The World’s Largest Open Access Agricultural & Applied Economics Digital Library

This document is discoverable and free to researchers across the

globe due to the work of AgEcon Search.

Help ensure our sustainability.

Give to AgEcon Search

AgEcon Search
http://ageconsearch.umn.edu
[email protected]

Papers downloaded from AgEcon Search may be used for non-commercial purposes and personal study only.
No other use, including posting to another Internet site, is permitted without permission from the copyright
owner (not AgEcon Search), or as allowed under the provisions of Fair Use, U.S. Copyright Act, Title 17 U.S.C.

No endorsement of AgEcon Search or its fundraising activities by the author(s) of the following work or their
employer(s) is intended or implied.
 Economía Agraria y Recursos Naturales. ISSN: 1578-0732. e-ISSN: 2174-7350. Vol. 23,1. (2023). pp. 55-87

Modelamiento hidro-económico de los efectos del cambio

climático y política en la agricultura andina
Marianella Crispin Cunyaab, Roberto Daniel Ponce Olivacde, Eric Rendon Schneira,
Esteban Eduardo Arias Montevechiof

RESUMEN: El cambio climático viene afectando de manera diferenciada a la agricultura, en particular,

en la zona andina, dada su alta exposición, sensibilidad y baja capacidad adaptativa. Se evaluó la
respuesta adaptativa de la agricultura andina frente a una variación de la disponibilidad hídrica debido
al cambio climático en base al modelo hidro-económico que integra dos módulos: el modelamiento
hidrológico en base al SWAT y un modelo económico de optimización en base al PMP. Se determinó
una alta vulnerabilidad agrícola frente al cambio climático situación que podría revertirse al aplicar una
política agraria en base al uso eficiente del agua.

Hydro-economic modeling of the climate change and politics effects

in Andean agriculture

ABSTRACT: Climate change has been affecting agriculture activities, particularly, in the Andean
Region, given its high level of exposure, sensitivity and low adaptive capacity. The adaptive response
of Andean agriculture to a variation in water availability due to climate change was evaluated. For this,
a hydro-economic model was developed that integrates two modules: hydrological modeling based on
SWAT and an economic optimization model based on PMP. There is a high agricultural vulnerability to
climate change, situation that could be reversed through the application of an agricultural policy based on
the efficient use of water.

PALABRAS CLAVE / KEYWORDS: Agricultura andina, Cambio climático, hidro-económico /

Andean agriculture, Climate change, Hydro-economic.

Clasificación JEL / JEL classification: Q12, Q18, Q57

DOI: https://doi.org/10.7201/earn.2023.01.03

a
Escuela de Postgrado. Programa Doctorado de Economía de los Recursos Naturales y Desarrollo Sustentable,
Universidad Nacional Agraria La Molina. Universidad Nacional Agraria La Molina. Lima, Perú.
b
Facultad de Ciencias Económicas, Universidad Nacional Mayor de San Marcos. Cercado de Lima, Perú.
c
Facultad de Economía y Negocios. Universidad del Desarrollo. Concepción, Chile.
d
Center of Applied Ecology and Sustainability (CAPES). Concepción, Chile.
e
Water Research Center for Agriculture and Mining. Concepcion, Chile.
f
Facultad de Ciencias Económicas y Administrativas, Universidad Católica de la Ssma. Concepción, Chile.

Agradecimientos: Los autores agradecen al Convenio de Subvención N.° 200-2015-FONDECYT, que en su

cláusula tercera otorga a favor de la Universidad Nacional Agraria La Molina una subvención para el desarrollo
del Doctorado de Economía de los Recursos Naturales y desarrollo sustentable.
Citar como: Crispin, M., Ponce, R.D., Rendon, E. & Arias, E. (2023). “Modelamiento hidro-económico de los
efectos del cambio climático y política en la agricultura andina”. Economía Agraria y Recursos Naturales, 23(1),
55-87. https://doi.org/10.7201/earn.2023.01.03
Dirigir correspondencia a: Marianella Crispin Cunya. Perú. Email: [email protected]
Recibido en septiembre de 2020. Aceptado en febrero de 2023.
56 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

1. Introducción

Durante mucho tiempo el análisis del sector agrícola y su relación con los recursos
hídricos estuvo basado en modelos biofísicos centrados en una dimensión específica
del cambio climático, así como la dimensión agronómica (Moriondo et al., 2010;
Ventrela et al., 2012), o la dimensión hidrológica (Joyce et al., 2011; Rochdane et
al., 2012). Actualmente, la gestión del agua y el cambio climático son considerados
como objetivos de desarrollo sostenible (ODS), donde surgen preocupaciones
multidimensionales y multiescalares, evidencia la necesidad de integrar el aspecto
biofísico y sociales en contextos ambientales y sociales a diferente escala de cuenca
y a diferentes altitudes (Downing, 2012; Meinke et al., 2009; Esteve et al., 2015;
Rolando et al., 2017). El ODS 13, Acción por el Clima, hace referencia a fortalecer
la resiliencia y la capacidad de adaptación a los riesgos relacionados con el clima
en países menos adelantados con énfasis en comunidades locales al 2030 (ONU,
2019). Por otro lado, las conclusiones del quinto informe de evaluación (AR5) del
Panel Intergubernamental sobre Cambio Climático (IPCC) sugieren que los impactos
del cambio climático en los recursos hídricos tendrán consecuencias desiguales
entre sectores y regiones los cuales incluyen cambios drásticos de precipitación,
temperaturas y el incremento de eventos climáticos extremos (inundaciones y
sequías) amenazando el suministro de agua en diferentes sectores económicos o
usuarios, entre los cuales se encuentra el sector agrícola (IPCC, 2013; IPCC, 2014).

La agricultura en países andinos y regiones montañosas es considerada una de

las actividades económicas más vulnerables frente a los impactos del cambio
climático (incremento de eventos climáticos extremos, cambios en los patrones de
temperatura y precipitación, entre otros), dada su exposición, alta sensibilidad y baja
capacidad adaptativa (IPCC, 2013; MINAM, 2016). Dichos impactos, al afectar la
disponibilidad hídrica, afectarían también la producción agrícola, por el gran rol
que desempeña el agua (Bates et al., 2008; Field et al., 2014; Buytaert et al., 2011;
de Haan, 2009; Rolando et al., 2017). Asimismo, es común que la agricultura sea
considerada una actividad familiar, donde los conocimientos y prácticas agrícolas
se transfieren de generación en generación con una administración de parcelas con
extensiones desde pequeñas a grandes, factor relevante en un contexto de cambio
climático, donde se afectarían fuertemente los ingresos familiares (Barrios, 2007;
Dietze et al., 2019).

Una de las características de muchas regiones montañosas en el mundo, incluida la

zona andina, es que son consideradas como centros primarios del origen de cultivos
(Vavilov, 1992); este es el caso de los Andes, que alberga especies importantes para
la agricultura de montaña, ya que su diversidad genética actual se mantiene alrededor
de los 3000 m.s.n.m., donde probablemente contribuyan con la novedosa diversidad
genética que se necesitaría para una futura mejora global del germoplasma (NRC,
1989; de Haan et al., 2010). La zona andina abarca a aquellos países que recorre la
cordillera de los andes, desde Venezuela, Colombia, Ecuador, Perú, Bolivia, Chile y
Argentina cuya altura promedio es de 3000 y 4000 m.s.n.m. A nivel mundial, existen
Modelamiento hidro-económico de los efectos del cambio climático y política… 57

países con condiciones geográficas similares a la altitud de la zona andina como

China, Oman y Africa (Tarolli & Straffelini, 2020; Moraetis et al., 2020; Clay &
Zimmerer, 2020; Tang et al., 2019).

Los modelos de economía del agua (MEA), que integran las complejas interrelaciones
entre sistemas hidrológicos y económicos, son herramientas efectivas para analizar
los problemas de reducción en la disponibilidad en muchas regiones del mundo
generando escasez de agua y proporcionar soluciones a través de escalas espaciales y
temporales variadas examinando posibles cambios futuros en los sistemas de recursos
hídricos, incluidos los efectos del cambio climático, los cambios socioeconómicos y las
respuestas de infraestructura y políticas (Wheeler & Von Braun, 2013). Estos MEA se
clasifican en dos categorías generales: los modelos hidroeconómicos (MHE) basados
en redes (simulación u optimización) y modelos de economía amplia (salida de entrada
o equilibrio general computable) (Bekchanov et al., 2017).

De acuerdo con Bekchanov et al. (2017), geográficamente existe una amplia

aplicación del Modelo Hidroeconómico (MHE) en investigaciones, la mayoría
ubicadas en China, Australia y América del Norte. Asimismo, se realizaron
investigaciones en el sur de Europa, principalmente en España, Asia central y el sur
de Asia, sobretodo en India, y un número algo menor de investigaciones en África
oriental y septentrional, Asia occidental y América del Sur (principalmente, Brasil
y Chile) (Gonzáles & Velasco, 2008; Ponce et al., 2017; Torres et al., 2012). En
ese sentido, países de América Central y de América del Sur, principalmente los
ubicados en zona andina, podrían beneficiarse de su aplicación y análisis.

En Chile se aplicó el MHE y ayudó a la gestión de los recursos hídricos (Gorelick

& Zheng, 2015; Brouwer & Hofkes, 2008; Harou et al., 2009), para la toma de
decisiones (Freeze et al., 1990), bajo escenarios de incertidumbre (D´Agostino et al.,
2014; Alexandra, 2017; Knowling et al., 2020). Al analizar los impactos económicos
regionales (Kahsay et al., 2019), el modelo contribuye a una adecuada planificación
socialmente responsable (Papagiannis et al., 2018), y del mismo modo, permite
evaluar la efectividad de posibles políticas a ser implementadas (Dowlatabadi,
1995; Weyant, 1985; Blanco-Gutiérrez et al., 2013; Peña-Haro et al., 2009; Volk
et al., 2008; Harou & Lund, 2008; Varela‐Ortega et al., 2011) y se convierte en
una excelente herramienta para analizar las posibles consecuencias del cambio
climático en la agricultura de los países andinos y/o países de montaña. La política
está orientada a disminuir la vulnerabilidad de la agricultura familiar frente al cambio
climático, la cual está orientada al uso eficiente del agua en la producción agraria.

La aplicación del MHE con consideraciones ambientales a través de funciones

no lineales en costos, es ampliamente utilizado a nivel internacional en diferentes
campos, desde el análisis de gestión de los recursos de aguas subterráneas como
del acuífero Namdan ubicado en la provincia de Fars en Irán (Esteban & Albiac,
2012; Esteban & Dinar, 2013; Ghadimi & Ketabchi, 2019; Knowling et al., 2020),
evaluaciones bajo riesgo ambiental para el manejo de acuíferos aluviales en cuencas
58 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

de ríos áridos como la cuenca del río Golmud en el noroeste de China (Huang et
al., 2019), para evaluar sistemas de aguas azul y verde en zona urbana (Zischg et al.
2018; Cunha et al. 2016; Haghighatafshar et al., 2019), además, permite evaluar la
efectividad del aumento en los precios del agua agrícola para reducir el consumo de
agua en el contexto de escasez en Irán y España (Momeni et al., 2019; Tahbaz, 2016;
Graveline et al., 2014; Varela-Ortega et al., 2014, Arjoon et al. 2014), o estudios
más cercanos a la zona andina (Ponce et al., 2017, Ponce et al., 2015, Ponce et al.,
2014, Esteve et al., 2015). Sin embargo, hay pocas aplicaciones en la agricultura
andina con agrobiodiversidad en un contexto de cambio climático y con tendencia a
la microparcelación (Garibaldi et al., 2017; Rose et al., 2019).

En ese sentido, la presente investigación muestra una aplicación novedosa del

modelamiento hidro-económico (MHE) que evalúa la respuesta adaptativa de los
productores agrarios frente a los impactos del cambio climático en zona andina; es
decir, se vincula los impactos del cambio climático con las respuestas económicas
de los agricultores. Estos impactos se evalúan mediante escenarios de cambios
en la dotación del recurso hídrico haciendo uso de la herramienta Soil and Water
Assessment (SWAT), que evalúa los cambios en los rendimientos agrícolas bajo
riego y secano. Para analizar la respuesta económica de los agricultores se utiliza la
programación matemática positiva (PMP), donde mediante la calibración del modelo
se asume que los niveles observados reflejan los objetivos sociales y, por lo tanto,
son óptimos (Howitt, 1995; Cai & Wang, 2006).

Finalmente, la Ley de los Recursos Hídricos del Perú, Ley N.º 29338, se considera
que el agua es un recurso natural renovable e indispensable para la vida, el desarrollo
sostenible, el mantenimiento de los sistemas y ciclos naturales que la sustentan, y la
seguridad de la Nación. No hay propiedad privada sobre el agua en el Perú y el uso
de los recursos hídricos se encuentra condicionado a su disponibilidad (FAO, 2000).

2. Materiales y Métodos

2.1. Caso de Estudio

En zona andina, es común que la producción de los cultivos transitorios es

sustituta de las importaciones, compitiendo históricamente con las importaciones
(maíz, trigo, cebada, frijol y otros), cuyo crecimiento económico interno de estos
cultivos se ha basado en barreras de protección, transferencias y subsidios. Por estas
razones, la mayoría de estos cultivos son destinados al mercado interno, mientras
que, la existencia de los cultivos tradicionales de exportación es conformado en
gran parte por los cultivos permanentes, como lo son el café, el banano, el plátano,
el aceite de palma, el azúcar, el cacao, el tabaco y la palta. Existen cultivos pocos
transables conformado por los tubérculos (variedades de papa, principalmente),
algunas frutas y hortalizas (CAN, 2008). Cabe resaltar, la escasa tecnificación con
bajas escalas de producción que limitan el acceso a la tecnología y bienes de capital;
es por ello, la elevada presencia de pequeños productores.
Modelamiento hidro-económico de los efectos del cambio climático y política… 59

En el Perú, el 83 % del total de las unidades agropecuarias está compuesta por

las familias, siendo sus miembros la principal fuerza laboral, dando lugar a una
agricultura familiar (MINAGRI, 2015; Garibaldi et al., 2017). La ciudad de Abancay
situada en la Región Apurimac, tiene un alto crecimiento demográfico y económico
generando una competencia por el uso del agua y el suelo, lo que limita la expansión
de la superficie agrícola, existiendo contaminación y otras externalidades. En este
contexto, los agricultores deben tomar decisiones sobre el patrón de cultivos a
priorizar y el uso del agua, pero no cuentan con el conocimiento o herramientas que
les permita tomar decisiones en un entorno de cambio climático (Roco et al., 2015).

La microcuenca del río Mariño, forma parte de la subcuenca del río Pachachaca que
pertenece a la Intercuenca Alto Apurimac, con un área de 285 km2, teniendo una
precipitación media anual de 782,82 mm. Desde el punto de vista geomorfológico,
la microcuenca se extiende en una depresión dentro de la Cordillera Oriental con
altitudes que varían desde los 1625 m.s.n.m. a 5200 m.s.n.m. en los distritos de
Abancay y Tamburco de la provincia de Abancay, Región Apurímac (Condori,
2016). La temperatura media anual es 16,6 °C, con un máximo de 18,2 °C y un
mínimo de 3 °C. Posee tres zonas bien definidas: alta, media y baja, y un crecimiento
poblacional de 0,62 %, alto proceso de deforestación y cambios en el uso de la tierra
(degradación de pastizales, sobrepastoreo, quema de pastos, urbanización). Existen
77 canales de riego en funcionamiento que datan de los años 1960 y 1970 y la
mayor parte de infraestructura es de tierra con presencia de filtraciones en diferentes
sectores. Se destaca el canal Mariño por su extensión y antigüedad, siendo su largo
de aproximadamente 29 km y otro canal importante es el Micaela Bastidas cuyo
recorrido abarca la parte alta hasta la parte baja (Pachachaca) de la microcuenca
(GORE, 2010; ProDesarrollo, 2012). Respecto a la infraestructura de regulación, el
ciclo hidrológico de la microcuenca involucra la presencia del nevado de Ampay y la
laguna Rontoccocha, donde cualquier afectación y una variación de los patrones de
lluvia y temperatura, afectarían la dotación y disponibilidad hídrica. En la actualidad,
no se explota agua subterránea en la cuenca.

El sistema de gestión del agua en la microcuenca, se otorga en forma de licencias

o autorizaciones del uso agrícola del agua en diferentes volúmenes que oscila
entre 93,31 m3 hasta 12.177.027,00 m3, el menor volumen corresponde al comité
de regantes Ayaorcco y el mayor al Comité de regantes Ccarccatera. Se constató
que la tarifa por agua, varía desde 0,93 hasta 4,79 soles por turno, y en cada mes se
brindan de 1 a 9 turnos, teniendo cada turno una duración de 3 a 23 horas; la tarifa
no compensa los costos de operación y mantenimiento de los canales de captación,
transporte y distribución del agua dada la alta variabilidad de sus principales variables
explicativas, además de una alta morosidad de los regantes. La gestión a nivel
comunitario juega un papel importante con respecto a la adopción de tecnologías, la
gestión del uso del agua en las parcelas y la limpieza de canales a través de la mita,
que es el trabajo comunitario existente en los andes peruanos.
60 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

Los métodos de riego predominantes son los de gravedad y aspersión, donde el

de gravedad plantea desafíos importantes para el Estado, los agricultores y los
administradores del agua en el diseño y adecuada implementación de políticas.
La agricultura, aunque no ocupe la mayor superficie del suelo, es la actividad más
relevante en términos socioeconómicos de la microcuenca, donde el tamaño de la
unidad agropecuaria oscila entre 0,001 ha hasta 3,2 ha. Existen cultivos transitorios,
como el maíz, papa y hortalizas y cultivos permanentes de cosecha estacional, como
los frutales y los cultivos permanentes de cosecha continua, como la alfalfa.

El área bajo riego es de 4.451,85 ha estando los agricultores están organizados en la

Junta de Usuarios del Sector Hidraúlico Medio Apurimac Pachachaca (JUSHMA),
que se compone de tres comisiones y cada comisión está compuesta por diferentes
comités que integran a 2.886 usuarios. Cada comité se encarga de administrar la
distribución del agua en todas las parcelas, cobro de tarifas de agua y control del uso
del agua y el riego. De un total de 67 comunidades identificadas en la microcuenca, el
proceso de recolección de información se realizó a través de una muestra distribuida
en 23 comunidades ubicadas en la parte alta (color verde claro en el Mapa 1), media
(color marrón) y baja (color verde intenso). Para la obtención de dicha muestra
representativa, se superpuso el mapa de la microcuenca y el mapa de clasificación
Sector de Enumeración Agropecuaria (SEA) mostrado en el Mapa 1 (INEI, 2018).

MAPA 1
Distribución de la microcuenca Mariño 01500 00700
01702
01600 00600 00200
01402 01500 01200 01300
HUANIPACA 01800
00500 SAN PEDRO DE CACHORA 00800
01400 01000
01103 01101 00900
03000
01104
01701
01102 02002
00700 02800
02001
01802 02900

01801 01900
00800 00900

02003 02202
00101
TAMBURCO
02101
00100 CURAHUASI

02102 02104
00200
02100

00600 01000
00300 02201
00400 00500 02103
00500 00400
02000
02202
00200

02201
00300
01900
00701 00600
00301 00102

02302
00702 02301
01000

01800

01100 02500
01200 00800 02400
01700
00302
00900
01300 02303

HUANCARAMA
01400 02700 02303
ABANCAY
02600
01500

01601
01602
00400

00101 05104

02800
PICHIRHUA

00102

00100
LAMBRAMA
00300
00202
00103
00104

Fuente: Adaptado en base a la información del Proyecto Mariño 2012 y el INEI.

Modelamiento hidro-económico de los efectos del cambio climático y política… 61

2.2. Metodología

En la estructura y balance hídrico de los MHE se considera la simulación y

optimización como similares, donde la simulación se construye y calibra para
reproducir el comportamiento de los sistemas de agua reales y la optimización tiene
como objetivo representar algunos supuestos de comportamiento más restrictivos que
impulsan la gestión de los sistemas de agua. Los resultados óptimos se definen como
aquellos que maximizan o minimizan el valor de la función objetivo, por ejemplo,
minimizar los costos de asignación de agua (Cai et al., 2003; Ringler et al., 2004;
Jenkins et al., 2004; Brouwer & Hofkes 2008; Harou et al., 2009; Tsur et al., 2004;
Young, 2005).

El MHE es diseñado en base a la programación matemática positiva (PMP) que

permite analizar el uso agrícola del agua vinculando con el comportamiento
económico de los agricultores considerando las características hidrológicas de la
microcuenca en un contexto de cambio climático evaluando escenarios de asignación
de agua, agricultura familiar y diversidad agrícola (Bekchanov et al., 2017; Ossa-
Moreno et al., 2018; Bekchanov et al., 2015; Cai, 2008) y la realidad de las campañas
agrícolas en zona altoandina. Es importante mencionar que existe diferentes formas
de aplicación de la PMP de acuerdo a la necesidad y tipo de información agrícola,
como la PMP basada en máxima entropía, la cual considera un análisis probabilístico;
PMP basada en el enfoque bayesiano, la cual selecciona valores desconocidos que
maximicen una distribución de probabilidades y por ende un sistema de ecuaciones;
y la PMP econométrica con una programación doble nivel (Henry de Frahan, 2019).

El componente hídrico considera la simulación de la oferta hídrica mediante

la aplicación del SWAT haciendo uso de información climática (precipitación,
temperatura máxima, temperatura mínima, donde, para la situación actual 1982-
2013, la base de datos climáticos diaria del grillado PISCO versión 2.01, elaborado
por el Servicio Nacional de Meteorología e Hidrología del Perú – SENAMHI);
hidrométrica (aforos de caudales mensuales medidos en el ámbito de la microcuenca
realizado por la Unidad Ejecutora Pro-Desarrollo Apurímac del GORE Apurímac)
y material cartográfico (involucra 13 Unidades Hidrográficas, suelos, cobertura y
uso de tierra) (GORE, 2010; Arnold et al., 1998). Es importante mencionar que la
bondad de ajuste del modelo calibrado permitió obtener como resultados: antes de la
calibración: Coeficiente de correlación de Pearson = 0,71, Coeficiente de Eficiencia
de Nash-Sutcliffe = -3,38; luego de la calibración del modelo se obtuvo: Coeficiente
de correlación de Pearson = 0,81, Coeficiente de Eficiencia de Nash-Sutcliffe =
-1,99. Asimismo, para la validación del modelo hidrológico, el RMS es igual a 0,77
(ANA, 2014). Los resultados de esta modelación permitieron definir el escenario de
referencia (BL) sin considerar el cambio climático y la aplicación de una política.
En adición, dado que el análisis es a nivel comunal, se construyó una gráfica tipo

1
Uso del producto grillado PISCO de precipitación en estudios, investigaciones y sistemas operacionales de
monitoreo y pronostico hidrometeorológico. Dirección de Hidrología SENAHMI. Ministerio del Ambiente 2017.
62 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

cascada para representar la relación entre las comunidades respecto a su vínculo con
el agua de arriba hacia abajo, para analizar el uso y transferencia de agua entre las
comunidades (Gráfico 1).

El comportamiento económico de los agricultores se representa a partir de un Modelo

de Oferta no Lineal (MONL) enmarcado en la PMP para analizar el sector agrícola
con alta desagregación geográfica ampliamente utilizado en modelos de oferta
agrícola, análisis de políticas agroambientales, modelos hidroeconómicos, modelos
bioeconómicos y análisis de impactos de cambio climático (Mérel & Howitt, 2014;
Blanco-Gutiérrez et al., 2013; Peña-Haro et al., 2009; Volk et al., 2008; Harou &
Lund, 2008; Varela‐Ortega et al., 2011; Pulido-Velázquez et al., 2008). El MONL
representa la demanda derivada de agua en función de la asignación de tierras
entre cultivos. El modelo PMP aplicado recoge el análisis por parcela para luego
integrarlos a nivel comunal donde se considera la optimización restringida que ilustra
la toma de decisiones como entrada del modelo (Ponce et al., 2014). El PMP fue
formalizado por Howitt (1995), el que por casi tres décadas ha sido utilizado en el
campo de la economía agrícola (Ponce et al., 2017). El PMP consta tres etapas para
realizar la calibración del modelo, donde se asume que los agricultores optimizan el
uso de sus insumos para maximizar sus ganancias. Primero, se define un modelo de
programación lineal para maximizar los ingresos agrícolas netos de la microcuenca
mediante la asignación de tierras y agua de riego para las actividades agrícolas como
restricciones, más la restricción de calibración. Segundo, los valores duales asociados
con la restricción de calibración se utilizan para especificar una función de costo no
lineal, en la cual los costos marginales son iguales a los precios de mercado para el
escenario de referencia. Finalmente, una vez que los parámetros de la función de
costo han sido derivados, se especifica el modelo no lineal calibrado (Howitt, 1995;
Heckelei, 2002). La oferta agrícola es obtenida a partir de una encuesta que tomó
en cuenta las características de altitud, agricultura familiar, comunidades, la forma
de gestión del agua, idioma originario y percepción sobre el cambio climático. El
Gráfico 2 sintetiza el esquema metodológico.

El escenario de referencia asume que la oferta coincide con la demanda, lo que

significa que los agricultores cuentan con la cantidad de agua para satisfacer la
demanda. Para simular el escenario de cambio climático que afecta los suministros
de agua, en la aplicación del SWAT se considera el enfoque regionalizado para
el periodo 2018-2065 haciendo uso de los datos proyectados del Centro de Datos
Climáticos Mundiales-WDCC del Centro Alemán de Computo Climático, el modelo
climático utilizado es el CSIRO-Mk3.0 (Commonwealth Scientific and Industrial
Research Organisation-Mark model, version 3) para la Trayectoria de Concentración
Representativa (TCR) 2.6, Escenario de impacto del cambio climático, cuyo efecto
directo sobre el suministro de agua, es una disminución de la precipitación en un
17,09 % para el periodo 2018-2065 (Van Vuuren et al., 2011).
Modelamiento hidro-económico de los efectos del cambio climático y política… 63

GRÁFICO 1
Cascada sobre la distribución de las comunidades

Ayaorcco CUA CUA

Aymas CRA
CRA CUCYC
Condado - Yurumpata y CUCYC
Curanguyocc
Llañucancha CULL CULL CUCC

Ccanabamba CUCC CRC

CUMM
Marcamarca-Tamburco CUMM
CUSA
Asillo ASI
ASI
Marcahuasi CUM
CRT
Ccorhuani CRC
CUM CUSAMP
San Antonio CUSA
CUPMB
Tamburco CRT
Paltaypata CUPMB CUI
CUH
Illanya CUI
Sahuanay, Antabamba, CUSAMP CUCBP
Maucacalle y Pantillay CUMA CUMB

Canal "B" Pachachaca Baja CUCBP

Huayllabamba CUH CUMO

Moyocorral Alta CUMA

CUIQ
Moyocorral Baja CUMB
Molinopata CUMO
CRTR CUK
Trujipata CRTR
Karkatera CUK CUSGS
Imponeda CUIQ
RIO PACH
San Gabriel CUSGS

Fuente: Elaboración propia.

64 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

GRÁFICO 2
Esquema metodológico del modelo hidroeconómico aplicado
en la microcuenca Mariño

Componente hídrico Componente económico

Oferta hídrica: temperatura, Modelo de oferta no lineal - MONL:

uso de suelo, textura, producción, cultivos, rendimientos,
precipitación costos, precios, elasticidad, ingresos

Respuesta adaptativa
Calibración: Coef. Correl. de los agricultores
SWAT Pearson= 0,81 PMP -
RMS es igual a 0,77 Optimización
Política de agua:
disminuir vulnerabilidad
Escenarios de cambio
climático (TCR 2.6)

Variación de la precipitación
2018-2065 (17,09 %)

Requerimiento hídrico de
cultivos - RHC para el
escenario base y TCR 2.6

Δ Superficie
Δ Ingresos
Δ Producción
Δ Disponibilidad, uso, dotación y transferencia de agua

MODELO HIDROECONÓMICO

Fuente: Elaboración propia.

Sobre el requerimiento hídrico de los cultivos (RHC), en base a información histórica

para el periodo 1981-2013 para las variables: evapotranspiración potencial y real,
precipitación mensual, coeficiente de uso consuntivo mensualizado, valor teórico de
0,50 de eficiencia de riego, demanda unitaria en m3/ha (información proveída por el
GORE Apurimac); lo que permitió obtener el volumen de agua requerido por mes por
cultivo para el escenario TCR 2.6. Asimismo, se evaluó la efectividad de una política
de agua destinada a disminuir la vulnerabilidad de la agricultura familiar frente al
cambio climático, la cual está orientada al uso eficiente del agua en la producción
agraria, conforme la definición del objetivo tres priorizado de la Política Nacional
Agraria 2021-2030 del Ministerio de Desarrollo Agrario y Riego (MIDAGRI).
Modelamiento hidro-económico de los efectos del cambio climático y política… 65

2.3. Información

En las 23 comunidades analizadas en la microcuenca se identificó 72 actividades

entre pastizales, frutales y cultivos, prueba de la diversidad agrícola. Para efectos del
estudio se realizó una reclasificación en cultivos (15), frutas (2), pastizales (3) por
ocupar mayor área, equivalente al 90 %; el resto, menos relevante, no es considerado
en el análisis. Las actividades más comunes son: alfalfa (de secano y riego), papa (de
secano), maíz (de regadío), palta (de secano y regadío), hortalizas (de secano y regadío),
camote (de secano y regadío) frejol (de regadío), cebada (de regadío), yuca (de secano
y regadío) y los grupos corresponde a cultivos, frutales, pastizales y aromáticos. Para
definir cultivos transitorios, cultivos permanentes de cosecha estacional y de cosecha
continua se considera la disponibilidad de agua y el periodo vegetativo.

La información referida a la superficie, actividades agrícolas (cultivos transitorios,

cultivos permanentes de cosecha estacional y cultivos permanentes de cosecha
continua), nivel de producción, rendimiento, precios, costos de producción y
transporte por comunidad y cultivo, y sistemas de riego (de regadío, de secano),
tecnologías de riego por aspersión y/o gravedad, intensidad laboral y el costo de
oportunidad para los cultivos que son de autoconsumo, se obtuvieron a partir de un
trabajo de campo (encuesta agrícola adaptada a un enfoque de cambio climático con
presencia de biodiversidad agrícola).

2.4. Especificaciones del modelo hidroeconómico (MHE)

El modelo de optimización para toda la microcuenca maximiza el ingreso agrícola

sujeto a los recursos, restricciones geográficas, hidrológicas e institucionales;
asimismo, se incorporó el razonamiento del modelo conceptual de cascada dentro
del análisis de acuerdo al Gráfico 1. Los impactos económicos del cambio climático
se calculan como la diferencia de ingresos entre el escenario de referencia (BL) y el
escenario de cambio climático (yw-cc).

El Gráfico 3 muestra que la cantidad de agua disponible para riego en cada

comunidad (AD) depende de la dotación de agua (DA), y un parámetro de eficiencia
de transporte de agua (et). En este contexto, AD representa la restricción de agua que
podría usarse en cada comunidad. En ese sentido, cada comunidad podría usar toda
el agua disponible o dejar algo de agua (ANU) para otras comunidades aguas abajo
(líneas entrecortadas) donde el agua no utilizada en una comunidad en la parte alta
aumentará la dotación de agua para riego en la parte media y/o baja (transferencia
de agua). No existe un comercio de agua, por tal el costo de transferencia es cero en
todas las comunidades.
66 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

GRÁFICO 3
Modelo conceptual de la disponibilidad de agua

Dotación de agua j Dotación de agua 2 Dotación de agua 1 Cascada

Daj DA2 DA1

et et et

Agua Agua Agua

disponible Agua no disponible Agua no disponible
para riego usada en la para riego usada en la para riego
en la comunidad j-1 en la comunidad 1 en la
comunidad j (ANUj-1) comunidad 2 (ANU1) comunidad 1
ADj AD2 AD1
Restricción Restricción Restricción
de agua de agua de agua

Demanda (...) Demanda Demanda

MONL
de agua j de agua 2 de agua 1

Fuente: Adaptado en base a Ponce et al. (2017).

Considerando a Ponce et al. (2017) y las particularidades de la microcuenca, el

modelo integrado está representado por las siguientes ecuaciones:

Z =Ʃc Ʃa Ʃs (Yc,a,s * Pa - ACc,a,s) * Xc,a,s [1]

ACc,a,s = αc,a,s* (Xc,a,s)βc,a,s [2]

En la ecuación [1], Z es el valor de la función objetivo (ingreso total agrícola) y

Xc,a,s representa el área cosechada de la actividad a en la comunidad c, utilizando
los sistemas s (de secano o de regadío). Para el modelamiento se considera área
cosechada y no área sembrada dado que hay diferencias originado por la presencia
de plagas o eventos climáticos que causan pérdidas. Las actividades agrícolas se
refieren a los cultivos dentro de la microcuenca los cuales pueden ser transitorios,
permanentes de cosecha continua y permanentes de cosecha estacional. Por otro
lado, Yc,a,s es el rendimiento por hectárea de la actividad a en la comunidad c, usando
el sistema s, Pa es el precio de la actividad a, ACc,a,s es el vector de costos promedio
por unidad de actividad a en la comunidad c usando el sistema s, donde el principal
componente de los costos son la mano de obra (contratada y propia), más los costos
de fertilizantes, plaguicidas, pesticidas, semillas, yunta, etc.
Modelamiento hidro-económico de los efectos del cambio climático y política… 67

La ecuación [2] representa la función calibrada de costos en la cual los parámetros

de la función, αc,a,s y βc,a,s son derivados de un equilibrio de maximización del
beneficio haciendo uso de la PMP (Howitt, 1995; Blanco et al., 2008; Howitt et al.,
2010; Hurd, 2015). Esta calibración de los costos se hace para igualar la cantidad de
tierra destinada a cada cultivo del escenario de referencia, resultado de la encuesta,
dado el proceso de maximización de beneficio de los productores. Se asume que las
elasticidades están dadas para cada cultivo (Heckelei & Britz, 2005; Blanco et al.,
2008; Howitt et al., 2010; Medellín-Azuara et al., 2011; McKinney et al., 1999).

RAc = Ʃa fregc,a,reg * Xc,a,reg [3]

ADc ≤ (DAc + ANU-c) * etc [4]

RAc ≤ ADc [5]

En la ecuación [3], RAc representa los requerimientos de agua en la comunidad c,

que es igual al requerimiento hídrico del cultivo o actividad de riego a (fregc,a,reg)
multiplicado por la superficie asignada a dicha actividad. La ecuación [4] representa
el agua disponible para riego (ADc) en la comunidad c el cual debe ser menor o
igual que la dotación de agua de la siguiente comunidad aguas abajo más el agua
no utilizada por alguna otra comunidad aguas arriba (ANU-c) multiplicado por la
eficiencia del transporte parámetro (etc), mientras que la ecuación [5] representa
los requerimientos de agua (RAc) los cuales deben ser menor o igual que el agua
disponible para riego (ADc).

ANUc=DAc + ANU-c – [6]

Ʃa Ʃs Xc,a,s ≤ stierrc [7]

Ʃa Ʃreg Xc,a,reg ≤ regtierrc [8]

La ecuación [6] muestra que el agua que no se usa en la comunidad c es la diferencia

entre la dotación de agua y el agua utilizada en la comunidad c. Finalmente, las
ecuaciones [7] y [8] muestran restricciones de recursos asociadas a la superficie de
secano (stierrac) y bajo riego (regtierrac). No existe sustitución de tierras. El impacto
del cambio climático sobre el recurso hídrico se simula como una perturbación en el
parámetro DAc que afecta las variables temperatura y precipitación en base al TCR
2.6, el cual es simulado en el SWAT. Asimismo, los impactos del cambio climático
68 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

en los rendimientos agrícolas se modelan a partir del parámetro Yc,a,s, que recoge los
cambios de dichos rendimientos a partir de una variación de la disponibilidad hídrica.
El impacto de la perturbación resultado del escenario TCR 2.6 el cual considera una
reducción de la precipitación en 17,09 % (Jiang & Grafton, 2012; Jonkman et al.,
2008; Graveline et al., 2014; Varela-Ortega et al., 2014).

3. Resultados y discusión

3.1. Sobre la superficie agrícola

Uno de los grandes problemas en la agricultura andina como el Perú es la

tendencia a la microparcelación, donde un propietario tiene hasta 6 parcelas con un
promedio de 0,24 ha de extensión cada una (Gráfico 4). Por otro lado, el 87,37 % de
los productores no están asociados (Arjoon et al., 2014; Varela-Ortega et al., 2014).

GRÁFICO 4
Factores de la microparcelación

Nº parcelas por productor Superficie promedio por parcela (ha)

1,6 6

1,4
5

1,2
Superficie promedio (ha)

Parcelas por productor

4
1,0

0,8 3

0,6
2

0,4
1
0,2

0,0 0
Canal_B_Pachachaca-B
Ccanabamba-A

Condado_Yuranpata

Llanucancha_A

Marcahuasi-A
Trujipata-A

Ccarccatera-A

Ccorhuani_A

Huayllabamba-A

San_Antonio-A
Sahuanay_Maucacalle_Pantillay

Marcamarca-A

Moyocorral_Alta-A

Molinopata-M

Imponeda_Quitasol-M

Aymas-M

Paltaipata-B

San_Gabriel-B
Asillo-A

Moyocorral_Baja-A

Illanya-B
_Antabamba-A
_Curanguyoc-A

Tamburco_M
Ayaorcco-A

(A: alta, M: media, B: baja).

Fuente: Elaboración propia.
Modelamiento hidro-económico de los efectos del cambio climático y política… 69

Se realizó dos simulaciones, donde se aborda las respuestas adaptativas de los

productores agrarios frente a los impactos del cambio climático, con y sin política
del agua. Como resultado de la simulación del impacto del cambio climático sin
política (cambios en la disponibilidad de agua y productividad agrícola) a nivel de la
superficie agrícola total se da una disminución de 6,42 %. Siendo evidente el impacto
en la actividad agrícola como en los mismos agricultores.

Aunque las extensiones son pequeñas para este tipo de agricultura andina, la
variación de superficie es significativa, caracterizado por una producción variada
para asegurar sus ingresos, aunque ello signifique mayores costos de producción. En
el escenario de referencia, la superficie agrícola total es igual a 160,25 ha (35,09 ha
secano y 125,16 ha bajo riego); al aplicar la perturbación debido al cambio climático,
genera una disminución del 9,36 % para las tierras bajo riego (113,44 ha) y un
aumento del 4,08 % en tierras de secano (36,52 ha).

A nivel comunitario, Molinopata aumenta sus tierras de secano en un 13,39 %,

reduciendo sus tierras bajo riego en -17,09 %, mientras que Condado–Yuranpata–
Curanguyoc, Sahuanay–Maucacalle–Pantilla y Antabamba presenta una disminución
de tierras bajo riego igual a -18,31 % y -17,09 %, respectivamente, mientras que
sus tierra de secano no presentan variaciones significativas; respecto a Ccarccatera,
Huayllabamba, San Gabriel, Ayaorcco, Llanuncancha son las comunidades con
mayor disminución de superficie bajo riego (-17,09 %, -17,09 %, -13,80 %, -13,64 %
y -13,96 %, respectivamente), mientras que las superficies de secano no presentan
variaciones significativas. El resto de comunidades presentan disminuciones no
significativas en la superficie bajo riego y de secano. Cabe precisar que Molinopata e
Imponeda – Quitasol poseen el 22 % de la superficie de la microcuenca; por lo tanto,
una afectación en estas comunidades se sentirá a nivel de microcuenca. La relevancia
de estos resultados radica en el hecho de que los cultivos bajo riego son generalmente
más rentables que los de secano (Varela-Ortega et al., 2014; Esteve et al., 2015;
Graveline et al., 2014; Ponce et al., 2014; Ponce et al., 2017; Ponce et al., 2015). Los
resultados se resumen en el Cuadro 1.

La asignación de tierras para las actividades de secano como la alfalfa, maíz,

alverja, camote, haba, palta y papa disminuyen en Marcahuasi, Asillo, Molinopata
y Ccarccatera. La asignación de tierra para las actividades bajo riego como las
hortalizas y legumbres, cebada, frejol, camote y palta disminuyen en Marcahuasi,
Canal B Pachachaca y Moyocorral Baja. Aquellas actividades de secano y bajo
riego como la papa y el maíz (ambas se obtienen dos cosechas al año conocidas
como campaña grande y campaña chica) presentan una disminución en su superficie
cosechada tanto en Marcahuasi como Moyocorral Baja. Algunas actividades como
la alfalfa y el maíz amarillo son utilizadas como insumo (alimento de cuyes, aves
u otros animales de corral), donde la variación de superficie bajo riego y secano
afectaría indirectamente a dichas actividades económicas. Aunque existe un aumento
de superficie de secano en el escenario de cambio climático en algunas comunidades,
70 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

esto no compensa la reducción de superficie bajo riego, donde hay una disminución
de superficie agrícola total igual a -6,42 %, 10,29 ha menos. Comparando los
resultados con otros estudios aplicados en la región, como Chile (Ponce et al., 2017;
Ponce et al., 2015; Ponce et al., 2014), el impacto del cambio climático provoca una
disminución de la tierra asignada tanto de secano como bajo riego, mientras que, en
la cuenca de Mariño el impacto es más acentuado sobre las tierras bajo riego que la
de secano (esta situación podría ser resultado del manejo de una variedad de cultivos
que se adaptan más fácilmente, situación que podría evaluarse en otros estudios).

CUADRO 1
Cambios en la superficie agrícola (ha)

Escenario BL Escenario yw_cc Var. % Var. %

Comunidad
Secano Riego Secano Riego Secano Riego Superficie total

Ccorhuani_1 0.00 1,45 0,00 1,27 0,00 -12,28 -12,28

Llanucancha_ 3,20 6,84 3,20 5,89 0,00 -13,96 -9,51
Marcahuasi 1,15 1,99 1,16 1,81 1,29 -9,17 -5,34
Ayaorcco 2,37 4,55 2,38 3,93 0,00 -13,64 -8,96
Asillo 3,10 2,85 3,13 2,49 1,08 -12,52 -5,43
Ccanabamba 1,80 8,88 1,80 7,91 0,00 -10,83 -9,00
Huayllabamba 0,00 2,04 0,00 1,69 0,00 -17,09 -17,09
Molinopata 9,05 7,09 10,26 5,88 13,39 -17,09 0,00
San_Antonio 1,05 7,49 1,05 6,55 0,00 -12,59 -11,04
Aymas 0,00 2,98 0,00 2,52 0,00 -15,60 -15,60
Ccarccatera 7,45 3,07 7,62 2,54 2,24 -17,09 -3,40
Paltaipata 0,00 2,98 0,00 2,98 0,00 0,00 0,00
Illanya 0,00 1,86 0,00 1,86 0,00 0,00 0,00
Trujipata 0,00 5,39 0,00 5,38 0,00 0,00 0,00
Imponeda_Quitasol 0,00 18,72 0,00 18,72 0,00 0,00 0,00
Sahuanay_Maucacalle_Pantillay_
3,02 6,37 3,02 5,28 0,10 -17,09 -11,57
Antabamba
Moyocorral_Alta 0,00 2,68 0,00 2,30 0,00 -14,03 -14,03
Canal_B_Pachachaca 2,90 9,65 2,90 9,65 0,00 0,00 0,00
Condado_Yuranpata_Curanguyoc 0,00 6,61 0,00 5,40 0,00 -18,31 -18,31
San_Gabriel 0,00 5,53 0,00 4,77 0.00 -13,80 -13,80
Marcamarca 0,00 7,13 0,00 6,55 0,00 -8,17 -8,17
Moyocorral_Baja 0,00 9,02 0,00 8,07 0,00 -10,53 -10,53
Total 35,09 125,17 36,52 113,44 4,08 -9,37 -6.43

Fuente: Elaboración propia.

Modelamiento hidro-económico de los efectos del cambio climático y política… 71

3.2. Sobre la producción

Bajo el escenario de cambio climático (yw_cc), se da una disminución en la

producción total en -7,86 % respecto al escenario de referencia sin cambio climático
(BL), pasando de 1.141,47 toneladas a 1.051,79 toneladas. La actividad de mayor
importancia es la alfalfa con 617,89 tn en el escenario de referencia sin cambio
climático (BL) y una disminución del -13,54 % en el de cambio climático (yw_cc);
dicha actividad es sembrada en la mayoría de las comunidades a excepción de San
Gabriel y Tamburco. La siguiente actividad de mayor importancia es la palta, cuya
producción no se vería afectada por el cambio climático. Sobre las actividades
papa y maíz, presentan una disminución de -1,70 % y -1,07 %, respectivamente,
en el escenario yw_cc respecto a BL. Respecto al pepinillo, zanahoria y lechuga,
presentan una mayor disminución en su producción de -27,65 %, -12,78 % y
-18,12 % respectivamente. Mientras que el haba (actividad introducida, pero de
manejo ancestral) aumenta su nivel de producción en 2,52 %. El brócoli y la vainita
no presenta variación. El cambio climático tendrá consecuencias desiguales en las
comunidades. Por ejemplo, la producción de alfalfa disminuye en la mayoría de las
comunas (Ccorhuani, Llanuncancha, Marcahuasi, Ayaorcco, Asillo, Ccanabamba,
Huayllabamba, Molinopata, San Antonio, Aymas, Ccarccatera, Sahuanay–
Maucacalle–Pantillay–Antabamba, Moyocorral Alta, Condado–Yuranpata–
Curanguyoc, Marcamarca y Moyocorral Baja) en 15,37 % menos. Las comunidades
Paitaipata, Illanya, Trujipata, Imponeda - Quitasol y Canal B Pachachaca no
presentan cambios en su nivel de producción.

3.3. Sobre el recurso hídrico

Sobre la dotación total de agua en el escenario de referencia es igual a

104.743,33 m3, el cual disminuye un -17,09 % (86.842,70 m3) en el escenario de
cambio climático, equivalente al escenario RCP 2.6. Respecto a la demanda y
suministro del agua a nivel de las comunidades, estos presentan comportamientos
diferenciados, donde en algunos casos la demanda es mayor que la oferta de
agua, esta situación evidencia una brecha, la cual se puede compensar mediante la
transferencia de agua de una comunidad a otra, aguas arriba hacia aguas abajo (tal
cual se muestra el flujo en los Gráficos 1 y 3).

Siete de las veintitrés comunas transfieren a otras aguas abajo un total de 12.484,88 m3.
Esta transferencia de agua es impulsada por las diferencias en la productividad
del agua entre comunas. Las comunidades Llanuncancha y Marcahuasi, las cuales
presentan una reducción de sus tierras bajo riego (de -13,96 %, 5,88 ha menos, y
-9,17 %, 1,81 ha menos, respectivamente) en el escenario yw_cc, representan el
41,91 % (5.233,51 m3) de la transferencia de agua. Al darse la transferencia de agua,
se da un incremento del agua disponible para riego. El Cuadro 2, para un escenario
de cambio climático, muestra la dotación de agua obtenida mediante la aplicación
72 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

del SWAT, el agua puesta en la parcela (ajustado a una eficiencia de transporte de

60 %), el agua disponible (dotación de agua más el agua transferida ajustada por la
eficiencia de transporte), el agua utilizada para el riego, el agua no utilizada – ANU
(agua disponible menos el agua utilizada).

CUADRO 2
Indicadores de Gestión del Recurso Hídrico en un escenario de cambio
climático (m3)

Agua
Uso de
Comunidades DA puesta en AD ANU
agua
parcela
Ccorhuani_1 1.051,89 631,13 631,13 631,13 0,00
Llanucancha_ 4.593,94 2.756,36 2.756,36 2.640,94 192,37
Marcahuasi 1.161,67 697,00 697,00 697,00 5.041,13
Ayaorcco 2.903,26 1.741,96 1.741,96 1.741,96 0,00
Asillo 2.155,25 1.293,15 1.293,15 1.293,15 0,00
Ccanabamba 5.762,28 3.457,37 3.572,79 3.457,37 0,00
Huayllabamba 2.151,49 1.290,89 1.290,89 1.290,89 0,00
Molinopata 7.484,82 4.490,89 4.490,89 4.490,89 0,00
San_Antonio 4.580,61 2.748,36 2.748,36 2.748,36 0,00
Aymas 2.073,81 1.244,28 1.244,28 1.244,28 0,00
Ccarccatera 3.237,26 1.942,36 1.942,36 1.942,36 0,00
Paltaipata 3.145,95 1.887,57 4.912,25 2.276,65 1.872,10
Illanya 1.958,30 1.174,98 2.298,24 1.417,17 2.116,91
Trujipata 2.721,91 1.633,14 1.969,82 1.969,78 0,08
Imponeda_Quitasol 10.382,02 6.229,21 7.849,90 7.513,22 561,14
Sahuanay_Maucacalle_Pantillay_Antabamba 6.728,95 4.037,37 4.037,37 4.037,37 0,00
Moyocorral_Alta 2.272,21 1.363,33 1.363,33 1.363,33 0,00
Tamburco_ 0,00 0,00 0,00
Canal_B_Pachachaca 6.247,89 3.748,74 5.018,88 4.521,45 2.701,15
Condado_Yuranpata_Curanguyoc 3.334,60 2.000,76 2.000,76 2.000,76 0,00
San_Gabriel 2.776,03 1.665,62 1.665,62 1.665,62 0,00
Marcamarca 3.048,72 1.829,23 1.829,23 1.944,66 0,00
Moyocorral_Baja 7.069,86 4.241,91 4.241,91 4.241,91 0,00

Fuente: Elaboración propia.

Para algunas comunidades, la transferencia de agua (ANU) es muy relevante; por

ejemplo, Paltaipata recibe agua transferida desde Marcahuasi incrementando el agua
disponible para riego, en 2,62 % pasando de 4.912,25 m3 a 5.041,13 m3, mientras
que, Illanya al recibir de Marcahuasi incrementa su agua disponible en 219,35 %
pasando de 2.298,24 m3 a 5.041,13 m3. Sin embargo, la dotación de agua de riego de
Modelamiento hidro-económico de los efectos del cambio climático y política… 73

Marcahuasi es 1.161,67 m3, menor a su agua no utilizada, esto es porque Marcahuasi

recibe transferencias de agua de Asillo, Marcamarca y otras comunidades aguas
arriba (de acuerdo a la lógica del Gráfico 1 y 3), siendo su demanda de agua igual
al 60 % (697 m3) de su dotación. Marcahuasi bajo el escenario yw_cc, presenta
una reducción de su área bajo riego en un -9 % y ANU de 5.041,13 m3. Por otro
lado, Paltaipata no modifica su tierra bajo riego gracias a la transferencia de agua
manteniendo su misma productividad. El Gráfico 5 muestra la dinámica de gestión de
los recursos hídricos en el escenario de cambio climático.

GRÁFICO 5
Dinámica de la gestión de los recursos hídricos (km3)

35.000

30.000

25.000

20.000

15.000

10.000

5.000

0
Ccanabamba-A

Marcahuasi-A
Condado_Yuranpata

Aymas-M

Paltaipata-B
Llanucancha_A

San_Antonio-A
Sahuanay_Maucacalle_Pantillay

Marcamarca-A

Moyocorral_Alta-A

Moyocorral_Baja-A

Molinopata-M

Imponeda_Quitasol-M

San_Gabriel-B

Illanya-B
Asillo-A

Trujipata-A

Ccarccatera-A
Ccorhuani_A

_Antabamba-A

Canal_B_Pachachaca-B
_Curanguyoc-A
Huayllabamba-A

Tamburco_M
Ayaorcco-A

Agua puesta en la parcela Agua disponible Uso de agua Agua no utilizada Dotación de Agua

(A: alta, M: media, B: baja).

Fuente: Elaboración propia

3.4. Sobre los ingresos

Al optimizar los ingresos, los agricultores adaptarán sus prácticas agrícolas

(sistemas agrícolas) con el objetivo de minimizar los impactos económicos del
cambio climático, bajo restricciones de asignación de tierra y disponibilidad del
recurso hídrico (Buytaert et al., 2011; Rolando et al., 2017). Del total de actividades,
74 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

son consideradas como nativas: variedades de papa, variedades de maíz (maíz

amiláceo, maíz morado, choclo, maíz amarillo) y cebada.

Para el escenario de cambio climático, se espera una reducción del nivel de ingresos
totales en -3,66 % (13,52 miles de $), mientras que, a nivel comunitario, la mayoría de
ellas presenta una disminución en sus ingresos, siendo las más afectadas Moyocorral
Baja, San Gabriel, Huayllabamba, Ccanabamba con -13,62 %, -12,08 %, -13,05 % y
-10,02 %, respectivamente (Cuadro 3). Mientras que Canal B Pachachaca, Imponeda
– Quitasol, Trujipata, Illanya, Paltaipata no sufren cambios en sus ingresos en el
escenario yw_cc.

CUADRO 3
Ingresos (Miles de soles) y cambio porcentual (%)

BL yw_cc
Comunidad Var. %
(miles de $) (miles de $)

Ccorhuani_1 1,31 1,24 -5,73

Llanucancha_ 13,52 12,37 -8,52
Marcahuasi 7,68 7,60 -0,99
Ayaorcco 8,34 7,69 -7,87
Asillo 7,94 7,67 -3,38
Ccanabamba 17,25 15,52 -10,02
Huayllabamba 4,27 3,72 -13,05
Molinopata 21,97 21,27 -3,17
San_Antonio 9,49 9,05 -4,70
Aymas 6,22 5,89 -5,32
Ccarccatera 17,08 15,68 -8,22
Paltaipata 8,01 8,01 0,00
Illanya 3,18 3,18 0,00
Trujipata 7,55 7,55 0,00
Imponeda_Quitasol 38,01 38,01 0,00
Sahuanay_Maucacalle_Pantillay_Antabamba 10,18 9,24 -9,23
Moyocorral_Alta 3,62 3,33 -7,88
Canal_B_Pachachaca 131,86 131,86 0,00
Condado_Yuranpata_Curanguyoc 9,36 8,83 -5,71
San_Gabriel 15,13 13,30 -12,08
Marcamarca 11,27 10,95 -2,80
Moyocorral_Baja 16,36 14,13 -13,62

Fuente: Elaboración propia.

Modelamiento hidro-económico de los efectos del cambio climático y política… 75

Bajo el escenario de yw_cc, aproximadamente el 50 % de las comunidades

son vulnerables económicamente, a excepción de Paltaipata, Trujipata, Illanya,
Imponeda-Quitasol y Canal B-Pachachaca. Por ejemplo, la papa y sus variedades
(Rolando et al., 2017; de Haan, 2009), son los cultivos que menos ingresos genera
en la zona andina, sin embargo, son cultivos que no presentan disminuciones en su
producción al igual que el maíz y el haba. Los ingresos provenientes de la producción
de alfalfa (actividad principal en la microcuenca) disminuyeron en las comunas
Llanuncancha, Marcahuasi, Ccanabamba, Molinopata, Condado–Yuranpata–
Curanguyoc, San Gabriel y Moyocorral Baja en el orden de -21,64 %, -15,01 %,
-19,03 %, -15,67 %, -42,36 %, -25,60 % y -18,98 %, respectivamente. Existen
menores impactos en los ingresos, -0,14 % proveniente de la producción de cebada
en Ccanabamba. Llanucancha y Ayaorcco son ligeramente afectados en sus ingresos
en -0,15 % y -1,43 %, respectivamente. Por otro lado, Marcahuasi, Molinopata,
Ccarccatera, Moyocorral Baja logran incrementar sus ingresos debido a la venta de
maíz amarillo en 0,06 %, 9,44 %, 0,10 % y 4,92 %, respectivamente; Ccarccatera,
con el haba, muestra un aumento de 0,16 %. San Gabriel, con el pepinillo, aumenta
sus ingresos en 25,6 %.

3.5. La política aplicada

La política sectorial del gobierno peruano, aplicada a través del Ministerio de

Desarrollo Agrario y Riego (MIDAGRI) ha implementado una serie de medidas en
torno al agua destinada a reducir la vulnerabilidad de la agricultura andina frente al
cambio climático, las cuales fueron insuficientes (Rolando et al., 2017; Garibaldi
et al., 2017; Rose et al., 2019). Se consideró como parte del análisis la simulación
de una política, donde se evalúa las consecuencias económicas de una mayor
eficiencia en el transporte del agua (pasando de un 60 % a 72 %), consecuencia
del mejoramiento en el mantenimiento de los canales para reducir las pérdidas
de filtración como política de fortalecimiento de las actividades de operación y
mantenimiento de canales en el marco de la política de Infraestructura Natural para la
Seguridad Hídrica. La transferencia de agua a través de las comunidades disminuirá
en -72,7 %, pasando de 12.484,88 m3 con cambio climático a 3.408,39 m3 después de
aplicar la política. Asimismo, la superficie de secano disminuye en -3,73 %, mientras
que la de riego aumenta en 10,08 %. La nueva asignación de tierras beneficia a la
producción agrícola con un aumento de 8,29 % (87,14 miles de toneladas más). La
aplicación de la política reducirá las pérdidas económicas de la microcuenca debido
al cambio climático, de una reducción de 3,66 % equivalente a 13,52 miles de $
menos (escenario sin política) a un aumento de 5,18 % equivalente a 18,45 miles de $
adicional (escenario con política), obteniendo un beneficio neto de ambos escenarios
para la microcuenca igual a 4,93 miles de $ adicional.

El Gráfico 6 muestra que los impactos económicos de la política del agua según
actividades, en comparación con el escenario sin política con cambio climático,
se revierte la situación de pérdidas económicas, donde se presenta incrementos
76 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

en los ingresos de 15,40 %, 14,61 %, 13,46 % y 10,82 % para Moyocorral Baja,

Huayllabamba, San Gabriel y Ccanabamba, respectivamente. Los productores de
Alfalfa en Moyocorral Baja aumentan sus ingresos en 22,57 % y Huayllabamba en
14,61 %; en maíz amarillo en San Gabriel aumentan en 2,14 %; en el pepinillo en San
Gabriel aumentan en 32,82 %. El impacto del cambio climático bajo el escenario sin
política en Molinopata (comunidad con mayor superficie bajo riego) es más intenso,
siendo la más afectada.

GRÁFICO 6
Impactos económicos por escenario

Escenario sin política Escenario con política

2 5 14 35

0 0 12 30

-2 10 25
-5

-4 8 20
-10
-6 6 15
-15
-8 4 10
-20
-10 2 5

-12 -25 0 0

-14 -30 -2 -5
Alfalfa
Pepinillo
Maíz-amilaceo
Camote
Tomate
Zanahoria
Alverja
Lechuga
Frejol
Papa
Cebada forrajera
Maíz choclo
Vainita
Brocoli
Palta fuerte
Haba
Maíz amarillo

Alfalfa
Pepinillo
Maíz-amilaceo
Camote
Tomate
Zanahoria
Alverja
Lechuga
Frejol
Papa
Cebada forrajera
Maíz choclo
Vainita
Brocoli
Palta fuerte
Haba
Maíz amarillo

Sin política (Miles de $) Sin política (Var. %) Con política (Miles de $) Con política (Var. %)

Fuente: Elaboración propia.

El Cuadro 4 consolida las respuestas adaptativas de las comunidades a causa del

cambio climático. Por ejemplo, las comunidades Paltaipata, Illanya, Trujipata,
Imponeda-Quitasol y Canal B-Pachachaca presentan una reducción de superficie sin
cambios en el nivel de ingresos y producción; esto podría ser gracias a la presencia de
cultivos tradicionales como la papa, maíz y haba dado que se considera que los Andes
son un centro de origen y diversidad para numerosas especies de cultivos (NRC,
1989), incluida la papa y el maíz (Spooner et al., 2007; Spooner et al., 2005; de
Haan et al., 2010). En ese sentido, se podría decir que una política de agua enfocada
en la gestión de este tipo de cultivos podría ser una alternativa interesante para
enfrentar los impactos del cambio climático y compensar las pérdidas de ingresos.
Modelamiento hidro-económico de los efectos del cambio climático y política… 77

San Gabriel y Moyocorral Baja disminuyen sus ingresos y producción sin cambios
en la superficie, donde podría dedicarse esfuerzos a fin de reducir sus impactos en
el nivel de producción para mejorar el nivel ingresos, una opción, es la rotación de
actividades (Barrios, 2007; Dietze et al., 2019). Ayaorcco, Ccanabamba, Ccarccatera,
Sahuanay–Maucacalle–Pantillay–Antabamba y Moyocorral Alta, quienes se ven
más afectados en sus ingresos, superficie y producción, es posible que requieran
implementar políticas más integradas como ampliación de frontera agrícola, rotación
de actividades u otros (IPCC, 2013; Garibaldi et al., 2017; Rose et al., 2019; Ponce et
al., 2017; Ponce et al., 2015; Ponce et al., 2014; Varela-Ortega, 2007).

CUADRO 4
Resultados principales del impacto del cambio climático (%)

Comunidad Var. Ingresos Var. Superficie Var. Producción

Ccorhuani_1 -5,7 -12,28 -15,72
Llanucancha_ -8,5 0,00 -14,62
Marcahuasi -1,0 -17,09 -2,62
Ayaorcco -7,9 -14,03 -15,61
Asillo -3,4 0,00 -9,95
Ccanabamba -10,0 -15,60 -11,84
Huayllabamba -13,0 -5,34 -17,09
Molinopata -3,2 0,00 -5,68
San_Antonio -4,7 -13,80 -9,00
Aymas -5,3 -5,43 -15,51
Ccarccatera -8,2 -18,31 -11,41
Paltaipata 0,0 -8,96 0,00
Illanya 0,0 -8,17 0,00
Trujipata 0,0 -11,04 0,00
Imponeda_Quitasol 0,0 -10,53 0,00
Sahuanay_Maucacalle_Pantillay_Antabamba -9,2 -11,57 -15,08
Moyocorral_Alta -7,9 -9,51 -16,92
Canal_B_Pachachaca 0,0 -3,40 0,00
Condado_Yuranpata_Curanguyoc -5,7 -9,00 -14,48
San_Gabriel -12,1 0,00 -15,30
Marcamarca -2,8 0,00 -9,41
Moyocorral_Baja -13,6 0,00 -16,23

Fuente: Elaboración propia.

78 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

4. Conclusiones

La presente investigación busca contribuir al análisis de los impactos del cambio

climático y la respuesta adaptativa en la agricultura andina y familiar con presencia
de cultivos transitorios y permanentes varios de los cuales son originarios como
la papa, quinua y maíz, que se producen tanto en sistemas de secano y de riego
vinculada a prácticas agrícolas ancestrales donde el modelamiento hidroeconómico
permitió aproximar la dimensión de los impactos del cambio climático y los efectos
de la aplicación de una política, donde la microcuenca es altamente vulnerable dado
que presenta reducciones en el nivel de ingresos, producción y superficie agrícola.
Los resultados obtenidos son consistentes con la literatura existente en lo referido
a las actividades bajo riego que enfrentan grandes impactos del cambio climático,
mientras que algunas actividades de secano no se ven afectadas como los cultivos de
papa, maíz y haba. Estos resultados son relevantes para los tomadores de decisiones
para el diseño de medidas de adaptación al cambio climático. Al aplicarse una
política de agua, se da resultados positivos a nivel en toda la microcuenca dado
que se compensa las pérdidas económicas generadas por el cambio climático. La
política está orientada a una mayor eficiencia en el uso del agua en los canales;
por tal, se recomienda modelar políticas complementarias e integrales para reducir
la vulnerabilidad de los agricultores los cuales tomando en cuenta la conservación
de las tierras y los cultivos originarios, así como las buenas prácticas ancestrales.
Finalmente, es previsible que la población urbana seguirá incrementándose y con
ello la demanda de alimentos produciéndose una modificación del espacio territorial,
debido a que los agricultores deben tomar decisiones en función de sus resultados
económicos; en ese sentido, la presente investigación provee resultados y una
aplicación metodológica que contribuya al diseño de políticas adaptativas frente al
cambio climático en la zona andina o sistemas agrícolas con características similares
además de reducir la agricultura en condiciones de subsistencia.

Referencias

Alexandra, J. (2017). “Risks, Uncertainty and Climate Confusion in the Murray–

Darling Basin Reforms”. Water Economics and Policy, 3(3), 1650038. https://doi.
org/10.1142/S2382624X16500387
ANA. (2014). Inventario de lagunas y glaciares. Obtenido de: Autoridad Nacional
del Agua (ANA): http://www.ana.gob.pe/sites/default/files/normatividad/files/
inventario_de_lagunas_del_peru_parte1.pdf
Arjoon, D., Mohamed, Y., Goor, Q. & Tilmant, A. (2014). “Hydro-economic risk
assessment in the eastern Nile Riverbasin”. Water Resources and Economics, 8,
16-31. https://doi.org/10.1016/j.wre.2014.10.004
Arnold, J., Srinivasan, R., Muttiah, R. & Williams, J. (1998). “Large area
hydrologic modeling and assessment part I: Model development”. Journal
of the American Water Resources Association, 34(1), 73-89. https://doi.
org/10.1111/j.1752-1688.1998.tb05961.x
Modelamiento hidro-económico de los efectos del cambio climático y política… 79

Barrios, E. (2007). “Soil biota, ecosystem services and land productivity”. Ecological
Economics, 64(2), 269-285. https://doi.org/10.1016/j.ecolecon.2007.03.004
Bates, B., Kundzewicz, Z., Wu, S. & Palutikof, J. (2008). Climate Change and
Water. Technical Paper of the Intergovernmental Panel on Climate Change.
Ginebra, Suiza: Intergovernmental Panel on Climate Change (IPCC).
Bekchanov, M., Sood, A. & Jeuland, M. (2015). Review of Hydro-Economic Models
to Address River Basin Management Problems: Structure, Applications and
Research Gaps. Colombo, Sri Lanka: International Water Management Institute.
Bekchanov, M., Sood, A., Pinto, A. & Jeuland, M. (2017). “Systematic Review
of Water-Economy Modeling Applications”. Water Resources Planning and
Management, 143(8), 0401703. https://doi.org/10.1061/(ASCE)WR.1943-
5452.0000793
Blanco, M., Cortignani, R. & Severini, S. (2008). “Evaluating changes in cropping
patterns due to the 2003 CAP reform. An ex-post analysis of different PMP
approaches considering new activities”. Comunicación presentada al 107th EAAE
Seminar Modelling of Agricultural and Rural Development Policies, Sevilla.
Blanco-Gutiérrez, I., Varela-Ortega, C. & Purkey, D. (2013). “Integrated assessment
of policy interventions for promoting sustainable irrigation in semi-arid
environments: A hydro-economic modeling approach”. Journal of Environmental
Management, 128, 144-160. https://doi.org/10.1016/j.jenvman.2013.04.037
Brouwer, R. & Hofkes, M. (2008). “Integrated hydro-economic modelling:
Approaches, key issues and future research directions”. Ecological Economics,
66(1), 16-22. https://doi.org/10.1016/j.ecolecon.2008.02.009
Buytaert, W., Cuesta-Camacho, F. & Tobón, C. (2011). “Potential impacts of
climate change on the environmental services of humid tropical alpine regions”.
Agriculture, Ecosystems and Environment, 20(1), 19-33. https://doi.org/10.1111/
j.1466-8238.2010.00585.x
Cai, X. (2008). “Implementation of holistic water resources-economic optimization
models for river basin management–reflective experiences”. Environmental
Modelling & Software, 23(1), 2-18. https://doi.org/10.1016/j.envsoft.2007.03.005
Cai, X., & Wang, D. (2006). “Calibrating holistic water resources-economic models”.
Journal of Water Resources Planning and Management, 132(6), 414-423. https://
doi.org/10.1061/(ASCE)0733-9496(2006)132:6(414)
Cai, X., McKinney, D. & Rosegrant, M. (2003). “Sustainability analysis for irrigation
water management in the Aral Sea region”. Agricultural Systems, 76(3), 1043-
1066. https://doi.org/10.1016/S0308-521X(02)00028-8
CAN. (2008). Reconversión Productiva de la Agricultura. Obtenido de: Programa
Seguridad Alimentaria y Desarrollo Regional. Secretaria General de la Comunidad
Andina: http://www.comunidadandina.org/StaticFiles/20116616820libro_
agricultura.pdf
80 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

Clay, N. & Zimmerer, K. (2020). “Who is resilient in Africa’s Green Revolution?

Sustainable intensification and Climate Smart Agriculture in Rwanda”. Land Use
Policy, 97, 104558. https://doi.org/10.1016/j.landusepol.2020.104558
Condori, E. (2016). Evaluación Hidrogeológica de la Microcuenca Mariño –
Apurimac. Obtenido de: Universidad Nacional del Altiplano: https://renati.
sunedu.gob.pe/handle/sunedu/3225534
Cunha, M., Zeferino, J., Simões, N. & Saldarriaga, J. (2016). “Optimal location
and sizing of storage units in a drainage system”. Environmental Modelling &
Software, 83, 155-166. https://doi.org/10.1016/j.envsoft.2016.05.015
D´Agostino, D., Scardigno, A., Lamaddalena, N. & El Chami, D. (2014). “Sensitivity
Analysis of Coupled Hydro-Economic Models: Quantifying Climate Change
Uncertainty for Decision-Making”. Water Resources Management, 28, 4303-
4318. https://doi.org/10.1007/s11269-014-0748-2
de Haan, S. (2009). Potato Diversity at Height: Multiple Dimensions of Farmer-
driven In-situ Conservation in the Andes. Obtenido de: Wageningen University:
https://edepot.wur.nl/2715
de Haan, S., Núñez, J., Bonierbale, M. & Ghislain, M. (2010). “Multilevel
Agrobiodiversity and Conservation of Andean Potatoes in Central Peru”.
Mountain Research and Development, 30(3), 222-231. http://dx.doi.org/10.1659/
MRD-JOURNAL-D-10-00020.1
Dietze, V., Hagemann, N., Jürges, N., Bartke, S. & Fürst, C. (2019). “Farmers
consideration of soil ecosystem services in agricultural management - A case
study from Saxony, Germany”. Land Use Policy, 81, 813-824. https://doi.
org/10.1016/j.landusepol.2018.11.003
Dowlatabadi, H. (1995). “Integrated assessment models of climate change:
An incomplete overview”. Energy Policy, 23(4-5), 289-296. https://doi.
org/10.1016/0301-4215(95)90155-Z
Downing, T. (2012). “Views of the frontiers in climate change adaptation economics”.
WIREs Climate Change, 3(2), 161-170. https://doi.org/10.1002/wcc.157
Esteban, E. & Albiac, J. (2012). “El problema de la gestión sostenible de las aguas
subterráneas: el caso de los acuíferos de La Mancha, España”. Hydrogeology
Journal, 20, 851-863. https://doi.org/10.1007/s10040-012-0853-3
Esteban, E. & Dinar, A. (2013). “Cooperative Management of Groundwater
Resources in the Presence of Environmental Externalities”. Environmental and
Resource Economics, 54, 443-469. https://doi.org/10.1007/s10640-012-9602-2
Esteve, P., Varela-Ortega, C., Blanco-Gutiérrez, I. & Downing, T. (2015). “A
hydro-economic model for the assessment of climate change impacts and
adaptation in irrigated agriculture”. Ecological Economics, 120, 49-58. https://
doi.org/10.1016/j.ecolecon.2015.09.017
FAO. (2000). La gestión integrada de la diversidad biológica para la alimentación
y agricultura en la FAO. Obtenido de: FAO - Biodiversidad para la agricultura:
http://www.fao.org/3/i0112s/i0112s.pdf
Modelamiento hidro-económico de los efectos del cambio climático y política… 81

Field, C., Barros, V., Dokken, D.J, Mach, K. & Mastrandrea, M. (2014). Climate
change 2014: Impacts, adaptation, and vulnerability. Working Group II to the
Fifth Assessment Report of the Intergovernmental Panel on Climate Change.
Cambridge, Reino Unido: Cambridge University Press.
Freeze, R., Massmann, J., Smith, L., Sperling, T. & James, B. (1990).
“Hydrogeological Decision Analysis: 1. A Framework”. Groundwater, 28(5),
738-766. https://doi.org/10.1111/j.1745-6584.1990.tb01989.x
Garibaldi, L., Gemmill-Herren, B., D’Annolfo, R., Graeub, B., Cunningham, S. &
Breeze, T. (2017). “Farming Approaches for Greater Biodiversity, Livelihoods,
and Food Security”. Trends in Ecology & Evolution, 31(1), 68-80. http://dx.doi.
org/10.1016/j.tree.2016.10.001
Ghadimi, S. & Ketabchi, H. (2019). “Possibility of cooperative management in
groundwater resources using an evolutionary hydro-economic simulation-
optimization model”. Journal of Hydrology, 578, 124094. https://doi.
org/10.1016/j.jhydrol.2019.124094
Gonzáles, J. & Velasco, R. (2008). “Evaluation of the impact of climatic change
on the economic value of land in agricultural systems in Chile”. Chilean
Journal of Agricultural Research, 68(1), 56-68. http://dx.doi.org/10.4067/S0718-
58392008000100006
GORE. (2010). Caracterización ecológica económica de la microcuenca Mariño.
Memoria Estudio Zonificación Económica Ecológica Mariño. Abancay, Perú:
Gobierno Regional de Apurimac.
Gorelick, S. & Zheng, C. (2015). “Global change and the groundwater management
challenge”. Water Resources Research, 51(5), 3031-3051. https://doi.
org/10.1002/2014WR016825
Graveline, N., Majone, B., Van Duinen, R. & Ansink, E. (2014). “Hydro-economic
modeling of water scarcity under global change: An application to the Gállego
river basin (Spain)”. Regional Environmental Change, 14, 119-132. https://doi.
org/10.1007/s10113-013-0472-0
Haghighatafshar, S., Yamanee-Nolin, M., Klinting, A., Roldin, M., Gustafssond,
L.-G., Aspegren, H. & Jönsson, K. (2019). “Hydroeconomic optimization of
mesoscale blue-green stormwater systems at the city level”. Journal of Hydrology,
578, 124125. https://doi.org/10.1016/j.jhydrol.2019.124125
Harou, J. & Lund, J. (2008). “Ending groundwater overdraft in hydrologic-economic
systems”. Hydrogeology Journal, 16, 1039-1055. https://doi.org/10.1007/
s10040-008-0300-7
Harou, J., Pulido-Velazquez, M., Rosenberg, D., Medellín-Azuara, J., Lund, J. &
Howitt, R. (2009). “Hydro-economic models: Concepts, design, applications,
and future prospects”. Journal of Hydrology, 375(3-4), 627-643. https://doi.
org/10.1016/j.jhydrol.2009.06.037
82 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

Heckelei, T. (2002). Calibration and estimation of programmingmodels for

agricultural supply analysis. Obtenido de: University of Bonn: http://www.ilr.
uni-bonn.de/agpo/staff/heckelei/heckelei_hab.pdf
Heckelei, T. & Britz, W. (2005). “Models based on positive mathematical
programming: State of the art and further extensions”. Comunicación presentada
en la 89th European Seminar of the EAAE, Parma.
Henry de Frahan, B. (2019). “Towards Econometric Mathematical Programming
for Policy Analysis”. En Msangi, S. & MacEwan, D. (eds): Applied Methods
for Agriculture and Natural Resource Management (pp. 11-36). Cham, Suiza:
Springer Nature Switzerland.
Howitt, R. (1995). “Positive mathematical-programming”. American Journal of
Agricultural Economics, 77(2), 329-342. https://doi.org/10.2307/1243543
Howitt, R., MacEwan, D., Medellín-Azuara, J. & Lund, J. (2010). Economic
modeling of agriculture and water in California using the statewide agricultural
production model. Obtenido de: University of California: https://citeseerx.ist.
psu.edu/document?repid=rep1&type=pdf&doi=58ab30a064c197c67845fb05b53
71f8470598846
Huang, J., Wang, W., Cui, X., Wang, D., Liu, W., Liu, X. & Wang, S. (2019).
“Environmental risk-based hydroeconomic evaluation for alluvial aquifer
management in arid river basin”. Science of the Total Environment, 711, 134655.
https://doi.org/10.1016/j.scitotenv.2019.134655
Hurd, B.H. (2015). “Concepts and methods for assessing economic impacts from
climate change on water resources”. En Dinar, A. & Schwabe, K. (Eds.):
Handbook of WaterEconomics (pp. 56-68). Cheltenham, Reino Unido: Edward
Elgar Publishing.
INEI. (2018). IV Censo Nacional Agropecuario 2012. Obtenido de: Insituto Nacional
de Estadística e Informática: http://censos.inei.gob.pe/cenagro/tabulados/
IPCC. (2013). Climate change 2013: The physical science basis. Contribution of
working group I to the fifth assessment report of the intergovernmental panel
on climate change. Cambridge, Reino Unido, and New York, Estados Unidos:
Cambridge University Press.
IPCC. (2014). Climate change 2014: impacts, adaptation, and vulnerability. Part
A: global and sectoral aspects. Contribution ofworking group II to the fifth
assessment report of the intergovernmental panel on climate change. Cambridge,
Reino Unido, and New York, Estados Unidos: Cambridge University Press.
Jenkins, M., Lund, J., Howit, R., Draper, A., Msangi, S., Tanaka, S., Ritzema, R. &
Marques, G. (2004). “Optimization of California’s Water Supply System: Results
and Insights”. Journal of water resources planning and management, 130(4),
271-280. https://doi.org/10.1061/(ASCE)0733-9496(2004)130:4(271)
Jiang, Q. & Grafton, R. (2012). “Economic effects of climate change in the
Murray–Darling Basin, Australia”. Agricultural Systems, 110, 10-16. https://doi.
org/10.1016/j.agsy.2012.03.009
Modelamiento hidro-económico de los efectos del cambio climático y política… 83

Jonkman, S., Bočkarjova, M., Kok, M. & Bernardini, P. (2008). “Integrated

hydrodynamic and economic modelling of flood damage in the
Netherlands”. Ecological Economics, 66(1), 77-90. https://doi.org/10.1016/j.
ecolecon.2007.12.022
Joyce, B., Mehta, V., Purkey, D., Dale, L. & Hanemann, M. (2011). “Modifying
agricultural water management to adapt to climate change in California`s Central
valley”. Climatic Change, 109, 299-316. https://doi.org/10.1007/s10584-011-
0335-y
Kahsay, T., Arjoon, D., Kuik, O., Brouwer, R., Tilmant, A. & der Zaag, P. (2019).
“A hybrid partial and general equilibrium modeling approach to assess the hydro-
economic impacts of large dams – The case of the Grand Ethiopian Renaissance
Dam in the Eastern Nile River basin”. Environmental Modelling & Software, 117,
76-88. https://doi.org/10.1016/j.envsoft.2019.03.007
Knowling, M., White, J., McDonald, G., Kim, J.-H., Moore, C. & Hemmings, B.
(2020). “Disentangling environmental and economic contributions to hydro-
economic model output uncertainty: An example in the context of land-use
change impact assessment”. Environmental Modelling and Software, 127,
104653. https://doi.org/10.1016/j.envsoft.2020.104653
McKinney, D., Cai, X., Rosegrant, M., Ringler, C. & Scott, C. (1999). Modeling
water resources management at the basin level: Review and future directions.
SWIM Paper No. 6. Obtenido de: International Water Management Institute
(IWMI): http://www.iwmi.cgiar.org/Publications/SWIM_Papers/PDFs/SWIM06.
PDF
Medellín-Azuara, J., Howitt, R., MacEwan, D. & Lund, J. (2011). “Economic
impacts of climate-related changes to California agriculture”. Climatic Change,
109, 387-405. https://doi.org/10.1007/s10584-011-0314-3
Meinke, H., Howden, S., Struik, P., Nelson, R., Rodriguez, D. & Chapman, S.
(2009). “Adaptation science for agriculture and natural resource management—
urgency and theoretical basis”. Current Opinion in Environmental Sustainability,
1(1), 69-76. https://doi.org/10.1016/j.cosust.2009.07.007
Mérel, P. & Howitt, R. (2014). “Theory and Application of Positive Mathematical
Programming in Agriculture and the Environment”. The Annual Review of
Resource Economics, 6, 451-470. https://doi.org/10.1146/annurev-
resource-100913-012447
MINAGRI. (2015). Estrategia Nacional de Agricultura Familiar 2015-2021”.
Obtenido de: Ministerio de Agricultura y Riego: https://www.agrorural.gob.pe/
wp-content/uploads/2016/02/enaf.pdf
MINAM. (2016). Tercera Comunicación Nacional del Perú a la Convención Marco
de las Naciones Unidas sobre el Cambio Climático. Obtenido de: Ministerio
del Ambiente: https://sinia.minam.gob.pe/documentos/tercera-comunicacion-
nacional-peru-convencion-marco-las-naciones
84 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

Momeni, M., Zakeri, Z., Esfandiari, M., Behzadian, K., Zahedi, S. & Razavi,
V. (2019). “Comparative analysis of agricultural water pricing between
Azarbaijan Provinces in Iran and the state of California in the US: A hydro-
economic approach”. Agricultural Water Management, 223, 105724. https://doi.
org/10.1016/j.agwat.2019.105724
Moraetis, D., Al Kindi, S.S., Al Saadi, S.K., Al Shaibani, A.A.R.A., Pavlopoulos,
K., Scharf, A., Mattern, F., Harrower, M.J. & Pracejus, B. (2020). “Terrace
agriculture in a mountainous arid environment – A study of soil quality and
regolith provenance: Jabal Akhdar (Oman)”. Geoderma, Volume 363, 114152.
https://doi.org/10.1016/j.geoderma.2019.114152
Moriondo, M., Bindi, M., Zbigniew, W., Kundzewicz, S. M., Chorynski, A.,
Matczak, P., Radziejewski, M., McEvoy, D. & Wreford, A. (2010). “Impact and
adaptation opportunities for European agriculture in response to climatic change
and variability”. Mitigation Adaptation Straetegie Global Change, 15, 657-679.
https://doi.org/10.1007/s11027-010-9219-0
NRC. (1989). The Lost Crops of the Incas: Little-known Plants of the Andes with
Promise for Worldwide Cultivation. Washington D.C, Estados Unidos: National
Academy Press.
Ossa-Moreno, J., McIntyre, N., Ali, S., Smart, J. & Rivera, D. (2018). “The
Hydro-economics of Mining”. Ecological Economics, 145, 368-379. https://doi.
org/10.1016/j.ecolecon.2017.11.010
ONU. (2019). Objetivos de Desarrollo Sostenible”. Obtenido de: Organización de
Naciones Unidas: https://www.un.org/sustainabledevelopment/es/objetivos-de-
desarrollo-sostenible/
Papagiannis, F., Gazzola, P., Burak, O. & Pokutsa, I. (2018). “Overhauls in water
supply systems in Ukraine: A hydro-economic model of socially responsible
planning and cost management”. Journal of Cleaner Production, 183, 358-369.
https://doi.org/10.1016/j.jclepro.2018.02.156
Peña-Haro, S., Pulido-Velazquez, M. & Sahuquillo, A. (2009). “A hydro-economic
modelling framework for optimal management of groundwater nitrate pollution
from agriculture”. Journal of Hydrology, 373(1-2), 193-203. https://doi.
org/10.1016/j.jhydrol.2009.04.024
Ponce, R., Blanco, M. & Giupponi, C. (2014). “The economic impacts of climate
change on the chilean agricultural sector: A non-linear agricultural supply
model”. Chilean Journal of Agricultural Research, 74(4), 404-412. http://dx.doi.
org/10.4067/S0718-58392014000400005
Ponce, R., Blanco, M. & Giupponi, C. (2015). “Welfare Effects of Water Variability
in Agriculture. Insights from a Multimarket Model”. Water, 7(6), 2908-2923.
https://doi.org/10.3390/w7062908
Ponce, R., Fernández, F., Stehr, A., Váquez-Lavín, F. & Godoy-Faúnez, A. (2017).
“Distributional impacts of climate change on basin communities: An integrated
modeling approach”. Regional Environmental Change, 17, 1811-1821. https://
doi.org/10.1007/s10113-017-1152-2
Modelamiento hidro-económico de los efectos del cambio climático y política… 85

ProDesarrollo. (2012). Proyecto de Gestion Integral de la Microcuenca Mariño

Abancay - Anexo 1 Estudio Hidrológico. Estudio Definitivo de los Sistemas
de Riego, U.E. Obtenido de: Pro Desarrollo Apurimac: https://es.scribd.com/
document/412895324/Anexo-1-Estudio-Hidrologico#
Pulido-Velázquez, M., Andreu, J., Sahuquillo, A. & Pulido-Velázquez, D. (2008).
“Hydroeconomic river basin modelling: The application of a holistic surface-
groundwater model to assess opportunity costs of water use in Spain”. Ecological
Economics, 66(1), 51-65. https://doi.org/10.1016/j.ecolecon.2007.12.016
Ringler, C., Von Braun, J. & Rosegrant, M. (2004). “Water policy analysis for
the Mekong River Basin”. Water International, 29(1), 30-42. https://doi.
org/10.1080/02508060408691746
Rochdane, S., Reichert, B., Messouli, M., Babqiqi, A. & Khebiza, M. (2012).
“Climate change impacts on water supply and demand in RherayaWatershed
(Morocco), with potential adaptation strategies”. Water, 4(1), 28-44. https://doi.
org/10.3390/w4010028
Roco, L., Engler, A., Bravo-Ureta, B. & Jara-Rojas, R. (2015). “Farmers’ perception
of climate change in mediterranean Chile”. Regional Environmental Change, 15,
867-879. https://doi.org/10.1007/s10113-014-0669-x
Rolando, J., Turin, C., Ramírez, D., Mares, V., Monerris, J. & Quiroz, R. (2017).
“Key ecosystem services and ecological intensification of agriculture in the
tropical high-Andean Puna as affected by land-use and climate changes”.
Agriculture, Ecosystems and Environment, 236, 221-233. https://doi.
org/10.1016/j.agee.2016.12.010
Rose, D., Sutherland, W., Barnes, A., Borthwick, F., Ffoulkes, C., Hall, C., Moorby, J.,
Nicholas-Davis, P., Twining, S. & Dicks, L. (2019). “Integrated farm management
for sustainable agriculture: Lessons for knowledge exchange and policy”. Land
Use Policy, 81, 834-842. https://doi.org/10.1016/j.landusepol.2018.11.001
Spooner, D., McLean, K., Ramsay, G., Waugh, R. & Bryan, G. (2005). “A
single domestication for potato based on multilocus amplified fragment length
polymorphism genotyping”. Proceedings of the National Academy of Sciences,
102(41), 14694-14699. https://doi.org/10.1073/pnas.0507400102
Spooner, D., Nuñez, J., Trujillo, G., Herrera, M., Guzmán, F. & Ghislain, M.
(2007). “Extensive simple sequence repeat genotyping of potato landraces
supports a major reevaluation of their gene pool structure and classification”.
Proceedings of the National Academy of Sciences, 104(49), 19398-19403. https://
doi.org/10.1073/pnas.0709796104
Tahbaz, M. (2016). “Environmental Challenges in Today’s Iran”. Iranian Studies,
49(6), 943-961. https://doi.org/10.1080/00210862.2016.1241624
Tang, J., Han, Z., Zhong, S., Ci, E. & Wei, C. (2019). “Changes in the profile
characteristics of cultivated soils obtained from reconstructed farming plots
undergoing agricultural intensification in a hilly mountainous region in southwest
China with regard to anthropogenic pedogenesis”. Catena, 180, 132-145. https://
doi.org/10.1016/j.catena.2019.04.020
86 Crispin, M.; Ponce, R.D.; Rendon, E.; Arias, E.

Tarolli, P. & Straffelini, E. (2020). “Agriculture in Hilly and Mountainous

Landscapes: Threats, Monitoring and Sustainable Management”. Geography and
Sustainability, 1(1), 70-76. https://doi.org/10.1016/j.geosus.2020.03.003
Torres, M., Maneta, M., Howitt, R., Vosti, S., Wallender, W., Bassoi, L. &
Rodrigues, L. (2012). “Economic impacts of regional water scarcity in the
São Francisco River Basin, Brazil: An application of a linked hydro-economic
model”. Environment and Development Economics, 17(2), 227-248. https://doi.
org/10.1017/S1355770X11000362
Tsur, Y., Roe, T., Dinar, A. & Doukkali, M. (2004). Pricing Irrigation Water:
Principles and Cases from Developing Countries. Washington D.C., Estados
Unidos: Resources for the Future.
Van Vuuren, D., Edmonds, J., Kainuma, M., Riahi, K., Thomson, A., Hibbard, K.,
Hurt, G., Kram, T., Krey, V., Lamarque, J.-F., Masui, T., Meinshausen, M.,
Nakicenovic, N., Smith, S. & Rose, S. (2011). “The representative concentration
pathways: An overview”. Climatic Change, 109, 5. https://doi.org/10.1007/
s10584-011-0148-z
Varela-Ortega, C. (2007). “Policy-driven determinants of irrigation development and
environmental sustainability: A case study in Spain”. En Molle, F. & Berkoff,
J. (Eds.): Irrigation water pricing policy in context: exploring the gap between
theory and practice (pp. 328-346). Oxfordshire, Reino Unido, Cambridge,
Estados Unidos: CAB International.
Varela-Ortega, C., Blanco-Gutiérrez, I., Esteve, P., Bharwani, S., Fronzek, S. &
Downing, T. (2014). “How can irrigated agriculture adapt to climate change?
Insights from the Guadiana Basin in Spain”. Regional Environmental Change, 16,
59-70. https://doi.org/10.1007/s10113-014-0720-y
Varela‐Ortega, C., Blanco‐Gutiérrez, I., Swartz, H. & Downing, T. (2011). “Balancing
groundwater conservation and rural livelihoods under water and climate
uncertainties: A hydro-economic modeling framework”. Global Environmental
Change, 21(2), 604-619. https://doi.org/10.1016/j.gloenvcha.2010.12.001
Vavilov, N. (1992). Origin and Geography of Cultivated Plants.Cambridge, Reino
Unido: Cambridge University Press.
Ventrela, D., Charfeddine , M., Moriondo, M., Rinaldi, M. & Bindi, M. (2012).
“Agronomic adaptation strategies under climate change for winter durum wheat
and tomato in southern Italy: Irrigation and nitrogen fertilization”. Regional
Environmental Change, 12, 407-419. https://doi.org/10.1007/s10113-011-0256-3
Volk, M., Hirschfeld, J., Dehnardt, A., Schmidt, G., Bohn, C., Liersch, S. & Gassman,
P. (2008). “Integrated ecological-economic modelling of water pollution
abatement management options in the Upper Ems river basin”. Ecological
Economics, 66(1), 66-76. https://doi.org/10.1016/j.ecolecon.2008.01.016
Weyant, J. (1985). “General economic equilibrium as a unifying concept in energy-
economic modeling”. Management Science, 31(5), 548-563. https://www.jstor.
org/stable/2631775
Modelamiento hidro-económico de los efectos del cambio climático y política… 87

Wheeler, T. & Von Braun, J. (2013). “Climate change impacts on global food
security”. Science, 341(6145), 508-513. https://doi.org/10.1126/science.1239402
Young, R. (2005). Determining the economic value of water: Concepts and methods.
Washington D.C., Estados Unidos: Resources for the Future.
Zischg, J., Zeisl, P., Winkler, D., Rauch, W. & Sitzenfrei, R. (2018). “On the
sensitivity of geospatial low impact development locations to the centralized
sewer network”. Water Science & Technology, 77(7), 1851-1860. https://doi.
org/10.2166/wst.2018.060