVID
FRANCO CRESPO
______________________________
Dr. Christian David Franco Crespo
C.I. 171709060-7
TUTOR

ii
 DECLARACIÓN DE AUTENTICIDAD

Nosotros Andrés Isaac Jordán Lescano y Andrea Belén Villamarín Cueva, manifestamos
que los resultados obtenidos en el presente Trabajo de Titulación, modalidad Proyecto de
Investigación, previo a la obtención del título de Ingeniero (a) en Alimentos, son
absolutamente originales, auténticos y personales; a excepción de las citas bibliográficas.

__________________________ __________________________

Andrés Isaac Jordán Lescano Andrea Belén Villamarín Cueva

C.I. 1804777199 C.I. 0502923055
AUTOR AUTORA

iii
 APROBACIÓN DE LOS MIEMBROS DEL TRIBUNAL DE GRADO

Los suscritos Profesores Calificadores, aprueban el presente Trabajo de Titulación,

modalidad Proyecto de Investigación, el mismo que ha sido elaborado de conformidad
con las disposiciones emitidas por la Facultad de Ciencia e Ingeniería en Alimentos y
Biotecnología de la Universidad Técnica de Ambato.

Para constancia firman:

Firmado electrónicamente por:

ORESTES DARIO
LOPEZ HERNANDEZ

________________________________

Presidente del Tribunal

Firmado electrónicamente por:

MAYRA LILIANA
PAREDES ESCOBAR
_________________________________

PhD. Mayra Liliana Paredes Escobar

C.I.: 0501873954

Firmado electrónicamente por:

ESTEBAN
MAURICIO
_________________________________
FUENTES PEREZ

PhD. Esteban Mauricio Fuentes Pérez

C.I.: 1803321502

Ambato, 06 de Septiembre de 2021

iv
 DERECHOS DE AUTOR

Autorizamos a la Universidad Técnica de Ambato, para que haga de este

Trabajo de Titulación o parte de él, como documento disponible para su lectura,
consulta y procesos de investigación, según las normas de la Institución.

Cedemos los Derechos en línea patrimoniales de nuestro Trabajo de Titulación, con fines
de difusión pública, además aprobamos la reproducción de este, dentro de las
regulaciones de la Universidad, siempre y cuando esta reproducción no suponga
una ganancia económica y se realice respetando nuestros derechos de autor.

__________________________ __________________________
Andrés Isaac Jordán Lescano Andrea Belén Villamarín Cueva
C.I. 1804777199 C.I. 0502923055

AUTOR AUTORA

v
 DEDICATORIA

A la perseverancia de los pequeños agricultores que, a pesar de las adversidades, cada

día se esfuerzan para poner alimentos en nuestros hogares.

Isaac y Andrea

vi
 AGRADECIMIENTO

A mis padres que siempre me han brindado su apoyo emocional e incondicional en

cualquier momento, por ser un pilar fundamental y que han hecho posible la culminación
de este sueño, siendo para ellos mi esfuerzo.
A mis hermanos por ser también un pilar importante en mi vida universitaria. Por sus
concejos y apoyo.
A mi enamorada por los momentos especiales, por su apoyo y tiempo que me ha brindado
a lo largo de este proceso.

A la Facultad de Ciencia e Ingeniería en Alimentos por los conocimientos, experiencias

y recuerdos brindados desde el primer día de carrera universitaria.
Al Dr. Christian Franco por su comprensión y guía a lo largo del desarrollo de este
trabajo. Por la motivación hacia la investigación.
A mis amigos Elvis, Juan, Alexa, Iván, Erick, Lupita y Santiago por los momentos de
diversión y risas compartidos a lo largo de la carrera.

A mi compañera de tesis Andrea por el apoyo brindado en la realización de este trabajo.

Isaac

A toda mi familia, mis papis, hermanos, tíos, abuelitos y a mis perritos, por apoyarme en
cada etapa de mi vida y estar siempre a mi lado ayudándome a cumplir cada uno de mis
objetivos.
Al Dr. Christian Franco por compartirnos sus conocimientos y ayudarnos en el desarrollo
de este trabajo tan importante.

A Isaac por ser un buen compañero de equipo en la elaboración de este proyecto.

Andrea

vii
 ÍNDICE DE CONTENIDOS

APROBACIÓN DEL TUTOR ...........................................................................................ii

DECLARACIÓN DE AUTENTICIDAD ........................................................................ iii
APROBACIÓN DE LOS MIEMBROS DEL TRIBUNAL DE GRADO ........................iv
DERECHOS DE AUTOR.................................................................................................. v
DEDICATORIA ...............................................................................................................vi
AGRADECIMIENTO......................................................................................................vii
ÍNDICE DE CONTENIDOS ......................................................................................... viii
Índice de Tablas ................................................................................................................. x
Índice de Figuras ...............................................................................................................xi
RESUMEN .......................................................................................................................xii
ABSTRACT ................................................................................................................... xiii
CAPÍTULO I ...................................................................................................................... 1
MARCO TEÓRICO ........................................................................................................... 1
1.1 Antecedentes investigativos ................................................................................ 1
1.1.1 Cambio Climático en Ecuador ..................................................................... 3
1.1.2 Principales efectos del Cambio Climático en la producción agrícola del
Ecuador 9
[Link] Plagas y enfermedades en los cultivos ..................................................... 9
[Link] Erosión y uso del suelo ........................................................................... 10
[Link] Variación de la Temperatura y aumento de Gases de Efecto Invernadero
(GEI) 12
[Link] Escasez de Agua ..................................................................................... 13
[Link] Variación de Lluvias............................................................................... 15
1.1.3 Seguridad Alimentaria ............................................................................... 17
[Link] Pobreza rural y migración campo-ciudad ............................................... 18
[Link] Disponibilidad de Alimentos .................................................................. 19
[Link] Disminución de Producción ................................................................... 20
[Link] Sistemas agroalimentarios ...................................................................... 22
[Link] Volatilidad de precios ............................................................................. 22
1.1.4 Modelos de simulación agrícola................................................................. 23

viii
 1.2 Objetivos............................................................................................................ 24
1.2.1 Objetivo General ........................................................................................ 24
1.2.2 Objetivos Específicos ................................................................................. 24
1.3 Señalamiento de variables ................................................................................. 24
1.3.1 Variables Independientes ........................................................................... 24
1.3.2 Variable Dependiente ................................................................................. 24
CAPÍTULO II .................................................................................................................. 25
METODOLOGÍA ............................................................................................................ 25
2.1 Recolección de la Información .......................................................................... 25
2.2 Descripción de la zona de estudio ..................................................................... 26
2.3 Tratamiento de la Información .......................................................................... 27
2.3.1 Análisis de datos en SPSS (Statistical Product and Service Solutions) ..... 27
2.3.2 CROPWAT 8.0 .......................................................................................... 28
2.3.3 CLIMWAT 2.0........................................................................................... 28
2.3.4 GAMS (General Algebraic Modeling System) .......................................... 29
2.4 Diseño del Modelo ............................................................................................ 29
Función objetivo basada en Howitt, Hazell y Norton .................................................. 30
2.5 Determinación del Modelo ................................................................................ 31
2.6 Operacionalización de las variables .................................................................. 32
CAPÍTULO III ................................................................................................................. 37
RESULTADOS Y DISCUSIÓN...................................................................................... 37
Análisis de resultados ................................................................................................... 37
Niveles de Producción .................................................................................................. 49
Diseño del Modelo ....................................................................................................... 50
Determinación de requerimientos de recursos naturales de los cultivos por medio de
GAMS........................................................................................................................... 52
Simulación en GAMS de los Escenarios de Cambio Climático en la producción
agrícola. ........................................................................................................................ 55
Discusión de resultados ................................................................................................ 58
CAPÍTULO IV ................................................................................................................. 61
CONCLUSIONES Y RECOMENDACIONES ............................................................... 61
Conclusiones................................................................................................................. 61

ix
 Recomendaciones ......................................................................................................... 62
BIBLIOGRAFÍA.............................................................................................................. 63
ANEXOS.......................................................................................................................... 76

Índice de Tablas
Tabla 1. Impactos del Cambio Climático en Ecuador en los últimos 10 años según
diversos autores. ................................................................................................................. 3
Tabla 2. Cobertura del suelo a nivel nacional, 2015. ....................................................... 11
Tabla 3. Estadísticos de Fiabilidad................................................................................... 28
Tabla 4. Análisis de las variables. .................................................................................... 33
Tabla 5. Estadístico descriptivo rendimiento y producción de cultivos por cantón......... 35
Tabla 6. Correlaciones de variables. ................................................................................ 41
Tabla 7. Anova de un Factor. ........................................................................................... 46
Tabla 8. Datos del Rendimiento y Producción de los cultivos por Cantón (Píllaro, Mocha
y Tisaleo).......................................................................................................................... 49
Tabla 9. Requerimiento de Tierra por cantón. ................................................................. 52
Tabla 10. Disponibilidad de agua de riego....................................................................... 53
Tabla 11. Requerimiento de mano de obra. ..................................................................... 53
Tabla 12. Variable dependiente (Producción) .................................................................. 54

x
 Índice de Figuras
Figura 1. Principales afectaciones de la producción agropecuaria. ................................. 10
Figura 2. Aporte sectorial de emisiones de GEI en Ecuador, en Ton CO2-eq. ............... 13
Figura 3. Escenario potencial de cultivos amenazados por déficit hídrico para junio del
2014. ................................................................................................................................. 16
Figura 4. Mapa de hogares en situación de inseguridad alimentaria a nivel nacional ..... 20
Figura 5. Ubicación de la zona de estudio en Ecuador y los cantones de Píllaro, Tisaleo y
Mocha en la provincia de Tungurahua. ............................................................................ 26
Figura 6. Edad de los agricultores .................................................................................... 37
Figura 7. Disponibilidad de tierra .................................................................................... 38
Figura 8. Disponibilidad de agua ..................................................................................... 38
Figura 9. Comportamiento de la lluvia ............................................................................ 39
Figura 10. Cantidad de litros de leche .............................................................................. 40
Figura 11. Rendimiento Kg/ha y Producción Kg de producto por Cantón (Píllaro, Mocha
y Tisaleo).......................................................................................................................... 50
Figura 12. Evolución de resiliencia de cultivos en la variación del Cambio Climático en
el cantón Mocha en 30 años. ............................................................................................ 55
Figura 13. Evolución de resiliencia de cultivos en la variación del Cambio Climático en
el cantón Tisaleo en 30 años. ........................................................................................... 56
Figura 14. Evolución de resiliencia de cultivos en la variación del Cambio Climático en
el cantón Píllaro en 30 años. ............................................................................................ 57

xi
 RESUMEN

En el Ecuador el estudio del clima es un tema complicado debido a que existen pocos
registros, especialmente en áreas remotas donde se conoce que existen efectos negativos
del Cambio Climático, sin embargo, no han sido cuantificados, creando incertidumbre al
no contar con información para un análisis sobre las consecuencias a futuro y dificulta la
puesta en marcha de acciones para combatir los efectos del clima. Las plagas y
enfermedades en los cultivos, el incremento de la temperatura, la escases de agua y la
variación de lluvias son los impactos que afectan a la producción agrícola y a la
disponibilidad de alimentos. Para determinar el impacto de los Escenarios de Cambio
Climático en el Ecuador sobre la producción de mora (Rubus ulmifolius), tomate de árbol
(Solanum betaceum), maíz (Zea mays), y papa (Solanum tuberosum) en la provincia de
Tungurahua se utilizó el software GAMS, con el uso de la programación lineal y a partir
de bases de datos, encuestas e información recopilada, proporcionó como resultado datos
de las consecuencias a futuro en los cultivos estudiados. Con el análisis de cada resultado
sobre la incidencia de la escasez de agua agravada por el Cambio Climático, se establece
que el único cultivo que sería capaz de resistir este cambio para el año 2050 sería el maíz,
lo que podría generar un aumento de precios de los cultivos forjando problemas para la
Seguridad Alimentaria del Ecuador al no contar con los suficientes recursos para mantener
la producción y abastecer a la población.

Palabras clave: Seguridad Alimentaria, Cambio Climático, producción agrícola, sistemas

agroalimentarios, Tungurahua.

xii
 ABSTRACT

In Ecuador, the study of the climate is a complicated subject because there are few records,
especially in remote areas where it is known that there are negative effects of Climate
Change, however, they have not been quantified, creating uncertainty by not having
information for a analysis of future consequences and makes it difficult to implement
actions to combat the effects of the climate. Pests and diseases in crops, the increase in
temperature, water scarcity and the variation of rainfall are the impacts that affect
agricultural production and the availability of food. To determine the impact of the
Climate Change Scenarios in Ecuador on the production of blackberry (Rubus ulmifolius),
tree tomato (Solanum betaceum), corn (Zea mays), and potato (Solanum tuberosum) in the
province of Tungurahua was used The GAMS software, with the use of linear
programming and based on databases, surveys and information collected, provided data
on the future consequences of the studied crops as a result. With the analysis of each result
on the incidence of water scarcity aggravated by Climate Change, it is established that the
only crop that would be able to resist this change by 2050 would be corn, which could
generate an increase in prices of The crops forging problems for the Food Security of
Ecuador by not having enough resources to maintain production and supply the
population.

Keywords: Food Security, Climate Change, agricultural production, agri-food systems,

Tungurahua.

xiii
 CAPÍTULO I

MARCO TEÓRICO

1.1 Antecedentes investigativos

El Cambio Climático es una grave amenaza para la Seguridad Alimentaria a nivel mundial
que, influye de forma directa e indirecta en múltiples aspectos como económicos, sociales,
medioambientales y de la salud. Además, se relaciona principalmente con el sector
agrícola y ganadero por su vulnerabilidad ante los efectos del clima (Hidalgo, 2013). En
los cinco informes presentados por el Panel Intergubernamental del Cambio Climático
(IPCC), desde 1990 hasta el 2013, en base a revisión científica, se ha establecido que a
nivel global el Cambio Climático ha provocado un incremento de la temperatura. En este
informe se señala que desde la era preindustrial la temperatura media mundial se ha
incrementado en 1,1°C y 0,2°C entre los años 2011-2015 (Organización Meteorológica
Mundial, 2019). El aumento de la temperatura también ha provocado el derretimiento de
los glaciares y el casquete polar, el ascenso de los niveles del mar, con un de aumento
anual de 3,2 milímetros en los últimos 20 años y el incremento del CO2 en un 40% (De la
Vega Navarro, 2014; National Geographic, 2020). De acuerdo con la FAO (Food and
Agriculture Organization) (2018), los episodios climáticos extremos cada vez más usuales
e intensos tendrán un impacto negativo en la disponibilidad de alimentos, el acceso a los
mismos y su utilización tanto en zonas rurales como urbanas. Los eventos climáticos
extremos suceden con una frecuencia menor del 10%. Por lo que, pueden causar graves
catástrofes o emergencias a la población, estos eventos incluyen a las lluvias torrenciales,
olas de calor y de frío, inundaciones y sequías (Tirado, 2010).

El Cambio Climático afecta gravemente a las prácticas agrícolas con las variaciones de
lluvia, temperatura, dióxido de carbono, fertilización y la reducción de la superficie
productiva de la tierra y los recursos hídricos, asociados con el crecimiento de la población
(Karimi et al., 2018). Otras de las secuelas esperables del Cambio Climático son la baja

1
calidad de los cultivos y un aumento de lixiviación de nitrógeno y erosión del suelo por
el mal manejo de la tierra (Ortiz, 2014).

Para menorar estos impactos, el sector agrícola ha tenido que tecnificarse como: aplicar y
usar tecnologías de semillas o, ajustar los tiempos de siembra y cosecha (Hardoy &
Pandiella, 2009). Para aquello, se ha propuesto también la aplicación de políticas públicas
y actividades que desarrollen la capacidad del sector agroalimentario para ser
climáticamente responsable y reducir las emisiones de gases y compuestos de efecto
invernadero (ICCA, 2018).

La afectación al sector agrícola y ganadero incide en la actividad económica de los países,

aumentando el riesgo de hambre y desnutrición (Hidalgo, 2013). Se estima que a nivel
mundial los precios de los alimentos aumentarán como resultado de la disminución de la
producción global de alimentos provocada por del Cambio Climático (Viguera et al.,
2017). Las consecuencias denotan un incremento en la desnutrición, por los precios altos
y volátiles de los alimentos, las personas al no poder costear esos precios pasan de
alimentos más nutritivos a alimentos menos nutritivos afectando la distribución de las
calorías de los alimentos dentro del entorno familiar (Von Braun & Tadesse, 2012). La
Organización Mundial de la Salud (OMS) (2018), determina que los efectos del Cambio
Climático sobre la inocuidad de los alimentos y la salud pública son afines a la Seguridad
Alimentaria y en consecuencia a la nutrición, por lo que tienen que considerarse
simultáneamente.

Por otro lado, la Agencia Europea del Medio Ambiente (2015), explica que el Cambio
Climático puede generar oportunidades o peligros para la agricultura según las
particularidades climáticas de la región, de los cultivos y de los cambios viables que
puedan darse según el área que se considere. Por ejemplo, en las zonas templadas cuando
existen niveles iniciales moderados de cambio en los patrones de temperatura y
precipitación, se puede reducir el costo de la agricultura y producción agrícola al emplear
menos recursos, obteniendo un resultado positivo en el bienestar agrícola mundial
(Stevanovi et al., 2016).

2
1.1.1 Cambio Climático en Ecuador

Se considera como Cambio Climático al incremento de la temperatura media del aire y

del océano en todo el mundo, el incremento medio del nivel del mar y el deshielo
extendido de los polos y hielos (IPCC, 2007). Según los estudios de la II Comunicación
Nacional sobre Cambio Climático en Ecuador, las posibles son: el incremento de eventos
climáticos extremos, el aumento del nivel del mar, el retroceso de los glaciares y el
descenso de la escorrentía anual (Ministerio del Ambiente, 2012). Otra consecuencia
negativa, según Muñoz (2019), es la vulnerabilidad a la que están expuestos los
agricultores, por falta de conocimiento sobre las causas y los efectos que estos fenómenos
conllevan. Según Hidalgo (2013), el sector agroalimentario siempre ha dependido del
clima de la región donde se desarrolla, influyendo en los tipos de cultivo, forma de cosecha
y en general la adaptación de las poblaciones. Las consecuencias en el sector agrícola son
pérdidas económicas que podrían llegar a los USD 5.6 MM para el año 2025 (Egas et al.,
2018).

Tabla 1. Impactos del Cambio Climático en Ecuador en los últimos 10 años según
diversos autores.

Autores Impacto
Plagas y Enfermedades en los cultivos
(Monteros Guerrero, 2016b) En las provincias de Carchi, Chimborazo,
Cotopaxi, Pichincha y Tungurahua el 73% de
los agricultores de papa aseguran que las plagas
son el principal problema del bajo rendimiento
de sus cultivos.

3
(Andrade & Ayaviri, 2017) En el cantón Guano en la provincia de
Chimborazo el 94% de los entrevistados están
de acuerdo que uno de los principales efectos
del Cambio Climático es el incremento de
plagas y enfermedades en los cultivos.
(Eche, 2019) En la Amazonia la baja productividad agrícola
ha sido causada por las plagas y enfermedades
en los cultivos, limitando la disponibilidad de
alimentos en esta región.

(VanderMolen Kristin, 2011) Los campesinos de Cotacachi afirman que el

daño de nuevas plagas y el incremento de las
enfermedades en los cultivos han sido
provocadas por el aumento del calor.
Incremento de la temperatura
(Toulkeridis et al., 2020b) Este estudio realizó encuestas de percepción
sobre el Cambio Climático a académicos de
Cuenca, Ibarra, Riobamba y Quito donde el
18% de los encuestados eligió la opción de
aumento de la temperatura como un efecto
importante del Cambio Climático en el
Ecuador.
(Noboa et al., 2012)(Noboa et En las próximas décadas la variación de
al., 2012) temperatura en el sector agrícola del Ecuador
provocará grandes pérdidas económicas para
los cultivos de maíz, papa, arroz y fréjol, se
estima que para el 2030 se experimente una
pérdida de USD 137M.

4
(Andrade & Ayaviri, 2017), En el cantón Guano existen pérdidas de los
cultivos de papa al ser afectados directamente
por el aumento de la temperatura según la
precepción de los agricultores de esta zona.

(Bustamante, 2017) En la provincia de Chimborazo para el año

2050 la temperatura mínima mensual
aumentaría entre 1,61 y 1,66°C aprox.,
afectando a la productividad de los cultivos.
(VanderMolen Kristin, 2011) El 75% de los agricultores encuestados en
Cotacachi afirman que el clima es más caliente
en comparación a años anteriores y el 88%
asegura que el aumento del calor afecta a sus
cultivos al secar las plantas y la tierra.

Escases de agua
(Toulkeridis et al., 2020b) En algunas ciudades como Quito, donde el
suministro de agua proviene de los glaciares, la
escasez de agua tendrá una mayor
consecuencia debido al deshielo.
El volcán Chimborazo ha perdido sus glaciares
en un 58,9% desde 1962 a 2010 como
consecuencia del aumento de la temperatura,
disminuyendo la disponibilidad de agua en esta
región.
Según el 34,36% de los académicos
encuestados las sequias por falta de agua son
de las variables que más destacan del Cambio
Climático.

5
(Portilla, 2018) Gran parte de la escasez del agua en la sierra
ecuatoriana ha sido por el retroceso de los
glaciares. Los glaciares del Cotopaxi y del
Chimborazo han tenido un retroceso de
superficie desde 1976 y 1962 respectivamente
hasta el 2016.

(Monteros Guerrero, 2016b) El 50% de los productores de papa de las

provincias de Pichincha y Cotopaxi expresan
que la falta de agua es la principal causa del
bajo rendimiento de sus cultivos.
(Andrade & Ayaviri, 2017) La destrucción de los páramos y el mal manejo
de los recursos naturales como el agua han
influido para que la producción de papa en el
cantón Guano disminuya, sin embargo, esto no
afecta directamente a la Seguridad Alimentaria
de esta región al ser productora de varios tipos
de cultivos.
(Bustamante, 2017) Las provincias de Chimborazo y Tungurahua
dependen del volcán Chimborazo para el
suministro de agua, con el deshielo de los
últimos años se observa una importante
disminución de este recurso afectando a los
sistemas de riego para la agricultura.
(VanderMolen Kristin, 2011) En Cotacachi en la provincia de Imbabura, se
reporta la disminución de las fuentes fluviales
destinadas para el riego de los cultivos debido
al deshielo de los glaciares del volcán
Cotacachi.

6
(Rojas, 2016) Un grave problema ambiental que afecta a
América Latina es la reducción de los glaciares
con un impacto directo en la disponibilidad y
suministro de agua para el consumo humano y
la actividad agrícola.

(Schoolmeester et al., 2018) En el Ecuador en los últimos 50 o 60 años los

glaciares se han reducido, el agua proveniente
de los glaciares de los volcanes Antisana y
Cotopaxi representa aproximadamente el 5%
del suministro de agua de Quito.

Variación de lluvias
(Toulkeridis et al., 2020b) El 21,41% de los encuestados percibe que en
los últimos años en el Ecuador las lluvias han
sido escasas pero intensas, esta variable es la
que mayor preocupación causa a los
académicos al ser la lluvia indispensable para
la agricultura.
(Andrade & Ayaviri, 2017) En el cantón Guano las lluvias con variaciones
de más del 15% en comparación al nivel actual,
provocará grandes pérdidas en los sembríos.
(Bustamante, 2017) En Chimborazo la reducción de lluvias
provocará una mayor tasa de
evapotranspiración en los cultivos,
específicamente en los que son realizados a
secano.

7
 (VanderMolen Kristin, 2011) De los campesinos encuestados de Cotacachi el
79% asegura que llueve menos que en años
posteriores y el 87% dice que el patrón de la
lluvia ha sido alterado, para mejorar esta
situación su única opción ha sido alterar el
calendario de siembra de sus cultivos.
(Portilla, 2018) En el país los meses de julio y agosto es cuando
menos llueve, siendo meses complicados para
la agricultura por la falta de agua.
Fuente: Elaboración propia

En la Tabla 1 se analizan los principales impactos del Cambio Climático en Ecuador,

publicaciones de diversos autores en los últimos 10 años. En base a estos estudios se ha
determinado los principales efectos del cambio del clima en la producción agrícola y su
relación con la Seguridad Alimentaria. Es evidente que el clima en el Ecuador ha
cambiado de manera drástica durante las últimas décadas, presentando graves
consecuencias para los agricultores del país quienes son los que más perciben estos
cambios. Las plagas y enfermedades en los cultivos, el incremento de la temperatura, la
escasez de agua y la variación de lluvias son los impactos que se han determinado afectan
a la producción agrícola y a la disponibilidad de alimentos.

En el Ecuador el estudio del clima es un tema complicado debido a que existen muy pocos
registros a largo plazo, especialmente en áreas remotas donde se conoce que existen
efectos negativos del Cambio Climático, sin embargo, no han sido cuantificados. Quito,
Guayaquil y Cuenca son pocas de las grandes ciudades donde se lleva registros
meteorológicos de 50 años o más (Portilla, 2018).

8
1.1.2 Principales efectos del Cambio Climático en la producción agrícola del Ecuador

[Link] Plagas y enfermedades en los cultivos

El uso de plaguicidas y los respectivos residuos en los alimentos son una inquietud
constante que se estima que sea más predominante en consecuencia del Cambio Climático.
El uso de plaguicidas de segunda y tercera generación afectan directamente al agua y suelo
puesto que sus residuos pueden durar años (Organización Mundial de la Salud, 2018). Por
otra parte, el uso de los plaguicidas favorece a disminuir las pérdidas provocadas por
plagas, enfermedades y malezas, contribuyendo a la alimentación de la población mundial.
Sin embargo, por su potencial daño al medio ambiente y salud humana ha sido necesario
regular el uso de productos químicos y fertilizantes, que tienen relación con la Gases de
Efecto Invernadero GEI (Verger & Boobis, 2013). Actualmente, a nivel mundial 5 mil
millones de litros de pesticidas son aplicados en los cultivos, a pesar de su uso las plagas
y enfermedades hacen que se pierda entre el 10 a 20 % de las cosechas (Porcuna, 2016).

A medida que el clima cambia, los agricultores deberán modificar el uso de insumos
agrícolas (plaguicidas, pesticidas, fertilizantes, etc.) dependiendo de la productividad de
la tierra, si disminuye habrá escases de alimentos generando peligro a la Seguridad
Alimentaria por lo que alentará a los agricultores a nivel mundial a aumentar su uso
(Mendelsohn & Wang, 2017).

En la Tabla 1 según los análisis de los autores, en las provincias de Carchi, Chimborazo,
Cotopaxi, Pichincha, Tungurahua e Imbabura los agricultores afirman que las plagas
influyen en el problema del bajo rendimiento de los cultivos, para tratar de adaptarse a
esta problemática los campesinos han tenido que hacer uso de plaguicidas y pesticidas que
en años anteriores no usaban.

Según el INEC (2014), en el Ecuador para combatir plagas y enfermedades de los cultivos
81.248,36 hectáreas utilizan plaguicidas orgánicos, estas pertenecen al 4,23% de la
superficie de cultivos permanentes, y al 1,26% del total de la zona de cultivos transitorios,
entre tanto para los plaguicidas químicos, el área de uso fue 1.764.426,44 ha. En la Figura
1 se observa que tanto para los cultivos transitorios y los cultivos permanentes las

9
 principales afectaciones de la producción agropecuaria del país fueron las plagas (INEC,
2016a).

Figura 1. Principales afectaciones de la producción agropecuaria.

Fuente: (INEC, 2016b)

[Link] Erosión y uso del suelo

La erosión del suelo es el desplazamiento de la capa superior de este por acción del viento
y el agua. Algunos procesos como el trabajo agrícola promueven la realización de
excavaciones en el suelo y la remoción de la vegetación ocasionando problemas
ambientales, agravando este problema (Duque & Escobar, 2016).

Según registros del Ministerio de Agricultura y del Ministerio del Ambiente, los procesos
de degradación están presentes en el 50% de los suelos del país, la degradación de los
suelos ha provocado pérdidas del 7,6% de la producción agrícola total (FAO, 2018). En
el Ecuador los factores primordiales para el cambio de uso de la tierra y sus efectos sobre
el Cambio Climático son: la deforestación, la urbanización y construcción y la ganadería
(Ministerio del Ambiente (MAE), 2015).

Las pérdidas de tierra fértil por la erosión del suelo han ido en constante aumento como
consecuencia de las prácticas agrícolas convencionales basadas en la labranza extensiva y
10
en la remoción y quema de cultivos. En el mundo se cree que aproximadamente el 80%
de la tierra agrícola presenta erosión moderada a severa (Diaz Mendoza, 2011). Las
prácticas deficientes en el manejo del suelo por parte de los agricultores generan un
aumento en los costos de producción y en el uso de insumos como fertilizantes (Verhulst
et al., 2015). La expansión de monocultivos además del uso de fertilizantes, plaguicidas y
el constante crecimiento de cultivos tradicionales como café, cacao, banano y no
tradicionales como flores ponen en riesgo la Seguridad Alimentaria. Este modelo de
producción erosiona el suelo al no rotar los cultivos entre la porción de terreno. Además,
se destinan recursos importantes como sistemas de riego y extensión de tierra mayormente
a cultivos de exportación (MAE, 2012; Mena-Vásconez et al., 2016). En la Sierra centro,
las provincias de Chimborazo, Tungurahua y Cotopaxi poseen zonas gravemente
afectadas por los procesos de erosión y desertificación de los suelos. Se estima que el 49%
de las tierras se encuentran en degradación y un 22% pasan por un proceso de
desertificación, haciendo a estas poblaciones aún más vulnerables al Cambio Climático.
La producción agrícola de estas zonas abastece a los pobladores por lo que este problema
quebranta a la Seguridad Alimentaria (Muñoz, 2019; Alarcón, 2018).

Según evaluaciones realizadas en el año 2015 por el Instituto Espacial Ecuatoriano,

alrededor de 6.817.829 de hectáreas de superficie estaban cubiertas con algún tipo de
cultivo agrícola o forestal, estas se repartían de la siguiente manera según lo observado en
la Tabla 2 (Subsecretaría de Riego y Drenaje, 2019):

Tabla 2. Cobertura del suelo a nivel nacional, 2015.

Pastizales Pasto cultivado, pasto con presencia de árboles y pasto de 3.782.336,24
corte
Cultivos Café, cacao, maíz duro, plátano, yuca, caña de azúcar 2.689.487,28
artesanal, maíz suave, papa, naranja, mora, palma africana,
arroz, orito, trigo, pitahaya, condimentos, maracuyá, abacá,
haba, cebolla, achiote, acelga, achira, aguacate, ají,
achogcha, quinua, pepinos frutales, flores, cítricos, otros de
ciclo corto
Plantación Ciprés, eucalipto, pino, roble, teca 188.689,14
forestal

11
 Mosaico Misceláneo de frutales, hortalizas, flores, plantas aromáticas 111.516,48
Agropecuario y cereales
Tierras Barbecho y tierras agrícolas en descanso 45.800,04
agrícolas
TOTAL 6.817.829,18
Fuente: (Subsecretaría de Riego y Drenaje, 2019)

[Link] Variación de la Temperatura y aumento de Gases de Efecto Invernadero (GEI)

De acuerdo con el IV Informe de Evaluación del IPPC (2007), por década, en los próximos
100 años, la media mundial de temperatura subirá 0,2°C a causa de los gases de efecto
invernadero. Los Gases de Efecto Invernadero (GEI) se generan de manera natural en el
planeta, pero están relacionados con actividades antrópicas como la quema de
combustibles y la deforestación (Benavides & León, 2007). Las predicciones de clima
futuro elaboradas en el marco de la III Comunicación Nacional sobre Cambio Climático
de Ecuador exponen que para el país el cambio de temperatura sería de un aumento de
2°C aproximadamente hasta fin de siglo (MAE, 2019).

Según Logroño et al. (2011), en esta década las provincias de la Sierra con mayor
incremento de temperatura han sido Tungurahua +3,07°C y Chimborazo +3,13°C. De
acuerdo al estudio realizado por Calles (2015), en Tungurahua, la temperatura promedio
anual en los páramos de la provincia es de 6,05 °C, sin embargo, para el año 2050 se
estima un aumento de 1,82°C y para el 2070 se llegaría a un incremento de 2,53°C en
relación con la temperatura actual (6,05°C), sobrepasando la recomendación de los
expertos de llegar a un aumento máximo de 2°C a finales del siglo.

En el Ecuador de acuerdo con la Figura 2 hasta el año 2012 los principales sectores que
emiten GEI son la agricultura, el cambio de uso del suelo y silvicultura y el sector de la
energía. El sector de la agricultura representa la mayor fuente de emisiones de GEI, según
datos del Ministerio de Ambiente de aproximadamente 159 millones de toneladas de
carbono equivalente (CO2-eq) en 1990 se incrementó a 210 millones de toneladas de CO2-
eq en 2006, un aumento del 24% en 16 años, a un promedio por año de un 1,5% (MAE,
2012).

12
 Figura 2. Aporte sectorial de emisiones de GEI en Ecuador, en Ton CO2-eq.
Fuente: (Ministerio del Ambiente (MAE), 2012)

En el año 2017 la situación cambia, y el sector con mayor emisión de GEI en el Ecuador
es el sector energético concretamente el sector del transporte representando el 45% total
de emisiones, seguido por el sector de la energía para industrias y el cambio de uso de
suelo (deforestación y expansión de la frontera agrícola) (Alarcón, 2017). La variación de
la temperatura en el Ecuador ha ocasionado impactos directos en la agricultura afectando
los rendimientos de los cultivos y los ciclos de crecimiento de las especies agrícolas
(Jiménez et al., 2012).

Otro efecto que provoca el aumento de la temperatura y de los GEI, que tiene relación
directa con la escases de agua en el país, es la afectación a los nevados que en los últimos
30 años se han perdido en un 40%. El Ecuador ante esta problemática, a pesar de aportar
menos del 1% de las emisiones globales de GEI ha propuesto crear políticas y proyectos
que apoyen a los acuerdos internacionales de limitar el aumento de las temperaturas a un
1,5°C para el año 2100 (Andrade, 2017).

[Link] Escasez de Agua

Según Magrin (2015), la disponibilidad y la calidad del agua también pueden limitar las
acciones de adaptación en la agricultura y comprometer la Seguridad Alimentaria. El

13
Antisana, el Cayambe, los Ilinizas, el Cotopaxi, el Chimborazo, El Altar y el Carihuayrazo
son los siete nevados que posee el país. Actualmente, la cobertura del hielo es de
aproximadamente 43,5 km2 a diferencia de los 97,2 km2 que existían en 1990. Las cifras
muestran que el Carihuayrazo ha perdido el 96% de su cobertura de hielo y se proyecta
que en alrededor de cinco años podría desaparecer (Alarcón, 2020). Los glaciares del
Cotopaxi han tenido una reducción de superficie de aproximadamente 52% entre 1976 y
2016. Los glaciares del volcán Chimborazo han tenido un retroceso de superficie del 72%
entre 1962 y 2016 (Portilla, 2018). Las provincias de Tungurahua y Chimborazo poseen
importantes vertientes originadas de los deshielos del volcán Chimborazo, su disminución
afecta importantemente el suministro de agua (Bustamante, 2017).

En el Ecuador el 20% de la zona agropecuaria dispone de riego (989.637,67 ha) (INEC,

2016b). Ocho de cada diez litros de agua disponibles son suministrados para los sistemas
de riego que se usan para una tercera parte de los cultivos que existen en el país. El 20%
sobrante es usado para la agroindustria, el consumo humano y procesos ambientales
(Ramos, 2020). De acuerdo con el estudio realizado por Monteros (2016a), en las
provincias de Pichincha y Cotopaxi el 50% de productores han declarado la falta de agua
como el problema que más afecta a la agricultura, como consecuencia estas provincias
presentaron bajos rendimientos en los cultivos. Datos del Plan Nacional de la Gestión
Integrada e Integral de los Recursos Hídricos de las cuencas y microcuencas hidrográficas
del Ecuador (2016), indican que las sequías intensas han llegado a afectar el área agrícola
en 2.03 millones de ha, que componen el 66,7% del área agrícola total del país. La zona
de pastos cultivados dañada por la sequía alcanzó los 2.10 millones de ha, es decir el
53,7% de la superficie total de pastos.

Para la simulación de escenarios climáticos se utilizará el escenario de la reducción del

caudal disponible de agua para los cultivos ya que en el sector de la agricultura se usa el
agua de manera irresponsable por encima de los recursos hídricos disponibles alterando
el régimen de las fuentes hídricas (Chávez-Jiménez & González-Zeas, 2015). Por lo que
se necesita establecer a largo plazo como afectaría la falta de este recurso en la producción
de los cultivos de la provincia de Tungurahua y determinar de manera detallada cuanta
demanda de agua se necesitará hasta el año 2050.

14
[Link] Variación de Lluvias

Los sucesos hidro-meteorológicos extremos incluye el aparecimiento de lluvias intensas

capaces de provocar inundaciones, así como ciclos de ausencia de lluvias, que pueden
generar sequías prolongadas (MAE, 2015). En el Ecuador los siguientes datos muestran
el comportamiento histórico de la variación de lluvias para el período de referencia 1960
– 2015, en la región Costa se observa un incremento del 33% de la lluvia. En la Sierra un
aumento del 13% de la precipitación. En la Amazonía, se evidencia una reducción de la
precipitación de 1% y para la región insular (San Cristóbal) se evidencia un incremento
del 66% en la precipitación (MAE, 2019). En la región de la Sierra la precipitación media
anual alcanza valores máximos de 1500 mm de lluvia a 3000 m de altitud, mientras que
en la Costa y el Oriente los valores de precipitación alcanzan hasta los 4700 mm (Portilla,
2018).

Los agricultores han tenido que ajustar la producción de sus cultivos a las irregularidades
de lluvia. Sin embargo, estos presentan inconformidad ya que estiman que su única
elección real es apostar con la naturaleza (ver Tabla 1). Desde su perspectiva llueve menos
que antes y cuando llueve son lluvias intensas, que no son favorables para su producción
debido a que suele existir inundaciones.

Además se identifican tierras dedicadas al cultivo por secano que son aprovechadas por
pequeños agricultores para autoconsumo y provisión de alimentos a las ciudades (MAE,
2013), este tipo de agricultura sentiría un mayor impacto a los cambios de la lluvia al
depender exclusivamente de ella.

15
 Figura 3. Escenario potencial de cultivos amenazados por déficit hídrico para junio del 2014.
Fuente: (Secretaría de Gestión de Riesgos, 2014)

La Figura 3 presenta el mapa creado por la Secretaría de Gestión de Riesgos (2014), donde
se observa las zonas con potencial déficit hídrico destacando la provincia de Tungurahua,
esta situación empeora cuando los caudales disminuyen su corriente, los principales
motivos de este problema son el pastoreo, el incremento de la frontera agrícola y la
deforestación. Según Calles (2015), los escenarios de lluvia futuros para la provincia
Tungurahua establecen que las precipitaciones en los páramos disminuirán
aproximadamente 10% en el año 2050 y 7% en el año 2070 en comparación con los
escenarios actuales (promedio anual de precipitaciones de 940 mm). En Tungurahua los
principales cultivos (tomate, cebolla, trigo, maíz, cebada, papa, pera, manzana y durazno)
requieren de 800 a 1200 mm de agua sin embargo, existe un déficit hídrico de 200 a 600
mm anuales que deben ser cubiertos con los sistemas de riego (Naranjo, 2014) para evitar
la pérdida de las cosechas y el riesgo de inseguridad alimentaria.

16
 Con todos los antecedentes presentados sobre el Cambio Climático en el Ecuador y sus
posibles consecuencias en la producción agrícola y el impacto que tendría sobre las
poblaciones que dependen de la agricultura, es necesario tener un concepto claro sobre su
posible repercusión en la Seguridad Alimentaria.

1.1.3 Seguridad Alimentaria

La Seguridad Alimentaria existe cuando pilares tales como acceso, disponibilidad,

utilización y consumo de alimentos están presentes en la población y deben ser suficientes
en todo momento para satisfacer las necesidades nutritivas y calóricas necesarias para
llevar una vida sana (Friedrich, 2014; WFP, 2016). Para tener acceso a la Seguridad
Alimentaria, se deben crear políticas sólidas que protejan y enfrenten los problemas de
inseguridad alimentaria de los comerciantes, minoristas y consumidores locales de
alimentos (Tadesse, 2012). Por otra parte, los países deben revalorizar los recursos
agrícolas nativos, algunos cultivos con autosuficiencia tienen el potencial de disminuir
problemas de Seguridad Alimentaria (Martinez, 2017). A nivel mundial, las proyecciones
a futuro para el año 2050 indican que la producción agrícola tendrá que extenderse en un
60% para cubrir el aumento de la demanda de alimentos y conseguir la Seguridad
Alimentaria (Lipper et al., 2014).

En Ecuador, el principal riesgo contra la Seguridad Alimentaria es el difícil acceso de los

hogares a la canasta básica (Calero, 2011), otros factores que limitan la calidad y
disponibilidad de los alimentos en el país son el bajo ingreso y la baja productividad
agrícola, la ausencia de mercados y la industrialización de cultivos (Eche, 2019). En los
países de economía en desarrollo como es el caso de Ecuador, la agricultura representa la
principal fuente de ingresos de las personas más pobres (Stevens & Madani, 2016). Los
pequeños agricultores se ven afectados por limitados recursos como áreas de terreno
mínimas, trabajo dependiente de los miembros del hogar y falta de educación,
capacitación y financiamiento para la adquisición de nuevas tecnologías (Niles & Brown,
2017). Estos antecedentes generan incertidumbre al momento de enfrentar la inseguridad

17
 alimentaria debido a que cada vez son más los agricultores que buscan nuevas formas de
subsistencia con mayor remuneración.

El Cambio Climático en Ecuador influye directamente en la Seguridad Alimentaria, los

impactos potenciales del cambio del clima en los sistemas de producción agrícola
generarían pobreza rural, migración campo-ciudad, poca disponibilidad de alimentos,
disminución de la producción, ausencia de mercados y volatilidad de precios. Para
disminuir los riesgos de la inseguridad alimentaria en el país la FAO ha estado impulsando
la producción suficiente de alimentos saludables y el fácil acceso a mercados alternativos
donde se pueda compensar la demanda nacional de producción (FAO & MREMH, 2017).

[Link] Pobreza rural y migración campo-ciudad

Andrade & Ayaviri (2017), plantean que el Cambio Climático es un tema importante
cuando se habla de pobreza pues los espacios que se destinan para la producción agrícola
en su mayoría se encuentran en zonas rurales, las cuales tienen mayor riesgo y fragilidad
ante efectos del Cambio Climático (Toulkeridis et al., 2020a). La pobreza y la Seguridad
Alimentaria están relacionados entre sí porque las personas que tienen bajos ingresos no
pueden acceder a los alimentos de primera necesidad, alimentos que cuenten con el
número de calorías mínimas necesarias para una buena salud (Ayaviri-Nina et al., 2016).

La agricultura es un eje importante para el crecimiento económico del país y se caracteriza

por ser agricultura a pequeña escala y familiar, este sector en su gran mayoría se encuentra
en condiciones de pobreza. Como menciona Eche (2019), el aumento de los fenómenos
naturales a causa del calentamiento global amenaza a este sector en condición de
vulnerabilidad a la escasez de alimentos y a un alto grado de pobreza.

Según Andrade & Ayaviri (2017), el cantón Guano es un ejemplo de cómo ha disminuido
la actividad agrícola y ha aumentado los casos de migración campo-cuidad, tierras de uso
agrícola se han deteriorado lo que ha causado disminución en la producción de varios
cultivos como la papa. Para poder frenar el grado de pobreza y evitar la migración campo-

18
 ciudad es necesario la creación y la aplicación de políticas que ayuden a este sector en el
tema de la Seguridad Alimentaria (FAO, 2011).

[Link] Disponibilidad de Alimentos

Uno de los pilares de la Seguridad Alimentaria es la disponibilidad de alimentos que se

define como la cantidad y variedad de productos alimenticios que tiene el país y está
estrechamente relacionado con la producción, cadenas de distribución, exportación,
importación y conservación de alimentos (FAO, 2017). La disponibilidad de alimentos en
las zonas rurales se basa en la producción para abastecer el consumo por lo que la
agricultura es un pilar fundamental, la población depende directamente de esta para
conseguir alimentos (Pedraza, 2005).

Una de las dificultades para disponer de productos alimenticios es la ubicación de los

hogares, especialmente de las familias que se encuentran en sectores remotos, que al
encontrarse lejos de centros de comercio y de distribución de alimentos son propensos a
sufrir de desnutrición afectando directamente a la Seguridad Alimentaria (Marroquín,
2017).

Según Carlosama (2020), la disponibilidad de alimentos está sustentada en tres aspectos:

suficiente, autosuficiente y estable. En estos aspectos el estado Ecuatoriano ha hecho una
gran inversión al sector agropecuario, sin embargo, la mayor parte de esta inversión fue
destinada a monocultivos de exportación (Salmoral et al., 2018). Los fenómenos naturales
que ocurren ocasionan perdidas de cosechas y a su vez causan un desabastecimiento de
productos alimenticios (Aulestia-Guerrero & Capa-Mora, 2020). La diversidad de climas
en Ecuador permite producir un sin número de productos agrícolas que disminuyen la
inseguridad alimentaria, sin embargo la producción de alimentos está tomando el camino
agroindustrial que afecta a la disponibilidad de alimentos frescos para el consumo local
de la población (Herforth & Ahmed, 2015).

En Ecuador la población de la Sierra-rural es la que mayor dificultad presenta al momento

de adquirir alimentos, siendo esta zona la que mayor desnutrición crónica muestra a nivel

19
 nacional. En la Figura 4 se observa el mapa de hogares en situación de inseguridad
alimentaria a Ecuador, se determina que la mayoría de las provincias de la Sierra, a
excepción de Azuay y Pichincha, presentan problemas de Seguridad Alimentaria con un
valor mayor a 10,4 %, en la Costa solo las provincias de Los Ríos, Guayas y El Oro se
localizan por debajo del 8,7% y en el Oriente todas las provincias presentan inseguridad
alimentaria con un valor mayor de 24% (Calero, 2011), esto se debe principalmente a la
lejanía y el difícil acceso a las provincias de la Amazonía.

Figura 4. Mapa de hogares en situación de inseguridad alimentaria a nivel nacional

Encuesta de Condiciones de Vida (ECV) 2005-2006.
Fuente: (Calero, 2011)

[Link] Disminución de Producción

El crecimiento poblacional será un factor importante para la producción agrícola y tendrá

que ajustarse a las variables climáticas (plagas y enfermedades en los cultivos, incremento
de la temperatura, escases de agua y variación de lluvias) para evitar la disminución de la
producción y que a la larga se convierta en un problema de Seguridad Alimentaria (Skarbø
& VanderMolen, 2016). Por ello los agricultores deben ser capacitados sobre la

20
producción de sus cultivos contado con herramientas que les permitan mitigar los efectos
del Cambio Climático (Monteros Guerrero, 2016). Según Andrade & Ayaviri (2017), la
Seguridad Alimentaria en Ecuador no es un problema basado en la disminución de la
producción agrícola, pues existen puntos de comercialización donde la población puede
acceder fácilmente a los alimentos en todos los periodos del año, sin embargo, la falta de
competitividad del sector agropecuario es un tema de preocupación debido a que crea falta
de empleo y de diversidad de cultivos. En el periodo de 1993-2003 se registra una
disminución de la producción de cultivos, el área cosechada tuvo un déficit de crecimiento
de unas 330.000 ha como consecuencia del abandono de tierras poco fértiles. Así mismo,
la disminución del área cultivada no fue remediada para elevar la producción de los
alimentos creando vulnerabilidad ante de la Seguridad Alimentaria (Grupo Interagencial
de Desarrollo Rural & Inter-American Institute for Cooperation on Agriculture, 2004).

La agricultura contribuye con el 8% a la producción anual total del Ecuador, este sector
es un generador de empleos especialmente en las zonas rurales donde ha creado más de
2,2 millones de trabajos (Ministerio de Agricultura y Ganadería, 2019), por lo que la
disminución de la producción agrícola provocaría desempleo y pobreza.

En Ecuador los cultivos autosuficientes se ven afectados ya que el pequeño agricultor en

su interés por tener mejores ingresos opta por sembrar un solo cultivo (monocultivos),
dejando un lado los multi-cultivos creando falta de variedad en la producción agrícola
(Rosero et al., 2010). En la Sierra la producción agrícola está sumamente diversificada,
en esta zona destacan los cultivos de subsistencia con maíz suave, cebada, papa, haba y
frijoles. En los páramos donde se originan fuentes de agua (aproximadamente 600.000 ha)
el pastoreo ocupa gran territorio y se prioriza también la siembra de cultivos, generando
daño a los ecosistemas y poniendo en peligro la disponibilidad de agua para estas zonas
(FAO & CAF, 2007).

En el año 2019 el aumento o disminución de la producción dependió del tipo de cultivo

cosechado, por ejemplo, en la cebolla colorada y en el tomate se registró un porcentaje
creciente de producción a comparación del frejol y el maíz suave que registraron un
decrecimiento, el maíz duro y el arroz presentaron una caída en cifras en este periodo. La

21
 baja producción pudo haber sido ocasionada por el invierno prolongado de ese año donde
la humedad y el exceso de agua favorecieron en la aparición de enfermedades y plagas de
los cultivos afectando su rendimiento (Banco Central del Ecuador, 2019).

[Link] Sistemas agroalimentarios

El sistema agroalimentario es definido como “un conjunto de relaciones socioeconómicas

y técnico productivas que inciden directamente en los procesos de producción primaria,
transformación agroindustrial, acopio, distribución, comercialización y consumo de los
productos alimentarios” (León, 2018).

Los sistemas agroalimentarios a más de ser afectados por el Cambio Climático, las
estructuras agrarias desiguales e inequitativas también ponen en riesgo la Seguridad
Alimentaria (FLACSO, 2006). Es por ello que se necesita regular los tamaños de las
Unidades de Producción Agrícola (UPA) destinadas a alimentos de consumo interno, así
como la correcta segmentación de cultivos para la eficiencia del suelo y para la obtención
de un sistema agroalimentario capaz de alimentar en todo el territorio a la población. El
64% de la producción agrícola del Ecuador depende de los pequeños agricultores y de la
agricultura familiar campesina proviene el 60% de los alimentos que se consumen (Recalt
& Valony, 2018). En la región de la Sierra el ingreso económico proveniente de la
agricultura es de USD 171,89 en un área promedio de 0,3 ha (Eche, 2019).

[Link] Volatilidad de precios

La vulnerabilidad de la Seguridad Alimentaria está dada por la cantidad de producción de

cultivos a nivel mundial dependiendo del Cambio Climático, en lugares donde la tierra es
menos productiva en consecuencia a la variación del clima, los agricultores producen en
mínimas cantidades, generando bajos rendimientos, escases de alimentos e incremento de
los precios (Mendelsohn & Wang, 2017). La predisposición al aumento de los precios de

22
 los alimentos crea grandes desafíos a las personas que viven en pobreza debido a que gran
parte de sus ingresos lo gastan en la adquisición de alimentos (Tadesse, 2012).

La productividad agrícola es amenazada por el Cambio Climático a nivel mundial, lo que

desencadena en un incremento de los precios de los alimentos por la disminución
significativa de las cosechas (Stevanovi et al., 2016). Pero también existe otro problema
que es la sobreproducción de ciertos cultivos (papa, caña de azúcar, arroz) donde influyen
factores como la oferta y la demanda y el clima. Según Marroquín (2017), la
sobreproducción en Ecuador es un causante de la volatilidad de precios porque afecta a
distintos productos por temporadas que obliga al estado a intervenir, evitando el desplome
de precios que afectan a productores impidiendo así un problema aún mayor. Por ello la
FAO (2017), sugiere medidas para que se contenga la inestabilidad de precios agrícolas y
alimentos para que no se convierta en un conflicto y más bien ayuden a los agricultores
en eventos de Cambios Climáticos.

1.1.4 Modelos de simulación agrícola

Un modelo es la representación de un método o un esquema en forma matemática de un

sistema para mejorarlo u optimizarlo, con sus respectivas limitaciones. La simulación en
la agricultura permite conocer la relación entre el clima y la producción para la toma de
decisiones a futuro basada en estos análisis (ICCA, 2015). Los modelos de simulación en
la agricultura surgen como una opción para investigar, planificar y predecir el
comportamiento de sistemas de producción dependiendo de sus características o manejo
y los factores externos (Martínez et al., 2011). Los modelos de simulación agrícola
principalmente predicen el desarrollo, rendimiento y evolución de los cultivos agrícolas
(Gálvez et al., 2010).

23
 1.2 Objetivos
1.2.1 Objetivo General
• Determinar escenarios de la producción de alimentos frente al Cambio Climático
en la Provincia de Tungurahua tomando como muestra los cultivos de maíz (Zea
mays), papa (Solanum tuberosum), mora (Rubus ulmifolius) y tomate de árbol
(Solanum betaceum).

1.2.2 Objetivos Específicos

• Identificar los niveles de producción de mora (Rubus ulmifolius), tomate de árbol

(Solanum betaceum), maíz (Zea mays), y papa (Solanum tuberosum) en la
provincia de Tungurahua.
• Diseñar el modelo de rendimiento agrícola con Escenarios de Cambio Climático
empleando modelos de optimización matemática.
• Simular escenarios de variación de los rendimientos de producción agrícola en
base a variables de Cambio Climático.
• Asociar los escenarios futuros de variación climática en la provincia de
Tungurahua, con los cambios en el sistema agroalimentario, bajo indicadores de
Seguridad Alimentaria.

1.3 Señalamiento de variables

1.3.1 Variables Independientes
• Tierra
• Disponibilidad de agua
• Mano de obra
• Variación climática

1.3.2 Variable Dependiente

• Producción

24
 CAPÍTULO II

METODOLOGÍA

Para este capítulo se determinó el uso del paradigma positivista, el mismo que analiza el
estudio de una realidad observable, medible y cuantificable con las técnicas, instrumentos
y procedimientos para ello. El estudio cuantifica fenómenos climáticos en la agricultura
del país, para esto se ha tomado información de bases de datos que serán analizadas bajo
modelos matemáticos con el uso del programa GAMS IDE, como principal herramienta
y se contará con el apoyo de los programas CLIMWAT y CROPWAT, con lo cual se
procederá a explicar y predecir como el Cambio Climático desde ya afecta a la producción
agrícola.

El desarrollo de este estudio se basa en el método deductivo, debido a que se determinó

los efectos más importantes que tiene el Cambio Climático en el Ecuador sobre la
producción agrícola de los cantones Mocha, Píllaro y Tisaleo, además se aplicó el método
mixto para un análisis cualitativo y cuantitativo, dado que se recopiló, analizó e integró
datos de los dos tipos (Creswell, 2007).

2.1 Recolección de la Información

La información cualitativa fue recopilada de una base datos validada y se fundamenta en

encuestas realizadas a 202 agricultores de las zonas de interés Píllaro, Mocha y Tisaleo de
la provincia de Tungurahua en 2019. La información de la base de datos indica variables
que fueron consideradas de tipo social y económico, cantidad de tierra que posee, acceso
a agua de riego, percepción ante el cambio climático. Los datos cuantitativos como
rendimiento y producción de los cultivos de mora, maíz, papa y tomate de árbol fueron
compartidos por técnicos del Ministerio de Agricultura, Ganadería, Acuacultura y Pesca
(MAGAP) de la provincia de Tungurahua, datos de precipitación de lluvias fueron
extraídos de la base de datos del Instituto Nacional de Meteorología e Hidrología
(INAMHI).

25
2.2 Descripción de la zona de estudio

La zona de estudio de la presente investigación comprende la Provincia de Tungurahua,

según la Dirección de Planificación (2019), la proyección el número de habitantes para el
2020 se calculó en 590.600 de los cuales el 59,1% se encuentran en zona rural y el 40,9%
en zona urbana, es una provincia que, del total de habitantes, 88.424 tienen como principal
actividad la agricultura y ganadería lo que representa 27,61% de la Población
Económicamente Activa (PEA). En los cantones Píllaro, Mocha y Tisaleo la principal
actividad económica de cada cantón es la agricultura (Gobierno Provincial de Tungurahua,
2017).

Escala: 1:4.000.000 Escala: 1:250.000

Figura 5. Ubicación de la zona de estudio en Ecuador y los cantones de Píllaro, Tisaleo y

Mocha en la provincia de Tungurahua.
Fuente: Elaboración propia

26
 2.3 Tratamiento de la Información

La investigación se encarga de determinar los escenarios de producción frente al Cambio

Climático en los cultivos de maíz, mora papa y tomate de árbol en la provincia de
Tungurahua en los próximos 30 años.

Se trabajó con información de encuestas realizadas a agricultores para analizar la

percepción que tienen ante el Cambio Climático y tener un panorama más claro de como
ellos pueden y están enfrentando estos efectos negativos. Para mermar el peligro de
Seguridad Alimentaria y la reducción de producción en estos cultivos en unos años, se
realizó un análisis probabilístico con la ayuda del programa Statistical Product and Service
Solutions (SPSS). Adicionalmente se aplicó un método no experimental a partir del diseño
y desarrollo de modelos matemáticos, se manipuló variables de manera predeterminada
para identificar el efecto que tiene una sobre la otra.

2.3.1 Análisis de datos en SPSS (Statistical Product and Service Solutions)

SPSS (Statistical Product and Service Solutions) es un software de fácil manejo utilizado
para el tratamiento de datos y análisis estadísticos y para la realización de tablas y gráficos
(Moreno, 2008), el programa posee una interfaz que es capaz de trabajar con bases de
datos de más de 30000 variables (Abuin, 2014).

Para el presente estudio se usó el programa para determinar el análisis cuantitativo

utilizando las Correlaciones de Variables para identificar como las respuestas de los
agricultores se relacionan, si es positiva o negativa indicando relación directa o
inversamente proporcional. El Análisis de varianza un Factor se aplicó para determinar
las variables más significativas entre la percepción de los agricultores ante el cambio
climático con la producción y se determinó el Alfa de Cronbach de las encuestas utilizadas
presentado en la siguiente tabla:

27
 Tabla 3. Estadísticos de Fiabilidad.

Alfa de Nro
Cronbach elementos
0,903 12
Fuente: Elaboración propia

En la Tabla 3, el Alfa de Cronbach con un valor de 0,903 indico que existe confiabilidad
entre preguntas que hicieron parte del estudio, el coeficiente de confiabilidad es un
promedio de las correlaciones entre las preguntas, para ello se espera un valor entre 0,80
y 0,90 pese a que el valor mínimo que se puede aceptar es de 0,70.

2.3.2 CROPWAT 8.0

El programa CROPWAT se basa en el método de la FAO Penman-Monteith para

establecer la evapotranspiración de los cultivos. Al obtener los valores de la
evapotranspiración de los cultivos se evalúa el calendario de riego y los requerimientos
de agua (Trezza, 2014). El programa es un instrumento de gran ayuda por las distintas
evaluaciones y cálculos que realiza, además de ayudar en la integración de éstos (Ram &
Alberto, 2011).

Los datos necesarios para el cálculo de diferentes valores que se usaron en el estudio se
obtuvieron de la base de datos de la FAO, juntamente con la ayuda de mediciones
meteorológicas anexadas en el programa complemento de este CLIMWAT.

2.3.3 CLIMWAT 2.0

CLIMWAT 2.0 para CROPWAT es una base de datos conjunta del Servicio de Gestión,
Desarrollo y Recursos Hídricos y el Servicio de Recursos Naturales y Medio Ambiente
de la Organización de las Naciones Unidas para la Agricultura y la Alimentación. De más
de 5000 estaciones observadas en todo el mundo brinda datos agroclimáticos. CLIMWAT

28
 2.0 se presenta en dos versiones, la primera contiene la base de datos mundial y la segunda
ofrece bases de datos divididas por continente (Muñoz & Grieser, 2015).

Esta base de datos fue de ayuda en el cálculo de requerimiento de agua por cultivo, pues
posee datos de toda Latinoamérica, del Ecuador se tomó datos de la zona de estudio como
lo es la provincia de Tungurahua.

2.3.4 GAMS (General Algebraic Modeling System)

Es un software que permite resolver problemas de optimización implementando

algoritmos matemáticos, el programa permite crear un lenguaje de modelización y escribir
en un editor la formulación del modelo matemático del problema para aplicar una serie de
programas de resolución llamados también “solvers” (Mocholí, 2015).

El uso del programa es bastante sencillo, ya que el lenguaje que usa GAMS es básico y
sumamente simplificado, el informe de los resultados se muestra de manera clara, indica
los resultados de las variables y ecuaciones en el modelo, muestra la comparación de los
resultados conseguidos con los resultados anteriores, exponiendo un cambio que se puede
detallar mejor en un informe hecho por el usuario (Tarapuez & Barrera, 2010).

Con todos los datos necesarios recopilados se procedió a diseñar el modelo de

optimización matemática en la producción de cultivos, así como la simulación de
escenarios de Cambio Climático a lo largo de 30 años.

2.4 Diseño del Modelo

El diseño del modelo se basa en la función de producción (Cobb & Douglas, 1928) y se
fundamentó con el método simplex desarrollado por Dantzig et al. (1955), que es una
herramienta principal de la programación lineal para la elaboración del diseño, donde se
debe encontrar una matriz 𝑋̃ generalizada que satisfaga a la ecuación:

29
Ecuación de Dantzig
𝑛

𝑃 𝑋̃ = ∑ 𝑃𝑗 𝑥̅𝑗 = 𝑀
0

Donde:

P= matriz dada

𝑃𝑗 = vector de (m+1) componentes

M= matriz fija de rango (m+1) que consiste en (m+1) vectores de fila de componentes

𝑥𝑗̅ (la j-ésima fila de x) = vector de filas de componentes que satisfagan las condiciones
𝑥𝑗̅≥0

𝑥0̅= max.

(Dantzig et al., 1955)

Función objetivo basada en Howitt, Hazell y Norton

La función objetivo que se usó para la presente investigación se basa en el modelo clásico
desarrollado por Hazell & Norton (1987). En la cual se propone la función objetivo sujeta
a restricciones de acuerdo con la disponibilidad de recursos. Así también, este modelo
propone la inclusión de parámetros externos (disponibilidad de agua de riego) que pueden
afectar los rendimientos de producción.

𝑀𝑎𝑥! = ∑ 𝑎𝑖, 𝑗 ∗ 𝑋𝑖
𝑖

Donde:
𝑓𝑖=coeficiente
𝑋𝑖= Son variables (números reales mayores o iguales a cero)

30
 Además, la función objetivo se basa en la Programación Matemática Positiva (PMP). La
misma que enfoca en la utilización de los cultivos del agricultor para generar modelos de
auto calibración de uso y producción agrícola. El modelo propuesto por Howitt (1995), es
el descrito a continuación:
3

𝑀𝑎𝑥! = ∑ 𝑃𝑖 (𝛽𝑖 − 𝛿𝑖 𝜒𝑖 )𝜒𝑖 − ∑ 𝜔𝑗 𝛼𝑖𝑗 𝜒𝑖

𝑖 𝑗=1

Sujeta a
𝑨𝒙 ≤ 𝒃 𝑦 𝒙 ≥ 0

Donde
𝛼𝑖1=1 𝐴 = (𝑚 𝑥 𝑛) con elementos 𝛼𝑖𝑗
𝑥𝑖 es la superficie de tierra asignada al cultivo i
𝜔𝑗 es el costo por unidad de la j-esima entrada
(𝛽 𝑦 𝛿) parámetros de rendimientos desconocidos intersección y pendiente de función del
rendimiento marginal para el cultivo i.

2.5 Determinación del Modelo

La función objetivo adaptada (Castillo, 2020):

𝑀𝑎𝑥 = ∑ 𝑅𝑒𝑛𝑑 ∗ 𝑋𝑖 − 𝐶𝑜𝑠𝑡

𝑖

Donde:
Rend=Rendimiento
𝑋𝑖= Precio
Cost= Costo

31
 Restricciones
La función objetivo está sujeto a un conjunto de restricciones las cuales fueron tomadas y
adaptadas del estudio de Castillo (2020):

1) Restricción de tierra donde x menor o igual a la disponibilidad de tierra.

∑ 𝑟𝑒𝑡𝑖𝑒𝑟𝑟 ∗ 𝑋𝑖 ≤ 𝑑𝑡
𝑖

(Castillo, 2020)
2) Restricción mano de obra donde el requerimiento de mano de obra por x es
menor o igual a la disponibilidad de mano de obra
𝑁

∑ 𝑟𝑒𝑚𝑜 ∗ 𝑋𝑖 ≤ 𝑑𝑚𝑜
𝑖

(Castillo, 2020)

3) Restricción de agua donde el requerimiento de agua por x es menor o igual a la

disponibilidad de agua.

∑ 𝑟𝑒𝑎𝑔𝑢𝑎 ∗ 𝑋𝑖 ≤ 𝑑𝑎𝑔𝑢𝑎
𝑖

(Castillo, 2020)

4) Condición de no negatividad

𝑋𝑖 ≥ 0

(Castillo, 2020)

2.6 Operacionalización de las variables

El Cambio Climático ha contribuido negativamente en el agotamiento de recursos

hídricos, la disminución de la zona agraria útil y la disminución de los rendimientos en

32
base a la fertilidad del suelo (INTA, 2012). Según la Organización de las Naciones Unidas
para la Alimentacion y la Agricultura (2011), los recursos de tierras y aguas son
indispensables para el desarrollo de la agricultura por lo que la carencia de estos recursos
naturales afectarían el sustento de las personas que habitan en las zonas rurales. Las
variables del estudio fueron escogidas en base a la disponibilidad de recursos de los
agricultores encuestados, la extensión de tierra, mano de obra, acceso a agua de riego y la
intensidad de las lluvias.

Tabla 4. Análisis de las variables.

Disponibilidad Mano Disponibilidad Lluvia Litros de

de tierra de obra de agua leche
N Válido 202 202 202 202 202
Perdidos 1 1 1 1 1
Media 0,52 0,64 0,56 3,96 2,75
Error estándar de 0,08 0,08 0,04 0,08 0,42
la media
Mediana 0,01 0,00 1,00 4,00 0,00
Moda 0 0 1 5 0
Desv. Desviación 1,16 1,14 0,50 1,13 5,97
Varianza 1,34 1,30 0,25 1,28 35,60
Mínimo 0,00 0 0 0 0
Máximo 7,00 6 1 5 36
Suma 104,69 129 114 799 555
Fuente: Elaboración propia

En la tabla 4 se observa el análisis de datos correspondiente a las variables escogidas para

el estudio, en la variable de la disponibilidad de tierra se tiene una media de 0,52, la
desviación estándar presenta un valor de 1,16 lo que indica una dispersión de datos
significativa, en la moda el valor que más veces se repitió fue 0,00 hectáreas es decir que
un gran número de agricultores no dispone de tierra propia.

En la variable de mano de obra, la pregunta de la encuesta fue el número de personas que

trabajan con usted, de acuerdo a la media se tiene un valor de 0,64, la desviación estándar

33
presenta un valor de 1,14 con tendencia a variar por encima de 0,64, en la moda el valor
que se presenta con mayor frecuencia es 0,00 lo que indica que los agricultores trabajan
en su mayoria solos.

En la disponibilidad de agua de riego la pregunta fue si tiene o no acceso a este recurso,

la media presenta un valor de 0,56, la desviación estándar con un valor de 0,50 indica que
no existe una dispersión de datos considerables teniendo una respuesta intermedia, en la
moda con un valor de 0,00 se identifica que en comparación a los agricultores que no
disponen de agua de riego, no por mucho la mayoria de los ellos si tiene acceso a este
recurso.

En la variable de la lluvia la pregunta fue sobre la notoriedad del Cambio del Clima en la
zona especificamente en el comportamiento de la lluvia, en la media el promedio de los
datos fue de 3,96, la desviación estándar de 1,13 indica que la mayor parte de los datos
estan agrupados cerca de la media, y la moda con un valor de 5 muestra que la mayoria
de los agricultores han notado un cambio importante en el comportamiento de la lluvia
como consecuencia del Cambio Climático.

En los litros de leche que producen los agricultores, el valor de la media fue de 2,75, la
desviación estándar presenta un valor de 5,97, lo que quiere decir que existe una gran
dispersión de los datos analizados ya que solo cierto número de agricultores poseian vacas
para esta actividad, el valor que más se repitió en la moda fue 0,00, la mayor parte de los
encuestados no se dedican a la producción de leche.

34
Tabla 5. Estadístico descriptivo rendimiento y producción de cultivos por cantón.
Producción
Mocha Maíz Mínimo 5000,00
Máximo 200000,00
Desviación estándar 58171,81
Media 51431,82
Mora Mínimo 5000,00
Máximo 125000,00
Desviación estándar 44990,74
Media 35833,33
Papa Mínimo 5000,00
Máximo 320000,00
Desviación estándar 83565,29
Media 81310,81
Tomate de Árbol Mínimo 14000
Máximo 270000
Desviación estándar 65677,30
Media 91108,11
Píllaro Maíz Mínimo 1530,00
Máximo 810000,00
Desviación estándar 119238,69
Media 100188,82
Mora Mínimo 1530,00
Máximo 810000,00
Desviación estándar 122334,59
Media 100150,57
Papa Mínimo 1530,00
Máximo 810000,00
Desviación estándar 118278,77
Media 99986,51
Tomate de Árbol Mínimo -
Máximo -
Desviación estándar -
Media -
Tisaleo Maíz Mínimo 7000,00
Máximo 7000,00
Desviación estándar
Media 7000,00
Mora Mínimo 4200,00
Máximo 542500,00
Desviación estándar 117437,75
Media 96987,32
Papa Mínimo 4200,00
Máximo 542500,00
Desviación estándar 117076,36
Media 97652,55
Tomate de Árbol Mínimo -
Máximo -
Desviación estándar -
Media -
Fuente: Elaboración Propia

35
En la Tabla 5 se observa el estadístico descriptivo de la variable producción de cada uno
de los cultivos en cada cantón. Para el cantón Mocha se observa una desviación estándar
en la producción de 45000 a 83000 en los cultivos de maíz, mora y papa lo que indica
datos dispersos esto se debe a la variación de hectáreas de terreno que poseen los
agricultores por ello algunos producen más que otros dependiendo de la extensión de tierra
que posean.

De igual manera se observa en el cantón Píllaro valores muy dispersos, los valores de
media para este cantón indican que la mayor producción de los cultivos es el de maíz. En
el cantón Tisaleo, al tener un número limitado de datos sobre el maíz no existe desviación
estándar que sea significativa lo que si ocurre para los demás cultivos como es la mora y
la papa que poseen una desviación estándar muy variable lo que indica la gran dispersión
de datos.

En el caso del cultivo de tomate de árbol como se puede observar en la Tabla 5 no se tiene
una base de datos sobre este cultivo en los cantones Píllaro y Tisaleo pues la producción
de este es nula o muy poca que no representa un valor a ser tomado en cuenta para el
presente estudio.

36
 CAPÍTULO III

RESULTADOS Y DISCUSIÓN

Análisis de resultados

A partir de la base de datos tomada de las encuestas realizadas a los agricultores se elaboró
histogramas para una mejor representación de las variables más destacadas para el estudio,
como la disponibilidad de tierra, disponibilidad de agua, lluvia y litros de leche, adicional
se elaboró un histograma representando la edad de los agricultores encuestados de los
cantones Píllaro, Mocha y Tisaleo.

Figura 6. Edad de los agricultores

Fuente: Elaboración propia

En la Figura 6 se observa que el promedio de edad de los agricultores encuestados fue de

41,44 años lo que indica que la población de mayor edad es la que principalmente se
dedica a la agricultura, se presenta una desviación estándar de 16,91 con una dispersión
de datos significativa debido a que la edad de las personas variaba desde los 22 años hasta
los 88 años.

37
 Figura 7. Disponibilidad de tierra
Fuente: Elaboración propia

En la Figura 7 se establece que la mayoría de los agricultores encuestados (142 personas)

de los cantones Píllaro, Mocha y Tisaleo no disponen de hectareas de tierra propia, por lo
que se entiende que un gran número de ellos trabajan como jornaleros en tierras ajenas,
no poseen estabilidad al no contar con un espacio propio generando incertidumbre al
momento de la siembra y cosecha.

Figura 8. Disponibilidad de agua

Fuente: Elaboración propia

38
En cuanto a la disponibilidad de agua en la Figura 8 se observa una respuesta intermedia
por parte de los 202 agricultores encuestados ya que 114, siendo la mayoría, sí disponen
de agua de riego para sus cultivos, sin embargo, los otros 88 agricultores no cuentan con
este importante recurso.

Figura 9. Comportamiento de la lluvia

Fuente: Elaboración propia

Según la Figura 9 los agricultores consideran que el Cambio Climático ha sido bastante
notorio en cuanto al comportamiento de las lluvias en los cantones de Píllaro, Mocha y
Tisaleo, consideran que en los utlimos años llueve de manera escasa pero intensa lo que
ha estado afectando directamente a la producción de sus cultivos.

39
 Figura 10. Cantidad de litros de leche
Fuente: Elaboración propia

En la variable sobre la cantidad de litros de leche que producen se observa en la Figura 10

que de los 202 agricultores encuestados 147 de ellos no se dedican a esta actividad sino al
trabajo de la siembra y cosecha, 55 son los agricultores que poseen vacas para la
produccion de leche.

40
 Tabla 6. Correlaciones de variables.

11) Frutos Pequeños

1) Cree que el clima

12) Nuevas Plagas

8) Disminución de
5) Sequías Largas

cambios del clima

está cambiando

7) Cree que los

2) Aumento de

10) Perdida de
4) Lluvias más
3) Rayos más

9) Retraso de
temperatura

6) Variación

Producción
producción
afectan su
Climática

Cosecha

Cosecha
fuertes

fuertes
1) Cree que el Correlación de 1 ,314** ,327** ,249** ,230** ,248** ,125 ,164* ,114 ,129 ,182** ,081
clima está Pearson
cambiando Sig. (bilateral) ,000 ,000 ,000 ,001 ,000 ,076 ,020 ,105 ,067 ,010 ,253

2) Aumento de Correlación de ,314** 1 ,683** ,541** ,623** ,683** -,012 ,587** ,549** ,531** ,493** ,423**
temperatura Pearson
Sig. (bilateral) ,000 ,000 ,000 ,000 ,000 ,870 ,000 ,000 ,000 ,000 ,000

3) Rayos más Correlación de ,327** ,683** 1 ,567** ,628** ,647** ,051 ,591** ,475** ,568** ,488** ,478**
fuertes Pearson
Sig. (bilateral) ,000 ,000 ,000 ,000 ,000 ,472 ,000 ,000 ,000 ,000 ,000

4) Lluvias más Correlación de ,249** ,541** ,567** 1 ,469** ,534** ,054 ,349** ,403** ,487** ,419** ,469**
fuertes Pearson
Sig. (bilateral) ,000 ,000 ,000 ,000 ,000 ,446 ,000 ,000 ,000 ,000 ,000

5) Sequías Correlación de ,230** ,623** ,628** ,469** 1 ,768** ,037 ,435** ,439** ,497** ,428** ,413**
Largas Pearson
Sig. (bilateral) ,001 ,000 ,000 ,000 ,000 ,602 ,000 ,000 ,000 ,000 ,000

41
 6) Variación Correlación de ,248** ,683** ,647** ,534** ,768** 1 -,038 ,470** ,455** ,514** ,412** ,414**
Climática Pearson
Sig. (bilateral) ,000 ,000 ,000 ,000 ,000 ,594 ,000 ,000 ,000 ,000 ,000

7) Cree que los Correlación de ,125 -,012 ,051 ,054 ,037 -,038 1 ,081 ,053 ,043 ,053 ,097
cambios del Pearson
clima afectan su Sig. (bilateral) ,076 ,870 ,472 ,446 ,602 ,594 ,254 ,450 ,541 ,456 ,171
producción
8) Disminución Correlación de ,164* ,587** ,591** ,349** ,435** ,470** ,081 1 ,651** ,755** ,560** ,515**
de Producción Pearson
Sig. (bilateral) ,020 ,000 ,000 ,000 ,000 ,000 ,254 ,000 ,000 ,000 ,000
9)Retraso de Correlación de ,114 ,549** ,475** ,403** ,439** ,455** ,053 ,651** 1 ,651** ,690** ,556**
Cosecha Pearson
Sig. (bilateral) ,105 ,000 ,000 ,000 ,000 ,000 ,450 ,000 ,000 ,000 ,000
10)Perdida de Correlación de ,129 ,531** ,568** ,487** ,497** ,514** ,043 ,755** ,651** 1 ,646** ,675**
Cosecha Pearson
Sig. (bilateral) ,067 ,000 ,000 ,000 ,000 ,000 ,541 ,000 ,000 ,000 ,000
11)Frutos Correlación de ,182** ,493** ,488** ,419** ,428** ,412** ,053 ,560** ,690** ,646** 1 ,593**
Pequeños Pearson
Sig. (bilateral) ,010 ,000 ,000 ,000 ,000 ,000 ,456 ,000 ,000 ,000 ,000
12)Nuevas Correlación de ,081 ,423** ,478** ,469** ,413** ,414** ,097 ,515** ,556** ,675** ,593** 1
Plagas Pearson
Sig. (bilateral) ,253 ,000 ,000 ,000 ,000 ,000 ,171 ,000 ,000 ,000 ,000
**. La correlación es significativa al nivel 0,01 (bilateral).

*. La correlación es significante al nivel 0,05 (bilateral).

Fuente: Elaboración propia

42
En la Tabla 6 se observan las distintas correlaciones que existen entre preguntas tomadas
de una base de datos realizada a un total de 202 agricultores para analizar como perciben
el Cambio Climático y como este afecta a la producción de diversos cultivos como: mora,
papa, maíz y tomate de árbol en los cantones de Píllaro, Mocha y Tisaleo

El coeficiente de Pearson de la variable Cambio Climático (pregunta 1) con la variable

Producción, tiene un valor de 0,125 lo que indica que la correlación es ínfima entre estos
parámetros, sin embargo, el signo positivo indica que la variable Cambio Climático se
relaciona directamente con la producción, es decir los agricultores notan que el Clima está
cambiando, por lo tanto, la producción de sus cultivos se ve afectada.

El coeficiente de Pearson de la variable Aumento de la Temperatura (pregunta 2) con las

variables, Rayos más fuertes, Lluvias más fuertes, Sequías largas, Variación Climática,
Retraso y Perdida Cosecha, Frutos Pequeños y Nuevas plagas tiene un valor de 0,42 a 0,68
lo que indica que la relación es positiva débil y positiva media entre estos parámetros, el
signo positivo indica que la variable se relaciona directamente con las demás, es decir los
agricultores notan el Aumento de Temperatura, por lo tanto la variación de los otros
factores es evidente.

El coeficiente de Pearson de la variable Rayos más Fuertes (pregunta 3) con las variables
Aumento de Temperatura, Lluvias más fuertes, Sequías largas, Variación Climática,
Retraso y Perdida Cosecha, Frutos Pequeños y Nuevas plagas tiene un valor de 0,56 a 0,68
lo que indica que la relación es media entre estos parámetros, el signo positivo indica que
la variable se relaciona directamente con las demás, es decir los agricultores perciben los
Rayos más fuertes, por lo tanto la variación de los otros factores es un hecho.

El coeficiente de Pearson de la variable Lluvias más fuertes (pregunta 4) con las variables
Aumento de Temperatura, Sequías largas, Variación Climática, Producción, Retraso y
Perdida Cosecha, Frutos Pequeños y Nuevas plagas tiene un valor de 0,40 a 0,57 lo que
muestra que la relación es débil y media entre estos parámetros, el signo positivo indica
que la variable se relaciona directamente con las demás, es decir los agricultores notan las
Lluvias más fuertes, por lo tanto, la variación de los otros factores es indudable.

43
El coeficiente de Pearson de la variable Sequías más largas (pregunta 5) con las variables
Aumento de Temperatura, Lluvias más fuertes, Sequías largas, Variación Climática,
Producción, Retraso y Perdida Cosecha, Frutos Pequeños y Nuevas plagas tiene un valor
de 0,23 a 0,77 lo que indica que la relación es escasa y fuerte entre estos parámetros, el
signo positivo indica que la variable se relaciona directamente con las demás, es decir los
agricultores notan las Sequías más largas, por lo tanto la variación de los otros factores es
notable.

El coeficiente de Pearson de la variable Variación Climática (pregunta 6) con las variables

Aumento de Temperatura, Lluvias más fuertes, Sequías largas, Producción, Retraso y
Perdida Cosecha, Frutos Pequeños y Nuevas plagas tiene un valor de 0,41 a 0,77 lo que
indica que la relación es media entre estos parámetros, el signo positivo indica que la
variable se relaciona directamente con las demás, es decir los agricultores notan los
Variación Climática, por lo tanto la variación de los otros factores es evidente.

El coeficiente de Pearson de la variable Disminución de Producción (pregunta 8) con las

variables Aumento de Temperatura, Lluvias más fuertes, Sequías largas, Retraso y Perdida
Cosecha, Frutos Pequeños y Nuevas plagas tiene un valor de 0,35 a 0,76 lo que indica que
la relación es media y fuerte entre estos parámetros, el signo positivo indica que la variable
se relaciona directamente con las demás, es decir los agricultores notan la Disminución de
Producción, por lo tanto la variación de los otros factores es indiscutible.

El coeficiente de Pearson de la variable Retraso de cosecha (pregunta 9) con las variables

Aumento de Temperatura, Lluvias más fuertes, Sequías largas, Perdida de Cosecha, Frutos
Pequeños y Nuevas plagas tiene un valor de 0,40 a 0,69 lo que indica que la relación es
moderada y buena entre estos parámetros, el signo positivo indica que la variable se
relaciona directamente con las demás, es decir los agricultores notan el Retraso en sus
cosechas, por lo tanto la variación de los otros factores es evidente.

El coeficiente de Pearson de la variable Perdida de cosecha (pregunta 10) con las variables
Aumento de Temperatura, Lluvias más fuertes, Sequías largas, Retraso de Cosecha, Frutos
Pequeños y Nuevas plagas tiene un valor de 0,50 a 0,76 lo que indica que la relación es
media a fuerte entre estos parámetros, el signo positivo indica que la variable se relaciona

44
directamente con las demás, es decir los agricultores tienen Perdida en la cosecha, por lo
tanto la variación de los otros factores es notable.

El coeficiente de Pearson de la variable Frutos más Pequeños (pregunta 11) con las
variables Aumento de Temperatura, Lluvias más fuertes, Sequías largas, Retraso de
Cosecha y Nuevas plagas tiene un valor de 0,41 a 0,69 lo que indica que la relación es
media a fuerte entre estos parámetros, el signo positivo indica que la variable se relaciona
directamente con las demás, es decir los agricultores notan que los Frutos son cada vez
más pequeños, por lo tanto la variación de los otros factores es cierta.

El coeficiente de Pearson de la variable Nuevas Plagas (pregunta 12) con las variables
Aumento de Temperatura, Lluvias más fuertes, Sequías largas, Retraso de Cosecha, Frutos
más pequeños y Nuevas plagas tiene un valor de 0,41 a 0,68 lo que indica que la relación
es moderada y buena entre estos parámetros, el signo positivo indica que la variable se
relaciona directamente con las demás, es decir los agricultores notan que hay más plagas
por lo tanto la variación de los otros factores es evidente.

En conclusión, la mayoría de las variables poseen una relación media y fuerte con las
demás variables, además de tener un signo positivo que es indicativo de relación directa,
donde si una variable aumenta otra tiende a lo mismo, como es el caso de notoriedad del
Cambio Climático por ende las sequías o las lluvias van a ser más fuertes.

45
 Tabla 7. Anova de un Factor.
Suma de gl Media F Sig.
cuadrados cuadrática
Inter-grupos (Combinados) 71,450 5 14,290 20,955 ,000
Término lineal No ponderado 23,945 1 23,945 35,112 ,000
Aumento de Ponderado 70,634 1 70,634 103,575 ,000
temperatura Desviación ,816 4 ,204 ,299 ,878
Intra-grupos 133,664 196 ,682
Total 205,114 201
Inter-grupos (Combinados) 79,583 5 15,917 24,030 ,000
Término lineal No ponderado 28,576 1 28,576 43,143 ,000
Rayos más Ponderado 73,096 1 73,096 110,357 ,000
fuertes Desviación 6,487 4 1,622 2,448 ,048
Intra-grupos 129,823 196 ,662
Total 209,406 201
Inter-grupos (Combinados) 38,788 5 7,758 6,981 ,000
Término lineal No ponderado 7,862 1 7,862 7,075 ,008
Lluvias más Ponderado 31,339 1 31,339 28,201 ,000
fuertes Desviación 7,448 4 1,862 1,676 ,157
Intra-grupos 217,811 196 1,111
Total 256,599 201
Inter-grupos (Combinados) 76,155 5 15,231 12,551 ,000
Término lineal No ponderado 10,757 1 10,757 8,864 ,003
Sequias Ponderado 59,481 1 59,481 49,016 ,000
Largas Desviación 16,674 4 4,168 3,435 ,010
Intra-grupos 237,845 196 1,213
Total 314,000 201
Inter-grupos (Combinados) 69,118 5 13,824 12,499 ,000
Variación Término lineal No ponderado 18,259 1 18,259 16,509 ,000
Climática Ponderado 63,262 1 63,262 57,201 ,000
Desviación 5,856 4 1,464 1,324 ,262

46
 Intra-grupos 216,768 196 1,106
Total 285,886 201
Inter-grupos (Combinados) 120,987 5 24,197 29,974 ,000
Término lineal No ponderado 57,424 1 57,424 71,133 ,000
Retraso de Ponderado 118,433 1 118,433 146,707 ,000
Cosecha Desviación 2,554 4 ,638 ,791 ,532
Intra-grupos 158,226 196 ,807
Total 279,213 201
Inter-grupos (Combinados) 149,182 5 29,836 53,024 ,000
Término lineal No ponderado 66,891 1 66,891 118,877 ,000
Perdida de Ponderado 148,074 1 148,074 263,152 ,000
Cosecha Desviación 1,109 4 ,277 ,493 ,741
Intra-grupos 110,288 196 ,563
Total 259,470 201
Inter-grupos (Combinados) 97,521 5 19,504 19,984 ,000
Término lineal No ponderado 54,834 1 54,834 56,182 ,000
Ponderado 90,705 1 90,705 92,935 ,000
Frutos
Desviación 6,816 4 1,704 1,746 ,141
Pequeños
Intra-grupos 191,296 196 ,976

Total 288,817 201

Nuevas Inter-grupos (Combinados) 109,984 5 21,997 18,675 ,000
Plagas Término lineal No ponderado 56,010 1 56,010 47,551 ,000
Ponderado 90,406 1 90,406 76,752 ,000
Desviación 19,577 4 4,894 4,155 ,003
Intra-grupos 230,868 196 1,178
Total 340,851 201
Fuente: Elaboración propia

47
En la Tabla 7, el análisis de varianza para el primer caso aumento de temperatura se
rechaza la hipótesis de igualdad de varianzas lo que significa que existe diferencia
significativa con el factor disminución de producción y tomando la prueba post-hot, se
observa que la diferencia más significativa está en el grupo visibles y más visibles es decir
que en las encuestas realizadas a los agricultores perciben el aumento de temperatura
dando como consecuencia en la disminución de producción.

De la misma forma para los casos rayos y lluvias más fuertes, sequías largas, variación
climática, retraso y perdida de cosecha, frutos pequeños y nuevas plagas se rechaza la
hipótesis de igualdad de varianzas, así como también apoyado en las pruebas pos-hot de
Tukey (anexo 2) para identificar el grupo más significativo en cada variable, dando como
resultado que en un nivel del 1 al 5 donde 1 es menos visibles y 5 es más visible el grupo
visibles y más visibles es el que tiene más diferencia significativa, es decir que los
agricultores notan cambios a nivel del Cambio Climático y atribuyen que estos cambios
afecten a su producción

En conclusión, las diferencias más significativas se encuentran en los subgrupos visibles

y más visibles donde se da por hecho que el clima está cambiando, con ello también la
producción agrícola, este fenómeno está siendo percibido de primera mano por parte de
los agricultores año tras año en sus cosechas, cada vez les resultará más difícil sacar un
redito económico que recompense su trabajo ocasionando que muchos de ellos dejen de
producir alimentos, convirtiéndose en un problema de Seguridad Alimentaria, por ello
existe la necesidad de un modelo de predicción de producción agrícola donde se optimicen
recursos y distribuya de mejor manera el tipo de cultivo en el área total del terreno para
que puedan hacer frente a estos problemas.

48
Niveles de Producción

En la Tabla 8 y en la Figura 11 se representa los niveles de Rendimiento (Kg/ha) y

Producción (Kg) de maíz, mora, papa y tomate de árbol por cantón (Mocha, Píllaro y
Tisaleo), datos obtenidos de las encuestas realizadas a 202 agricultores, obteniendo como
resultado que el cantón Píllaro tiene los niveles más altos de producción y rendimiento.

Tabla 8. Datos del Rendimiento y Producción de los cultivos por Cantón (Píllaro,
Mocha y Tisaleo).

Cantón Cultivo Rendimiento (Kg/ha) Producción

(Kg)
Mocha Maíz 12204,55 51431,82
Mora 5000 48750
Papa 14887,10 93822,58
Tomate de árbol 14591,89 91108,11
Píllaro Maíz 15749,78 102358,23
Mora 18609,09 126438,07
Papa 18210 126122,33
Tomate de árbol 0 0,00
Tisaleo Maíz 14000 7000,00
Mora 15619,75 102725,56
Papa 16860,81 110533,78
Tomate de árbol 0 0
Fuente: Elaborado por los autores

En Píllaro el cultivo de maíz tiene valores de 15749,78 Kg/ha de rendimiento y 102358,23

Kg de producción, el cultivo de mora 18609,09 Kg/ha de rendimiento y 126438,07 Kg de
producción y el cultivo de papa 18210Kg/ha de rendimiento y 126122,33 Kg de
producción, en cuanto al tomate de árbol solo en Mocha se tiene una base de datos
representativa ya que en los cantones de Píllaro y Tisaleo este producto no se cosecha en
grandes cantidades.

49
 140000
120000
100000
80000

Valor
60000
40000
20000
0
Rendimiento Producción Rendimiento Producción Rendimiento Producción
(Kg/Ha) (Kg) (Kg/Ha) (Kg) (Kg/Ha) (Kg)
Mocha Pillaro Tisaleo
Valores por cantón

Maíz Mora Papa Tomate de arbol

Figura 11. Rendimiento Kg/ha y Producción Kg de producto por Cantón (Píllaro, Mocha y
Tisaleo).
Fuente: Elaboración propia

Diseño del Modelo

Se tomó como referencia algunos estudios como el de Castillo (2020), en el cual se plantea
el modelo de programación lineal de rendimiento de la producción de leche cruda tomando
como limitaciones la disponibilidad de recursos naturales para la optimización de la
misma. Se diseñó el modelo lineal y no lineal para la simulación de escenarios de la
producción de alimentos frente al Cambio Climático, para lo cual se tomó en cuenta
variables y limitaciones que conllevan la producción de los cultivos de maíz, mora, papa
y tomate de árbol.

Función objetivo

Consiste en maximizar la producción según los diferentes escenarios de Cambio Climático

tomando como referencia los cultivos de maíz, mora, papa y tomate de árbol en la
provincia de Tungurahua, la ecuación se expresa a continuación:

50
 𝑁

𝑀𝑎𝑥 𝑧 = ∑((𝑐, 𝑛), (𝑝𝑟𝑜𝑑𝑛𝑐,𝑛 ∗ 𝑝𝑟𝑒𝑐𝑖𝑜 𝑐 − 𝑐𝑜𝑠𝑡𝑜𝑠𝑐,𝑛 ) ∗ 𝑥𝑐𝑐𝑛 )

𝑖

Donde

Z = Función objetivo

Prodn = producción de cultivos en cada cantón

Precio(c) = precio beneficio cada cultivo

Costos (c, n) = costos de mantenimiento (agua, mano de obra, fertilizantes) por cultivo
por cantón

c = tipo de cultivo

x = factores de producción

Restricciones

El modelo matemático tiene limitaciones como disponibilidad de tierra, disponibilidad de

agua y disponibilidad de mano de obra

1) Tierra debido a la superficie de terreno cultivable para cada cultivo por cantón

∑((𝑐 ), 𝑟𝑒𝑞𝑡𝑖𝑒𝑟𝑟 𝑥𝑐 𝑐,𝑛 ≤ 𝑑𝑡

𝑖

2) Agua debido a la cantidad disponible de agua a la que tienen acceso

∑ ((𝑐, 𝑛), 𝑟𝑒𝑞𝑎𝑔𝑢𝑎𝑚,𝑛 ∗ 𝑥𝑐𝑐,𝑛 ) ≤ 𝑑𝑎𝑔𝑢𝑎(𝑚) + 𝑑𝑟𝑖𝑒𝑔𝑜(𝑚)

𝑖

51
 3) Mano de obra debido a la cantidad de jornaleros que se necesita para cada
cultivo por cantón.

∑((𝑐, 𝑛), 𝑟𝑒𝑞𝑚𝑜𝑐,𝑛 ∗ 𝑥𝑐𝑐,𝑛 ≤ 𝑑𝑚𝑜

𝑖

Donde:

reqtierra = Requerimiento de tierra para la producción de los cultivos

dt = Tierra para los cultivos disponibles

reqagua = Requerimiento de agua para el cultivo por cantón

dagua = Disponibilidad de agua de lluvia

driego = Disponibilidad de agua de riego

reqmo = Requerimiento de mano de obra para la producción de cada cultivo por cantón

dmo = Mano de obra disponible para la producción de cada cultivo

Determinación de requerimientos de recursos naturales de los cultivos por medio

de GAMS

Tabla 9. Requerimiento de Tierra por cantón.

Mínimo Nivel Máximo
Mocha -INF 13,6514 227,5000
Tisaleo -INF 8,7231 145,3700
Píllaro -INF 14,0606 1156,7700
Fuente: GAMS ®
Elaboración: Autores

El modelo matemático del estudio presenta restricciones de disponibilidad de agua, tierra

y mano de obra para los tres cantones, como se observa en la Tabla 9 en Mocha del total
de tierra disponible que se utiliza es 13,6514 ha, en Tisaleo la tierra utilizada es de 8,7231
ha y en Píllaro se utiliza 14,0606 ha de tierra para la siembra de cultivos.

52
 Tabla 10. Disponibilidad de agua de riego.
Mínimo Nivel Máximo
Ene -INF 129,2595 334,8000
Feb -INF 238,2345 252,1000
Mar -INF 258,8795 350,3000
Abr -INF 256,8620 330,0000
May -INF 272,2535 316,8000
Jun -INF 272,6714 418,3000
Jul -INF 261,0863 398,0000
Ago -INF 192,9000 192,9000
Sept -INF 144,1000 144,1000
Oct -INF 146,4536 265,1000
Nov -INF 166,0773 333,7000
Dic -INF 94,9358 237,9000
Fuente: GAMS ®
Elaboración: Autores

Según la Tabla 10 de acuerdo con el modelo en todos los meses, a excepción de agosto y
septiembre, se presentan valores óptimos para cumplir con el requerimiento de agua de
riego para los cultivos (maíz, mora, papa y tomate de árbol) en los tres cantones (Mocha,
Píllaro y Tisaleo), en los meses de agosto y septiembre se presenta un déficit de agua al
empezar el periodo seco por la falta de lluvia.

Tabla 11. Requerimiento de mano de obra.

Mínimo Nivel Máximo
-INF 3131,1349 10000,0000
Fuente: GAMS ®
Elaboración: Autores

En la Tabla 11 se analiza el requerimiento de mano de obra, el número de jornales por año

para todos los cultivos (maíz, mora, papa y tomate de árbol) en los tres cantones (Mocha,
Píllaro y Tisaleo) el valor es de 3131,1349 jornales, en este caso no existe déficit de mano

53
de obra en ninguno de los cantones, al contrario, se presenta un excedente debido al
desempleo actual en el país.

Tabla 12. Variable dependiente (Producción)

Cantón Producto Mínimo Nivel Máximo
Mocha Maíz . . +INF
Mora . 2,2752 +INF
Papa . . +INF
Tomate de árbol . 11,3761 +INF
Píllaro Maíz . 5,7991 +INF
Mora . 5,7844 +INF
Papa . 2,4771 +INF
Tomate de árbol . . +INF
Tisaleo Maíz . +INF
Mora . 8,7231 +INF
Papa . . +INF
Tomate de árbol . . +INF
Fuente: GAMS ®
Elaboración: Autores

En cuanto a la variable dependiente (producción de cultivos) según el modelo matemático

aplicado, se observa en la Tabla 12 que en Mocha la producción de mora es de 2,2752 kg
y de tomate de árbol es 11,3761 kg, en Píllaro los cultivos presentan valores de: maíz
5,7991 kg, mora 5,7844 kg y papa 2,4771 kg y en Tisaleo el cultivo de mora representa 8,723
kg de producción.

54
 Simulación en GAMS de los Escenarios de Cambio Climático en la producción
agrícola.

Para el cantón Mocha se representa los escenarios simulados de Cambio Climático

desarrollado con el modelo matemático a lo largo de 30 años.

12,00

10,00

8,00
PRODUCCIÓN

maiz
6,00
mora
4,00 papa
tomate
2,00

0,00
2035
2021
2023
2025
2027
2029
2031
2033

2037
2039
2041
2043
2045
2047
2049
Años

Figura 12. Evolución de resiliencia de cultivos en la variación del Cambio Climático en el

cantón Mocha en 30 años.
Fuente: Elaboración propia

En la Figura 12 se observa que si el recurso de agua de regadío fuera limitado la

producción de tomate de árbol disminuirá conforme el tiempo avanza, descendiendo la
producción indudablemente para el año 2050. En el caso de la mora esta se dejaría de
producir para el año 2033 debido a su susceptibilidad ante cambios en el clima, Zhindon
Pacheco et al. (2017), asegura que en Ecuador la producción de mora no será suficiente
para satisfacer la demanda de la población dentro de los próximos de 10 años. En cuanto
a los cultivos de papa y maíz si se restringe el recurso de agua estos cultivos no serían
capaces de producirse en este cantón en años futuros.

55
 10,00

9,00

8,00

7,00

6,00 maiz
PRODUCCIÓN

5,00 mora
4,00 papa
3,00 tomate
2,00
1,00
0,00
2029
2021

2023

2025

2027

2031

2033

2035

2037

2039

2041

2043

2045

2047

2049
Años

Figura 13. Evolución de resiliencia de cultivos en la variación del Cambio Climático en el

cantón Tisaleo en 30 años.
Fuente: Elaboración propia

De acuerdo con lo observado en la Figura 13, según el modelo matemático en el cantón

Tisaleo si el recurso natural de agua disminuye a causa del Cambio Climático, a lo largo
de los años la producción de mora irá disminuyendo y la cantidad para satisfacer la
demanda del mercado no será suficiente dentro de 25 años, en donde se dejaría de producir
por el desabastecimiento de agua de regadío en el cantón. Según Cruz & Yela (2018), la
precipitación de lluvias varía con forma cíclica, siendo un año más lluvioso y el otro más
seco reduciendo la disponibilidad de agua de regadío, afectando a cultivos de ciclo corto
ya que con exceso de agua desarrollan plagas y en estaciones secas son vulnerables a estrés
hídrico por falta de nutrientes para el desarrollo de la planta.

56
 7,00

6,00

PRODUCCIÓN 5,00

4,00 maiz

3,00 mora

papa
2,00
tomate
1,00

0,00
2023
2021

2025
2027
2029
2031
2033
2035
2037
2039
2041
2043
2045
2047
2049
Años

Figura 14. Evolución de resiliencia de cultivos en la variación del Cambio Climático en el

cantón Píllaro en 30 años.
Fuente: Elaboración propia

Por último, en la Figura 14 se observa que en el cantón Píllaro, según el modelo

matemático de los escenarios simulados, la producción de maíz será estable a través de
los próximos 30 años si existiera un desabastecimiento de agua de regadío, este sería el
único cultivo que no se dejaría de producir, siendo el que mejor se adapta al constante
cambio del clima. El cultivo de mora también será resiliente al Cambio Climático,
soportando las condiciones de disminución de agua de regadío en gran parte de los
escenarios simulados para cada cantón. El cultivo de papa será susceptible ante las
condiciones del clima y para el año 2025 su producción disminuiría considerablemente.

Para escenarios del 2050 como indica Bustamante (2017) en su estudio, la precipitación
en la zona centro del país será escaza lo que conlleva a efectos en la disponibilidad de
agua de regadío en toda la zona afectando a comunidades dedicadas a la agricultura.

57
Discusión de resultados

Al revisar la bibliografía citada se concuerda que la escasez de agua generada por

diferentes factores como la pérdida de los glaciares, la disminución de las fuentes fluviales
y la ausencia de lluvias será un efecto claro de la variación climática en Ecuador, que
afectará directamente a la producción agrícola. Por lo que el presente estudio se enfocó en
simular y representar las variaciones del clima orientado en la falta de agua de riego a
futuro y como afecta a la Seguridad Alimentaria de la provincia de Tungurahua.

Para determinar las posibles consecuencias a futuro de esta variación en los recursos
hídricos y su impacto en los cultivos de maíz (Zea mays), papa (Solanum tuberosum),
mora (Rubus ulmifolius) y tomate de árbol (Solanum betaceum) el análisis recolectó
información que se usó en el programa GAMS donde mediante un modelo matemático
derivado del estudio de Castillo (2020), se presentó los resultados obtenidos en tablas
(9,10,11,12) y gráficas (12,13,14) de la programación lineal con la simulación de
Escenarios de Cambio a Climático hasta el año 2050. Según el estudio de González-
Marrero et al. (2016) desarrollado en Cuba, los modelos matemáticos usados para
pronosticar rendimientos agrícolas se pueden aplicar a todo tipo de cultivo para la toma
de decisiones a largo plazo. En este caso obtuvieron el escenario a futuro de la siembra de
caña y como diferentes variables incluida la falta de precipitación afecta su producción.
En el estudio de Martínez et al. (2011), se afirma que el desarrollo de una buena
simulación matemática permite extrapolar los resultados a otros lugares para utilizar de
manera correcta y eficiente los recursos humanos, naturales y económicos.

En los cantones de Píllaro, Mocha y Tisaleo la producción se basa principalmente en los

cultivos de maíz, mora, papa y tomate de árbol, donde según lo analizado en Píllaro al ser
el cantón con mayor número de hectáreas cultivables y mejor disponibilidad de recursos
(agua) es el mayor productor, teniendo la mejor producción y rendimiento por hectárea de
cultivo.

En la disponibilidad de agua, según el estudio se cumple con los niveles necesarios de

agua de riego para mantener la producción de los cultivos a excepción de los meses de

58
agosto y septiembre en los cuales existe escasez de lluvia provocando falta de agua para
el regadío, como consecuencia existe poca variedad de alimentos y volatilidad de precios
en esta época del año, afectando a la Seguridad Alimentaria. Según el estudio realizado
por Niles & Brown (2017) en 12 países, se determina que en los meses donde hay menos
precipitación la inseguridad alimentaria está presente en las zonas que no tienen acceso a
agua de regadío. Para tratar de mitigar la baja producción en esos países se utiliza
fertilizantes que ayudan a mejorar los rendimientos de los cultivos. Al comparar esto con
la situación del país se puede determinar que hace falta la implementación de políticas y
acciones estratégicas para contrarrestar los efectos negativos del clima.

Para conocer el impacto que tiene la variación climática en la producción de cultivos a

futuro se simularon escenarios con variación de agua de riego a lo largo de 30 años,
obteniendo que el cultivo de maíz es el más resiliente a los efectos del clima. En el Ecuador
el maíz que se siembra necesita de una precipitación de 700 a 1300 mm en todo el ciclo
de crecimiento (INIAP, 2014a). Según Abendroth et al. (2009), el maíz tiene una gran
capacidad de adaptación a la cantidad de agua disponible en el suelo, si es escaza las hojas
de la planta se enrollan sobre si misma para evitar la pérdida de agua, por lo que tiene
mayor posibilidad de supervivencia a comparación de los demás cultivos estudiados. La
mora que se cultiva en la Sierra necesita de una precipitación de 600 mm a 1000 mm
durante el ciclo de crecimiento y requiere de una humedad relativa entre el 70 al 90 %
para tener un buen rendimiento (INIAP, 2014). Con la proyección obtenida de los tres
cantones este cultivo tendría resistencia a la falta de agua por unos años sin embargo para
el 2050 se dejaría de producir al terminarse el recurso de agua de regadío. El tomate de
árbol crece de manera adecuada con una precipitación de 500 mm a 2500 mm, siendo
óptimo un valor de 1500 mm (INIAP, 2014c). De los tres cantones solo en Mocha el
tomate de árbol se siembra de manera representativa, pero por las condiciones climáticas
de los próximos años se dejaría de cultivar. La papa se siembra y se cosecha todo el año
por lo que se necesita una precipitación de 600 mm a 1500 mm por ciclo (INIAP, 2014b),
al igual que los demás cultivos del estudio, este tubérculo no tiene la capacidad de resistir
a la falta de agua de regadío a futuro.

59
Para mejorar estos posibles escenarios se deben tomar decisiones para implementar y
llevar a la práctica políticas que ayuden a los agricultores. Se debe evitar la variabilidad
excesiva de precios en meses claves de especulación, asegurar los ingresos económicos
de las familias, disminuir el desempleo en las zonas rurales y ayudar a que las personas
dedicadas a la agricultura mejoren su calidad de vida, evitando que migren a otras
actividades, pudiendo causar falta de alimentos para el consumo humano y creando un
problema en la Seguridad Alimentaria en el Ecuador.

Finalmente, para evitar la disminución en la producción de los cultivos a largo plazo se

debe impulsar el uso responsable de agua y la construcción de presas de captación de agua
de regadío, que ayuden a la distribución de este recurso natural en meses en los cuales la
lluvia no es suficiente para satisfacer el requerimiento mínimo de agua.

60
 CAPÍTULO IV

CONCLUSIONES Y RECOMENDACIONES

Conclusiones

• El escenario determinado del Cambio Climático es la falta de agua que podría

generar graves estragos en la producción agrícola de la provincia de Tungurahua,
como consecuencia, en los cultivos estudiados de maíz (Zea mays), papa (Solanum
tuberosum), mora (Rubus ulmifolius) y tomate de árbol (Solanum betaceum) se
presentarán bajos rendimientos que afectarán directamente a la producción y al
consumo.

• Con la recopilación de datos tomados del MAGAP se identificó los niveles de

producción de los cultivos de mora, papa y tomate de árbol en la provincia de
Tungurahua, para lo cual se tomó en cuenta los cantones Mocha, Píllaro y Tisaleo,
obteniendo como resultado la producción anual y el rendimiento de cada cultivo.
Esta información sirvió para la creación del modelo matemático en GAMS para
planificar el desarrollo de los cultivos, las condiciones de crecimiento y el uso de
los recursos necesarios en la productividad.

• Con el uso del software GAMS por medio de programación se diseñó un modelo
de rendimiento agrícola basado en los Escenarios del Cambio Climático, el modelo
de optimización matemática calculó y determinó en qué medida las variables
climáticas presentan un riesgo a la varianza en la productividad en el rendimiento
agrario a futuro. Estos resultados ayudan a enfrentar la incertidumbre a la que los
agricultores se exponen año tras año al no saber si los cultivos serán productivos
o no y el impacto que tiene el clima sobre estos.

61
• Para simular los escenarios de variación de los rendimientos de producción
agrícola se realizó estimaciones predictivas de acuerdo con las variables del
Cambio Climático, en este caso la reducción del agua disponible para los cultivos
fue la variable que se utilizó, por medio de iteraciones se revisó cada uno de los
posibles escenarios. Esta simulación se puede hacer con otros escenarios de
Cambio Climático siempre que se cuente con los datos necesarios y se podría
aplicar a nivel del país para la predicción de rendimientos agrícolas.

• Los escenarios futuros de variación climática determinan que en la provincia de

Tungurahua el sistema agroalimentario será afectado negativamente por la falta de
agua de riego generando consecuencias en la Seguridad Alimentaria del país al
tener menos variedad de alimentos y un aumento del costo de los productos debido
a la escasez, según los pronósticos de los rendimientos agrícolas de los cultivos
estudiados el maíz es el único cultivo que tiene probabilidad de seguir
produciéndose a pesar de la carencia de agua.

Recomendaciones
• Para posteriores estudios se aconseja actualizar y mejorar las bases de datos sobre
los censos en el Ecuador debido a que la información no se encuentra publicada
de manera clara y no es sencillo acceder a ella.
• Profundizar en el estudio sobre la variación del clima en Ecuador ya que se tiene
muy poca información y la mayoría se encuentra desactualizada generando falta
de interés por parte de la población al no tener conocimiento de lo que está
sucediendo con el clima en el país.
• Tomar en cuenta el uso de diferentes softwares como Visual Math o CPLEX para
el tratamiento y desarrollo de la información con el fin de comparar los resultados
obtenidos según el programa empleado.

62
BIBLIOGRAFÍA

Abendroth, L., Elmore, R., Hartzler, R. G., Mcgrath, C., Mueller, D. S., Elmore, R.,
Hartzler, R. G., Mcgrath, C., Mueller, D. S., Munkvold, G. P., Pope, R., Rice, M. E.,
Robertson, A. E., Sawyer, J. E., & Schaefer, K. J. P. (2009). Corn Field Guide. 86.
[Link]

Abuin, J. M. (2014). Primeros Pasos en SPSS. Laboratorio de Estadistica, 1, 1–6.

[Link]

Agencia Europea del Medio Ambiente. (2015). La agricultura y el cambio climático.

[Link]
cambio-climatico

Alarcón, I. (2017). Sector transporte es el mayor generador de gases efecto invernadero

en Ecuador. El Comercio.
[Link]
ministeriodelambiente-entrevista-diamundialcontraelcambioclimatico-
[Link]

Alarcón, I. (2018). La mitad de las tierras en Ecuador muestran signos de degradación. El

Comercio. [Link]
[Link]

Alarcón, I. (2020). Ecuador ha perdido más de la mitad de su cobertura glaciar. El

Comercio. [Link]
[Link]

Andrade, C. M. (2017). Cuestiones Ambientales y Seguridad Alimentaria en el Cantón

Guano, Ecuador. 28(5), 233–242. [Link]
07642017000500022

Andrade, C. M., & Ayaviri, V. D. (2017). Environmental issues and food security in
Guano, Ecuador. Informacion Tecnologica, 28(5), 233–242.
[Link]

63
Aulestia-Guerrero, E. M., & Capa-Mora, E. D. (2020). Una mirada hacia la inseguridad
alimentaria sudamericana. Ciencia & Saude Coletiva, 25(7), 2507–2517.
[Link]

Ayaviri-Nina, D., Quispe-Fernández, G., Romero-Flores, M., & Fierro-López, P. (2016).

Avances y progresos de las políticas y estrategias de seguridad alimentaria en
Ecuador. Revista de Investigaciones Altoandinas - Journal of High Andean
Research, 18(2), 213–222. [Link]

Banco Central del Ecuador. (2019). Reporte de Coyuntura. 50.

[Link]
macionSectorial/minero/reporte_coyuntura_mineria_nacional_0514.pdf

Benavides, H., & León, G. (2007). Instituto de Hidrología, Meteorología y Estudios

Ambientales - IDEAM SUBDIRECCIÓN DE METEOROLOGÍA.

Bustamante, C. D. (2017). ESCENARIO DE CAMBIO CLIMÁTICO A NIVEL DE

SUBCUENCAS HIDROGRÁFICAS PARA EL AÑO 2050 DE LA PROVINCIA DE
CHIMBORAZO- ECUADOR. 26(2), 15–27.

Calero, C. (2011). Seguridad alimentaria en ecuador desde un enfoque de acceso a

alimentos (1st ed.).
[Link]

Calles L, J. (2015). Proyecciones climáticas y sus impactos en el ecosistema páramo de

tungurahua. 1–27.

Carlosama, E. M. (2020). INSEGURIDAD ALIMENTARIA Y DISPONIBILIDAD DE

ALIMENTOS DE LA PARROQUIA PIARTAL, CANTÓN MONTUFAR, PROVINCIA
DEL CARCHI.
[Link]
ec/handle/123456789/10323

Castillo, D. (2020). La política pública agropecuaria en la estructura del sector lechero

de Cotopaxi. [Link]

64
Chávez-Jiménez, A., & González-Zeas, D. (2015). El impacto de los caudales
medioambientales en la satisfacción de la demanda de agua bajo escenarios de
cambio climático. Ribagua, 2(1), 3–13. [Link]

Cobb, C., & Douglas, P. (1928). Theory of production. The American Economic Review,
2, 69–74. [Link]

Creswell, J. W. (2007). An Introduction to Mixed Methods Research.

[Link]
R1&dq=Cresswell,+John+(2015).+A+Concise+Introduction+to+Mixed+Methods+
Research.+Thousand+Oaks:+Sage.&ots=6aDqO3RoIv&sig=6FzwBYUIiN3F-
Eq59-HrOPUQwjw

Cruz, D. M. M., & Yela, R. V. M. (2018). Análisis de la vulnerabilidad del sector agrícola
frente al cambio climático en el cantón Quevedo, Ecuador. Journal of Materials
Processing Technology, 1(1), 1–8.
[Link]
.2016.12.055%0A[Link]
/10.1016/[Link].2019.04.024%0A[Link]
A[Link]

Dantzig, G. B., Orden, A., & Wolfe, P. (1955). THE GENERALIZED SIMPLEX
METHOD FOR MINIMIZING A LINEAR FORM UNDER LINEAR INEQUALITY
RESTRAINTS. [Link]

De la Vega Navarro, A. (2014). El tratamiento de los temas económicos y sociales en los

informes del IPCC. Economía Informa, 387, 3–20. [Link]
0849(14)70434-7

Diaz Mendoza, C. (2011). Alternatives for erosion control by using conventional

coverage, nonconventional coverage and revegetation. Ingenieria e Investigacion,
31(3), 80–90. [Link]
56092011000300009&script=sci_abstract&tlng=pt

Dirección de Planificación. (2019). Tungurahua 2019 - 2021.

65
 [Link]
[Link]

Duque, G., & Escobar, C. (2016). Geomecánica: Capítulo 8. Erosión de suelos.

Universidad Nacional de Colombia, 122–135.

Eche, D. (2019). EN LA AGRICULTURA FAMILIAR DEL NORTE DEL ECUADOR. 24,

91–112.

Egas, J. J., Shik, O., Inurritegui, M., & De Salvo, C. P. (2018). Análisis de políticas
agropecuarias en Ecuador. Análisis de Políticas Agropecuarias En Ecuador.
[Link]

FAO. (2011). Una introducción a los conceptos básicos de la seguridad alimentaria. La

Seguridad Alimentaria: Información Para La Toma de Desiciones, 1–4.

FAO. (2017). El estado de la seguridad alimentaria y la nutrición en el mundo.

FAO. (2018). Cambio climático y seguridad alimentaria. Organizacion de Las Naciones

Unidas ONU, 2. [Link]/climatechange

FAO & CAF. (2007). Ecuador, Nota de Analisis Sectorial, Agricultura y Desarrollo Rural.
Corporación Andina De Fomento (Caf), INFORME, 67.

FAO, & MREMH. (2017). Marco de Programación País relativo al Ecuador 2018 –
2021.

FLACSO. (2006). El sector agrario del Ecuador: incertidumbres (riesgos) ante la

globalización. ICONOS. Revista de Ciencias Sociales, 10(1), 9–183.

Friedrich, T. (2014). La seguridad alimentaria: retos actuales. Revista Cubana de Ciencia

Agrícola, 48(4), 319–322.

Gálvez, G., Sigarroa, A., & López, T. (2010). MODELACIÓN DE CULTIVOS

AGRÍCOLAS. ALGUNOS EJEMPLOS. 31(3), 60–65.

Giovanni Muñoz, & Grieser, J. (2015). CLIMWAT 2.0. for Cropwat. Fao Water
Development and Management Unit, September.

66
 [Link]

Gobierno Provincial de Tungurahua. (2017). Agenda Tungurahua desde la visión

territorial Agenda. 148.
[Link]
[Link]

González-marrero, A. N., Ferrer-reyes, M., Vera-méndez, A., Gálvez-rodríguez, G.,

Acosta-pérez, P. P., Sieiro-miranda, G. L., González-marrero, M., & Betancourt-
gonzález, G. (2016). Modelos para estimar el rendimiento agrícola en Cuba a partir
de la composición de cepas y la lluvia de mayo a octubre. ICIDCA. Sobre Los
Derivados de La Caña de Azúcar, 50(1), 59–66.

Grupo Interagencial de Desarrollo Rural., & Inter-American Institute for Cooperation on

Agriculture. (2004). Más que alimentos en la mesa : la real contribución de la
agricultura a la economía. 116.

Hardoy, J., & Pandiella, G. (2009). Urban poverty and vulnerability to climate change in
Latin America. Environment and Urbanization, 21(1), 203–224.
[Link]

Hazell, P. B. R., & Norton, R. D. (1987). Mathematical Programming for Economic

Analysis in Agriculture. In Biometrics (Vol. 43, Issue 4).
[Link]

Herforth, A., & Ahmed, S. (2015). The food environment, its effects on dietary
consumption, and potential for measurement within agriculture-nutrition
interventions. Food Security, 7(3), 505–520. [Link]
0455-8

Hidalgo, M. del M. (2013). La influencia de cambio climático en la seguridad alimentaria.

Cuadernos de Estrategia, ISSN 1697-6924, No. 161, 2013 (Ejemplar Dedicado a:
Seguridad Alimentaria y Seguridaad Global), Págs. 67-89, 161, 67–89.
[Link]

67
Howitt, R. E. (1995). Positive Mathematical Programming. American Journal of
Agricultural Economics, 77(2), 329–342. [Link]

ICCA. (2015). Modelos de simulación y herramientas de modelaje.

[Link]

ICCA. (2018). Statistics Report Country & City Rankings Public.

[Link]
MICE_Conference_and_Forum_Proceedings_.pdf#page=128

INEC. (2014). Uso y Manejo de Agroquímicos en la Agricultura.

[Link]
inec/Encuestas_Ambientales/plaguicidas/Plaguicidas-
2014/Modulo_Uso_y_Manejo_de_Agroquimicos.pdf

INEC. (2016a). Encuesta de superficie y producción agropecuaria continua. Instituto

Nacional de Estadísticas y Censos, 23.
[Link]
inec/Encuestas_Ambientales/Informacion_ambiental_en_la_agricultura/2016/PRES
ENTACION_AGRO_AMBIENTE_2016.pdf

INEC, (Instituto Nacional de Estadisticos y Censos). (2016b). Información Ambiental en

la Agricultura 2016.

INIAP. (2014a). Maíz suave. [Link]

2/mcereal/rmaizs

INIAP. (2014b). Papa. [Link]

INIAP. (2014c). Tomate de árbol. [Link]

2/mfruti/rtomatea

INTA. (2012). Agricultura Familiar y Acceso a la Tierra Urbana y Periurbana. October.

[Link]

IPCC. (2007). Cambio climático 2007.

[Link]

68
Jiménez, S., Castro, L., Yépez, J., & Wittmer, C. (2012). Avances DE INVESTIGACIÓN
Impacto del cambio climático en la agricultura de subsistencia en el Ecuador.

Karimi, V., Karami, E., & Keshavarz, M. (2018). Climate change and agriculture: Impacts
and adaptive responses in Iran. Journal of Integrative Agriculture, 17(1), 1–15.
[Link]

León, X. (2018). Soberanía alimentaria. Sistemas agroalimentario, movimientos

campesinos y políticas públicas. El caso de ecuador (Vol. 2018, Issue cc).
Universidad del País Vasco-Euskal Herriko Unibertsitatea).

Lipper, L., Thornton, P., Campbell, B. M., Baedeker, T., Braimoh, A., Bwalya, M., Caron,
P., Cattaneo, A., Garrity, D., Henry, K., Hottle, R., Jackson, L., Jarvis, A., Kossam,
F., Mann, W., McCarthy, N., Meybeck, A., Neufeldt, H., Remington, T., …
Torquebiau, E. F. (2014). Climate-smart agriculture for food security. Nature
Climate Change, 4(12), 1068–1072. [Link]

Logroño, M., Hinojosa, M., Rodríguez, R., Chiriboga, M. V., Betancourt, N., Ganchala,
M., Zambran, C., Enríquez, D., Tapia, R., Rodríguez, M., Bretas, G., Soriano, I.,
Corvalán, C., & Rey, Á. (2011). Cambio climático y su impacto en la salud humana.
104.

MAE. (2013). Uso del suelo en Ecuador. Ministerio Del Ambiente, 32.
[Link]
content/uploads/downloads/2013/06/[Link]

Magrin, G. (2015). Adaptación al Cambio Climático en América Latina y el Caribe.

Repositorio Comisión Económica Para América Latina y El Caribe (CEPAL), 15,
80.
[Link]
caciones/39842-adaptacion-al-cambio-climatico-america-latina-caribe

Marroquín, S. (2017). Programas sociales de alimentación y nutrición del Estado

ecuatoriano, estrategia nacional en favor de la alimentación saludable. Economía,
0(41), 73–96.

69
 [Link]

Martínez, B. C., Rosado, O. R., López, F. G., Hernández, P. P., Becerra, Á. M., & Villamil,
L. V. (2011). Aplicación de modelos de simulación en el estudio y planificación de
la agricultura, una revisión. Tropical and Subtropical Agroecosystems, 14(3), 999–
1010. [Link]
04622011000300004

Martinez, L. (2017). El sistema agroalimentario localizado de amaranto en la Ciudad de

México. El rescate de los cultivos tradicionales para el desarrollo territorial y la
seguridad alimentaria. Gobernanza Territorial y Sistemas Agroalimentarios
Localizados En La Nueva Ruralidad, July, 57–64.
[Link]

Mena-Vásconez, P., Boelens, R., & Vos, J. (2016). Food or flowers? Contested
transformations of community food security and water use priorities under new legal
and market regimes in Ecuador’s highlands. Journal of Rural Studies, 44, 227–238.
[Link]

Mendelsohn, R., & Wang, J. (2017). The impact of climate on farm inputs in developing
countries agriculture. Atmosfera, 30(2), 77–86.
[Link]

Ministerio de Agricultura y Ganadería. (2019). Agricultura, la base de la economía y la

alimentación. [Link]
la-alimentacion/

Ministerio del Ambiente (MAE). (2012). Estrategia Nacional de Cambio Climático del
Ecuador. [Link]
content/uploads/downloads/2017/10/ESTRATEGIA-NACIONAL-DE-CAMBIO-
[Link]

Ministerio del Ambiente (MAE). (2015). Cambio climático y uso de la tierra.

[Link] NACIONAL DE CAMBIO
CLIMÁ[Link]

70
Ministerio del Ambiente Ecuador (MAE). (2019). Primera Contribución Determinada a
nivel nacional para el Acuerdo de París bajo la Convención Marco de Naciones
Unidad sobre Cambio Climático. Gobierno de Ecuador, 1–44.
[Link]

Mocholí, M. (2015). Toma de decisiones con GAMS. 1–16.

[Link]

Monteros Guerrero, A. (2016a). Rendimientos De Papa En El Ecuador Primer Ciclo

2016. 2016.

Monteros Guerrero, A. (2016b). Rendimientos de papa en el Ecuador Segundo ciclo 2015.

Sinagap, 2015, 1–11.
[Link]
pa_2015.pdf

Moreno, E. (2008). Manual de Uso de SPSS. Instituto Universitario de Educación a

Distancia., 279. [Link]

Muñoz, G. (2019). EL RETO DE LA AGRICULTURA FRENTE AL CAMBIO

CLIMÁTICO. 96–100.

NARANJO, F. (2014). Plan Provincial De Riego Tungurahua 2014 - 2029. 1(9), 100.

National Geographic. (2020). El aumento del nivel del mar. Revista NatGeo.
[Link]

Niles, M. T., & Brown, M. E. (2017). A multi-country assessment of factors related to

smallholder food security in varying rainfall conditions. Scientific Reports, May, 1–
11. [Link]

Noboa, S., Castro, L., Yépez, J., & Cristina Wittmer. (2012). Avances DE
INVESTIGACIÓN Impacto del cambio climático en la agricultura de subsistencia en
el Ecuador. 66, 95.

Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO).

(2018). Condiciones climáticas y la actividad humana impactan en la degradación

71
 de la tierra, comprometiendo la seguridad alimentaria.
[Link]

Organización de las Naciones Unidas para la Alimentacion y la Agricultura, F. (2011). El

estado de los recursos de tierras y aguas del mundo para la alimentación y la
agricultura. La gestión de los sistemas en situación de riesgo. In Earthscan/FAO.
[Link]

Organización Meteorológica Mundial (OMM). (2019). El clima mundial: entre 2015 y

2019 se ha acelerado el cambio climático.
[Link]
2015-y-2019-se-ha-acelerado-el-cambio-climático

Organización Mundial de la Salud. (2018). La inocuidad de los el Cambio Climático y la

función de la OMS. 47(5), 1–2. [Link]

Ortiz, R. (2014). El cambio climático y la producción agrícola. September, 1–6.

Pedraza, D. F. (2005). Disponibilidad de alimentos como factor determinante de la

Seguridad Alimentaria y Nutricional y sus representaciones en Brasil. Revista de
Nutrição, 18(1), 129–143. [Link]

Plan Nacional de la Gestión Integrada e Integral de los Recursos Hídricos de las cuencas
y microcuencas hidrográficas del Ecuador. (2016). Secretaría Nacional del Agua -
SENAGUA División Hidrográfica del Ecuador.

Porcuna Coto, J. L. (2016). MANEJO DE PLAGAS Y ENFERMEDADES EN

PRODUCCIÓN ECOLÓGICA.

Portilla, F. (2018). Agroclimatología del Ecuador (1ra edició).

[Link]
=PA4&dq=Portilla,+F.+(2018).+Agroclimatología+del+Ecuador+(1ra+edició).&ot
s=q7XQ9zfClM&sig=TLtWDE-
3NeuMtltCqWi61zUuXQk&redir_esc=y#v=onepage&q&f=false

Ram, A., & Alberto, M. (2011). Programa CROPWAT para planeación y manejo del

72
 recurso hídrico CROPWAT software for scheduling and handling hidric resource.
Revista Mexicana de Ciencias Agrícolas, 2(2), 179–195.

Ramos, X. (2020). 80 % del agua disponible en Ecuador se va en regar solo una tercera
parte de los cultivos del país. El Universo.
[Link]
basicos-ecuador/

Recalt, C., & Valony, M.-J. (2018). Hacia La Soberania Alimentaria, Entre La
Reorganizacion Institucional Y La Iniciativa Local. El Proyecto Comunitario De
Riego De Mariano Acosta (Ecuador). Cuadernos de Geografía de La Universitat de
València, 101, 149. [Link]

Rojas, J. (2016). Society, Environment, Vulnerability, and Climate Change in Latin

America. Latin American Perspectives, 43(4), 29–42.
[Link]

Rosero, C., Vásquez, P., & Cordero, V. (2010). Análisis situacional de la soberanía
alimentaria en el contexto de la adaptación al cambio climático en el Ecuador.
Informe Técnico Definitivo. Recuperado de Https://Www. Undpcc.
Org/Docs/National% 20issues% 20papers/Agriculture, 20.

Salmoral, G., Khatun, K., Llive, F., & Lopez, C. M. (2018). Agricultural development in
Ecuador: A compromise between water and food security? Journal of Cleaner
Production, 202, 779–791. [Link]

Schoolmeester, T., Johansen, K. S., Alfthan, B., Baker, E., Hesping, M., & Verbist, K.
(2018). Atlas de Glaciares y Aguas Andinos: El impacto del retroceso de los glaciares
sobre los recursos hídricos. In Ediciones UNESCO.

Secretaría de Gestión de Riesgos. (2014). Amenaza déficit hídrico.

[Link]
content/uploads/downloads/2014/12/Escenarios_DH_Noviembre_01.pdf

Skarbø, K., & VanderMolen, K. (2016). Maize migration: key crop expands to higher

73
 altitudes under climate change in the Andes. Climate and Development, 8(3), 245–
255. [Link]

Stevanovi, M., Popp, A., Lotze-campen, H., Dietrich, J. P., Müller, C., Bonsch, M.,
Schmitz, C., Bodirsky, B. L., Humpenöder, F., & Weindl, I. (2016). The impact of
high-end climate change on agricultural welfare. August, 1–10.

Stevens, T., & Madani, K. (2016). Future climate impacts on maize farming and food
security in Malawi. Nature Publishing Group, November, 1–14.
[Link]

Subsecretaría de Riego y Drenaje. (2019). PLAN NACIONAL DE RIEGO Y DRENAJE

2019 - 2027. 4(1), 64–75.

Tadesse, G. (2012). ZEF-Discussion Papers on Development Policy No . 161 Global Food

Price Volatility and Spikes : An Overview of Costs , Causes , and Solutions. 161.

Tarapuez, J., & Barrera, G. (2010). GAMS Aplicado a las Ciencias económicas GAMS
Aplicado a las Ciencias económicas. In Universidad Nacional de Colombia.
[Link] aplicado a las
Ciencias Economicas

Tirado, M. C. (2010). Cambio climático y salud. Informe SESPAS 2010. 24(Suppl 1), 78–
84. [Link]

Toulkeridis, T., Tamayo, E., Simón-baile, D., Reyes-yunga, D. F., Viera-torres, M., &
Heredia, M. (2020a). C Limate C Hange According To E Cuadorian Academics – P
Erceptions. 31(1), 21–46.

Toulkeridis, T., Tamayo, E., Simón-baile, D., Reyes-yunga, D. F., Viera-torres, M., &
Heredia, M. (2020b). CAMBIO CLIMÁTICO SEGÚN LOS ACADÉMICOS
ECUATORIANOS - PERCEPCIONES VERSUS HECHOS. 31(1), 21–46.

Trezza, R. (2014). Cropwat Para Windows. 1–29.

[Link]

VanderMolen Kristin. (2011). Percepciones de cambio climático y estrategias de

74
 adaptación en las comunidades agrícolas de Cotacachi.
[Link]

Verger, P. J. P., & Boobis, A. R. (2013). Reevaluate Pesticides for Food Security and
Safety. Science. [Link]

Verhulst, N., François, I., & Govaerts, B. (2015). Agricultura de conservación, ¿mejora la
calidad del suelo a fin de obtener sistemas de producción sustentables? Nicaro, 505,
27.
[Link]
pdf

Viguera B., Martínez-Rodríguez M.R., Donatti C., H. C. A. y A. F. (2017). Impactos del

cambio climático en la agricultura de Centroamérica , estrategias de mitigación.
[Link]
bin/[Link]/?IsisScript=[Link]&method=post&formato=2&cantidad=1&expresi
on=mfn=042031

Von Braun, J., & Tadesse, G. (2012). Global Food Price Volatility and Spikes: An
Overview of Costs, Causes, and Solutions. ZEF- Discussion Papers on Development
Policy, 161. [Link]

WFP, W. F. P. (2016). The Hidden Links between Food Insecurity, Violence and
Migration in the Northern Triangle of Central America (p. 36).

Zhindon Pacheco, D., Massa Sánchez, P., & Bonilla, J. A. (2017). Relación del cambio
climático con la producción agrí-cola en la Provincia del Azuay. INNOVA Research
Journal, 2(9.1), 55–64. [Link]

75
 ANEXOS

Anexo 1. Pruebas Post-Hot.

Comparaciones múltiples
HSD de Tukey
Variable (I)Disminució (J) Disminución Diferencia Error Sig. Intervalo de confianza al
dependiente n de de Producción de medias típico 95%
Producción (I-J) Límite Límite
inferior superior
Aumento de 0 menos visibles -,200 ,691 1,000 -2,19 1,79
temperatura poco visibles -1,000 ,674 ,675 -2,94 ,94
algo visibles -1,500 ,624 ,160 -3,30 ,30
*
visibles -1,942 ,595 ,016 -3,65 -,23
*
más visibles -2,634 ,589 ,000 -4,33 -,94
menos 0 ,200 ,691 1,000 -1,79 2,19
visibles poco visibles -,800 ,500 ,600 -2,24 ,64
*
algo visibles -1,300 ,430 ,033 -2,54 -,06
visibles -1,742* ,387 ,000 -2,86 -,63
más visibles -2,434* ,377 ,000 -3,52 -1,35
poco visibles 0 1,000 ,674 ,675 -,94 2,94
menos visibles ,800 ,500 ,600 -,64 2,24
algo visibles -,500 ,403 ,816 -1,66 ,66
visibles -,942 ,356 ,091 -1,97 ,08
*
más visibles -1,634 ,345 ,000 -2,63 -,64
algo visibles 0 1,500 ,624 ,160 -,30 3,30
menos visibles 1,300* ,430 ,033 ,06 2,54
poco visibles ,500 ,403 ,816 -,66 1,66
visibles -,442 ,249 ,482 -1,16 ,27
*
más visibles -1,134 ,233 ,000 -1,80 -,46
*
visibles 0 1,942 ,595 ,016 ,23 3,65
*
menos visibles 1,742 ,387 ,000 ,63 2,86
poco visibles ,942 ,356 ,091 -,08 1,97
algo visibles ,442 ,249 ,482 -,27 1,16
más visibles -,692* ,137 ,000 -1,08 -,30
más visibles 0 2,634* ,589 ,000 ,94 4,33
*
menos visibles 2,434 ,377 ,000 1,35 3,52
*
poco visibles 1,634 ,345 ,000 ,64 2,63
*
algo visibles 1,134 ,233 ,000 ,46 1,80

76
 visibles ,692* ,137 ,000 ,30 1,08
Rayos más 0 menos visibles ,200 ,681 1,000 -1,76 2,16
fuertes poco visibles -1,667 ,665 ,127 -3,58 ,25
algo visibles -1,286 ,615 ,297 -3,06 ,48
*
visibles -2,269 ,586 ,002 -3,96 -,58
*
más visibles -2,724 ,580 ,000 -4,39 -1,05
menos 0 -,200 ,681 1,000 -2,16 1,76
visibles *
poco visibles -1,867 ,493 ,003 -3,29 -,45
*
algo visibles -1,486 ,424 ,007 -2,71 -,27
visibles -2,469* ,381 ,000 -3,57 -1,37
más visibles -2,924* ,371 ,000 -3,99 -1,85
poco visibles 0 1,667 ,665 ,127 -,25 3,58
*
menos visibles 1,867 ,493 ,003 ,45 3,29
algo visibles ,381 ,397 ,930 -,76 1,52
visibles -,603 ,351 ,522 -1,61 ,41
*
más visibles -1,057 ,340 ,026 -2,04 -,08
algo visibles 0 1,286 ,615 ,297 -,48 3,06
menos visibles 1,486* ,424 ,007 ,27 2,71
poco visibles -,381 ,397 ,930 -1,52 ,76
*
visibles -,984 ,245 ,001 -1,69 -,28
*
más visibles -1,438 ,230 ,000 -2,10 -,78
*
visibles 0 2,269 ,586 ,002 ,58 3,96
*
menos visibles 2,469 ,381 ,000 1,37 3,57
poco visibles ,603 ,351 ,522 -,41 1,61
*
algo visibles ,984 ,245 ,001 ,28 1,69
más visibles -,454* ,135 ,011 -,84 -,07
más visibles 0 2,724* ,580 ,000 1,05 4,39
*
menos visibles 2,924 ,371 ,000 1,85 3,99
*
poco visibles 1,057 ,340 ,026 ,08 2,04
*
algo visibles 1,438 ,230 ,000 ,78 2,10
*
visibles ,454 ,135 ,011 ,07 ,84
Lluvias más 0 menos visibles -,300 ,882 ,999 -2,84 2,24
fuertes poco visibles -1,167 ,861 ,753 -3,64 1,31
algo visibles -,857 ,797 ,891 -3,15 1,44
visibles -1,038 ,760 ,747 -3,22 1,15
más visibles -1,785 ,751 ,170 -3,95 ,38
menos 0 ,300 ,882 ,999 -2,24 2,84
visibles poco visibles -,867 ,638 ,752 -2,70 ,97

77
 algo visibles -,557 ,549 ,913 -2,14 1,02
visibles -,738 ,494 ,667 -2,16 ,68
más visibles -1,485* ,481 ,028 -2,87 -,10
poco visibles 0 1,167 ,861 ,753 -1,31 3,64
menos visibles ,867 ,638 ,752 -,97 2,70
algo visibles ,310 ,514 ,991 -1,17 1,79
visibles ,128 ,455 1,000 -1,18 1,44
más visibles -,618 ,441 ,726 -1,89 ,65
algo visibles 0 ,857 ,797 ,891 -1,44 3,15
menos visibles ,557 ,549 ,913 -1,02 2,14
poco visibles -,310 ,514 ,991 -1,79 1,17
visibles -,181 ,317 ,993 -1,09 ,73
*
más visibles -,927 ,297 ,025 -1,78 -,07
visibles 0 1,038 ,760 ,747 -1,15 3,22
menos visibles ,738 ,494 ,667 -,68 2,16
poco visibles -,128 ,455 1,000 -1,44 1,18
algo visibles ,181 ,317 ,993 -,73 1,09
más visibles -,746* ,174 ,000 -1,25 -,24
más visibles 0 1,785 ,751 ,170 -,38 3,95
*
menos visibles 1,485 ,481 ,028 ,10 2,87
poco visibles ,618 ,441 ,726 -,65 1,89
*
algo visibles ,927 ,297 ,025 ,07 1,78
*
visibles ,746 ,174 ,000 ,24 1,25
Sequías 0 menos visibles ,300 ,922 1,000 -2,35 2,95
Largas poco visibles -1,333 ,899 ,676 -3,92 1,26
algo visibles -,214 ,833 1,000 -2,61 2,18
visibles -1,077 ,794 ,753 -3,36 1,21
más visibles -1,931 ,785 ,142 -4,19 ,33
menos 0 -,300 ,922 1,000 -2,95 2,35
visibles poco visibles -1,633 ,667 ,145 -3,55 ,29
algo visibles -,514 ,574 ,947 -2,17 1,14
visibles -1,377 ,516 ,086 -2,86 ,11
*
más visibles -2,231 ,503 ,000 -3,68 -,78
poco visibles 0 1,333 ,899 ,676 -1,26 3,92
menos visibles 1,633 ,667 ,145 -,29 3,55
algo visibles 1,119 ,538 ,301 -,43 2,67
visibles ,256 ,475 ,994 -1,11 1,62
más visibles -,598 ,461 ,786 -1,92 ,73

78
 algo visibles 0 ,214 ,833 1,000 -2,18 2,61
menos visibles ,514 ,574 ,947 -1,14 2,17
poco visibles -1,119 ,538 ,301 -2,67 ,43
visibles -,863 ,332 ,102 -1,82 ,09
*
más visibles -1,717 ,311 ,000 -2,61 -,82
visibles 0 1,077 ,794 ,753 -1,21 3,36
menos visibles 1,377 ,516 ,086 -,11 2,86
poco visibles -,256 ,475 ,994 -1,62 1,11
algo visibles ,863 ,332 ,102 -,09 1,82
más visibles -,854* ,182 ,000 -1,38 -,33
más visibles 0 1,931 ,785 ,142 -,33 4,19
*
menos visibles 2,231 ,503 ,000 ,78 3,68
poco visibles ,598 ,461 ,786 -,73 1,92
*
algo visibles 1,717 ,311 ,000 ,82 2,61
*
visibles ,854 ,182 ,000 ,33 1,38
Variación 0 menos visibles ,900 ,880 ,910 -1,63 3,43
Climática poco visibles -,667 ,859 ,971 -3,14 1,80
algo visibles -1,000 ,795 ,807 -3,29 1,29
visibles -1,231 ,758 ,584 -3,41 ,95
más visibles -1,955 ,750 ,100 -4,11 ,20
menos 0 -,900 ,880 ,910 -3,43 1,63
visibles poco visibles -1,567 ,637 ,141 -3,40 ,27
*
algo visibles -1,900 ,548 ,008 -3,48 -,32
*
visibles -2,131 ,492 ,000 -3,55 -,71
*
más visibles -2,855 ,480 ,000 -4,24 -1,47
poco visibles 0 ,667 ,859 ,971 -1,80 3,14
menos visibles 1,567 ,637 ,141 -,27 3,40
algo visibles -,333 ,513 ,987 -1,81 1,14
visibles -,564 ,453 ,815 -1,87 ,74
*
más visibles -1,289 ,440 ,043 -2,55 -,02
algo visibles 0 1,000 ,795 ,807 -1,29 3,29
*
menos visibles 1,900 ,548 ,008 ,32 3,48
poco visibles ,333 ,513 ,987 -1,14 1,81
visibles -,231 ,317 ,978 -1,14 ,68
más visibles -,955* ,297 ,018 -1,81 -,10
visibles 0 1,231 ,758 ,584 -,95 3,41
*
menos visibles 2,131 ,492 ,000 ,71 3,55
poco visibles ,564 ,453 ,815 -,74 1,87

79
 algo visibles ,231 ,317 ,978 -,68 1,14
más visibles -,725* ,174 ,001 -1,23 -,22
más visibles 0 1,955 ,750 ,100 -,20 4,11
*
menos visibles 2,855 ,480 ,000 1,47 4,24
*
poco visibles 1,289 ,440 ,043 ,02 2,55
*
algo visibles ,955 ,297 ,018 ,10 1,81
*
visibles ,725 ,174 ,001 ,22 1,23
Retraso de 0 menos visibles -2,000 ,752 ,088 -4,16 ,16
Cosecha poco visibles -2,167 *
,734 ,041 -4,28 -,06
algo visibles -3,071* ,679 ,000 -5,03 -1,12
visibles -3,865* ,647 ,000 -5,73 -2,00
*
más visibles -4,553 ,640 ,000 -6,40 -2,71
menos 0 2,000 ,752 ,088 -,16 4,16
visibles poco visibles -,167 ,544 1,000 -1,73 1,40
algo visibles -1,071 ,468 ,204 -2,42 ,28
*
visibles -1,865 ,421 ,000 -3,08 -,65
*
más visibles -2,553 ,410 ,000 -3,73 -1,37
poco visibles 0 2,167* ,734 ,041 ,06 4,28
menos visibles ,167 ,544 1,000 -1,40 1,73
algo visibles -,905 ,438 ,311 -2,17 ,36
*
visibles -1,699 ,387 ,000 -2,81 -,58
*
más visibles -2,386 ,376 ,000 -3,47 -1,31
*
algo visibles 0 3,071 ,679 ,000 1,12 5,03
menos visibles 1,071 ,468 ,204 -,28 2,42
poco visibles ,905 ,438 ,311 -,36 2,17
visibles -,794* ,271 ,043 -1,57 -,02
más visibles -1,481* ,253 ,000 -2,21 -,75
*
visibles 0 3,865 ,647 ,000 2,00 5,73
*
menos visibles 1,865 ,421 ,000 ,65 3,08
*
poco visibles 1,699 ,387 ,000 ,58 2,81
*
algo visibles ,794 ,271 ,043 ,02 1,57
*
más visibles -,687 ,149 ,000 -1,12 -,26
*
más visibles 0 4,553 ,640 ,000 2,71 6,40
menos visibles 2,553* ,410 ,000 1,37 3,73
poco visibles 2,386* ,376 ,000 1,31 3,47
*
algo visibles 1,481 ,253 ,000 ,75 2,21
*
visibles ,687 ,149 ,000 ,26 1,12
0 menos visibles -1,400 ,628 ,229 -3,21 ,41

80
Perdida de poco visibles -2,500* ,612 ,001 -4,26 -,74
Cosecha algo visibles -3,071* ,567 ,000 -4,70 -1,44
visibles -3,865* ,541 ,000 -5,42 -2,31
*
más visibles -4,724 ,535 ,000 -6,26 -3,18
menos 0 1,400 ,628 ,229 -,41 3,21
visibles poco visibles -1,100 ,454 ,154 -2,41 ,21
*
algo visibles -1,671 ,391 ,000 -2,80 -,55
*
visibles -2,465 ,351 ,000 -3,48 -1,45
*
más visibles -3,324 ,342 ,000 -4,31 -2,34
poco visibles 0 2,500* ,612 ,001 ,74 4,26
menos visibles 1,100 ,454 ,154 -,21 2,41
algo visibles -,571 ,366 ,625 -1,62 ,48
*
visibles -1,365 ,323 ,001 -2,30 -,43
*
más visibles -2,224 ,314 ,000 -3,13 -1,32
*
algo visibles 0 3,071 ,567 ,000 1,44 4,70
*
menos visibles 1,671 ,391 ,000 ,55 2,80
poco visibles ,571 ,366 ,625 -,48 1,62
visibles -,794* ,226 ,007 -1,44 -,14
más visibles -1,652* ,212 ,000 -2,26 -1,04
*
visibles 0 3,865 ,541 ,000 2,31 5,42
*
menos visibles 2,465 ,351 ,000 1,45 3,48
*
poco visibles 1,365 ,323 ,001 ,43 2,30
*
algo visibles ,794 ,226 ,007 ,14 1,44
*
más visibles -,858 ,124 ,000 -1,22 -,50
*
más visibles 0 4,724 ,535 ,000 3,18 6,26
menos visibles 3,324* ,342 ,000 2,34 4,31
poco visibles 2,224* ,314 ,000 1,32 3,13
*
algo visibles 1,652 ,212 ,000 1,04 2,26
*
visibles ,858 ,124 ,000 ,50 1,22
Frutos 0 menos visibles -1,800 ,827 ,253 -4,18 ,58
Pequeños poco visibles -3,333 *
,807 ,001 -5,65 -1,01
*
algo visibles -3,214 ,747 ,000 -5,36 -1,06
*
visibles -3,865 ,712 ,000 -5,91 -1,82
más visibles -4,504* ,704 ,000 -6,53 -2,48
menos 0 1,800 ,827 ,253 -,58 4,18
visibles poco visibles -1,533 ,598 ,111 -3,26 ,19
algo visibles -1,414 ,515 ,071 -2,90 ,07
*
visibles -2,065 ,463 ,000 -3,40 -,73

81
 más visibles -2,704* ,451 ,000 -4,00 -1,41
poco visibles 0 3,333* ,807 ,001 1,01 5,65
menos visibles 1,533 ,598 ,111 -,19 3,26
algo visibles ,119 ,482 1,000 -1,27 1,51
visibles -,532 ,426 ,812 -1,76 ,69
más visibles -1,171 ,413 ,056 -2,36 ,02
*
algo visibles 0 3,214 ,747 ,000 1,06 5,36
menos visibles 1,414 ,515 ,071 -,07 2,90
poco visibles -,119 ,482 1,000 -1,51 1,27
visibles -,651 ,297 ,248 -1,51 ,21
más visibles -1,290* ,279 ,000 -2,09 -,49
*
visibles 0 3,865 ,712 ,000 1,82 5,91
*
menos visibles 2,065 ,463 ,000 ,73 3,40
poco visibles ,532 ,426 ,812 -,69 1,76
algo visibles ,651 ,297 ,248 -,21 1,51
*
más visibles -,639 ,163 ,002 -1,11 -,17
*
más visibles 0 4,504 ,704 ,000 2,48 6,53
menos visibles 2,704* ,451 ,000 1,41 4,00
poco visibles 1,171 ,413 ,056 -,02 2,36
*
algo visibles 1,290 ,279 ,000 ,49 2,09
*
visibles ,639 ,163 ,002 ,17 1,11
Nuevas 0 menos visibles -1,600 ,908 ,493 -4,21 1,01
Plagas poco visibles -4,167 *
,886 ,000 -6,72 -1,62
*
algo visibles -3,000 ,820 ,004 -5,36 -,64
*
visibles -3,981 ,782 ,000 -6,23 -1,73
más visibles -4,585* ,774 ,000 -6,81 -2,36
menos 0 1,600 ,908 ,493 -1,01 4,21
visibles *
poco visibles -2,567 ,657 ,002 -4,46 -,68
algo visibles -1,400 ,565 ,136 -3,03 ,23
*
visibles -2,381 ,508 ,000 -3,84 -,92
*
más visibles -2,985 ,495 ,000 -4,41 -1,56
*
poco visibles 0 4,167 ,886 ,000 1,62 6,72
*
menos visibles 2,567 ,657 ,002 ,68 4,46
algo visibles 1,167 ,530 ,241 -,36 2,69
visibles ,186 ,468 ,999 -1,16 1,53
más visibles -,419 ,454 ,940 -1,72 ,89
*
algo visibles 0 3,000 ,820 ,004 ,64 5,36
menos visibles 1,400 ,565 ,136 -,23 3,03

82
 poco visibles -1,167 ,530 ,241 -2,69 ,36
visibles -,981* ,327 ,035 -1,92 -,04
más visibles -1,585* ,306 ,000 -2,47 -,70
*
visibles 0 3,981 ,782 ,000 1,73 6,23
*
menos visibles 2,381 ,508 ,000 ,92 3,84
poco visibles -,186 ,468 ,999 -1,53 1,16
*
algo visibles ,981 ,327 ,035 ,04 1,92
*
más visibles -,605 ,180 ,012 -1,12 -,09
*
más visibles 0 4,585 ,774 ,000 2,36 6,81
menos visibles 2,985* ,495 ,000 1,56 4,41
poco visibles ,419 ,454 ,940 -,89 1,72
*
algo visibles 1,585 ,306 ,000 ,70 2,47
*
visibles ,605 ,180 ,012 ,09 1,12
*. La diferencia de medias es significativa al nivel 0.05.

Anexo 3. Código usado en GAMS ®.

GAMS 33.2.0 r4f23b21 Released Dec 1, 2020 WEX-WEI x86 64bit/MS Windows -
07/06/21 [Link] Page 1
variacion
Include File Summary

SEQ GLOBAL TYPE PARENT LOCAL FILENAME

1 1 INPUT 0 0 D:\USER\Downloads\CCSSAA2021 (2).gms

2 542 STOP 1 542 D:\USER\Downloads\CCSSAA2021 (2).gms

COMPILATION TIME = 0.000 SECONDS 3 MB 33.2.0 r4f23b21 WEX-WEI

GAMS 33.2.0 r4f23b21 Released Dec 1, 2020 WEX-WEI x86 64bit/MS Windows -
07/06/21 [Link] Page 2
variacion
Equation Listing SOLVE variacion Using LP From line 316
---- objjt =E=

83
objjt.. - 19333.6826*xc(maiz,mocha) - 228*xc(maiz,tisaleo) -
41232.0389*xc(maiz,pillaro) - 80111.34*xc(mora,mocha) -
175108.3256*xc(mora,tisaleo) - 216842.3432*xc(mora,pillaro) -
21725.4524*xc(papa,mocha) - 26404.5884*xc(papa,tisaleo) -
30769.3824*xc(papa,pillaro) - 58745.7569*xc(tomate,mocha) + z =E= 0 ; (LHS = 0)

---- eq_land =L=

eq_land(mocha).. xc(maiz,mocha) + xc(mora,mocha) + xc(papa,mocha) +

xc(tomate,mocha) =L= 227.5 ; (LHS = 0)

eq_land(tisaleo).. xc(maiz,tisaleo) + xc(mora,tisaleo) + xc(papa,tisaleo) +

xc(tomate,tisaleo) =L= 145.37 ; (LHS = 0)

eq_land(pillaro).. xc(maiz,pillaro) + xc(mora,pillaro) + xc(papa,pillaro) +

xc(tomate,pillaro) =L= 1156.77 ; (LHS = 0)

---- eq_wat =L=

eq_wat(Ene).. 5.49*xc(maiz,mocha) + 5.49*xc(maiz,tisaleo) + 5.49*xc(maiz,pillaro) +

2.246*xc(mora,mocha) + 2.246*xc(mora,tisaleo) + 2.246*xc(mora,pillaro) +
3.4*xc(papa,mocha) + 3.4*xc(papa,tisaleo) + 3.4*xc(papa,pillaro) +
4.51*xc(tomate,mocha) + 4.51*xc(tomate,tisaleo) + 4.51*xc(tomate,pillaro) =L= 334.8 ;
(LHS = 0)

eq_wat(Feb).. 3.87*xc(maiz,mocha) + 3.87*xc(maiz,tisaleo) + 3.87*xc(maiz,pillaro) +

5.53*xc(mora,mocha) + 5.53*xc(mora,tisaleo) + 5.53*xc(mora,pillaro) +
5.56*xc(papa,mocha) + 5.56*xc(papa,tisaleo) + 5.56*xc(papa,pillaro) +
9.6*xc(tomate,mocha) + 9.6*xc(tomate,tisaleo) + 9.6*xc(tomate,pillaro) =L= 252.1 ;
(LHS = 0)

84
eq_wat(Mar).. 6.6*xc(maiz,mocha) + 6.6*xc(maiz,tisaleo) + 6.6*xc(maiz,pillaro) +
5.754*xc(mora,mocha) + 5.754*xc(mora,tisaleo) + 5.754*xc(mora,pillaro) +
6.95*xc(papa,mocha) + 6.95*xc(papa,tisaleo) + 6.95*xc(papa,pillaro) +
9.39*xc(tomate,mocha) + 9.39*xc(tomate,tisaleo) + 9.39*xc(tomate,pillaro) =L= 350.3 ;
(LHS = 0)

REMAINING 9 ENTRIES SKIPPED

---- eq_mo =L=
eq_mo.. 48*xc(maiz,mocha) + 48*xc(maiz,tisaleo) + 48*xc(maiz,pillaro) +
69*xc(mora,mocha) + 69*xc(mora,tisaleo) + 69*xc(mora,pillaro) + 55*xc(papa,mocha)
+ 55*xc(papa,tisaleo) + 55*xc(papa,pillaro) + 137*xc(tomate,mocha) +
137*xc(tomate,tisaleo) + 137*xc(tomate,pillaro) =L= 10000 ; (LHS = 0)

---- eq_crop1 =L=

eq_crop1(mocha).. xc(maiz,mocha) =L= 51431.82 ; (LHS = 0)

eq_crop1(tisaleo).. xc(maiz,tisaleo) =L= 7000 ; (LHS = 0)
eq_crop1(pillaro).. xc(maiz,pillaro) =L= 102358.23 ; (LHS = 0)

---- eq_crop2 =L=

eq_crop2(mocha).. xc(mora,mocha) =L= 48750 ; (LHS = 0)

eq_crop2(tisaleo).. xc(mora,tisaleo) =L= 102725.56 ; (LHS = 0)
eq_crop2(pillaro).. xc(mora,pillaro) =L= 126438.07 ; (LHS = 0)

---- eq_crop3 =L=

eq_crop3(mocha).. xc(papa,mocha) =L= 93822.58 ; (LHS = 0)

eq_crop3(tisaleo).. xc(papa,tisaleo) =L= 110533.78 ; (LHS = 0)
eq_crop3(pillaro).. xc(papa,pillaro) =L= 126122.33 ; (LHS = 0)

85
---- eq_crop4 =L=

eq_crop4(mocha).. xc(tomate,mocha) =L= 91108.11 ; (LHS = 0)

eq_crop4(tisaleo).. xc(tomate,tisaleo) =L= 0 ; (LHS = 0)
eq_crop4(pillaro).. xc(tomate,pillaro) =L= 0 ; (LHS = 0)

---- eq_calb_ag =L=

eq_calb_ag(maiz,mocha).. xc(maiz,mocha) =L= 4.550455 ; (LHS = 0)

eq_calb_ag(maiz,tisaleo).. xc(maiz,tisaleo) =L= 7.123842313 ; (LHS = 0)
eq_calb_ag(maiz,pillaro).. xc(maiz,pillaro) =L= 28.922141925 ; (LHS = 0)

REMAINING 9 ENTRIES SKIPPED

GAMS 33.2.0 r4f23b21 Released Dec 1, 2020 WEX-WEI x86 64bit/MS Windows -
07/06/21 [Link] Page 3
variacion
Column Listing SOLVE variacion Using LP From line 316

---- xc

xc(maiz,mocha)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-19333.6826 objjt
1 eq_land(mocha)
5.49 eq_wat(Ene)
3.87 eq_wat(Feb)
6.6 eq_wat(Mar)
9 eq_wat(Abr)
10.15 eq_wat(May)
9.51 eq_wat(Jun)
86
 6.07 eq_wat(Jul)
9.06 eq_wat(Ago)
5.49 eq_wat(Nov)
3.87 eq_wat(Dic)
48 eq_mo
1 eq_crop1(mocha)
1 eq_calb_ag(maiz,mocha)

xc(maiz,tisaleo)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-228 objjt
1 eq_land(tisaleo)
5.49 eq_wat(Ene)
3.87 eq_wat(Feb)
6.6 eq_wat(Mar)
9 eq_wat(Abr)
10.15 eq_wat(May)
9.51 eq_wat(Jun)
6.07 eq_wat(Jul)
9.06 eq_wat(Ago)
5.49 eq_wat(Nov)
3.87 eq_wat(Dic)
48 eq_mo
1 eq_crop1(tisaleo)
1 eq_calb_ag(maiz,tisaleo)

xc(maiz,pillaro)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-41232.0389 objjt
1 eq_land(pillaro)
5.49 eq_wat(Ene)
87
 3.87 eq_wat(Feb)
6.6 eq_wat(Mar)
9 eq_wat(Abr)
10.15 eq_wat(May)
9.51 eq_wat(Jun)
6.07 eq_wat(Jul)
9.06 eq_wat(Ago)
5.49 eq_wat(Nov)
3.87 eq_wat(Dic)
48 eq_mo
1 eq_crop1(pillaro)
1 eq_calb_ag(maiz,pillaro)

REMAINING 9 ENTRIES SKIPPED

---- z
z
(.LO, .L, .UP, .M = -INF, 0, +INF, 0)
1 objjt

GAMS 33.2.0 r4f23b21 Released Dec 1, 2020 WEX-WEI x86 64bit/MS Windows -
07/06/21 [Link] Page 4
variacion
Model Statistics SOLVE variacion Using LP From line 316

MODEL STATISTICS

BLOCKS OF EQUATIONS 9 SINGLE EQUATIONS 41

BLOCKS OF VARIABLES 2 SINGLE VARIABLES 13
NON ZERO ELEMENTS 197

88
GENERATION TIME = 0.234 SECONDS 4 MB 33.2.0 r4f23b21 WEX-WEI
GAMS 33.2.0 r4f23b21 Released Dec 1, 2020 WEX-WEI x86 64bit/MS Windows -
07/06/21 [Link] Page 5
variacion
Solution Report SOLVE variacion Using LP From line 316

SOLVE SUMMARY
MODEL variacion OBJECTIVE z
TYPE LP DIRECTION MAXIMIZE
SOLVER CPLEX FROM LINE 316

89