MODELO DE OPTIMIZACION ECONOMICA DEL MANEJO DEL AGUA DE RIEGO EN LAS EXPLOTACIONES AGRICOLAS: APLICACION A LA AGRICULTURA DE REGADIO DE LA PROVINCIA DE TOLEDO J.F. ORTEGA J.A. DE JUAN J.M. TARJUELO R. MERINO M. VALIENTE Centro Regional de Estudios del Agua. Instituto de Desarrollo Regional (IDR) Universidad de Castilla-La Mancha. 02071 Albacete, España

RESUMEN Tratándose el agua de un recurso escaso, así como de un factor de producción importante económicamente, y contemplando las directrices actuales de la Política Agraria Común (PAC), se ha aplicado un modelo de optimización económica de las alternativas de cultivo en una explotación agrícola tipo de la provincia de Toledo, con el fin de maximizar el beneficio económico de la explotación atendiendo al agua disponible. El modelo consta de tres submodelos. En el primero de ellos se determinan las necesidades netas de agua de los cultivos, para diferentes supuestos de déficit de evapotranspiración, evaluando su efecto sobre la producción. Posteriormente, y mediante la determinación de los márgenes brutos para cada actividad agrícola seleccionada, se obtienen los márgenes brutos máximos con sus láminas de riego (láminas óptimas). Finalmente, se consigue la solución que ofrece el retorno económico máximo de las explotaciones tipo, atendiendo a sus disponibilidades de agua. La solución obtenida por la aplicación del modelo, indica la importancia de incluir en la alternativa de cultivos especies hortícolas, en buena medida de orientación industrial, destacando el interés de desarrollar un sector agroindustrial y comercial fuerte y competitivo como solución de futuro. PALABRAS CLAVE: Funciones de producción Uniformidad de riego Modelización económica Optimización económica Gestión del agua.

INTRODUCCION Los sistemas agrícolas se caracterizan por la interdependencia y complejidad de sus componentes, y por la variabilidad y riesgo asociado a su manejo. Los agricultores actualmente están afrontando presiones económicas y medioambientales, fluctuaciones de ingreRecibido: 9-10-97 Aceptado para su publicación: 15-1-99 Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

326

J.F. ORTEGA et al.

sos año tras año debidas a las variaciones en las condiciones climáticas, y cambios en los precios y mercados. El uso de fertilizantes químicos y productos fitosanitarios son una parte esencial de una explotación moderna: representan buena parte de los costes de producción y son el principal objetivo de la crítica medioambiental. En un ambiente de incertidumbre respecto a las soluciones a adoptar, la nueva Política Agraria Común (PAC) presenta como alternativa posible el incrementar la rentabilidad económica sin producir excedentes, de esta forma los productos serán más competitivos en un mercado considerado global. De igual modo, pretende fomentar un desarrollo rural por el incremento de ingresos y niveles de empleo, reduciendo los costes de producción a través de un mejor uso de los recursos naturales, y disminuyendo el impacto negativo en el ambiente de las explotaciones agrícolas. En semejante contexto dinámico, los agricultores están obligados a cambiar sus sistemas de producción (alternativas de cultivos e itinerarios técnicos) donde el agua utilizada se debe considerar como un recurso limitado, un factor de producción y un importante “input” económico. También, el mal uso de este factor puede dar lugar a problemas medioambientales, sobre todo en aquellas zonas donde los fenómenos de desertificación y contaminación de acuíferos son hechos contrastados. Castilla-La Mancha, la tercera región más extensa de España con unos 80000 km2, es una región eminentemente agrícola (el sector agrícola supone en torno al 12 % del Producto Interior Bruto (PIB) regional, mientras que la media nacional está en 5 %). A pesar de las condiciones favorables en cuanto a la topografía, suelos y agua disponibles (ya que es cabecera de importantes cuencas: Tajo, Guadiana, Júcar y Segura), la superficie en regadío es sólo el 9 % de la superficie total cultivada, una cifra que está muy por debajo de la media nacional (16 %); sin embargo, este regadío aporta el 40 % de la producción final agraria regional. El agua es un factor altamente limitante en Castilla-La Mancha; el clima de la región es semiárido con una media anual de precipitación de 370 mm, y con frecuentes e intensos periodos de sequía, lo cual hace económicamente poco rentable el cultivo en secano en amplias zonas de la misma. Por esta razón, uno de los objetivos principales de la política regional en cuestiones agrarias es modernizar y mejorar las explotaciones de regadío existentes, consolidando los derechos históricos del uso del agua mediante su manejo óptimo. La provincia de Toledo cuenta con una superficie de regadío de algo más de 82000 ha (MAPA, 1996), las cuales se localizan mayoritariamente en las zonas de vega del Tajo. En esta vega de regadío tradicional existe una clara vocación hortícola, destinándose las producciones tanto para su comercialización en fresco a mercados próximos muy dinámicos (Toledo y principalmente Madrid), como a la industria de transformación. Existen importantes industrias transformadoras de productos hortícolas, siendo claros ejemplos de ello las conserveras de tomate, con gran arraigo en la comarca. De este modo, la zona cuenta con unos canales de comercialización activos que, aunque con problemas eventuales, son suficientemente fiables para proponer actuaciones en el sector con unas mínimas garantías. En las explotaciones agrícolas de regadío es frecuente encontrarse en una de estas dos situaciones: en primer lugar, que el agua disponible sea suficiente para garantizar el riego de los cultivos, cubriendo las necesidades hídricas para obtener la máxima producción; y, en segundo lugar, que las disponibilidades de agua sean limitadas. La solución para el primer caso pasaría por realizar una comparación de los márgenes brutos de los distintos cultivos, y determinar cuales de ellos nos ofrecen los mejores resultados económicos, teniendo en consideración los condicionantes medioambientales y las limitaciones agronómicas y estructurales de cada tipo de explotación agrícola. La solución para el segundo caso es más compleja, y tendría dos alternativas posibles, reducir la superficie a regar, dando prioridad a cultivos con

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

327

mayor margen bruto, o bien, incrementar el área a regar pero introduciendo especies con bajas necesidades hídricas y/o adoptando transitoriamente programaciones deficitarias de riego, debiéndose analizar las implicaciones económicas de las posibles soluciones a adoptar. La información de partida necesaria para abordar problemas de manejo del agua en explotaciones agrícolas, es el conocimiento de los consumos de agua de cada cultivo y su respuesta productiva al riego, lo que obliga a recurrir a distintos métodos y técnicas de programación de riego (p.e., Doorenbos y Pruitt, 1984; Pereira et al., 1995) y funciones que relacionan la producción con el agua (p.e., Vaux y Pruitt, 1983; Solomon, 1985; Mantovani, 1993). Por otra parte, los sistemas de riego se caracterizan por un cierto grado de uniformidad de reparto del agua; la calidad de distribución del agua sobre la parcela afecta al cultivo implantado y, por tanto, a la producción, por lo que debe tenerse en cuenta cuando se pretende determinar estrategias de riego óptimas y, además, se están seleccionando alternativas de cultivos que ofrecen el máximo beneficio económico (p.e., Seginer, 1978; Warrick y Gardner, 1983; Warrick et al., 1989; Heermann et al., 1991). El objetivo de este trabajo es analizar las estrategias de utilización de los recursos hídricos disponibles en las explotaciones, con el fin de determinar las alternativas de cultivos y las láminas de riego que dan lugar a los máximos beneficios. Para ello, se ha utilizado un modelo desarrollado en el Departamento de Producción Vegetal y Tecnología Agraria de la Universidad de Castilla-La Mancha (de Juan et al., 1996; Tarjuelo et al., 1996), compuesto por tres fases o submodelos: en la primera fase se estima la evapotranspiración máxima (ETm) de los cultivos (evapotranspiración para conseguir la máxima producción). El submodelo proporciona las necesidades netas de riego para la ETm y para distintos déficit de riego, la programación de riegos, la pérdida de rendimiento de los cultivos y la lluvia efectiva en cada tipo de escenario considerado. En la segunda fase, un nuevo submodelo incorpora a la función de producción, la función de distribución del agua por el sistema de riego, generando una nueva función que relaciona la producción de un cultivo con la contribución del agua de riego y la uniformidad de aplicación. En la tercera fase se consigue el máximo retorno económico para la explotación. Se hace uso de la decisión multicriterio mediante programación lineal para obtener las mejores soluciones, teniendo en cuenta limitaciones de tipo agronómico y de disponibilidad de agua.

MATERIAL Y METODOS El modelo se ha aplicado a una explotación agrícola tipo de la provincia de Toledo. La explotación posee un perímetro regable comprendido entre las 10 y 50 ha (adoptándose un tamaño de la explotación tipo de 50 ha); es el tipo de explotación representativa de las zonas de vega de dicha provincia, donde predomina la mano de obra familiar y un alto nivel de autoempleo, de gran importancia para la vertebración del medio rural. Los suelos, formados en gran parte a partir de depósitos aluviales recientes, son profundos (más de 1 m), sin costra caliza, de pH neutro, textura franco-areno-limosa y con una capacidad de retención de agua media de 1,30 mm cm-1. Según la clasificación agroecológica de Papadakis (León, 1988), la fórmula climática para esta zona de la provincia de Toledo, que podía estar representada por la Comarca de Talavera de la Reina sería: Av G Me, y correspondería a un clima Mediterráneo húmedo con invierno tipo avena cálida y verano que permite la maduración del algodón. El sistema de riego más extendido en la zona es aspersión en cobertura total enterrada, con un marco de riego de 18 x 18 m, una pluviometría media de 6 mm h-1 y una presión Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

328

J.F. ORTEGA et al.

de trabajo en torno a 350 kPa. En algunos cultivos hortícolas como el melón, el tomate y el pimiento se ha extendido el riego por goteo, ya que el sistema de aspersión da lugar a problemas fitosanitarios y de pérdida de calidad de los frutos. Los cultivos elegidos como posibles constituyentes de una alternativa han sido seleccionados teniendo en cuenta la importancia de éstos en la provincia de Toledo, en lo referente a la superficie ocupada, rendimientos y producciones. La Tabla 1 muestra la relación de estos cultivos seleccionados, junto con la época de siembra y recolección, la duración de sus ciclos de cultivo y el rendimiento agrícola máximo cosechable.

TABLA 1 FECHAS DE SIEMBRA Y RECOLECCION, DURACION DEL CICLO Y RENDIMIENTO MAXIMO AGRICOLA DE LOS CULTIVOS ESTUDIADOS Seeding dates and harvest dates cycle’s length and maximum agricultural yield of the studies crops Fecha de siembra

Fecha de recolección

Trigo blando invierno 15 noviembre Trigo duro de invierno 20 octubre Trigo duro de primavera 15 enero Cebada invierno 5 noviembre Cebada primavera 15 enero Maíz 20 abril Leguminosas Guisante proteaginoso 20 enero Oleaginosas Girasol (cosecha única) 15 abril Industriales Tabaco 1 mayo Pratenses Alfalfa implantación 15 abril Alfalfa régimen Hortícolas Lechuga (primavera) 10 marzo Lechuga (otoño) 10 septiembre Melón 15 abril Tomate industria (transplante) 5 mayo Pimiento industria (transplante) 10 mayo Ajo 5 enero Cebolla (transplante) 20 abril Patata (media estación) 15 marzo Patata (tardía) 10 junio Espárrago (implantación) 10 marzo Espárrago (producción) Zanahoria 10 abril Judías verdes (2.a cosecha) 8 julio Coliflor 10 julio

5 julio 2 julio 6 julio 30 junio 30 junio 15 noviembre 15 junio 20 septiembre 25 agosto

232 255 172 229 162 209 146 158 117 179

26 mayo 20 diciembre 15 septiembre 20 septiembre 25 septiembre 25 julio 5 septiembre 30 agosto 15 noviembre

77 101 153 138 138 201 138 168 158 279 8.000 219 99 133

Cultivo Cereales

15 noviembre 15 octubre 20 noviembre

Duración del ciclo Rendimiento máximo (días) (kg ha-1) 5.500 5.500 5.500 5.800 5.400 13.000 5.000 4.800 2.490 16.750 (Heno) 24.800 (Heno) 50.000 40.000 35.000 76.000 40.000 11.000 80.000 35.000 30.000 0 60.000 12.000 35.000

Por otra parte, se ha seleccionado una serie de dobles cultivos como son: ajo + lechuga de otoño, lechuga de primavera + judía de segunda cosecha, lechuga de primavera + coliflor y lechuga de primavera + patata tardía, como nuevas actividades productivas. El primer submodelo, paso inicial del procedimiento desarrollado para la optimización de los sistemas de producción, se presenta, en forma de diagrama de flujos, en la Figura 1.

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

329

En esta Figura, al igual que en las demás correspondientes a los diagramas de flujo, el subíndice i hace referencia a cada uno de los cultivos posibles, j a las diferentes relaciones ETa/ETm, t a cada uno de los años de la serie climática considerada, y n identifica cada una de las etapas fenológicas del cultivo a lo largo de su ciclo agronómico.

Fig. 1.–Diagrama de flujos del primer submodelo. General flow and components handled by actual evapotranspiration and actual crop yield in first submodel. Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

330

J.F. ORTEGA et al.

Este primer submodelo proporciona, entre otros resultados, las necesidades estacionales netas de riego para cada uno de los cultivos. Para ello se realiza la programación de riegos para cada escenario climático y cultivo considerado, estimando el efecto que las diferentes programaciones de riego, como consecuencia de emplear distintas reducciones de la ETa con respecto a la ETm, tienen sobre el rendimiento real del cultivo. Para la realización de la programación de riegos se ha seguido la metodología FAO (Doorenbos y Pruitt, 1984). La ETo se estimó a apartir de los datos climáticos registrados en la Estación Meteorológica de Toledo durante una serie de 20 años, 1974-1993, como el valor medio de los resultados ofrecidos por los métodos de Penman-FAO (Doorenbos y Pruitt, 1984) y Penman-Monteith (Hatfield, 1985). Se tomó el valor medio de ambos métodos, como estimación más real de la ETo, puesto que el primero sobreestima los valores reales y el segundo los subestima en condiciones climáticas semiáridas (Villalobos, 1992; Mantovani, 1993). Seguidamente, tal como se recoge en el diagrama de flujo correspondiente a este submodelo, mediante el coeficiente de cultivo (Kc), se estimó para cada cultivo y en cada momento de su ciclo la evapotranspiración del cultivo sin restricciones hídricas (ETm). La precipitación efectiva (Pe), necesaria para establecer la programación de riegos siguiendo el método del balance hídrico simplificado en el conjunto suelo-planta-atmósfera, se ha cuantificado de acuerdo con las recomendaciones del USBR. (United States Bureau of Reclamation), descritas por Smith (1989). Se ha determinado la programación de riegos para tres escenarios climáticos que introducen en la simulación la variabilidad climática observada en la serie temporal analizada (20 años). Estos tres escenarios climáticos son el año seco, medio y húmedo, determinados siguiendo criterios de probabilidad mensual de lluvia (Doorenbos y Pruitt, 1984). El año seco se ha definido como aquel año con una precipitación anual acumulada cuya probabilidad de ser superada es del 80 %, mientras al año húmedo se le asigna una pluviometría con una probabilidad de ser superada del 20 %. Finalmente, indicar que este submodelo realiza una estimación del rendimiento en función de las láminas netas de riego calculadas para las diferentes restricciones evapotranspirativas impuestas, habiéndose manejado relaciones de evapotranspiración (ETa/ETm) del 80, 60 y 40 %, necesarios para la estimación de los itinerarios técnicos en cada supuesto productivo. Para ello se recurre a la función multiplicativa de Stewart et al. (1977) aplicada en cada una de las etapas productivas del ciclo de cada cultivo. Cualquier sistema de riego, no reparte la misma cantidad de agua en todos los puntos por él cubiertos. Esta falta de uniformidad en la aplicación del agua conlleva una lámina infiltrada diferente según los puntos de la parcela cultivada de que se trate, que a su vez repercutirá en diferente cantidad de agua a disposición del cultivo en la zona radicular. Este fenómeno, entre otros efectos, provocará diferencias en el crecimiento y desarrollo de los cultivos y consecuentemente sobre la biomasa cosechable, distintas en función de la sensibilidad de cada especie (Peri et al., 1979; Warrick y Gardner, 1983; Duke et al., 1991; Mantovani et al., 1992a; Mantovani, 1993). El segundo submodelo, cuya representación esquemática de funcionamiento se recoge en la Figura 2, cuantifica el efecto de la uniformidad del sistema de riego, caracterizándolo mediante el Coeficiente de Uniformidad de Christiansen (CU) medio para toda la estación de riegos, sobre el rendimiento. En base a ello, y atendiendo a criterios y datos económicos, optimiza la lámina de riego para cada cultivo considerado, definida como aquella que permite el mayor margen bruto. Se incorpora a la función de producción elegida (Stewart et al., 1977), la función de distribución de agua por el sistema de riego (Orgaz et al., 1992; Mantovani, 1993). Se ha adop-

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

331

tado una distribución normal del agua de riego sobre la parcela (Wu, 1988; Duke et al., 1991; Mantovani et al., 1992a; Anyoji y Wu, 1994), válida para valores de CU superiores a 0,60, la cual incorporada a la función de producción ha entrado a formar parte de este segundo submodelo. La relación con la función de distribución se establece a través del coeficiente de déficit (Cd), que expresa la relación entre la lámina de déficit (Hd) y la lámina de agua requerida por el cultivo (Hr) (Tarjuelo, 1995), y teniendo en cuenta, a través del parámetro p, los aportes de agua disponibles para la evapotranspiración del cultivo diferentes al riego. El rango de variación del Cd es entre 0 y 1, de forma que cuantifica el déficit de agua a que se ve sometida una fracción de la superficie total regada. Han sido considerados dos valores de CU, relacionado con el coeficiente de variación y con el Cd necesario para el modelo (de Juan et al., 1996), uno del 75 %, representativo de instalaciones viejas y deficientemente manejadas, y otro del 85 %, propio de instalaciones mejor conservadas y manejadas. Como se puede apreciar en la Figura 2, y de acuerdo con lo expuesto a lo largo de este trabajo, estamos ante la aplicación de un modelo de optimización económica. Entre los datos económicos necesarios destaca el estudio de los costes de producción de los cultivos analizados. Fue precisa la elaboración previa y valoración económica de una serie de itinerarios técnicos para los cultivos contemplados, de cara a determinar los costes de producción. Para ello se tuvo principalmente en cuenta la información aportada por agricultores y técnicos de la zona estudiada. Los costes de producción consideran los diferentes costes implicados en el proceso productivo a excepción de los costes fijos, de forma que se establezca una comparación lo más directa posible entre los diferentes cultivos; por otra parte, hubiese resultado complejo asignar los costes fijos de la explotación de forma diferenciada a los distintos cultivos considerando, no aportando una información relevante para los objetivos del modelo en caso de no hacerlo de forma diferenciada para cada cultivo. Estos costes de producción se clasificaron, a su vez, en costes directos y costes financieros; los costes directos se componen, de costes externos (fertilizantes, semillas y productos fitosanitarios), costes calculados (mano de obra y maquinaria) y costes estimados (seguros, secado de productos, alquiler de maquinaria, etc.). Los costes financieros, que representan los costes derivados del capital circulante necesario para cada campaña agrícola de producción, son proporcionales al tiempo de duración de la actividad. Los costes del agua se consideran, en un capítulo aparte, como la principal variable de costes que se considera en el proceso definido por el modelo; en este caso, se han manejado dos precios del agua (Pa), de 10 y 20 pta m-3, como consecuencia de las distintas necesidades de energía que se pudieran presentar durante el proceso de captación, distribución y aplicación del agua de riego. El precio del agua más bajo (10 pta m-3) correspondería a explotaciones donde el agua normalmente se deriva de ríos, embalses o canales, disponiendo además de un sistema hidráulico de distribución con escasos requerimientos en energía; y el precio mayor (20 pta m-3) correspondería a explotaciones con mayores consumos energéticos debido a diferentes razones (necesidad de extraer el agua de pozos o sondeos, sistemas hidráulicos de distribución en pendiente, etc.). El margen bruto (MB) de cada cultivo se obtiene como la diferencia entre los ingresos brutos y los costes de producción juntamente con la variable de coste del agua aplicada. Se han considerado como ingresos brutos de cada cultivo los correspondientes al producto de la producción mercadeable (tanto productos como posibles subproductos) por el precio de la misma, más la ayuda compensatoria estipulada en el reglamento de la PAC correspondiente a la Comarca de Talavera de la Reina. En todos los casos se han manejado precios promedio para la comarca tomando como año de referencia 1.995, empleando siempre que ha sido posible la información oficial al respecto (convenio salarial de los trabajadores del campo, normativa de la PAC, etc.). Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

332

J.F. ORTEGA et al.

Fig. 2.–Diagrama de flujos del segundo submodelo. General flow and components handled of optimal irrigation depth according to the second submodel.

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

333

Esta operación de valoración de los itinerarios técnicos se realizó tanto para la hipótesis de máxima producción, es decir, satisfaciendo con la programación de riegos el 100 % de la ETm, como para reducciones del 20, 40 y 60 % de la ETm. A partir de ellos se obtuvo la función continua, mediante ajustes estadísticos con funciones exponenciales de segundo o tercer grado entre los costes y la relación de evapotranspiración (ETa/ETm). Estos ajustes siempre presentaban valores de R2 por encima de 0,90 y eran altamente significativos. Para cada supuesto climático (años seco, medio y húmedo), cada uno de los cultivos y combinación de precio del agua y coeficiente de uniformidad, se consiguió una función que relacionaba el margen bruto obtenido en cada cultivo con las láminas brutas de riego utilizadas. El tercer, y último, submodelo se presenta esquemáticamente en la Figura 3 y su objetivo es determinar la alternativa de cultivos óptima, de modo que se maximice el retorno económico esperado de acuerdo con las características de cada explotación. La solución óptima se ha elegido por técnicas de programación lineal (Kumar y Khepar, 1980; Husar, 1987; King y Busch, 1993; Mannochi y Mecarelli, 1994). En el proceso de programación lineal se han incluido las restricciones necesarias para caracterizar la explotación agrícola tipo, atendiendo a diferentes aspectos técnicos, agronómicos, comerciales, disponibilidades hídricas, restricciones de cultivo impuestas por la PAC, etc. Una de las restricciones más importantes, teniendo en cuenta las consideraciones anteriores, es la de superficie máxima cultivable para cada especie agrícola de interés, de forma que se consigan alternativas de cultivo razonables, teniendo en cuenta que la solución que se genere sea posible para la agricultura de la comarca, de acuerdo con las disponibilidades de mano de obra, capacidad técnica de los agricultores, tierra de retirada exigida por la PAC, acceso a mercados y posibilidades de comercialización, etc.; de acuerdo con estos criterios se han fijado las limitaciones que se muestran en la Tabla 2.

Fig. 3.–Diagrama de flujos del tercer submodelo. General flow and components handled by optimal crop rotation in third submodel. Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

334

J.F. ORTEGA et al.

TABLA 2 LIMITACION DE LA SUPERFICIE CULTIVABLE PARA CADA UNO DE LOS CULTIVOS ESTUDIADOS Y COMBINACIONES DE ESTOS Maximum cultivable lands for each studied crop and their combination Cultivo Trigo blando Trigo duro de invierno Trigo duro de primavera Cebada invierno Cebada primavera Guisante proteaginoso Ajo Maíz Girasol (cosecha única) Tabaco Alfalfa Lechuga primavera Lechuga otoño Melón Tomate (industria) transplante Pimiento (industria) transplante Cebolla transplante Patata de media estación Espárrago Zanahoria Patata tardía Judía verde (2.ª cosecha) Coliflor Tierra de retirada Ajo + Lechuga de otoño Lechuga de primavera + Judía verde de 2.ª cosecha Lechuga de primavera + Coliflor Lechuga de primavera + Patata tardía Lechugas Lechugas + Melón + Zanahoria + Coliflor Patata

Superficie máxima cultivable (ha) 45,00 45,00 45,00 45,00 45,00 45,00 15,00 45,00 45,00 10,00 50,00 4,00 3,00 10,00 10,00 10,00 10,00 15,00 10,00 15,00 10,00 10,00 10,00 15,00 3,00 4,00 4,00 4,00 10,00 25,00 15,00

El modelo se ha aplicado considerando las láminas de riego óptimas y sus correspondientes márgenes brutos obtenidos en el segundo submodelo, aun cuando la metodología presentada es valida para elegir la solución óptima incorporando otras posibles combinaciones de margen bruto-lámina de riego, contemplando incluso actividades productivas en condiciones de secano. Se han simulado diferentes posibilidades de disponibilidades hídricas, de las cuales en este trabajo se presentan dos: • Agua de riego ilimitada. Se trata de una situación frecuente en el pasado y con la que se tendía a manejar el sistema productivo de modo que se obtuviesen las mayores producciones de los cultivos que se creían más rentables económicamente. • Disponiblilidad de 4000 m3 ha-1. Situación probable, hacia la que se esta caminando en gran cantidad de zonas regables de comarcas semiáridas. Con ello se analizará el efecto de este presumible cambio sobre la agricultura de regadío de la zona analizada.

335

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

TABLA 3 NECESIDADES NETAS Y DEFICITS REALES DE PRODUCCION PARA DISTINTOS ESCENARIOS DE EVAPOTRANSPIRACION. AÑO MEDIO Net needs and actual déficit of production for each evapotranspiration scenarios. Average year 100 % ETm Cultivo

Necesidades netas (mm)

Trigo blando invierno Trigo duro de invierno Trigo duro de primavera Cebada invierno Cebada primavera Guisante proteaginoso Ajo Maíz Girasol (cosecha única) Tabaco Alfalfa implantación Alfalfa régimen Lechuga primavera Lechuga otoño Melón Tomate (industria) transplante Pimiento (industria) transplante Cebolla transplante Patata de media estación Espárrago implantación Espárrago producción Zanahoria Patata tardía Judía verde (2.a cosecha) Coliflor

281,3 315,6 316,1 184,2 206,1 207,8 434,1 549,7 458,6 464,0 451,8 656,4 123,7 51,5 515,8 585,7 556,1 575,0 651,2 370,3 532,0 753,1 507,7 419,0 371,6

80 % ETm

60 % ETm

40 % ETm

Necesidades Déficit real Necesidades Déficit real Necesidades Déficit real netas de producción netas de producción netas de producción (mm) (%) (mm) (%) (mm) (%)

175,8 184,4 203,7 99,1 123,4 129,1 295,0 397,3 310,7 333,5 276,2 472,7 66,8 34,8 384,3 420,0 400,6 411,6 454,5 234,4 369,2 543,3 376,2 318,3 273,9

17,9 18,1 20,0 14,9 15,0 20,5 23,0 21,2 17,9 15,9 20,3 19,4 18,0 8,6 19,0 21,9 22,3 21,9 22,5 16,8 17,8 20,4 21,1 23,7 17,9

66,5 68,4 113,9 0,0 0,0 46,8 142,8 244,9 172,5 242,9 150,0 295,5 0,0 23,7 227,3 230,1 219,0 277,1 290,0 61,2 199,0 347,3 243,0 224,1 177,0

35,9 36,4 37,6 32,4 38,7 40,5 42,3 43,5 34,5 30,6 37,4 35,2 36,2 15,2 41,6 41,9 43,2 42,0 42,3 39,3 37,9 39,4 43,8 42,4 38,3

0,0 0,0 0,0 0,0 0,0 0,0 0,0 118,5 0,0 126,2 0,0 151,2 0,0 0,0 93,0 125,4 125,0 148,7 151,2 0,0 80,4 185,1 131,4 115,8 84,7

43,8 48,5 55,1 32,4 38,7 49,7 65,8 61,5 56,2 44,1 58,6 50,8 36,2 32,1 61,0 56,7 57,9 61,2 61,7 55,4 51,9 56,5 63,5 67,2 57,8

RESULTADOS Los resultados obtenidos de la aplicación del primer submodelo, procedentes de la programación de riegos y relativos a las necesidades netas de riego para cada cultivo bajo tres escenarios climáticos diferenciados: años seco, medio y húmedo, se muestran en las Tablas 3, 4 y 5, respectivamente. En todos los casos se recogen los resultados correspondientes a las necesidades netas satisfaciendo la evapotranspiración necesaria para la máxima producción, así como las obtenidas considerando relaciones de evapotranspiración (ETa/ETm) del 80, 60 y 40 %, para las cuales se incorporan las reducciones reales que sufre el rendimiento del cultivo, según el modelo multiplicativo de predicción de Stewart et al. (1977). La variabilidad que se registra en los descensos de rendimiento dentro de una misma meta de reducción de evapoInvest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

336

J.F. ORTEGA et al.

transpiración es debida a dos factores, por una parte a la diferente respuesta de los cultivos al estrés hídrico, contemplado a través del factor de respuesta (ky), y por otra, a la variabilidad en la distribución de la precipitación dentro del ciclo agronómico de cada especie cultivada. Como resulta obvio, conforme aumenta el aporte al balance hídrico por la precipitación disminuyen las necesidades netas de riego de los diferentes cultivos, ahora bien, las diferencias entre las láminas netas de riego para un mismo cultivo son más pronunciadas entre el año seco y el medio que entre éste y el año húmedo.

TABLA 4 NECESIDADES NETAS Y DEFICITS REALES DE PRODUCCION PARA DISTINTOS ESCENARIOS DE EVAPOTRANSPIRACION. AÑO SECO Net needs and actual deficit of production for each evapotranspiration scenarios. Dry year 100 % ETm Cultivo

Necesidades netas (mm)

Trigo blando invierno Trigo duro de invierno Trigo duro de primavera Cebada invierno Cebada primavera Guisante proteaginoso Ajo Maíz Girasol (cosecha única) Tabaco Alfalfa implantación Alfalfa régimen Lechuga primavera Lechuga otoño Melón Tomate (industria) transplante Pimiento (industria) transplante Cebolla transplante Patata de media estación Espárrago implantación Espárrago producción Zanahoria Patata tardía Judía verde (2.a cosecha) Coliflor

401,8 431,8 428,8 288,8 306,3 275,0 551,0 694,4 552,1 532,0 559,2 787,0 184,7 151,2 609,6 655,6 630,0 647,0 743,7 618,8 719,1 894,0 606,6 467,1 456,1

80 % ETm

60 % ETm

40 % ETm

Necesidades Déficit real Necesidades Déficit real Necesidades Déficit real netas de producción netas de producción netas de producción (mm) (%) (mm) (%) (mm) (%)

290 312,2 316,8 206,0 226,0 205,8 390,6 535,2 424,5 411,5 409,1 550,0 121,6 120,6 472,7 504,8 482,8 489,9 565,4 447,1 540,1 669,1 477,7 369,2 346,7

18,6 19,4 19,4 17,1 16,4 20,1 22,6 22,7 16,6 16,5 18,1 20,6 17,1 17,2 19,6 21,6 22,3 23,9 23,4 21,3 20,1 21,1 22,7 23,0 20,4

179,4 216,9 215,8 135,3 135,7 133,2 291,1 316,9 301,7 247,7 300,2 449,0 50,9 70,8 289,6 321,5 304,3 367,7 409,4 324,3 366,7 491,0 364,5 283,5 262,7

38,3 35,7 36,0 29,8 31,5 42,2 41,0 50,0 32,5 35,9 34,1 36,2 38,2 33,1 38,0 40,4 42,4 43,0 44,0 37,6 39,7 39,0 41,2 43,7 39,7

89,5 75,1 74,5 0,0 0,0 61,5 153,0 173,0 180,6 128,9 155,4 241,2 0,0 37,0 164,7 250,2 236,6 223,8 230,6 129,8 247,9 301,6 252,3 186,1 144,9

53,7 57,8 60,3 54,2 57,6 61,9 61,1 70,2 45,8 52,0 51,1 58,8 56,0 49,4 54,6 57,5 60,5 61,2 63,2 61,4 54,9 57,4 62,0 61,6 60,3

Los cultivos con mayores necesidades netas de agua de riego, analizando la hipótesis de satisfacer la evapotranspiración máxima, son para el año medio: zanahoria

337

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

TABLA 5 NECESIDADES NETAS Y DEFICITS REALES DE PRODUCCION PARA DISTINTOS ESCENARIOS DE EVAPOTRANSPIRACION. AÑO HUMEDO Net needs and actual deficit of production for each evapotranspiration scenarios. Humid year 100 % ETm Cultivo

Necesidades netas (mm)

Trigo blando invierno Trigo duro de invierno Trigo duro de primavera Cebada invierno Cebada primavera Guisante proteaginoso Ajo Maíz Girasol (cosecha única) Tabaco Alfalfa implantación Alfalfa régimen Lechuga primavera Lechuga otoño Melón Tomate (industria) transplante Pimiento (industria) transplante Cebolla transplante Patata de media estación Espárrago implantación Espárrago producción Zanahoria Patata tardía Judía verde (2.a cosecha) Coliflor

249,0 292,1 293,7 142,6 177,3 172,4 404,1 496,8 437,5 450,7 416,3 592,6 93,0 32,2 493,2 551,1 530,2 537,0 608,4 368,2 466,8 695,1 457,8 373,1 306,3

80 % ETm

60 % ETm

40 % ETm

Necesidades Déficit real Necesidades Déficit real Necesidades Déficit real netas de producción netas de producción netas de producción (mm) (%) (mm) (%) (mm) (%)

109,4 149,8 191,9 39,9 87,0 58,5 256,1 346,1 307,5 335,3 275,2 416,4 23,4 0,0 345,7 413,1 361,3 359,8 424,5 217,4 327,4 474,0 338,0 274,4 210,3

19,1 20,2 18,2 19,4 16,8 20,2 21,3 20,2 16,6 15,3 18,1 17,7 19,5 14,9 19,8 20,1 20,7 22,1 23,6 16,4 18,1 20,1 18,9 21,9 17,1

0,0 33,4 75,6 0,0 0,0 0,0 122,6 189,4 169,5 222,5 142,9 254,6 0,0 0,0 148,3 226,9 209,3 242,8 272,5 19,5 134,5 305,0 212,0 178,2 108,7

36,9 38,7 35,9 22,7 29,5 35,5 42,1 45,0 33,7 30,8 35,6 35,3 19,5 14,9 40,0 40,2 42,0 44,2 44,0 35,5 3,7 37,3 41,1 45,5 37,5

0,0 0,0 0,0 0,0 0,0 0,0 0,0 34,7 0,0 124,6 0,0 0,0 0,0 0,0 0,0 123,0 119,3 71,5 75,5 0,0 19,8 124,8 104,6 126,6 76,4

36,9 41,8 48,6 22,7 29,5 35,5 58,8 66,1 54,4 43,6 55,9 59,3 19,5 14,9 59,9 54,9 56,5 65,1 66,2 51,2 50,1 54,3 60,0 57,2 44,8

(753,1 mm), alfalfa (656,4 mm), patata de media estación (651,2 mm) y tomate de transplante con destino industrial (585,7 mm), cultivos con un ciclo relativamente largo y con las etapas más intensas de crecimiento y desarrollo en los meses estivales de alta demanda evaporativa. En el otro extremo, los cultivos que presentan, en estas condiciones, las menores necesidades netas son: lechuga de otoño (51,5 mm), lechuga de primavera (123,7 mm) y cebada de invierno (184,2 mm), siendo todos ellos cultivos que desarrollan sus ciclos agronómicos en meses de baja demanda evapotranspirativa. El segundo submodelo ofrece los resultados referentes a la lámina de riego bruta óptima para cada cultivo, considerando diferentes situaciones de coeficiente de uniformidad del sistema y siguiendo un proceso de optimización basado en criterios económicos (Tablas 6 y 7). Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

Margen bruto óptimo (pta. ha-1)

81.425 156.107 154.721 68.390 36.501 104.730 247.663 124.815 55.300 162.608 66.231 221.477 111.961 362.161 225.017 126.939 37.840 154.615 385.004 63.060 101.429 102.269 480.399

Trigo blando invierno 373 Trigo duro de invierno 432 Trigo duro de primavera 429 Cebada invierno 289 Cebada primavera 265 Guisante proteaginoso 298 Ajo 802 Maíz 753 Girasol (cosecha única) 285 Tabaco 775 Alfalfa régimen 730 Lechuga primavera 219 Lechuga otoño 285 Melón 797 Tomate (industria) transplante 777 Pimiento (industria) transplante 747 Patata de media estación 643 Espárrago producción 853 Zanahoria 1.060 Patata tardía 658 Judía verde (2.a cosecha) 554 Cebolla transplante 647 Coliflor 750

PA = 10

Lámina bruta óptima (mm)

Cultivo

306 350 347 234 208 255 720 600 285 695 599 200 249 723 656 630 457 719 970 524 467 559 596

Lámina bruta óptima (mm)

48.387 116.446 116.959 42.855 12.664 77.086 172.102 57.575 26.841 90.720 -1.770 201.218 85.565 287.072 152.262 57.073 -18.133 76.558 283.897 5.391 50.975 41.449 412.289

Margen bruto óptimo (pta. ha-1)

PA = 20

281 342 343 200 206 246 714 652 236 676 656 147 138 751 766 727 604 695 984 551 497 624 611

Lámina bruta óptima (mm)

92.898 168.675 166.290 79.155 45.758 112.563 265.835 140.660 60.120 172.511 79.225 228.710 132.849 374.734 233.321 136.062 46.303 177.574 403.218 73.790 107.132 109.558 494.289

Margen bruto óptimo (pta. ha-1)

PA = 10

228 293 273 171 167 208 567 510 236 607 531 134 114 612 635 603 443 577 817 471 419 533 541

Lámina bruta óptima (mm)

67.347 136.707 135.767 60.877 27.598 89.948 202.664 83.960 36.480 108.497 19.369 214.455 121.361 309.317 166.831 72.376 -6.113 115.525 314.472 22.882 60.595 54.119 436.777

Margen bruto óptimo (pta. ha-1)

PA = 20

Año medio Precio del agua PA (pta m-3)

Año seco

Precio del agua PA (pta. m-3)

249 346 319 169 177 225 664 589 225 655 593 122 86 718 720 693 564 610 909 543 488 583 578

Lámina bruta óptima (mm)

96.128 171.415 168.720 83.749 48.665 116.849 270.766 146.932 61.207 174.549 85.605 232.415 138.019 378.026 237.844 139.447 50.272 186.097 410.800 79.378 112.887 113.681 505.200

Margen bruto óptimo (pta. ha-1)

PA = 10

215 271 272 143 153 187 528 497 226 588 512 110 71 585 598 575 437 506 754 425 405 498 446

Lámina bruta óptima (mm)

72.908 141.065 139.717 68.750 32.325 97.157 210.507 94.117 38.656 112.158 30.304 221.323 129.907 314.676 174.339 77.996 -67 129.674 327.058 32.137 70.066 61.167 455.796

Margen bruto óptimo (pta. ha-1)

PA = 20

Precio del agua (pta. m-3)

Año húmedo

LAMINAS DE RIEGO BRUTAS OPTIMAS Y SUS CORRESPONDIENTES MARGENES BRUTOS PARA UN COEFICIENTE DE UNIFORMIDAD DEL 75 % Y PRECIOS DEL AGUA DE 10 Y 20 pta. m-3. AÑOS: SECO, MEDIO Y HUMEDO. PEQUEÑA EXPLOTACION TIPO Optimum gross application depths and their gross margins for a coefficient of uniformity of 75 % and water prices of 10 and 20 pta m--3. Years: dry, average and humid. Small-size farm

TABLA 6

338 J.F. ORTEGA et al.

Margen bruto óptimo (pta. ha-1)

84.669 162.976 160.068 71.684 38.650 110.430 276.100 136.985 43.912 187.278 74.665 225.053 125.686 384.197 242.338 144.404 4.363 172.355 410.787 73.409 113.471 110.861 507.944

Trigo blando invierno 367 Trigo duro de invierno 453 Trigo duro de primavera 429 Cebada invierno 289 Cebada primavera 280 Guisante proteaginoso 304 Ajo 720 Maíz 729 Girasol (cosecha única) 353 Tabaco 695 Alfalfa régimen 752 Lechuga primavera 194 Lechuga otoño 225 Melón 751 Tomate (industria) transplante 763 Pimiento (industria) transplante 733 Patata de media estación 710 Espárrago producción 837 Zanahoria 1.041 Patata tardía 637 544 Judía verde (2.a cosecha) Cebolla transplante 647 Coliflor 635

PA = 10

Lámina bruta óptima (mm)

Cultivo

Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

313 395 361 243 223 263 679 635 353 619 662 185 211 673 688 661 490 719 938 554 467 591 562

Lámina bruta óptima (mm)

50.154 121.015 120.245 45.239 13.287 82.151 206.861 67.766 8.611 122.310 3.742 206.327 104.195 313.746 171.310 75.546 -17.790 95.505 312.567 13.432 63.027 49.644 448.934

Margen bruto óptimo (pta. ha-1)

PA = 20

281 348 332 193 206 242 605 607 293 607 656 130 89 635 682 647 622 619 877 560 488 575 518

Lámina bruta óptima (mm)

96.304 175.483 171.702 82.356 48.171 117.953 291.575 152.785 49.890 196.167 87.698 231.453 141.214 395.749 250.476 153.007 52.468 194.136 427.189 84.100 119.070 118.061 519.713

Margen bruto óptimo (pta. ha-1)

PA = 10

247 301 289 176 173 208 535 550 293 540 575 124 83 600 615 584 508 558 831 485 440 526 486

Lámina bruta óptima (mm)

70.209 142.767 140.367 64.022 29.263 95.476 235.654 95.543 20.568 138.142 26.146 218.527 132.915 334.458 185.979 91.055 -4.380 134.466 342.144 32.103 73.046 62.807 470.132

Margen bruto óptimo (pta. ha-1)

PA = 20

Año medio Precio del agua PA (pta m-3)

Año seco

Precio del agua PA (pta. m-3)

249 322 308 157 177 201 563 548 280 588 593 103 56 607 642 617 608 575 856 505 434 563 427

Lámina bruta óptima (mm)

99.534 178.076 171.052 86.838 51.051 122.074 295.753 158.624 51.239 197.997 94.078 234.819 144.559 398.532 254.504 156.022 56.614 201.893 434.144 89.608 124.414 121.935 528.808

Margen bruto óptimo (pta. ha-1)

PA = 10

228 292 281 143 155 181 498 497 280 554 542 98 52 574 578 556 493 515 767 458 392 491 400

Lámina bruta óptima (mm)

75.876 147.433 144.594 72.044 34.284 102.900 243.044 106.123 23.266 141.498 37.430 224.916 139.100 339.719 193.241 96.491 2.367 148.635 354.948 41.799 82.679 69.754 487.204

Margen bruto óptimo (pta. ha-1)

PA = 20

Precio del agua (pta. m-3)

Año húmedo

LAMINAS DE RIEGO BRUTAS OPTIMAS Y SUS CORRESPONDIENTES MARGENES BRUTOS PARA UN COEFICIENTE DE UNIFORMIDAD DEL 85 % Y PRECIOS DEL AGUA DE 10 Y 20 pta m-3. AÑOS: SECO, MEDIO Y HUMEDO. PEQUEÑA EXPLOTACION TIPO Optimum gross application depths and their gross margins for a coefficient of uniformity of 85 % and water prices of 10 and 20 pta m--3. Years: dry, average and humid. Small-size farm

TABLA 7

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

339

340

J.F. ORTEGA et al.

En todos los cultivos, supuestos de precipitación y precio de agua estudiados, se obtiene un mayor margen bruto cuando el CU es del 85 %, excepto para el caso del girasol, en el cual el mayor margen bruto se consigue para un CU del 75 %. Por otra parte, se observa como se obtienen mayores márgenes brutos y láminas de riego óptimas mayores con el precio de agua menor (10 pta m-3), comportándose también en este caso el girasol como un cultivo diferente, en el que la lámina de riego es igual bajo cualquier supuesto de precio del agua manejado. Por otro lado, se observa como la lámina de riego óptima, correspondiente al mayor margen bruto, es inferior a la lámina bruta correspondiente a la máxima producción. Consiguientemente, el coste marginal del agua de riego aplicada se alcanza con un nivel de rendimiento significativamente inferior al máximo rendimiento agrícola para la explotación tipo caracterizada en este trabajo. Si atendemos al comportamiento de las láminas de riego óptimas dentro de los diferentes escenarios simulados, y a la relación entre ellas en función de las variables contempladas, podemos comprobar como no existe una respuesta única en los resultados; por el contrario, su evolución es propia de una variable sobre la que influyen multitud de factores, de forma frecuentemente contradictoria. Entre estos factores que condicionan las láminas brutas de riego óptimas obtenidas destacan el coeficiente de uniformidad, la climatología, el precio del agua y la especie cultivada, tanto por su respuesta al estrés hídrico como por los aspectos económicos asociados a ella (ayuda compensatoria, precio del producto, costes de producción, etc.). Si se compara la respuesta ante un cambio del coeficiente de uniformidad (es uno de los aspectos sobre los que puede actuar el agricultor), se comprueba como en el año seco y para el precio de agua menor (Tabla 6), las láminas brutas de riego obtenidas son en siete de los 22 cultivos planteados superiores en el caso de un CU del 85 %, mientras en la mayoría de los cultivos se requiere una lámina bruta superior para un CU del 75 % en el contexto climático correspondiente al año seco. Si analizamos su evolución conforme se hace más húmedo el año simulado, es decir, las láminas de riego netas requeridas disminuyen, y lógicamente en el mismo supuesto de precio de agua, se constata como se reduce el número de casos en que la lámina bruta es superior para el supuesto de mayor uniformidad. De igual modo, si se establece esta discusión entre los precios del agua manejados dentro de un mismo escenario climático, vemos como a mayor precio de agua aumenta el número de cultivos en los que la lámina bruta óptima es superior para el coeficiente de uniformidad del 75 %, disminuyendo el número de ellos conforme aumenta la precipitación recogida en el año. Así, se pasa de 13 cultivos en el año seco a nueve que en el año húmedo optimizan económicamente los recursos hídricos con una lámina de riego superior para un CU mayor. Para terminar de justificar este comportamiento, se han incluido en las Tablas 8 y 9, una para cada coeficiente de uniformidad, los valores de la relación entre la lámina de agua requerida (Hr) y la bruta aplicada (Hba) obtenida de la simulación en cada escenario climático (Hr/Hba), el déficit de producción que se registra en los diferentes cultivos y el porcentaje de área adecuadamente o sobrerregada (a). A pesar de ser en determinadas ocasiones la lámina óptima de riego mayor para un CU del 75 %, el porcentaje de área que recibe al menos la lámina requerida es menor que para la hipótesis de un CU=85 %, lo cual se traduce una disminución de la lámina neta puesta a disposición del cultivo, en el consiguiente descenso de producción y, paralelamente en una reducción del margen bruto alcanzado. Este hecho explica la obtención de los mayores márgenes brutos en las condiciones de CU más alto, que realmente permite poner a disposición del cultivo una mayor lámina neta a igualdad de lámina bruta aplicada.

Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

PA = 10

15,58 12,50 12,50 12,50 18,90 11,1 4,18 12,17 46,04 3,42 15,58 6,98 1,65 5,64 7,72 8,08 20,79 7,72 7,35 10,71 8,45 13,75 2,61

Déf. Prod. (%)

0,84 0,88 0,88 0,88 0,81 0,90 0,96 0,90 0,52 0,96 0,84 0,93 0,98 0,95 0,93 0,93 0,81 0,93 0,93 0,90 0,93 0,88 0,97

a1

1,31 1,23 1,23 1,23 1,47 1,08 0,77 1,16 1,94 0,77 1,31 0,92 0,61 0,84 1,00 1,00 1,63 1,00 0,92 1,16 1,00 1,16 0,77

Hr/Hba

25,85 22,36 22,36 22,36 32,60 17,92 5,91 23,63 46,04 4,84 25,75 9,25 2,48 7,72 13,13 13,75 42,56 13,13 9,73 20,79 14,38 20,79 5,37

Déf. Prod. (%)

PA = 20

m-3)

0,74 0,78 0,78 0,78 0,67 0,84 0,95 0,81 0,52 0,95 0,74 0,90 0,97 0,93 0,88 0,88 0,61 0,88 0,90 0,81 0,88 0,81 0,95

a1

1,00 0,92 0,92 0,92 1,00 0,84 0,61 0,84 1,94 0,69 1,00 0,84 0,37 0,69 0,77 0,77 1,08 0,77 0,77 0,92 0,84 0,92 0,61

Hr/Hba

PA = 10

12,50 9,73 9,73 9,73 12,50 8,45 2,97 9,19 46,04 3,42 12,50 6,98 0,68 3,99 5,64 5,91 17,14 5,64 5,37 10,71 8,45 10,71 2,61

Año medio

0,88 0,90 0,90 0,90 0,88 0,93 0,97 0,93 0,52 0,96 0,88 0,93 0,99 0,96 0,95 0,95 0,84 0,95 0,95 0,90 0,93 0,90 0,97

a1

1,23 1,08 1,16 1,08 1,23 1,00 0,77 1,08 1,94 0,77 1,23 0,92 0,45 0,84 0,92 0,92 1,47 0,92 0,92 1,08 1,00 1,08 0,69

Hr/Hba

Déf. Prod. (%)

PA = 20

m-3)

22,36 15,58 18,90 15,58 22,36 14,38 5,91 19,48 46,04 4,84 22,36 9,25 1,07 7,72 10,22 10,71 35,86 10,22 9,73 17,14 14,38 17,14 3,80

Precio del agua PA (pta

Déf. Prod. (%)

Hr/Hba = Relación entre altura de lámina requerida y altura de lámina aplicada Déf. Prod. (%) = Déficit de producción. 1 (decimal) = Fracción de área de suelo bien regada.

1,08 1,00 1,00 1,00 1,16 0,92 0,69 0,92 1,94 0,69 1,08 0,84 0,53 0,77 0,84 0,84 1,16 0,84 0,84 0,92 0,84 1,00 0,61

Hr/Hba

Trigo blando invierno Trigo duro de invierno Trigo duro de primavera Cebada invierno Cebada primavera Guisante proteaginoso Ajo Maíz Girasol (cosecha única) Tabaco Alfalfa régimen Lechuga primavera Lechuga otoño Melón Tomate (industria) transplante Pimiento (industria) transplante Patata de media estación Espárrago producción Zanahoria Patata tardía Judía verde (2.a cosecha) Cebolla transplante Coliflor

Cultivo

Precio del agua PA (pta.

Año seco

0,78 0,84 0,81 0,84 0,78 0,88 0,95 0,84 0,52 0,95 0,78 0,90 0,99 0,93 0,90 0,90 0,67 0,90 0,90 0,84 0,88 0,84 0,96

a1

1,00 0,84 0,92 0,84 1,00 0,77 0,61 0,69 1,94 0,69 1,00 0,77 0,37 0,69 0,77 0,77 1,08 0,77 0,77 0,84 0,77 0,92 0,53

Hr/Hba

12,50 7,35 9,73 7,35 12,50 6,18 2,87 9,19 46,04 3,42 12,50 5,10 0,68 3,99 5,64 5,91 17,14 5,64 5,37 8,08 6,18 10,71 1,73

Déf. Prod. (%)

PA = 10

0,88 0,93 0,90 0,93 0,88 0,95 0,97 0,93 0,52 0,96 0,88 0,95 0,99 0,96 0,95 0,95 0,84 0,95 0,95 0,93 0,95 0,90 0,98

a1

1,16 1,08 1,08 1,00 1,16 0,92 0,77 1,00 1,94 0,77 1,16 0,84 0,45 0,84 0,92 0,92 1,39 0,92 0,92 1,08 0,92 1,08 0,69

Hr/Hba

18,90 15,58 15,58 12,58 18,90 11,19 5,91 15,63 46,04 4,84 18,90 6,98 1,07 7,72 10,22 10,71 32,21 10,22 9,73 17,14 11,19 17,14 3,80

Déf. Prod. (%)

PA = 20

Precio del agua (pta. m-3)

Año húmedo

0,81 0,84 0,84 0,88 0,81 0,90 0,95 0,88 0,52 0,95 0,81 0,93 0,99 0,93 0,90 0,90 0,71 0,90 0,90 0,84 0,90 0,84 0,96

a1

PARAMETROS DE CALIDAD DE REPARTO DEL AGUA DE RIEGO Y SU INFLUENCIA EN EL RENDIMIENTO DE LOS CULTIVOS PARA UN COEFICIENTE DE UNIFORMIDAD DEL 75 % Y PRECIOS DEL AGUA DE 10 Y 20 pta. m-3. AÑOS: SECO, MEDIO Y HUMEDO Quality parameters of water distribution and its influence on yield crops for a coefficient of uniformity of 75 % and water prices of 10 and 20 pta. m-3. Years: dry, average and humid. Small-size farm

TABLA 8

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

341

1,09 0,95 1,00 1,00 1,09 0,91 0,77 0,95 1,56 0,77 1,05 0,95 0,67 0,81 0,86 0,86 1,05 0,86 0,86 0,95 0,86 1,00 0,72

Hr/Hba

PA = 10

11,99 5,65 7,50 7,50 11,99 4,72 1,37 7,06 34,26 1,12 9,63 5,37 0,43 2,03 3,01 3,16 10,59 3,01 2,87 6,21 3,30 8,25 0,77

Déf. Prod. (%)

0,88 0,94 0,93 0,93 0,88 0,96 0,99 0,94 0,64 0,99 0,90 0,94 0,99 0,98 0,97 0,97 0,90 0,97 0,97 0,94 0,97 0,93 0,99

a1

1,22 1,09 1,19 1,19 1,38 1,05 0,84 1,09 1,56 0,86 1,19 1,00 0,72 0,91 0,95 0,95 1,52 1,00 0,95 1,09 1,00 1,09 0,81

Hr/Hba

22,43 11,99 17,14 14,40 17,44 11,08 2,12 14,44 34,26 2,58 17,40 7,13 0,73 4,31 5,93 6,21 37,50 7,88 5,65 13,19 8,63 13,19 1,93

Déf. Prod. (%)

PA = 20

m-3)

0,78 0,88 0,83 0,83 0,73 0,90 0,98 0,88 0,64 0,97 0,83 0,93 0,99 0,96 0,94 0,94 0,66 0,93 0,94 0,88 0,93 0,88 0,98

a1

1,00 0,91 0,95 0,95 1,00 0,86 0,72 0,91 1,56 0,77 1,00 0,95 0,58 0,81 0,86 0,86 1,05 0,86 0,86 0,91 0,86 1,00 0,72

Hr/Hba

PA = 10

7,50 4,10 5,65 5,65 7,50 3,30 0,84 5,13 34,26 1,12 7,50 5,37 0,13 2,03 3,01 3,16 10,59 3,01 2,87 4,51 3,30 8,25 0,77

Año medio

0,93 0,96 0,94 0,94 0,93 0,97 0,99 0,96 0,64 0,99 0,93 0,94 0,99 0,98 0,97 0,97 0,90 0,97 0,97 0,96 0,97 0,93 0,99

a1

1,14 1,05 1,19 1,05 1,19 1,00 0,81 1,00 1,56 0,86 1,14 1,00 0,62 0,86 0,95 0,95 1,28 0,95 0,91 1,05 0,95 1,09 0,77

Hr/Hba

Déf. Prod. (%)

PA = 20

m-3)

14,52 9,63 11,99 9,63 17,14 8,63 2,12 9,38 34,26 2,58 14,52 7,13 0,24 3,01 5,93 6,21 24,67 5,93 4,10 10,59 6,50 13,19 1,24

Precio del agua PA (pta

Déf. Prod. (%)

Hr/Hba = Relación entre altura de lámina requerida y altura de lámina aplicada Déf. Prod. (%) = Déficit de producción. a1 (decimal) = fracción de área de suelo bien regada.

Trigo blando invierno Trigo duro de invierno Trigo duro de primavera Cebada invierno Cebada primavera Guisante proteaginoso Ajo Maíz Girasol (cosecha única) Tabaco Alfalfa régimen Lechuga primavera Lechuga otoño Melón Tomate (industria) transplante Pimiento (industria) transplante Patata de media estación Espárrago producción Zanahoria Patata tardía Judía verde (2.a cosecha) Cebolla transplante Coliflor

Cultivo

Precio del agua PA (pta.

Año seco

0,85 0,90 0,88 0,90 0,83 0,93 0,98 0,93 0,64 0,97 0,85 0,93 0,99 0,97 0,94 0,94 0,78 0,94 0,96 0,90 0,94 0,88 0,99

a1

1,00 0,91 0,95 0,91 1,00 0,86 0,72 0,91 1,56 0,77 1,00 0,91 0,58 0,81 0,86 0,86 1,00 0,81 0,81 0,91 0,86 0,95 0,72

Hr/Hba

7,50 4,10 5,65 4,10 7,50 3,30 0,84 5,13 34,26 1,12 7,50 3,90 0,13 2,03 3,01 3,16 8,25 2,03 1,93 4,51 3,30 6,21 0,77

Déf. Prod. (%)

PA = 10

0,93 0,96 0,94 0,96 0,93 0,97 0,99 0,96 0,64 0,99 0,93 0,96 0,99 0,98 0,97 0,97 0,93 0,98 0,98 0,96 0,97 0,94 0,99

a1

1,09 1,00 1,05 1,00 1,14 0,95 0,81 1,00 1,56 0,81 1,09 0,95 0,62 0,86 0,95 0,95 1,23 0,91 0,91 1,00 0,95 1,09 0,77

Hr/Hba

11,99 7,50 9,63 7,50 14,52 6,50 2,12 9,38 34,26 1,74 11,99 5,37 0,24 3,01 5,93 6,21 21,78 4,31 4,10 8,25 6,50 13,19 1,24

Déf. Prod. (%)

PA = 20

Precio del agua (pta. m-3)

Año húmedo

0,88 0,93 0,90 0,93 0,85 0,94 0,98 0,93 0,64 0,98 0,88 0,94 0,99 0,97 0,94 0,94 0,80 0,96 0,96 0,93 0,94 0,88 0,99

a1

PARAMETROS DE CALIDAD DE REPARTO DEL AGUA DE RIEGO Y SU INFLUENCIA EN EL RENDIMIENTO DE LOS CULTIVOS PARA UN COEFICIENTE DE UNIFORMIDAD DEL 85 % Y PRECIOS DEL AGUA DE 10 Y 20 pta. m-3. AÑOS: SECO, MEDIO Y HUMEDO. PEQUEÑA EXPLOTACION TIPO Quality parameters of water distribution and its influence on yield crops for a coefficient of uniformity of 85 % and water prices of 10 and 20 pta. m-3. Years: dry, average and humid. Small-size farm

TABLA 9

342 J.F. ORTEGA et al.

343

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

Como conclusión de estos resultados, puede decirse que conforme aumenta el precio del agua y la precipitación en el escenario climático simulado (las láminas de riego óptimas son menores), la mejora del coeficiente de uniformidad va perdiendo protagonismo. En otro sentido, una mejora del coeficiente de uniformidad no supone un ahorro de agua si pretendemos alcanzar una lámina bruta económicamente óptima, sino que en algunas ocasiones sucede al contrario, aumentan las láminas brutas a aplicar con respecto al CU más bajo, pero normalmente permite la consecución de un mayor margen bruto. Independientemente de las tendencias descritas anteriormente, los cultivos con mayores márgenes brutos óptimos, en un año climatológicamente medio, se obtienen para el CU del 85 %, y son: coliflor (5197.13 pta ha-1), zanahoria (427.189 pta ha-1), melón (395.749 pta ha-1), ajo (291.575 pta ha-1) y tomate de industria de transplante (250.476 pta ha-1), todos ellos con láminas brutas de riego relativamente elevadas: 518, 877, 635, 605 y 682 mm, respectivamente. Las Figuras 4 a 8 detallan de forma gráfica la evolución del margen bruto a lo largo de los escenarios climáticos considerados, contemplando cada una de las hipótesis de trabajo referentes a coeficiente de uniformidad y precio del agua para algunos cultivos de interés, que resultan paradigmáticos del comportamiento de los diferentes cultivos. En la Figura 4, que muestra el margen bruto óptimo para el cultivo de la coliflor, se aprecia cómo se incrementa éste al pasar del año seco hasta el húmedo, como consecuencia de un menor volumen de agua aplicado en los años de mayor precipitación. También, se observa cómo los mayores márgenes brutos corresponden al coeficiente de uniformidad alto con el precio del agua bajo y, los menores al coeficiente de uniformidad menor asociado a un precio elevado de agua. Coliflor

Margen Bruto (pta. ha-1)

540.000 520.000 500.000 480.000 460.000 440.000 420.000 400.000 Año seco CU=75; PA=10

Año medio CU=75; PA=20

CU=85; PA=10

Año húmedo CU=85; PA=20

Fig. 4.–Variación del margen bruto óptimo en relación con el coeficiente de uniformidad (CU) y el precio del agua (PA). Coliflor (Brassica oleracea L. var. Botrytis DC.) Años: seco, medio y húmedo. Gross margin versus coefficient of uniformity (CU) and the water price (PA). Cauliflower (Brassica oleracea L. var. Botrytis DC.). Year: dry, average and humid. Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

344

J.F. ORTEGA et al.

El cultivo de la patata de media estación (Figura 5) presenta diferencias significativas con la coliflor. El margen bruto óptimo de este cultivo sufre grandes variaciones con los diferentes precios del agua, de tal manera que para 20 pta m-3 el cultivo resulta inviable económicamente; sin embargo, no experimenta tanto incremento en el margen bruto al pasar de un año seco a uno húmedo, como en el caso del cultivo de la coliflor. Patata de media estación

Margen Bruto (pta. ha-1)

60.000

40.000

20.000

0

-20.000 Año seco CU=75; PA=10

Año medio CU=75; PA=20

CU=85; PA=10

Año húmedo CU=85; PA=20

Fig. 5.–Variación del margen bruto óptimo en relación con el coeficiente de uniformidad (CU) y el precio del agua (PA). Patata de media estación (Solanum tuberosum L.) Años: seco, medio y húmedo. Gross margin versus coefficient of uniformity (CU) and the water price (PA). Summer Potatoe (Solanum tuberosum L.). Year: dry, average and humid.

El cultivo de girasol (Figura 6) tiene la peculiaridad de ofrecer mayores márgenes brutos, para un mismo precio del agua, con un coeficiente de uniformidad del 75 % que con un 85 %, contrariamente a lo que cabría esperar y a lo que se pone de manifiesto en el análisis de los demás casos estudiados. En las Figuras 7 y 8 se incluyen dos ejemplos más, correspondientes a los cultivos de melón y lechuga de siembra primaveral. Su comportamiento, en lo que se refiere a las combinaciones de coeficiente de uniformidad y precios de agua, es análogo al descrito para el cultivo de la coliflor, aunque sus valores absolutos sean inferiores. Unicamente es destacable en estos casos, la distinta distancia entre los márgenes brutos para cada hipótesis (combinaciones de precio del agua y CU) dentro de una misma escena climática, apareciendo menores diferencias en el caso de la lechuga de primavera, en que las láminas empleadas son menores. De la aplicación del tercer submodelo se obtiene la alternativa de cultivos económicamente óptima, a partir de las láminas de riego óptimas y márgenes brutos asociados a ellas para cada cultivo.

345

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

Girasol

Margen Bruto (pta. ha-1)

60.000 50.000 40.000 30.000 20.000 10.000 0 -20.000 Año seco CU=75; PA=10

Año medio CU=75; PA=20

CU=85; PA=10

Año húmedo CU=85; PA=20

Fig. 6.–Variación del margen bruto óptimo en relación con el coeficiente de uniformidad (CU) y el precio del agua (PA). Girasol 1ª cosecha (Helianthus annuus L.) Años: seco, medio y húmedo. Gross margin versus coefficient of uniformity (CU) and the water price (PA). Sunflower (Helianthus annuus L.). Year: dry, average and humid.

Los resultados del tercer submodelo se presentan en la Tabla 10, distinguiendo entre las dos hipótesis de disponibilidad de agua planteadas. En esta Tabla se muestran los resultados finales de aplicación del modelo más relevantes: el margen bruto medio por unidad de superficie alcanzado en la explotación con la alternativa propuesta como óptima, la superficie total cultivada de las 50 ha de suelo de labor disponible en la explotación tipo utilizada, la lámina de riego media aplicada a cada unidad de superficie regada, además de los cultivos que entran a formar parte de la alternativa con su grado de participación, todo ello para cada uno de los escenarios globales simulados, conformados por los años climáticos, las disponibilidades hídricas, los coeficientes de uniformidad del sistema de riego y los precios del agua. Los mayores márgenes brutos se registran en la situación de mayor coeficiente de uniformidad y precio de agua bajo, asociado a la situación de agua ilimitada, alcanzándose el máximo, lógicamente, en el año húmedo, en que los costes variables asociados al agua de riego son los menores. Así, el mayor margen bruto para esta explotación es de 402.360 pta ha-1, para el año medio, registrándose un valor superior para el año húmedo e inferior para el año seco, en función de los costes variables asociados al consumo hídrico de la solución propuesta. Los cultivos que entran a formar parte de la alternativa son: tomate con destino industrial, ajo, zanahoria, coliflor, ajo con una segunda cosecha de lechuga de otoño y lechuga de siembra en primavera seguida de coliflor. Todos estos cultivos son los que presentan el mayor margen bruto, alcanzando la superficie máxima posible, limitada según las Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

346

J.F. ORTEGA et al.

Melón

Margen Bruto (pta. ha-1)

400.000 380.000 360.000 340.000 320.000 300.000 280.000 Año seco CU=75; PA=10

Año medio CU=75; PA=20

CU=85; PA=10

Año húmedo CU=85; PA=20

Fig. 7.–Variación del margen bruto óptimo en relación con el coeficiente de uniformidad (CU) y el precio del agua (PA). Melón (Cucumis melo L.) Años: seco, medio y húmedo. Gross margin versus coefficient of uniformity (CU) and the water price (PA). Melon (Cucumis melo L.). Year: dry, average and humid.

restricciones de superficie impuestas (Tabla 2). De esta manera, al considerar el agua ilimitada se prefieren los cultivos que permiten un mayor margen bruto, independientemente de su consumo hídrico; la alternativa resultante presenta un consumo para el año medio de 6.553 m3 ha-1, con unas necesidades máximas de 7.852 m3 ha-1 en el año seco y mínimas de 5.992 m3 ha-1 para el año definido como seco. En el caso de agua limitada, aparece la tierra retirada como una actividad interesante, llegando incluso en algún caso (CU=85 % y precio del agua de 10 pta m-3 y CU=75 % y 10 pta m-3) a dejarse suelo disponible en la explotación agrícola sin cultivar, concentrando el agua disponible sobre los cultivos de alto margen bruto, fundamentalmente hortícolas, de forma que se rieguen con la lámina económicamente óptima para esa especie. Destacar que en el caso de agua limitada la alternativa propuesta es aquella cuya demanda hídrica puede ser satisfecha en el año más seco, por ello la lámina disponible máxima aparece en la Tabla 10 asociada al año seco, siendo en los restantes escenarios climáticos los requerimientos de la alternativa solución menores. En el escenario global de actuación presentado, la situación más desfavorable es suponer un coeficiente de uniformidad bajo, con precio elevado del agua y en condiciones de limitaciones hídricas. Trabajando en este marco, la solución más satisfactoria es la alternativa que permite obtener un margen bruto para el año medio de 249.878 pta ha-1, con unos requerimientos de agua de 3.372 m3 ha-1, integrada por los cultivos siguientes: lechuga de primavera, trigo duro de siembra invernal, trigo duro de siembra

347

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

TABLA 10 RESULTADOS DE LA APLICACIÓN DEL TERCER SUBMODELO Results of the third submodel Año Seco Medio Húmedo Año Seco Medio Húmedo Año Seco Medio Húmedo Año Seco Medio Húmedo Año Seco Medio Húmedo Año Seco Medio Húmedo Año Seco Medio Húmedo Año Seco Medio Húmedo

Coeficiente de uniformidad 85 %. Precio del agua 10 pta. m-3. Agua ilimitada (1) 381.899,30 395.921,16 402.360,22

(2)

(3)

(4)

(7)

(8)

(9)

(13)

(14)

7.851,80 6.553,00 5.992,00

50,00 50,00 50,00

10,00 10,00 10,00

15,00 15,00 15,00

11,00 8,00 8,00

10,00 10,00 10,00

0,00 3,00 3,00

4,00 4,00 4,00

Coeficiente de uniformidad 85 %. Precio del agua 10 pta. m-3. Agua limitada a 4.000 m3 ha-1 (1) 304.856,04 313.323,32 317.645,30

(2)

(3)

4.350,32 3.556,61 3.135,31

45,97 45,97 45,97

(5)

(6)

(7)

(9)

(12)

(14)

4,00 4,00 4,00

7,00 7,00 7,00

5,97 5,97 5,97

10,00 10,00 10,00

15,00 15,00 15,00

4,00 4,00 4,00

Coeficiente de uniformidad 85 %. Precio del agua 20 pta. m-3. Agua ilimitada (1) 307.528,52 333.868,30 345.692,12

(2)

(3)

(4)

(6)

(7)

(8)

(9)

(13)

7.169,40 5.995,40 5.405,60

50,00 50,00 50,00

10,00 10,00 10,00

10,00 0,00 0,00

15,00 15,00 15,00

1,00 8,00 8,00

10,00 10,00 10,00

0,00 3,00 3,00

(14) 4,00 4,00 4,00

Coeficiente de uniformidad 85 %. Precio del agua 20 pta. m-3. Agua limitada a 4.000 m3 ha-1 (1) 254.685,51 270.768,23 278.616,28

(2)

(3)

4.000,00 3.337,85 2.960,53

50,00 50,00 50,00

(5)

(6)

(7)

(9)

4,00 4,00 4,00

7,00 7,00 7,00

7,33 7,33 7,33

10,00 10,00 10,00

(10)

(12)

2,67 15,00 2,67 15,00 2,67 15,00

(14) 4,00 4,00 4,00

Coeficiente de uniformidad 75 %. Precio del agua 10 pta. m-3. Agua ilimitada (1) 356.233,06 371.820,38 379.223,80

(2) 8.567,20 7.667,20 7.147,80

(3) 50,00 50,00 50,00

(4) 10,00 10,00 10,00

(7) 15,00 15,00 15,00

(8) 11,00 11,00 11,00

(9) 10,00 10,00 10,00

(14) 4,00 4,00 4,00

Coeficiente de uniformidad 75 %. Precio del agua 10 pta. m-3. Agua limitada a 4.000 m3 ha-1 (1) 279.455,43 288.416,54 293.285,29

(2) 4.442,39 3.710,31 3.516,42

(3) 45,02 45,02 45,02

(5) 4,00 4,00 4,00

(6) 7,00 7,00 7,00

(9) 10,00 10,00 10,00

(11) 5,02 5,02 5,02

(12) 15,00 15,00 15,00

(14) 4,00 4,00 4,00

Coeficiente de uniformidad 75 %. Precio del agua 20 pta. m-3. Agua ilimitada (1) 276.713,70 303.376,38 316.102,74

(2) 7.434,80 6.390,40 5.775,60

(3) 50,00 50,00 50,00

(4) 10,00 10,00 10,00

(6) 10,00 0,00 0,00

(7) 15,00 15,00 15,00

(8) 1,00 8,00 8,00

(9) 10,00 10,00 10,00

(13) 0,00 3,00 3,00

(14) 4,00 4,00 4,00

Coeficiente de uniformidad 75 %. Precio del agua 20 pta. m-3. Agua limitada a 4.000 m3 ha-1 (1) 232.315,23 249.877,97 258.296,32

(2) 4.000,00 3.371,96 3.026,88

(3) 50,00 50,00 50,00

(5) 4,00 4,00 4,00

(6) 7,00 7,00 7,00

(9) 10,00 10,00 10,00

(10) 14,39 0,00 0,00

(11) (12) 0,00 10,61 14,27 10,73 14,27 10,73

(14) 4,00 4,00 4,00

(1) = Margen bruto óptimo (pta. ha-1); (2) =Agua utilizada (m3 ha-1); (3) = Superficie cultivada en regadío (ha); (4) = Tomate industria transplante (ha); (5) = Lechuga de primavera (ha); (6) = Melón (ha); (7) = Ajo (ha); (8) = Zanahoria (ha); (9) = Coliflor (ha); (10) = Trigo duro de primavera (ha); (11) = Trigo duro de invierno (ha); (12) = Tierra de retirada (ha); (13) = Ajo + Lechuga de otoño (ha); (14) = Lechuga de primavera + Coliflor (ha). Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

348

J.F. ORTEGA et al.

Lechuga de primavera

Margen Bruto (pta. ha-1)

235.000 230.000 225.000 220.000 215.000 210.000 205.000 200.000 Año seco CU=75; PA=10

Año medio CU=75; PA=20

CU=85; PA=10

Año húmedo CU=85; PA=20

Fig. 8.–Variación del margen bruto óptimo en relación con el coeficiente de uniformidad (CU) y el precio del agua (PA). Lechuga de primavera (Lactuca sativa L.) Años: seco, medio y húmedo. Gross margin versus coefficient of uniformity (CU) and the water price (PA). Spring Lettuce (Lactuca sativa L.). Year: dry, average and humid.

primaveral, melón, coliflor, lechuga de primavera seguida de una segunda cosecha de coliflor, completando las 50 ha con tierra de retirada. Ante esta perspectiva, con agua cara y una instalación de riego con baja uniformidad, comienzan a aparecer cultivos de bajas necesidades, como el trigo duro, pero con un margen bruto razonablemente alto por la ayuda compensatoria recibida en esta comarca, pudiéndose cultivar (aunque se incorpore tierra de retirada) toda la superficie. En cualquier caso, el agua disponible, a elevado precio y distribuida por un sistema de baja uniformidad, es utilizada en los cultivos hortícolas de mayor margen bruto, que suponen el sustento económico fundamental de la explotación. A modo de resumen de los resultados obtenidos, tenemos que indicar que los cultivos hortícolas son una potencial fuente de riqueza para la comarca, posiblemente los que permitan desarrollar en la zona una agricultura competitiva y fuertemente asociada a la industria de transformación y a la comercialización eficiente de los productos. Bajo esta perspectiva, es posible pensar en un futuro tranquilizador para la zona, al menos a medio plazo, aún en un contexto de limitación y encarecimiento de los recursos hídricos disponibles. Esta horticultura debe ser capaz de asegurar unas rentas dignas a los pequeños y medianos agricultores de la zona, permitiendo un nivel de empleo relativamente elevado, principalmente de la mano de obra familiar, y siendo el sustento de la industria agroalimentaria existente y de la red de comercialización disponible que, aprovechando la proximidad de la región a importantes núcleos de población (Madrid, Toledo o la propia Talavera de la Reina) consiga asentarse definitivamente y convertirse en un motor que contribuya de

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

349

forma decisiva a asegurar la estabilidad socioeconómica de esta comarca, por otra parte con una importante tradición hortícola que hace posible pensar en la implementación de una solución como la propuesta.

DISCUSION Los resultados obtenidos de la aplicación de los tres submodelos que integran el modelo económico de ayuda a la toma de decisiones, presentados en el epígrafe anterior, son los primeros de esta naturaleza disponibles para esta comarca, no existiendo en la bibliografía actualizada sobre el tema ningún estudio semejante que pueda referenciarse para, en base a él, proceder a la discusión de los resultados mostrados en este artículo. Los diferentes resultados alcanzados por la aplicación del modelo para cada escenario considerado, son los que cabría esperar dadas las características de la zona de estudio y las tendencias observadas en su evolución agrícola. Estos resultados son aceptables y fácilmente asumibles por los agricultores de regadío de la zona. En esta línea, la discusión de los resultados presentados se basará en el análisis de la metodología seguida para su consecución, prestando especial atención a los aspectos que se deben perfeccionar de cara a introducir mejoras en el modelo, cuyo efecto deberá contrastarse en estudios futuros. Muchos de estos aspectos forman parte de los objetivos de varias líneas de investigación en las que trabajan los autores de este artículo: “GESMO” (Diseño de un sistema de gestión integral del acuífero 08.29 Mancha Oriental como elemento de apoyo en la toma de decisiones sobre el aprovechamiento óptimo de sus recursos), financiado por el Plan Nacional de I+D (programa Nacional de Recursos Hídricos), y “NIWASAVE” (Water, Agriculture and Environment interactions. Reducing the impacts of water application heterogenity on: nitrates leaching, water losses and economici yields) financiado por la unión Europea. En ambos proyectos de investigación se incluye el desarrollo metodológico y la aplicación del modelo económico de ayuda a la toma de decisiones presentado. Además, en el caso del proyecto “GESMO”, alguno de sus objetivos principales, con un área de actuación similar a la que se ha aplicado el modelo y cuyos resultados se han presentado en este artículo, ayudarán a mejorar y validar la metodología propuesta con resultados experimentales, entre ellos se pueden destacar: Evaluación de las necesidades hídricas de las principales especies cultivadas en los regadíos. Establecimiento de las relaciones que ligan la producción de los cultivos con el agua aplicada mediante el riego. Calibrado y verificación de modelos funcionales de simulación de cultivos para su uso en el análisis de diferentes estrategias de riego, así como en su programación. Todo ello será de gran utilidad para mejorar el primer submodelo. Evaluación de los sistemas y equipos de riego utilizados, de gran importancia para conocer la realidad de la zona de actuación. Basándose en ello se podrán realizar los ajustes necesarios durante el proceso de calibración del modelo, teniendo la seguridad de que el escenario que se está simulando es el realmente existente. Diseño e implantación de un Sistema de Soporte a la Decisión (el propio modelo descrito) para ayudar a agentes económicos individuales, maximizando la producción y rentabilidad. En lo que respecta al primero de los submodelos, la metodología seguida para la programación de riegos y la estimación de las necesidades de agua de los cultivos, basada en Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

350

J.F. ORTEGA et al.

las directrices proporcionadas por Doorenbos y Kassam (1981), Doorenbos y Pruitt (1984), Villalobos y Fereres (1987), Smith (1992), ha sido ampliamente contrastada en múltiples trabajos realizados por diferentes autores, siendo globalmente admitida (Pereira et al., 1992, FAO, 1994), no sin algunas críticas razonables en contra (Cavazza, 1992, Mantovani et al., 1992b, Mantovani, 1993). Cualquiera de las modelizaciones desarrolladas en este submodelo, y por extensión en el modelo global, es susceptible de ser mejorada, con tal que dichos avances estén avalados por la experimentación y sea posible su uso en las propias fincas, tal como se prevé en el mencionado Proyecto de Investigación “GESMO”. Sin embargo, la introducción de nuevos modelos de simulación en el submodelo dependerá, en gran medida, de la utilización que se le vaya a dar al modelo general. En este sentido, los modelos más simples, cuya aplicación práctica es inmediata, pueden ser más útiles que los más complejos cuya utilización en la explotación agrícola tal cual es poco probable y que, por lo tanto, requieren de supuestos que los alejan de su objetivo final. Respecto al segundo submodelo, las dudas metodológicas que se presentan son importantes. De una parte en la consideración de las reducciones de rendimiento como consecuencia de los déficits hídricos planteados, se ha recurrido a la introducción de un modelo sencillo (Stewart et al., 1977), que considera una relación lineal entre los descensos de rendimiento y las reducciones de evapotranspiración del cultivo. Este modelo ofrece un grado de precisión suficiente para el fin con que dentro del modelo global de optimización económica se utiliza. Se podría tratar de incorporar algún modelo de simulación de cultivos, en el cual habría que introducir un submodelo de cálculo que le permitiese simular los efectos derivados de la falta de uniformidad del sistema de riego. Este segundo camino, que reportaría al modelo mayor precisión, complicaría significativamente el modelo, posiblemente no traduciéndose este aumento de precisión en una variación de los resultados ofrecidos. En otro orden de cosas, se han realizado diferentes estimaciones de los costes de producción, de forma que estos se han ajustado, mediante funciones exponenciales altamente significativas, a un modelo continuo de variación. Este ajuste constituye la base para determinar el margen bruto en función de la lámina de riego, sobre el cual se realiza el proceso de optimización de la lámina de riego para cada uno de los cultivos considerados. Para este análisis de costes, con el que se han obtenido unas láminas óptimas de riego adecuadas para la comarca, se ha incorporado la variabilidad climática a través de la simulación en años pluviométricamente extremos (seco, medio y húmedo) obtenidos de una serie climática amplia. Tanto o más importante que esto es la variabilidad introducida por las fluctuaciones de precios de los productos mercadeables, así como de los costes de producción. Sería de especial interés el incorporar esta variable, mediante un análisis de sensibilidad de los resultados obtenidos o por medio de su introducción en el propio proceso de simulación. En cuanto al tercer submodelo, las posibles variaciones y mejoras de la estructura del modelo de optimización por programación lineal son más relevantes. Respecto a los resultados presentados en este artículo, la programación lineal se ha aplicado sobre las láminas de riego óptimas de cada cultivo, considerado el margen bruto asociado a ellas (el máximo). Otras alternativas productivas que impliquen una lámina de riego menor y consecuentemente una disminución de margen bruto respecto al óptimo, pueden suponer un camino viable de cara a la optimización de la alternativa de cultivos en el caso de limitación en los recursos hídricos disponibles. Por tanto, este tercer submodelo, bajo la hipótesis de restricciones en la disponibilidad hídrica de la explotación agrícola, deberá contemplar otros supuestos de manejo del riego, contemplando láminas por debajo del resultado ofrecido por el segundo submodelo, e incluso, cultivar en condiciones de secano dentro del

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

351

perímetro de la explotación de regadío. En un primer momento, dentro de la línea de desarrollo del modelo presentado, se está trabajando en la introducción del riesgo asociado a la solución adoptada (Tauer, 1983; Romero et al., 1987; Berbel, 1993; Millan y Berbel, 1994). Este riesgo va implícito a cada alternativa planteándose como consecuencia de la variabilidad climática, de precios, etc. Consecuentemente, el desarrollo del modelo supondrá una mejora metodológica para abordar la introducción de mayor número de variables y escenarios de partida, así como de atributos sobre los que actuar en el proceso de optimización (margen bruto, riesgo, disponibilidad y estacionalidad de recursos, parámetros para considerar el impacto ambiental, etc.). Todo ello conducirá a la modificación de la programación lineal como forma de optimización, introduciéndonos en las técnicas de decisión multicriterio como forma de acotar el conjunto de alternativas y de aproximarnos, dentro de las soluciones posibles a las más eficientes (Romero, 1993; Sánchez Madrid et al., 1997; López et al., 1997).

CONCLUSIONES La estrategia óptima de manejo del agua de riego disponible es función de la precipitación recogida cada año, del precio del agua, del coeficiente de uniformidad del sistema de riego y de la especie cultivada, tanto por su sensibilidad al estrés como por la implicaciones derivadas de la política de ayudas compensatorias. Los mejores márgenes brutos se obtienen para la mayoría de los cultivos con el coeficiente de uniformidad más elevado (85 %), lo cual se manifiesta claramente los años más secos. Conforme las necesidades de riego se van reduciendo, por la especie cultivada, precipitación registrada cada año, influencia del coeficiente de uniformidad sobre la lámina de riego, la lámina óptima va disminuyendo. El girasol muestra una tendencia diferente al resto de cultivos, siendo independiente la lámina de riego óptima del precio del agua considerado, además, la situación de mayor margen bruto va asociada al coeficiente de uniformidad menor (75 %). El precio elevado del agua de riego hace disminuir las láminas de riego optimas, especialmente en el caso de cultivos con ingresos reducidos o en aquellos otros con necesidades elevadas. Los cultivos que presentan, de acuerdo con la estimación de costes realizada para la comarca, un mayor margen bruto son: coliflor, zanahoria, melón, ajo y tomate, todos ellos cultivos hortícolas que entran a formar parte de gran cantidad de alternativas consideradas eficientes. Las láminas de riego económicamente óptimas están normalmente por debajo de las correspondientes a las máximas necesidades de los cultivos, siendo las producciones óptimas inferiores a los rendimientos agrícolas potenciales de la zona. Los cultivos que entran a formar parte de las alternativas seleccionadas bajo la hipótesis de disponibilidades hídricas ilimitadas son los que permiten obtener un mayor margen bruto, limitados por las restricciones de superficie impuestas en cada caso. En el supuesto de agua limitada (400 mm), para la mayoría de escenarios considerados, los cultivos que entran a formar parte de la alternativa son los hortícolas con la mayor superficie posible de acuerdo con la limitación de recursos, concentrándose en ellos el volumen de agua existente. Otros cultivos de bajas necesidades completan la alternativa, en la que la tierra de retirada alcanza gran importancia. Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

352

J.F. ORTEGA et al.

La alternativa de cultivos que supone un mayor margen bruto es la formada por los siguientes cultivos: coliflor, zanahoria, ajo, tomate de industria, ajo con una segunda cosecha de lechuga otoñal y la lechuga de primavera seguida de coliflor. Puede apreciarse la enorme importancia de potenciar en la zona la industria agroalimentaria como la mejor solución de futuro. La repercusión de la reducción en la disponibilidad de agua en la zona se traducirá en un aumento de la tierra retirada y de los cultivos de bajas necesidades hídricas, pero manteniendo el agua disponible concentrada sobre los cultivos hortícolas de orientación industrial. La disminución del margen bruto asociado a esta nueva situación no deberá suponer un empeoramiento de las condiciones socioeconómicas de la zona. El futuro más viable para la agricultura de la Comarca de vega de Talavera de la Reina, se centra, incluso en el supuesto de recursos hídricos limitados, en la horticultura. Esta horticultura requiere un sector comercial e industrial dinámico y competitivo. Se quieren incorporar en este epígrafe, a la vista de los resultados obtenidos, algunas conclusiones sobre la metodología aplicada: Es fundamental la adopción de una función continua de márgenes brutos con relación a la lámina de riego, que permita considerar en el proceso de optimización de las alternativas de cultivo (tercer submodelo) láminas de riego diferentes a la económicamente óptima. Esto supondrá de hecho unificar ambos submodelos, salvando la limitación actual expuesta. En la misma línea, la introducción del secano como una posible actividad productiva más dentro de la alternativa de cultivos que se plantee en una explotación de regadío puede ser decisiva, para conseguir un manejo optimo del suelo y agua disponible en el caso de recursos limitados. Las restricciones que se impongan en el tercer submodelo deben haber sido profundamente analizadas para cada situación. Es decisivo, pues supone la manera más importantes en que interviene el centro decisor sobre la realidad que simula para tratar de obtener unos resultados que sean coherentes en el escenario planteado. En el proceso de optimización se tienen que aumentar las variables consideradas al igual que los atributos analizados, recurriendo al paradigma de decisión multicriterio como la mejor forma de aproximarnos a un ideal entre objetivos en conflictos. El modelo se complicará, tanto en la estructura como en su manejo, pero permitirá explicar y aproximarse mejor a una realidad compleja y muy dinámica.

AGRADECIMIENTOS Este estudio ha sido posible dentro de los siguientes Proyectos de Investigación, queriendo mostrar nuestro agradecimiento a las Instituciones financiadoras: • Proyecto Europeo FAIR1 CT950088 (NIWASAVE), concedido por la Dirección General VI. • Proyecto Nº 97/CH-32, concedido por la Junta de Comunidades de Castilla-La Mancha.

SUMMARY Economic optimisation model on irrigation water management in farms: application to the irrigated farming at Toledo (Spain) Water is a scarce resource and a main factor from an economical point of view. An economical-optimisation model has been applied to determine the most suitable crop alternative in a farm at Toledo’s province. The model

OPTIMIZACION DEL USO DEL AGUA DE RIEGO

353

has been developed taking into account these assumptions and the current guidelines stipulated by the Common Agrarian Policy (CAP). This model has the aim of maximising economic profit of the farm depending on the available-water quantity. Three submodels compose the model. The first one determines crop’s net water requirements. Several evapotranspiration deficits have been involved in the first submodel, and its effect on yield has been evaluated. The next step is to obtain maximum gross margins with its respective gross application depths (optimum application depths) by determining gross margins of each agricultural activity considered. Finally, the crop-alternative solution that offers the maximum economic profit is attained, taking into account water availability. The final solution when applying the model emphasises the importance of including vegetables especially dedicated to the agro-industrial sector. Therefore is necessary to develop this sector as a future solution. KEY WORDS: Production functions Irrigation uniformity Economic modeling Economic optimisation Water management

REFERENCIAS BIBLIOGRAFICAS ANYOJI H., WU I.P., 1994. Normal distribution water application for drip irrigation schedules. Trans. ASAE., 37, 1, 159-164. BERBEL J., 1993. Risk Programming in Agricultural Systems: a multiple criteria analysis. Agric. Syst., 41, 275-288. CAVAZZA D., 1992. Economizzare l’acqua di irrigazione. Irrigazione e Drenaggio, 3, 12-17. DE JUAN J.A., TARJUELO J.M., VALIENTE M., GARCIA P., 1996. Model for optimal cropping patterns within the farm based on crop water production function and irrigation uniformity. I: Development of a decision model. Agric. Water Mngt., 31, 115-143. DOORENBOS J., KASSAM A.H., 1981. Yield Response to Water. Irrig. and Drain. Paper 33, FAO, Rome, Italy. DOORENBOS J., PRUITT W.O., 1984. Crop Water Requirements. Irrig. and Drain. Paper 24, FAO, Rome, Italy. DUKE H.R., HEERMANN D.F., DAWSON L.J., 1991. Selection of appropriate depth from centre pivot. ASAE Summer Meeting Paper 91-2052, St. Joseph, MI, USA. F.A.O., 1994. Irrigation Water Delivery Models. Water Reports, 2, FAO, Rome, Italy. HATFIELD J.L., 1985. Wheat canopy resistance determined by canopy balance techniques. Agron. J., 77, 279283. HEERMANN D.F., DUKE H.R., DAWSON L.J., 1991. Distribution functions to represent center pivot water distribution. ASAE Summer Meeting Paper 91-2051, St. Joseph, MI, USA. HUSAR J., 1987. Ahorro de agua en explotaciones con riego gracias a una optimización de la producción respetando los regímenes de agua. Riegos y Drenajes XXI, 18, 31-38. KING B.A., BUSCH J.R., 1993. Computer model for on-farm irrigation system planning. Agric. Water Mngt., 24, 239-248. KUMAR R., KHEPAR S.D., 1980. Decision models for optimal cropping patterns in irrigation based on crop water production functions. Agric. Water Mngt., 3, 65-76. LEON A., 1988. Caracterización agroclimática de la provincia de Toledo. Ed. Ministerio de Agricultura Pesca y Alimentación, Madrid, España. LOPEZ DE PABLO M., CALATRAVA J., CAÑERO R., 1997. La desestacionalización del uso de mano de obra como estrategia productiva en la horticultura almeriense: viabilidad y coste de oportunidad. Inv. Agr.: Economía (en prensa). MANNOCHI F., MECARELLI P., 1994. Optimization analysis of deficit irrigation systems. J. Irrig. Drain. Eng. ASCE., 120, 494-503. MANTOVANI E.C., 1993. Desarrollo y evaluación de modelos para el manejo del riego: estimación de la evapotranspiración y efectos de la uniformidad de aplicación del riego sobre la producción de cultivos. Tesis Doctoral. Universidad de Córdoba, España. MANTOVANI E.C., ORGAZ F., VILLALOBOS F.J., FERERES E., 1992a. Evaluación de un método para la determinación de la evaporación y transpiración del algodón en Córdoba. X Jornadas Técnicas de Riegos. Albacete, 26-27 de mayo 1992, España. MANTOVANI E.C., VILLALOBOS F.J., ORGAZ F., BERENJENA J., FERERES E., 1992b. A comparison of methods to calculate evapotranspiration of fields crops. “2nd Congress European Society for Agronomy. August, 1992, Warwicks, U.K. Invest. Agr.: Prod. Prot. Veg. Vol. 14 (3), 1999

354

J.F. ORTEGA et al.

MAPA, 1996. Anuario de Estadística Agraria 1994. Ed. Secretaría General Técnica. Ministerio de Agricultura, Pesca y Alimentación, Madrid, España. MILLAN J.S., BERBEL J., 1994. A multicriteria model for irrigated agricultural planning under economic and technical risk. Agric. Syst., 44, 105-117. ORGAZ F., MATEOS L., FERERES E., 1992. Season length and cultivar determine the optimum evapotranspiration deficit in cotton. Agron. J., 84, 700-706. PEREIRA L.S., PERRIER A., AIT KADI M., KABAT P. (eds.), 1992. Crop Water Models, special inside of the ICID Bulletin 41, 200 pp. PEREIRA L.S.,VAN DEN BROEK B.J., KABAT P., ALLEN R.G., 1995. Crop-Water-Simulation Model in Practics Selected papers of the 2nd Workshop on Crop-Water Models, Organized by the ICID Working Group Crops and Water Use, ICID-CIID, Wageningen Press, Wageningen, the Netherlands. PERI G., HART W.E., NORUM D.I., 1979. Optimal irrigation depths. A method of analysis. J.Irrig. Drain. Div. ASCE, 105, 341-355. ROMERO C., AMADOR F., BARCO A., 1987. Multiple objetives in agricultural planning: a compromise programming application. Amec. J. Agr. Econ., 69, 78-86. ROMERO C., 1993. Teoría de la decisión multicriterio: conceptos, técnicas y aplicaciones. Ed. Alianza Editorial, Madrid, España. SANCHEZ MADRID F.J., GOMEZ-LIMON J.A., RODRIGUEZ A., 1997. Determinación de la curva de demanda del agua de riego en base a una metodología multicriterio. XV Congreso Nacional de Riegos, Lleida, 2527 junio 1997, España. SEGINER I., 1978. A note on the economic significance of uniform water application. Irrig. Sci., 1, 19-27. SMITH M., 1989. Programa informático CROPWAT V. 5.7. Food and Agriculture Organization. Land and Water Developement Division. AGLW FAO, Rome, Italy. SMITH M. 1992. CROPWAT: A Computer Program for Irrigation Planning and Management. Irrig. and Drain. Paper 46, FAO, Rome, Italy. SOLOMON K.H., 1985. Typical crop water production function. Paper No. 85-2596, ASCE, Chicago, IL,USA. STEWART J.I., HAGAN R.M., PRUITT W.O., HANKS R.J., RILEY J.P., DANILSON R.E., FRANKLIN W.T., JACKSON E.B., 1977. Optimizing crop production through control of water and salinity levels. Utah Water Res. Lab. PRWG 151-1, September, UT, USA. TARJUELO J.M., 1995. El Riego por Aspersión y su Tecnología. Ed. Mundi-Prensa, Madrid, España. TARJUELO J.M., DE JUAN J.A., VALIENTE M., GARCIA P., 1996. Model for optimal cropping patterns within the farm based on crop water production function and irrigation uniformity. II: A case study of irrigation scheduling in Albacete, Spain. Agric. Water Mngt., 31, 145-163. TAUER L.W., 1983. Target Motad. Amec. Agric. Econ. Ass., 65, 606-610. VAUX H.J., PRUITT W.O., 1983. Crop-water production functions. In: D. Hillel (Editor), Advances in Irrigation. Vol.2, 61-97. Academic Press, New York, USA. VILLALOBOS F.J., FERERES E., 1987. Necesidades hídricas de los cultivos y programación de los riegos en las Vegas Bajas del Guadiana. SIA, Junta de Extremadura, Badajoz, España. VILLALOBOS F.J., 1992. Los servicios de asesoramiento de riegos y las necesidades hídricas de los cultivos. X Jornadas Técnicas sobre Riegos. Albacete, 26-27 de mayo 1992, España. WARRICK A.W., GARDNER W.R., 1983. Crop yield as affected by spatial variations of soil and irrigation. Water Resourc. Res., 19, 181-186. WARRICK A.W., HART W.E., YITAYEW M., 1989. Calculation of distribution and efficiency for nonuniform irrigation. J. Irrig. Drain. Div. ASCE, 115, 674-686. WU I.P., 1988. Linearized water aplication function for drip irrigation schedules. Trans. ASAE., 31, 1743-1749.