227
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Ecoeciencia de la infraestructura hidráulica del
sistema Chancay-Lambayeque y su impacto en la
huella hídrica de la producción agrícola
rEsumEn
Los recursos hídricos se ven afectados por las variaciones climáticas, en particular
por la magnitud y distribución de precipitaciones, aumento de temperatura y
mayor probabilidad de ocurrencia de eventos extremos. La huella hídrica es un
indicador que expresa el uso de agua tanto en su uso directo, como indirecto
y para su cálculo se empleó el software CROPWAT 8.0 y la base de datos
CLIMWAT 2.0. Se estimó que la huella hídrica total de los cultivos estudiados
en m
3
.ton
-1
de producto generado es de 156, 1 124 y 891 para la caña de azúcar,
el arroz y el maíz respectivamente; con una contribución de la huella verde en
1.6%, 0.7% y 3.4%. El cultivo con mayor huella es el arroz y la caña de azúcar
tiene la menor huella hídrica, explicado por altos rendimiento en biomasa. Con
base en la cantidad de agua requerida por supercie cultivada, se aprecia que la
caña de azúcar es el cultivo con mayor consumo, al requerir 16 000 m
3
.ha
-1
, el
arroz y el maíz solo requieren 9 000 y 6 000 m
3
.ha
-1
de agua respectivamente.
Se determinó que la eciencia del arroz es 3.24 m
3
.ton
-1
de agua por volumen
producido. La comisión de Morrope presenta una mejor relación entre volumen
de producción y volumen de agua, con ratios de 2.57 y 2.52 en comparación con
el resto, que tienen valores de 1.25 y 1.21 para el arroz y el maíz, respectivamente.
Palabras clave: Recursos hídricos, huella hídrica, ecoeciencia
abstraCt
Water resources are aected by climate variations, in particular by the magni-
tude and distribution of precipitation, increased temperature and likelihood of
occurrence to extreme events. e water footprint is an indicator that expres
-
ses direct and indirect water use. In addition cropWAT 8.0 software and CLI-
MWAT 2.0 database were used for its calculation. e total water footprint of
crops studied in m
3
.ton
-1
of the product generated was estimated to be 156, 1
124 and 891 for sugarcane, rice and maize respectively; with a green footprint
contribution of 1.6%, 0.7% and 3.4%. e largest crop is rice and sugar cane
has the lowest water footprint, explained by high biomass yields. Based on the
amount of water required per cultivated area, sugar cane is found to be the most
consumed crop, requiring 16,000 m
3
.ha
-1
, rice and maize require only 9,000 and
6,000 m
3
.ha
-1
of water respectively. Rice eciency was determined to be 3.24
m
3
.ton
-1
of water per volume produced. Morrope’s commission has a better ratio
of production volume to water volume, with ratios of 2.57 to 2.52 compared
to the rest, which have values of 1.25 and 1.21 for rice and maize, respectively.
Key words: Water resources, water footprint, eco-eciency
Eco-eciency of the hydraulic infrastructure of the Chancay-
Lambayeque system and its impact on the water footprint of
agricultural production
Recibido: setiembre 03 de 2020 | Revisado: setiembre 28 de 2020 | Aceptado: octubre 02 de 2020
J D
W C
A D
1 Ponticia Universidad
Católica del Perú
2 Universidad
Nacional Pedro Ruiz
Gallo. Departamento de
Educación
3 Universidad Nacional
Agraria La Molina,
Departamento de
Horticultura
fduenas@lamolina.edu.
pe
https://doi.org/10.24265/campus.2020.v25n30.03
| C | V. XX V | N. 30 | PP. - | - | |
© Los autores. Este artículo es publicado por la Revista Campus de la Facultad de Ingeniería y Arquitectura de la Universidad
de San Martín de Porres. Este artículo se distribuye en los términos de la Licencia Creative Commons Atribución No-comercial
– Compartir-Igual 4.0 Internacional (https://creativecommons.org/licenses/ CC-BY), que permite el uso no comercial,
distribución y reproducción en cualquier medio siempre que la obra original sea debidamente citada. Para uso comercial
contactar a: revistacampus@usmp.pe.
228
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
introduCCión
La UNESCO dene a los recursos
hídricos como aquellos relativos al agua,
disponibles o potencialmente disponibles,
en cantidad y calidad suciente, en un
lugar y periodo de tiempos apropiados
para satisfacer una demanda identicable
(NNUU, 2017). El uso adecuado de
los recursos naturales es la base de las
dimensiones del desarrollo sustentable,
tales como la gobernabilidad, salud
humana, conservación de la biodiversidad
y adaptación al cambio climático (FAO,
2018). Para el caso de la agricultura, los
más relevantes son el agua y el suelo, de
modo que, el agua es el insumo de mayor
volumen y consumo en la producción de
alimento, tanto en el campo como en la
mayoría de los clústeres de la cadena de
valor.
Los recursos naturales deben
preservarse y utilizarse de manera racional,
al ser imprescindibles para el desarrollo
de la vida y la realización de actividades
humanas (Eendi, 2016). El Informe de
las Naciones Unidas sobre el Desarrollo
de los Recursos Hídricos en el Mundo,
señala que del total de agua existente en
el planeta, el 97.5% se encuentra en los
mares y océanos, se trata básicamente de
agua salada y el agua dulce representa
el 2.5%; de esta, el 68.7% se encuentra
en los glaciares de los casquetes polares
y las cumbres nevadas, el 30.1% está en
acuíferos subterráneos, un 0.8% en el
permafrost y el 0.4% restante en aguas
superciales y en la atmósfera (NNUU,
2017).
Un problema adicional, que afecta el
uso sostenible del agua, es la disposición
física agua en el planeta, que alude a
sus patrones de distribución. Alrededor
de 600 millones de personas carecen de
un acceso seguro al agua para consumo
doméstico por el limitado tratamiento
(UNICEF, 2018.). Esto se debe, en
parte, a la distribución irregular de las
precipitaciones, tanto espacial como
temporalmente (McMichael, 2014);
pero también a la carencia de sistemas
de infraestructura de abastecimiento y
mecanismos de gestión que permitan el
acceso al recurso a poblaciones vulnerables
(Massoud et al. 2010). A ello se añade, el
problema de la presión hídrica, indicador
que mide en términos del porcentaje el
agua extraída respecto a la disponibilidad
natural media total (Bunge, 2010).
La contaminación frecuente en la
agricultura resultante del uso inadecuado
de plaguicidas en las prácticas agrícolas
es la principal fuente de contaminación
no puntual del agua subterránea por
lixiviación (Bedmar et al. 2015). También,
se ha determinado que el uso de suelos y al
regadío vinculada al cultivo contribuyen
signicativamente con la elevada
salinidad de los ujos de agua (Larsen et
al. 2013). Otro aspecto se relaciona con
la sobreexplotación de fuentes hídricas,
tanto supercial como subterránea, que
conllevan al agotamiento del recurso,
como es el caso de la sobreexplotación de
aguas subterráneas (Gleeson et al. 2016).
A los problemas descritos se incorpora
los efectos derivados del cambio climático,
en particular para el caso de la agricultura,
actividad que depende en extremo de las
condiciones ambientales. Así se tiene, que
las variaciones climáticas, observadas en
el último medio siglo, de la magnitud y
distribución de precipitaciones, aumento
de la temperatura y mayor probabilidad
de eventos extremos como inundaciones,
sequías, olas de frío y calor, entre otros
J D - W C - A D
229
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
(Pachauri et al. 2014), eventos que
explican las alteraciones en la distribución
de especies vegetales y perturbaciones en la
fenología de diversos cultivos, limitando
su crecimiento y sus rendimientos
(Altieri et al. 2009). Por tanto, asegurar
su disponibilidad es una prioridad
global (Nieto, 2011) y estrategias como
la captación de agua de lluvia (Rojas-
Valencia et al. 2012); recarga de acuíferos
(Ponce et al. 2018); implementación de
infraestructura (represas y embalses) para
el almacenamiento y la generación de
energía y control de inundaciones (Bedoya
et al. 2015) también son alternativas útiles
para mitigar la escasez de agua, como es el
caso de la costa hiperárida del Perú (Álvarez
et al. 2014), al incidir positivamente en
el balance hidrológico. Además, no debe
soslayarse, la reutilización de aguas servidas
para el riego y la refrigeración industrial,
favoreciendo el aseguramiento de la
sostenibilidad ambiental (WHO, 2006)
y en particular, la desalinización del agua
de mar, con los avances tecnológicos que
permiten abaratar los costos (Subramani
et al. 2015).
A pesar de lo dicho, el diseño de una
estrategia de gestión del recurso hídrico
implica la medición de las extracciones,
en ese sentido, la huella de agua es
un concepto de importancia. El Foro
Económico Mundial indica, en su décimo
primer Reporte de Riesgos Globales,
que la crisis del agua se encuentra entre
los diez riesgos más relevantes para la
humanidad (World Economic Forum,
2016). Además, se ha evidenciado que
la irrigación es la actividad antrópica que
conlleva a consecuencias ambientales
importantes, al ser responsable del 85%
del consumo global y del 70% de la
extracción (Bruinsma et al. 2012). En
respuesta a este problema, el 2014 la
ISO publico la norma 14046, como
una opción metodológica para evaluar
los impactos ambientales potenciales de
productos, servicios u organizaciones.
En esta norma se dene la huella de
agua como el indicador que cuantica
los impactos ambientales potenciales
relacionados con el uso y consumo del
agua, considerando las etapas del ciclo de
vida (ISO, 2014). La metodología descrita
por la norma ISO 14046 se sustenta
en un análisis integral de los impactos
ambientales, relacionados al consumo
del agua y depende de conceptos como
la “huella ecológica” (Rees, 1992), el
“agua virtual” (Allan, 1998), y la “huella
hídrica” (Hoekstra, 2003).
Una de las metodologías, derivadas
de la huella de agua, es la “huella de
escasez de agua”, que se encuentra en la
base conceptual de los estudios de ACV
o LCA (Bayart et al. 2010; Kounina et
al. 2013) y se enfoca en el desarrollo de
un indicador basado en la escasez, que
sea calculable con base en los consumos
de agua y que además, sea útil como
punto de partida para diferentes tipos de
análisis. En este contexto, la metodología
propuesta por el grupo de trabajo del
Uso del Agua en la Evaluación de Ciclo
del Vida (WULCA), por sus siglas en
inglés, incorpora la perspectiva del ACV,
respecto a los impactos potenciales
del consumo de agua de carácter
interregional, dicho de otro modo, el
impacto potencial de privar a un usuario
de agua dulce, al consumir el recurso
en otra región (Boulay et al. 2015).
En esa línea argumentativa, se acuñan
expresiones vinculadas a las extracciones
(Frischknetch et al. 2009; Pster et al.
2009), los consumos (Hoekstra et al.
2012; Berger et al. 2014) y la demanda
de agua (Boulay et al. 2015).
E C-L
230
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
En tiempos recientes, se demostró
que la mejor expresión para estimar
la huella de agua debía basarse en el
método Available WAter REmaining
(AWARE), desarrollado por Boulay et al.
(2018), que considera la disponibilidad
menor de agua, por sus silgas en inglés
“AMD” o availability minus demand.
El agua disponible está expresada por la
diferencia entre la precipitación efectiva
y la evapotranspiración en cierto entorno
geográco, es decir, representa a todo
volumen de agua aprovechable para el
uso humano en un lugar determinado; en
tanto que la demanda de agua se reere
al volumen necesario para satisfacer
todas las necesidades de la comunidad
o sociedad. Este indicador, según sus
autores, cubre los vacíos reportado en
la teoría, en particular los relacionados
con el factor de caracterización AMD
(UNEP-SETAC Life Cycle Initiative,
2016).
La huella hídrica, denida por
Hoekstra a través de la Water Footprint
Network, es un indicador que expresa
el uso de agua dulce no solo enfocado
en el uso directo, sino también en el
uso indirecto (Hoekstra, 2017). Se usa
para la evaluación de la apropiación de
los recursos de agua dulce y se aplica
para estimar volúmenes consuntivos en
diferentes niveles (Aldaya, 2015). En
ese contexto, la huella considera tres
componentes la huella azul, la huella
verde y la huella gris; la primera de ellas
se reere al consumo de agua dulce, tanto
supercial como subterránea, a lo largo
de la cadena de suministro, donde el
“consumo” se expresa como la pérdida de
agua disponible en una zona de estudio,
por lo general suele emplear el criterio
de cuencas. El segundo componente, la
huella verde se reere al consumo de agua
proveniente de fuentes pluviales que no
se convierte en escorrentía. Por último, la
huella gris está denida como el volumen
de agua dulce que se requiere para asimilar
y diluir la carga de contaminantes hasta
obtener una concentración aceptable
compatible con los estándares de calidad
establecidos (SABMiller and WWF,
2009).
Cabe señalar que la huella hídrica,
empleada como indicador del uso de
agua, diere de las medidas clásicas de
“retiros de agua” por tres consideraciones.
Primero, al no considerar los volúmenes
de agua azul que se devuelven al área
delimitada de estudio; al no restringirse,
en segundo lugar, únicamente al uso
de agua azul, sino tomar en cuenta
también al agua verde y gris; y tercero,
al no limitarse a los usos directos, sino
también a los usos indirectos. Desde esa
perspectiva, la huella hídrica ofrece una
perspectiva dual, tanto para el consumo
como para la producción (CADIS,
2016). Si bien es cierto que, el volumen
de consumo de agua puede considerarse
como un impacto ambiental, la huella
hídrica no es suciente para determinar
la severidad de éste, dado que depende
de la vulnerabilidad del sistema o de la
cantidad de usuarios o contaminadores
vertido (Water Footprint Network,
2011).
La huella hídrica y la huella de agua son
herramientas que comparten un objetivo
similar, que permite conocer el consumo
de agua y sus consecuencias ambientales.
Para determinar el consumo de agua de
un proceso de producción determinado y
tomar decisiones respecto a la asignación
de los recursos hídricos para satisfacer
la demanda directa e indirecta, resulta
más adecuada la metodología de la
J D - W C - A D
231
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Water Footprint Network (Hoekstra,
2003). Pero, si el objetivo del estudio es
determinar el impacto que se produce
sobre la disponibilidad de agua o el daño
potencial sobre la salud humano y los
ecosistemas, el enfoque más apropiado
sería la huella de agua (ISO 14046,
2014). Además, es importante considerar
el entorno (factores naturales, sociales,
culturales, económicos y estéticos) que
interactúan entre sí con el individuo y
con la comunidad, determinando su
forma, carácter, relación y supervivencia
(Conesa et al. 2010). En general, se
puede decir que el ambiente comprende
dos medios: el medio natural y el medio
humano (Ferrandis et al. 2006).
En esa línea argumentativa, se debe
tomar en cuenta además al sector en el
que se aplica la huella hídrica o la huella
de agua. Por ejemplo, en la agricultura se
puede clasicar en función de la magnitud
de producción, relación con el mercado y
dependencia del agua (Larrazábal, 2019).
Al describir la agricultura bajo riego, se
identican los sistemas de riego de ujo
no controlado y los de ujo controlado
(Arteaga et al. 2015), siendo los más
utilizados el riego por inundación y por
surcos (Cadena, 2012), métodos que
poseen baja eciencia (DGIAR, 2015).
De otro lado, se tienen a los sistemas
tecnicados, aspersión y goteo (Franco,
2018), ambos se caracterizan por una
alta eciencia (DGIAR, 2015). Sin
embargo, el concepto de eciencia de
riego no está formalmente denido, pero
es importante para considerar la huella
hídrica y la huella de agua, la cual se
entiende como la cantidad de agua bien
aprovechada por los cultivos durante
la irrigación de las tierras, del total de
agua captada de cierta fuente (DGIAR,
2015).
Establecer los niveles de eciencia
es importante porque permite conocer
qué cantidad de recurso hídrico que se
pierde durante el riego y así plantear
soluciones que la controlen dentro de
los límites aceptables. Conceptualmente,
se distinguen varios tipos de eciencia,
por ejemplo, la eciencia de conducción
(Ef
C
), eciencia de distribución (Ef
D
) y
eciencia de aplicación (Ef
A
). En término
ambientales se emplea el concepto de
ecoeciencia, que es una herramienta
de gestión para el desarrollo sostenible.
Según el CEMDS (1992), el concepto
de ecoeciencia se basa en el ideal de
“crear más bienes y servicios haciendo
uso de la menor cantidad de recursos
y generando la menor cantidad de
residuos y contaminantes”, tal como lo
reere la norma ISO 14045 de Gestión
Ambiental de la Eco-Eciencia (ISO,
2012). De ese modo, la ecoeciencia
se apoya principalmente en reducir la
sobreexplotación de los recursos naturales
y disminuir la contaminación asociada
a los procesos productivos, es decir, la
ecoeciencia busca un incremento de la
productividad de los recursos naturales,
así como la reducción de los impactos
ambientales a lo largo de todo el ciclo de
vida de los productos (Leal, 2005).
Operacionalmente, la ecoeciencia
se expresa como el valor del producto o
servicio, representado por la cantidad
de bienes producidos o entregados, así
como por las ventas netas obtenidas
por la comercialización de estos. Por
otro lado, la inuencia ambiental puede
corresponder al consumo de energía, de
materiales, de agua, o a las emisiones de
gases de efecto invernadero, substancias
tóxicas, entre otros. Los indicadores
obtenidos se expresan en las unidades
relevantes para cada caso, y solo podrán
E C-L
232
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
ser comparados entre sí o con otros
indicadores que provengan de industrias
similares y sectores especícos (Zhang
y Zhifeng, 2007). Cabe señalar que, al
estimar indicadores basados en la huella
hídrica extendida es posible determinar la
rentabilidad de producción según cultivos
(Salmoral et al. 2012). De ese modo, la
ecoeciencia puede ser útil para explicar
el uso y consumo del agua, y garantizar su
disponibilidad para futuras generaciones
(Brundtland, 1987; Viñas, 2012).
Metidología
Descripción del caso estudio
El departamento de Lambayeque es
un emporio de producción de bienes
agrícolas, tanto para consumo nacional
como para exportación. Esto ha sido
posible gracias a la inuencia que ejerce
la infraestructura hidráulica. Según el
MINAGRI (2017), el portafolio de
cultivos considera en un 55% de arroz,
15% de maíz amarillo duro y un 30%
de otros cultivos; en tanto que, en las
parcelas de las empresas agroindustriales
se siembra en su totalidad caña de azúcar
(Figura 1-A). De otro lado, se tiene
que el agua utilizada para el riego, en la
zona en estudio, proviene de la cuenca
del río Chancay-Lambayeque, ubicada
en la costa norte del Perú y es una de
las más importantes de la vertiente del
Pacíco, al abastecer con agua el riego
del 87% de la supercie cultivada de
la región Lambayeque. Los principales
beneciarios del recurso hídrico son
los productores que conforman la
Junta de Usuarios del Valle Chancay-
Lambayeque, compuesta por quince
comisiones naturales y tres empresas
agroindustriales, abarcando más de cien
mil hectáreas bajo riego (JUCHL, 2018),
tal como se observa en la Figura 1-B.
abastecer con agua el riego del 87% de la superficie cultivada de la región
Lambayeque. Los principales beneficiarios del recurso hídrico son los
productores que conforman la Junta de Usuarios del Valle Chancay-
Lambayeque, compuesta por quince comisiones naturales y tres empresas
agroindustriales, abarcando más de cien mil hectáreas bajo riego (JUCHL,
2018), tal como se observa en la Figura 1-B.
Figura 1-A. Cédula de cultivo de Lambayeque
Figura 1-B. Mapa político de la región Lambayeque
Figura 1. Cédula de cultivos predominante en el Departamento de Lambayeque y Mapa político de la región
Lambayeque. Fuente: Minagri (2017).
La asignación del agua de la cuenca, administrada por el ANA, varía para
cada una de las comisiones, porque se consideran diferentes criterios, tales
como: la superficie total a regar y el uso del recurso hídrico. Por la información
expuesta en la Tabla 1, se puede suponer que la distribución del agua asignada
es proporcional al área sembrada de cada cultivo, aunque deba aceptarse
algunas variaciones dependiendo de cada comisión.
Tabla 1
Características centrales de las comisiones de regantes del sistema
menor Chancay-Lambayeque.
Comisión
de
regantes
Número
de
usuarios
Número
de
predios
Superficie
bajo riego
(ha.)
Volumen
asignado
(miles de
m
3
)
Dotación
(m
3
/ha.)
Sasape 2 405 3 088 5 042 20 280 4 023
Mochumi 1 831 2 292 4 108 34 465 8 391
Muy finca 3 339 4 098 10 785 50 263 4 661
Tucume 912 1 114 1 678 11 426 6 812
Morrope 5 244 8 330 12 346 31 527 2 554
Figura 1. Cédula de cultivos predominante en el departamento de Lambayeque y mapa
político de la región Lambayeque. Fuente: Minagri (2017)
La asignación del agua de la cuenca,
administrada por el ANA, varía para
cada una de las comisiones, porque se
consideran diferentes criterios, tales
como: la supercie total a regar y el uso
del recurso hídrico. Por la información
expuesta en la Tabla 1, se puede suponer
que la distribución del agua asignada
es proporcional al área sembrada de
cada cultivo, aunque deba aceptarse
algunas variaciones dependiendo de cada
comisión.
J D - W C - A D
233
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Tabla 1
Características centrales de las comisiones de regantes del sistema menor Chancay-Lambayeque
Comisión de
regantes
Número
de usuarios
Número de
predios
Supercie bajo
riego (ha.)
Volumen asignado
(miles de m
3
)
Dotación (m
3
/
ha.)
Sasape 2 405 3 088 5 042 20 280 4 023
Mochumi 1 831 2 292 4 108 34 465 8 391
Muy nca 3 339 4 098 10 785 50 263 4 661
Tucume 912 1 114 1 678 11 426 6 812
Morrope 5 244 8 330 12 346 31 527 2 554
La ramada 96 109 314 5 727 18 226
Chongoyape 1 865 2 276 10 064 64 743 6 433
Ferreñafe 4 267 5 082 18 136 109 825 6 056
Capote 577 903 3 878 29 833 7 693
Lambayeque 1 864 2 550 7 448 52 564 7 058
Chiclayo 1 733 2 374 7 425 43 515 5 861
Reque 726 923 2 028 6 936 3 420
Monsefú 3 742 4 277 6 446 25 252 3 917
Etén 493 622 618 2 112 3,420
Pitipo 723 951 3 707 23 518 6,345
E.A. Pucalá 1 4 5 997 22 233 3,707
E.A. Pomalca 1 6 11 153 77 203 6,922
E.A. Tumán 1 4 7 900 36 350 4,601
Total 29 820 39 003 119 069 647 771
Nota. Junta de Usuario del sistema menor. Elaboración propia
La asignación de agua y la supercie
total bajo riego de cada comisión
presentan una distribución similar. Al
analizar el indicador de dotación por
unidad de supercie, se aprecia que los
valores se mantienen en los límites de un
promedio de 5 500 m
3
/ha, a excepción
de la comisión de La Ramada, que posee
una dotación mayor (18 000 m
3
/ha.); la
sobreasignación del recurso se debe a que
esta comisión no se encuentra regulada
por la junta y posee una cantidad de
usuarios y predios que no guran en
los datos públicos; además que en su
ámbito existen varias tomas de agua no
reguladas que afectan a los volúmenes
asignados. Sin embargo, esta condición
afecta ligeramente la precisión de los
resultados obtenidos, por ello se decidió
no considerar un factor de corrección,
porque el volumen asignado es inferior
al 1% del agua disponible total. Del
lado del consumo, era necesario contar
con información sobre los rendimientos
promedio de los principales cultivos de
la región Lambayeque; la fuente de esa
información consultada proviene de la
Encuesta Nacional Agropecuaria 2017
(INEI, 2017) y se usó para obtener las
toneladas producidas unidad de supercie
según comisiones (Tabla 2).
E C-L
234
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Tabla 2
Volúmenes de producción y asignación de agua según comisiones del sistema menor Chancay-
Lambayeque
Comisión de
regantes
Producción
Caña (ton)
Producción
Arroz (ton)
Producción
Maíz (ton)
Volumen
asignado
Caña
(miles m
3
)
Volumen
asignado
Arroz
(miles m
3
)
Volumen
asignado
Maíz
(miles m
3
)
Sasape 23 826 6 418 11 965 3 853
Mochumi 18 096 3 302 18 956 4 136
Muy nca 48 377 11 561 28 147 8 042
Tucume 6 719 1 236 5 713 1 257
Morrope 51 422 16 543 16 394 6 305
La ramada 1 258 379 2 864 1 031
Chongoyape 45 143 10 789 36 256 10 359
Ferreñafe 81 349 20 656 61 502 18 670
Capote 16 773 2 598 16 110 2 983
Lambayeque 34 002 7 484 29 961 7 885
Chiclayo 32 114 5 969 23 497 5 222
Reque 8 122 1 495 3 468 762
Monsefu 28 915 8 638 14 141 5 050
Eten 2 820 579 1 204 296
Pitipo 16 627 3 974 13 170 3 763
E.a. pucala 442 424 22 233
E.a. pomalca 663 513 77 202
E.a. tumán 565 338 36 350
Total 1 671 275 415 561 101 622 135 785 283 349 79 615
Nota. Junta de usuario del sistema menor Chancay-Lambayeque e INEI (2017).
Alcance y objetivos
El objetivo principal consistió
en determinar la huella hídrica
y estimar la ecoeciencia de los
cultivos más importantes de la región
Lambayeque, con base en la eciencia
de la infraestructura hidráulica y de ese
modo diseñar políticas de mejora de la
productividad en el uso del agua y el
suelo para la producción agrícola. En
congruencia con este objetivo central, se
consideró como objetivos especícos los
siguientes: a) Estimar y comparar huellas
hídricas reales y teóricas de los cultivos
más relevantes de la zona de estudio,
con uso del software CROPWAT 8.0 y
b) estimar la ecoeciencia, a través del
cálculo de indicadores, que relacionen
el valor económico generado por el
producto respecto a la cantidad de
recursos consumidos para su producción
y determinar las comisiones que tengan
una mejor relación respecto al promedio.
Cálculo de la huella hídrica teórica
Para el cálculo de las huellas hídricas
se empleó el software CROPWAT
8.0 (FAO, 2019). El modelado se
complementó con la base de datos
CLIMWAT 2.0 (FAO, 2019), que reúne
información meteorológica de diversas
estaciones climáticas alrededor del
J D - W C - A D
235
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
mundo; proporcionando datos promedio
mensuales de precipitación, velocidad
del viento, temperaturas mínimas y
máximas, horas de insolación y humedad.
El modelado consideró estudios
previos, donde se realizó el cálculo de
la huella hídrica de cultivos (Renderos,
2014, Bolaños, 2011), siguiendo los
lineamientos metodológicos de la Water
Footprint Network, es decir, se empleó
la función RAC (Requerimiento de
Agua del Cultivo) del CROPWAT
8.0, que utiliza un modelo que calcula
la evapotranspiración del cultivo en
condiciones de crecimiento ideal desde
la siembra hasta la cosecha, asumiendo
el requerimiento de agua del cultivo bajo
circunstancias particulares de su entorno,
la información sobre la precipitación
efectiva que recibe el cultivo y los
requerimientos de irrigación para evitar
cualquier tipo de limitación durante el
periodo vegetativo del cultivo.
Descripción de la herramienta
Como se dijo anteriormente, se empleó
el software CROPWAT 8.0 en sus cinco
módulos, de los cuales cuatro denen los datos
de entrada, en tanto que el quinto permite
la obtención de datos de salida, conforme al
detalle que se explica en la Tabla 3.
Tabla 3
Detalle de los módulos del software CROPWAT 8.0 empleado en el modelado de la Huella Hídrica
de los cultivos del ámbito del sistema menor Chancay- Lambayeque
Módulo Descripción Comentario Fuente de datos
Clima/ET
o
Se considera los parámetros medios mensuales de
temperatura mínima (ºC), temperatura máxima
(ºC), humedad (%), velocidad del viento (km/
día) e insolación (horas). Utiliza los datos propor-
cionados para el cálculo de la radiación (MJ/m
2
/
día) y la evapotranspiración de referencia (mm/
día), mediante la aplicación del método de Pen-
man-Monteith.
Los datos a introducir en este módulo
son extraídos del CLIMWAT 2.0, espe-
cícamente de las estaciones selecciona-
das para la zona de estudio.
Datos extraídos de la es-
tación #45 del Perú, ubi-
cada en el departamento
de Lambayeque a una
altura de 27 msnm, la-
titud 6.68ºS y longitud
79.88ºW. Corresponde a la
base de datos del software
CLIMWAT 2.0.
Precipitación Se requiere valores de precipitación (mm) que pue-
den ser diarios, decadiarios o mensuales, los cuales
también son extraídos de las estaciones especícas
seleccionadas haciendo uso del CLIMWAT 2.0.
Se calcula la precipitación efectiva con
el método de la USCS (United State
Soil Conservation Service).
Cultivo Se requiere valores especícos para cada cultivo,
como el K
c
(adimensional), duración de las etapas
de desarrollo (días), profundidad de las raíces (m),
agotamiento crítico (fracción), respuesta del ren-
dimiento (fracción) y opcionalmente, la altura del
cultivo (m). También se debe ingresar la fecha de
siembra para que el software identique los datos
climáticos utilizar.
El software posee archivos predetermi-
nados para varios cultivos (caña de azú-
car, arroz y maíz; cambiando las fechas
de siembra para la zona de estudio.
Base de datos en CRO-
PWAT 8.0, para los culti-
vos de la caña de azúcar, el
arroz y el maíz.
Suelo Considera parámetros de humedad del suelo dis-
ponible total (mm/m), tasa máxima de inltra-
ción de la precipitación (mm/día), profundidad
radicular máxima (cm), agotamiento inicial de la
humedad de suelo (%) y la humedad de suelo ini-
cialmente disponible (mm/m).
Para el caso del arroz, debido al riego
por inundación, se requiere sobre la po-
rosidad drenable (%), el agotamiento
crítico para grietas del fangueo (frac-
ción), la tasa máxima de percolación
después del fangueo (mm/día), la dis-
ponibilidad de agua a la siembra (mm)
y la altura máxima de la lámina de agua
(mm).
Base de datos en el softwa-
re CROPWAT 8.0, para
el tipo de suelo rojo fran-
co-arenoso, que es el que
más se asemeja al de la zona
de estudio.
Requerimien-
to de Agua del
Cultivo (RAC)
Proporciona los datos de salida, como la evapo-
transpiración del cultivo (mm), precipitación
efectiva (mm) y requerimientos de riego (mm);
que posteriormente se emplea para el cálculo de
huellas hídricas.
Los valores están calculados para perio-
dos de diez días, es decir, en un régimen
decadiario; siendo la unidad de referen-
cia nal la de mm/dec.
E C-L
236
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Modelo matemático
El cálculo de huella hídrica consideró
la siguiente ecuación:
Donde, HH representa la magnitud
de la huella hídrica para un cultivo
especíco expresada en unidades de
volumen sobre masa, “i” puede tomar el
valor del componente “verde” o “azul” de
la huella. RAC, es el requerimiento de
agua del cultivo, bien sea verde o azul,
y su unidad está expresada en volumen
por área, Y representa el rendimiento del
cultivo en unidades de masa por área.
Para calcular el RAC, se deben sumar
los valores de la evapotranspiración real
del cultivo ET
c
, a lo largo del periodo
vegetativo (d=1 d=n), tal y como se
muestra en la siguiente ecuación:
Donde, ET
c
está expresada en
milímetros día
-1
y el factor 10 se emplea
para la conversión a metros cúbicos
sobre hectáreas. Los valores de ET
c
son
obtenidos directamente del software, a
través del método Penman-Monteith.
Cultivo
Se requiere valores específicos para cada cultivo, como el
K
c
(adimensional), duración de las etapas de desarrollo
(días), profundidad de las raíces (m), agotamiento crítico
(fracción), respuesta del rendimiento (fracción) y
opcionalmente, la altura del cultivo (m). También se debe
ingresar la fecha de siembra para
que el software
identifique los datos climáticos utilizar.
El software posee archivos
predeterminados para varios cultivos
(caña de azúcar, arroz y maíz;
cambiando las fechas de siembra
para la zona de estudio.
Base de datos en
CROPWAT 8.0, para los
cult
ivos de la caña de
azúcar, el arroz y el
maíz.
Suelo
Considera parámetros de humedad del suelo disponible
total (mm/m), tasa máxima de infiltración de la precipitación
(mm/día), profundidad radicular máxima (cm), agotamiento
inicial de la humedad de suelo (%) y la humedad de suelo
inicialmente disponible (mm/m).
Para el caso del arroz, debido al riego
por inundación, se requiere sobre la
porosidad drenable (%), el
agotamiento crítico para grietas del
fangueo (fracción), la tasa máxima
de percolación después del fangueo
(mm/día), la disponibilidad de agua a
la siembra (mm) y la altura máxima
de la lámina de agua (mm).
Base de datos en el
software CROPWAT 8.0,
para el tipo de suelo rojo
franco-
arenoso, que es
el que más se asemeja al
de la zona de estudio.
Requerimient
o de Agua del
Cultivo (RAC)
Proporciona los datos de salida, como la
evapotranspiración del cultivo (mm), precipitación efectiva
(mm) y requerimientos de riego (mm); que posteriormente
se emplea para el cálculo de huellas hídricas.
Los valores están calculados para
periodos de diez días, es decir, en un
régimen decadiario; siendo la unidad
de referencia final la de mm/dec.
Modelo matemático
El cálculo de huella hídrica consideró la siguiente ecuación:
=
(1)
Donde, HH representa la magnitud de la huella hídrica para un cultivo específico
expresada en unidades de volumen sobre masa, “i” puede tomar el valor del
componente “verde” o “azul” de la huella. RAC, es el requerimiento de agua del
cultivo, bien sea verde o azul, y su unidad está expresada en volumen por área,
Y representa el rendimiento del cultivo en unidades de masa por área.
Para calcular el RAC, se deben sumar los valores de la evapotranspiración real
del cultivo ET
c
, a lo largo del periodo vegetativo (d=1 d=n), tal y como se
muestra en la siguiente ecuación:
= 10 ∗ �
,
=
=1
(2)
Donde, ET
c
está expresada en milímetros día
-1
y el factor 10 se emplea para la
conversión a metros cúbicos sobre hectáreas. Los valores de ET
c
son obtenidos
directamente del software, a través del método Penman-Monteith.
Cultivo
Se requiere valores específicos para cada cultivo, como el
K
c
(adimensional), duración de las etapas de desarrollo
(días), profundidad de las raíces (m), agotamiento crítico
(fracción), respuesta del rendimiento (fracción) y
opcionalmente, la altura del cultivo (m). También se debe
ingresar la fecha de siembra para
que el software
identifique los datos climáticos utilizar.
El software posee archivos
predeterminados para varios cultivos
(caña de azúcar, arroz y maíz;
cambiando las fechas de siembra
para la zona de estudio.
Base de datos en
CROPWAT 8.0, para los
cult
ivos de la caña de
azúcar, el arroz y el
maíz.
Suelo
Considera parámetros de humedad del suelo disponible
total (mm/m), tasa máxima de infiltración de la precipitación
(mm/día), profundidad radicular máxima (cm), agotamiento
inicial de la humedad de suelo (%) y la humedad de suelo
inicialmente disponible (mm/m).
Para el caso del arroz, debido al riego
por inundación, se requiere sobre la
porosidad drenable (%), el
agotamiento crítico para grietas del
fangueo (fracción), la tasa máxima
de percolación después del fangueo
(mm/día), la disponibilidad de agua a
la siembra (mm) y la altura máxima
de la lámina de agua (mm).
Base de datos en el
software CROPWAT 8.0,
para el tipo de suelo rojo
franco-
arenoso, que es
el que más se asemeja al
de la zona de estudio.
Requerimient
o de Agua del
Cultivo (RAC)
Proporciona los datos de salida, como la
evapotranspiración del cultivo (mm), precipitación efectiva
(mm) y requerimientos de riego (mm); que posteriormente
se emplea para el cálculo de huellas hídricas.
Los valores están calculados para
periodos de diez días, es decir, en un
régimen decadiario; siendo la unidad
de referencia final la de mm/dec.
Modelo matemático
El cálculo de huella hídrica consideró la siguiente ecuación:
=
(1)
Donde, HH representa la magnitud de la huella hídrica para un cultivo específico
expresada en unidades de volumen sobre masa, “i” puede tomar el valor del
componente “verde” o “azul” de la huella. RAC, es el requerimiento de agua del
cultivo, bien sea verde o azul, y su unidad está expresada en volumen por área,
Y representa el rendimiento del cultivo en unidades de masa por área.
Para calcular el RAC, se deben sumar los valores de la evapotranspiración real
del cultivo ET
c
, a lo largo del periodo vegetativo (d=1 d=n), tal y como se
muestra en la siguiente ecuación:
= 10 ∗ �
,
=
=1
(2)
Donde, ET
c
está expresada en milímetros día
-1
y el factor 10 se emplea para la
conversión a metros cúbicos sobre hectáreas. Los valores de ET
c
son obtenidos
directamente del software, a través del método Penman-Monteith.
Cultivo
Se requiere valores específicos para cada cultivo, como el
K
c
(adimensional), duración de las etapas de desarrollo
(días), profundidad de las raíces (m), agotamiento crítico
(fracción), respuesta del rendimiento (fracción) y
opcionalmente, la altura del cultivo (m). También se debe
ingresar la fecha de siembra para
que el software
identifique los datos climáticos utilizar.
El software posee archivos
predeterminados para varios cultivos
(caña de azúcar, arroz y maíz;
cambiando las fechas de siembra
para la zona de estudio.
Base de datos en
CROPWAT 8.0, para los
cult
ivos de la caña de
azúcar, el arroz y el
maíz.
Suelo
Considera parámetros de humedad del suelo disponible
total (mm/m), tasa máxima de infiltración de la precipitación
(mm/día), profundidad radicular máxima (cm), agotamiento
inicial de la humedad de suelo (%) y la humedad de suelo
inicialmente disponible (mm/m).
Para el caso del arroz, debido al riego
por inundación, se requiere sobre la
porosidad drenable (%), el
agotamiento crítico para grietas del
fangueo (fracción), la tasa máxima
de percolación después del fangueo
(mm/día), la disponibilidad de agua a
la siembra (mm) y la altura máxima
de la lámina de agua (mm).
Base de datos en el
software CROPWAT 8.0,
para el tipo de suelo rojo
franco-
arenoso, que es
el que más se asemeja al
de la zona de estudio.
Requerimient
o de Agua del
Cultivo (RAC)
Proporciona los datos de salida, como la
evapotranspiración del cultivo (mm), precipitación efectiva
(mm) y requerimientos de riego (mm); que posteriormente
se emplea para el cálculo de huellas hídricas.
Los valores están calculados para
periodos de diez días, es decir, en un
régimen decadiario; siendo la unidad
de referencia final la de mm/dec.
Modelo matemático
El cálculo de huella hídrica consideró la siguiente ecuación:
=
(1)
Donde, HH representa la magnitud de la huella hídrica para un cultivo específico
expresada en unidades de volumen sobre masa, “i” puede tomar el valor del
componente “verde” o “azul” de la huella. RAC, es el requerimiento de agua del
cultivo, bien sea verde o azul, y su unidad está expresada en volumen por área,
Y representa el rendimiento del cultivo en unidades de masa por área.
Para calcular el RAC, se deben sumar los valores de la evapotranspiración real
del cultivo ET
c
, a lo largo del periodo vegetativo (d=1 d=n), tal y como se
muestra en la siguiente ecuación:
= 10 ∗ �
,
=
=1
(2)
Donde, ET
c
está expresada en milímetros día
-1
y el factor 10 se emplea para la
conversión a metros cúbicos sobre hectáreas. Los valores de ET
c
son obtenidos
directamente del software, a través del método Penman-Monteith.
Por último, se debe establecer la
diferencia entre la evapotranspiración
verde del cultivo ET
verde
y la
evapotranspiración azul del cultivo ET
azul
.
El componente verde corresponde al
valor mínimo de la evapotranspiración
del cultivo y la precipitación efectiva
y el componente azul corresponde al
valor máximo entre cero y la diferencia
entre la evapotranspiración del cultivo y
la precipitación efectiva, conforme a las
ecuaciones siguientes:
Indicadores y estimación gráca de
ecoeciencia
Zhang y Zhifeng (2007) consideran
que al evaluar cualquier sistema
productivo o de servicios se presenta
dos tipos de eciencia: una técnica y
otra ambiental. En agricultura se cuenta
con el indicador de la huella hídrica
extendida, que pretende realizar una
valoración económica del agua para
conocer si el consumo resulta ser una
inversión adecuada. Un estudio realizado
por Salmoral et al. (2012), presenta el
diseño conceptual del indicador de HH-
extendida (Figura 2).
Por último, se debe establecer la diferencia entre la evapotranspiración verde del
cultivo ET
verde
y la evapotranspiración azul del cultivo ET
azul
. El componente
verde corresponde al valor mínimo de la evapotranspiración del cultivo y la
precipitación efectiva y el componente azul corresponde al valor máximo entre
cero y la diferencia entre la evapotranspiración del cultivo y la precipitación
efectiva, conforme a las ecuaciones siguientes:
=
,
(3)
=
, 0 (4)
Indicadores y estimación gráfica de ecoeficiencia
Zhang y Zhifeng (2007) consideran que al evaluar cualquier sistema
productivo o de servicios se presenta dos tipos de eficiencia: una técnica y otra
ambiental. En agricultura se cuenta con el indicador de la huella hídrica
extendida, que pretende realizar una valoración económica del agua para
conocer si el consumo resulta ser una inversión adecuada. Un estudio realizado
por Salmoral et al. (2012), presenta el diseño conceptual del indicador de HH-
extendida (Figura 2).
Figura 2. Bases conceptuales del indicador huella
hídrica extendida. Fuente: Salmoral el al (2012)
Los indicadores elegidos fueron la Productividad Aparente del Agua y la
Productividad Aparente del Suelo (AWP y ALP) respectivamente, por sus siglas
en inglés. La Productividad Aparente del Agua (AWP) se utilizó para estimar el
valor de la producción agrícola en nuevos soles por unidad de agua consumida
y en su cálculo se usó la siguiente expresión:
Por último, se debe establecer la diferencia entre la evapotranspiración verde del
cultivo ET
verde
y la evapotranspiración azul del cultivo ET
azul
. El componente
verde corresponde al valor mínimo de la evapotranspiración del cultivo y la
precipitación efectiva y el componente azul corresponde al valor máximo entre
cero y la diferencia entre la evapotranspiración del cultivo y la precipitación
efectiva, conforme a las ecuaciones siguientes:
=
,
(3)
=
, 0 (4)
Indicadores y estimación gráfica de ecoeficiencia
Zhang y Zhifeng (2007) consideran que al evaluar cualquier sistema
productivo o de servicios se presenta dos tipos de eficiencia: una técnica y otra
ambiental. En agricultura se cuenta con el indicador de la huella hídrica
extendida, que pretende realizar una valoración económica del agua para
conocer si el consumo resulta ser una inversión adecuada. Un estudio realizado
por Salmoral et al. (2012), presenta el diseño conceptual del indicador de HH-
extendida (Figura 2).
Figura 2. Bases conceptuales del indicador huella
hídrica extendida. Fuente: Salmoral el al (2012)
Los indicadores elegidos fueron la Productividad Aparente del Agua y la
Productividad Aparente del Suelo (AWP y ALP) respectivamente, por sus siglas
en inglés. La Productividad Aparente del Agua (AWP) se utilizó para estimar el
valor de la producción agrícola en nuevos soles por unidad de agua consumida
y en su cálculo se usó la siguiente expresión:
Por último, se debe establecer la diferencia entre la evapotranspiración verde del
cultivo ET
verde
y la evapotranspiración azul del cultivo ET
azul
. El componente
verde corresponde al valor mínimo de la evapotranspiración del cultivo y la
precipitación efectiva y el componente azul corresponde al valor máximo entre
cero y la diferencia entre la evapotranspiración del cultivo y la precipitación
efectiva, conforme a las ecuaciones siguientes:
=
,
(3)
=
, 0 (4)
Indicadores y estimación gráfica de ecoeficiencia
Zhang y Zhifeng (2007) consideran que al evaluar cualquier sistema
productivo o de servicios se presenta dos tipos de eficiencia: una técnica y otra
ambiental. En agricultura se cuenta con el indicador de la huella hídrica
extendida, que pretende realizar una valoración económica del agua para
conocer si el consumo resulta ser una inversión adecuada. Un estudio realizado
por Salmoral et al. (2012), presenta el diseño conceptual del indicador de HH-
extendida (Figura 2).
Figura 2. Bases conceptuales del indicador huella
hídrica extendida. Fuente: Salmoral el al (2012)
Los indicadores elegidos fueron la Productividad Aparente del Agua y la
Productividad Aparente del Suelo (AWP y ALP) respectivamente, por sus siglas
en inglés. La Productividad Aparente del Agua (AWP) se utilizó para estimar el
valor de la producción agrícola en nuevos soles por unidad de agua consumida
y en su cálculo se usó la siguiente expresión:
Por último, se debe establecer la diferencia entre la evapotranspiración verde del
cultivo ET
verde
y la evapotranspiración azul del cultivo ET
azul
. El componente
verde corresponde al valor mínimo de la evapotranspiración del cultivo y la
precipitación efectiva y el componente azul corresponde al valor máximo entre
cero y la diferencia entre la evapotranspiración del cultivo y la precipitación
efectiva, conforme a las ecuaciones siguientes:
=
,
(3)
=
, 0 (4)
Indicadores y estimación gráfica de ecoeficiencia
Zhang y Zhifeng (2007) consideran que al evaluar cualquier sistema
productivo o de servicios se presenta dos tipos de eficiencia: una técnica y otra
ambiental. En agricultura se cuenta con el indicador de la huella hídrica
extendida, que pretende realizar una valoración económica del agua para
conocer si el consumo resulta ser una inversión adecuada. Un estudio realizado
por Salmoral et al. (2012), presenta el diseño conceptual del indicador de HH-
extendida (Figura 2).
Figura 2. Bases conceptuales del indicador huella
hídrica extendida. Fuente: Salmoral el al (2012)
Los indicadores elegidos fueron la Productividad Aparente del Agua y la
Productividad Aparente del Suelo (AWP y ALP) respectivamente, por sus siglas
en inglés. La Productividad Aparente del Agua (AWP) se utilizó para estimar el
valor de la producción agrícola en nuevos soles por unidad de agua consumida
y en su cálculo se usó la siguiente expresión:
Por último, se debe establecer la diferencia entre la evapotranspiración verde del
cultivo ET
verde
y la evapotranspiración azul del cultivo ET
azul
. El componente
verde corresponde al valor mínimo de la evapotranspiración del cultivo y la
precipitación efectiva y el componente azul corresponde al valor máximo entre
cero y la diferencia entre la evapotranspiración del cultivo y la precipitación
efectiva, conforme a las ecuaciones siguientes:
=
,
(3)
=
, 0 (4)
Indicadores y estimación gráfica de ecoeficiencia
Zhang y Zhifeng (2007) consideran que al evaluar cualquier sistema
productivo o de servicios se presenta dos tipos de eficiencia: una técnica y otra
ambiental. En agricultura se cuenta con el indicador de la huella hídrica
extendida, que pretende realizar una valoración económica del agua para
conocer si el consumo resulta ser una inversión adecuada. Un estudio realizado
por Salmoral et al. (2012), presenta el diseño conceptual del indicador de HH-
extendida (Figura 2).
Figura 2. Bases conceptuales del indicador huella
hídrica extendida. Fuente: Salmoral el al (2012)
Los indicadores elegidos fueron la Productividad Aparente del Agua y la
Productividad Aparente del Suelo (AWP y ALP) respectivamente, por sus siglas
en inglés. La Productividad Aparente del Agua (AWP) se utilizó para estimar el
valor de la producción agrícola en nuevos soles por unidad de agua consumida
y en su cálculo se usó la siguiente expresión:
Figura 2. Bases conceptuales del indicador huella hídrica extendida.
Fuente: Salmoral el al (2012)
J D - W C - A D
237
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Los indicadores elegidos fueron la
Productividad Aparente del Agua y la
Productividad Aparente del Suelo (AWP
y ALP) respectivamente, por sus siglas
en inglés. La Productividad Aparente del
Agua (AWP) se utilizó para estimar el
valor de la producción agrícola en nuevos
soles por unidad de agua consumida y en
su cálculo se usó la siguiente expresión:
Donde, P
m
es el precio de mercado
del producto cultivado en nuevos soles
por tonelada, y HH
A
representa la huella
hídrica azul en metros cúbicos por
tonelada; siendo “i” una variable que
puede tomar el valor de cualquier cultivo
analizado (caña de azúcar, el arroz o el
maíz). Por otro lado, la Productividad
Aparente del Suelo (ALP) se empleó para
estimar el valor económico generado
por hectárea de tierra cultivada, con la
siguiente ecuación:
Donde, P
m
es el precio de mercado del
producto cultivado en nuevos soles por
tonelada, y Y es el rendimiento del cultivo
en toneladas por hectárea cultivada;
siendo “i” una variable que representa
el cultivo sobre el cuál se calcula los
indicadores.
El indicador de ecoeciencia y su
ecuación matemática, relaciona el valor de
la producción con la inuencia ambiental
ocasionada por esta. Para ello, se empleó la
producción neta de un cultivo especíco
para representar el valor y el volumen neto
de agua consumida para su producción,
que expresa el impacto sobre el ambiente.
Primero, se estandarizó los valores
calculados de producción y agua consumida
=
,
,
(5)
Donde, P
m
es el precio de mercado del producto cultivado en nuevos soles
por tonelada, y HH
A
representa la huella hídrica azul en metros cúbicos por
tonelada; siendo “i” una variable que puede tomar el valor de cualquier cultivo
analizado (caña de azúcar, el arroz o el maíz). Por otro lado, la Productividad
Aparente del Suelo (ALP) se empleó para estimar el valor económico generado
por hectárea de tierra cultivada, con la siguiente ecuación:
=
,
(6)
Donde, P
m
es el precio de mercado del producto cultivado en nuevos soles por
tonelada, y Y es el rendimiento del cultivo en toneladas por hectárea cultivada;
siendo “i” una variable que representa el cultivo sobre el cuál se calcula los
indicadores.
El indicador de ecoeficiencia y su ecuación matemática, relaciona el valor de la
producción con la influencia ambiental ocasionada por esta. Para ello, se empleó
la producción neta de un cultivo específico para representar el valor y el volumen
neto de agua consumida para su producción, que expresa el impacto sobre el
ambiente. Primero, se estandarizó los valores calculados de producción y agua
consumida para cada comisión, con recorrido de 0 a 1, a fin de lograr
comparaciones múltiples. Luego, se estableció pares ordenados que
representan la relación de eficiencia y se graficó, de manera que se pueda
determinar qué comisiones poseen una mejor relación entre insumo y recurso
(Figura 3); donde los pares ordenados ubicados por encima de la diagonal son
más ecoeficientes debido a altas tasas de producción con bajo consumo de
agua, mientras que para los que están debajo resultan ser ecoineficientes.
=
,
,
(5)
Donde, P
m
es el precio de mercado del producto cultivado en nuevos soles
por tonelada, y HH
A
representa la huella hídrica azul en metros cúbicos por
tonelada; siendo “i” una variable que puede tomar el valor de cualquier cultivo
analizado (caña de azúcar, el arroz o el maíz). Por otro lado, la Productividad
Aparente del Suelo (ALP) se empleó para estimar el valor económico generado
por hectárea de tierra cultivada, con la siguiente ecuación:
=
,
(6)
Donde, P
m
es el precio de mercado del producto cultivado en nuevos soles por
tonelada, y Y es el rendimiento del cultivo en toneladas por hectárea cultivada;
siendo “i” una variable que representa el cultivo sobre el cuál se calcula los
indicadores.
El indicador de ecoeficiencia y su ecuación matemática, relaciona el valor de la
producción con la influencia ambiental ocasionada por esta. Para ello, se empleó
la producción neta de un cultivo específico para representar el valor y el volumen
neto de agua consumida para su producción, que expresa el impacto sobre el
ambiente. Primero, se estandarizó los valores calculados de producción y agua
consumida para cada comisión, con recorrido de 0 a 1, a fin de lograr
comparaciones múltiples. Luego, se estableció pares ordenados que
representan la relación de eficiencia y se graficó, de manera que se pueda
determinar qué comisiones poseen una mejor relación entre insumo y recurso
(Figura 3); donde los pares ordenados ubicados por encima de la diagonal son
más ecoeficientes debido a altas tasas de producción con bajo consumo de
agua, mientras que para los que están debajo resultan ser ecoineficientes.
para cada comisión, con recorrido de 0 a
1, a n de lograr comparaciones múltiples.
Luego, se estableció pares ordenados
que representan la relación de eciencia
y se gracó, de manera que se pueda
determinar qué comisiones poseen una
mejor relación entre insumo y recurso
(Figura 3); donde los pares ordenados
ubicados por encima de la diagonal son
más ecoecientes debido a altas tasas de
producción con bajo consumo de agua,
mientras que para los que están debajo
resultan ser ecoinecientes.
Figura 3. Diagrama de ecoeficiencia con
indicadores adimensionales (ambiental y
económico).
RESULTADOS
Huellas hídricas en el contexto del sistema menor Chancay-Lambayeque
Como se puede apreciar en las Figuras 4-A y 4-B, que la relación
insumo/producto entre cultivos varía dependiendo de las unidades en los que se
representen, debido al efecto que ejerce el concepto de rendimiento de
producción. También se aprecia que la huella hídrica verde no es significativa,
porque como verá más adelante, representa una fracción marginal de la huella
hídrica total según cultivos.
Figura 4-A. Huella hídrica verde según
volumen de producción
Figura 4-B. Huella hídrica verde según
superficie
Figura 4. Huella hídrica verde por volumen de producción (m3.ton
-1
) y superficie (m3.ha
-
1
) según principales cultivos del sistema menor Chancay-Lambayeque
En el caso de la huella hídrica azul expresada por el volumen total de agua de
riego que se incorporó al producto, se tiene que el arroz presenta una mayor
huella hídrica al requerirse agua para la fase de preparación del suelo con riego
posterior por inundación, en esta operación se utilizan alrededor de 370 m
3
.ton
-
Figura 3. Diagrama de ecoeciencia con
indicadores adimensionales (ambiental y
económico)
Resultados
Huellas hídricas en el contexto del
sistema menor Chancay-Lambayeque
Como se puede apreciar en las Figuras 4-A
y 4-B, que la relación insumo/producto
entre cultivos varía dependiendo de
las unidades en los que se representen,
debido al efecto que ejerce el concepto
de rendimiento de producción. También
se aprecia que la huella hídrica verde
no es signicativa, porque como verá
más adelante, representa una fracción
marginal de la huella hídrica total según
cultivos.
E C-L
238
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Figura 4. Huella hídrica verde por volumen de producción (m3.ton
-1
) y supercie (m3.ha
-1
)
según principales cultivos del sistema menor Chancay-Lambayeque
Figura 3. Diagrama de ecoeficiencia con
indicadores adimensionales (ambiental y
económico).
RESULTADOS
Huellas hídricas en el contexto del sistema menor Chancay-Lambayeque
Como se puede apreciar en las Figuras 4-A y 4-B, que la relación
insumo/producto entre cultivos varía dependiendo de las unidades en los que se
representen, debido al efecto que ejerce el concepto de rendimiento de
producción. También se aprecia que la huella hídrica verde no es significativa,
porque como verá más adelante, representa una fracción marginal de la huella
hídrica total según cultivos.
Figura 4-A. Huella hídrica verde según
volumen de producción
Figura 4-B. Huella hídrica verde según
superficie
Figura 4. Huella hídrica verde por volumen de producción (m3.ton
-1
) y superficie (m3.ha
-
1
) según principales cultivos del sistema menor Chancay-Lambayeque
En el caso de la huella hídrica azul expresada por el volumen total de agua de
riego que se incorporó al producto, se tiene que el arroz presenta una mayor
huella hídrica al requerirse agua para la fase de preparación del suelo con riego
posterior por inundación, en esta operación se utilizan alrededor de 370 m
3
.ton
-
En el caso de la huella hídrica azul
expresada por el volumen total de agua
de riego que se incorporó al producto,
se tiene que el arroz presenta una mayor
huella hídrica al requerirse agua para
la fase de preparación
del suelo con
riego posterior por inundación, en
esta operación se utilizan alrededor de
370 m
3
.ton
-1
; práctica agronómica que
explica el incremento sustancial de la
huella hídrica del arroz (Figura 5-A).
De otro lado, en cuanto a los volúmenes
de agua por unidad de supercie, se
aprecia que la caña de azúcar es el
cultivo con mayor huella (Figura 5-B).
Sin embargo, se debe considerar que
CROPWAT 8.0 solo calcula la cantidad
de agua requerida por el cultivo, más no
el total de agua utilizada, que depende
de la eciencia de riego y de las pérdidas
por distribución, esto se debe tomar en
cuenta para corregir el valor d
e la HHA
al realizar las estimaciones de indicadores
económicos.
1
; práctica agronómica que explica el incremento sustancial de la huella hídrica
del arroz (Figura 5-A). De otro lado, en cuanto a los volúmenes de agua por
unidad de superficie, se aprecia que la caña de azúcar es el cultivo con mayor
huella (Figura 5-B). Sin embargo, se debe considerar que CROPWAT 8.0 solo
calcula la cantidad de agua requerida por el cultivo, más no el total de agua
utilizada, que depende de la eficiencia de riego y de las pérdidas por distribución,
esto se debe tomar en cuenta para corregir el valor de la HHA al realizar las
estimaciones de indicadores económicos.
Figura 5-A. Huella hídrica azul según
volumen de
producción
Figura 5-B. Huella hídrica azul según superficie
Figura 5. Huella hídrica azul por volumen de producción (m
3
.ton
-1
) y superficie (m
3
.ha
-1
) según principales
cultivos del sistema menor Chancay-Lambayeque
Al integrar la huella verde y azul se obtiene la huella hídrica total, la cual
considera un componente adicional: la huella hídrica gris; la cual no se calculó
para los fines prácticos del estudio. La huella hídrica total, expresada
gráficamente en intensidades de uso para cada cultivo evaluado (Figuras 5-A, 5-
B, 5-C, 5-D, 5-E y 5-F) y muestran la naturaleza marginal en la contribución para
la formación de biomasa en todos los cultivos, pero en caso del arroz, es nula
debido a que suele sembrarse en periodos del año con escasa precipitación. De
ese modo, se puede ver que la huella hídrica verde (Figura 5-A), sin importar la
unidad en la que se exprese, representa en promedio el 1.86% de la huella
hídrica total, debido a los bajos niveles de precipitación en la zona de estudio.
Por tanto, este aspecto influye en la disminución de la eficiencia de producción
porque obliga a consumir más agua azul a través del riego.
Figura 5. Huella hídrica azul por volumen de producción (m
3
.ton
-1
) y supercie (m
3
.ha
-1
)
según principales cultivos del sistema menor Chancay-Lambayeque
Al integrar la huella verde y azul se obtiene
la huella hídrica total, la cual considera un
componente adicional: la huella hídrica
gris; la cual no se calculó para los nes
prácticos del estudio. La huella hídrica total,
expresada grácamente en intensidades de
uso para cada cultivo evaluado (Figuras
5-A, 5-B, 5-C, 5-D, 5-E y 5-F) y muestran
la naturaleza marginal en la contribución
para la formación de biomasa en todos los
J D - W C - A D
239
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
cultivos, pero en caso del arroz, es nula
debido a que suele sembrarse en periodos
del año con escasa precipitación. De ese
modo, se puede ver que la huella hídrica
verde (Figura 5-A), sin importar la unidad
en la que se exprese, representa en promedio
el 1.86% de la huella hídrica total, debido
a los bajos niveles de precipitación en la
zona de estudio. Por tanto, este aspecto
inuye en la disminución de la eciencia
de producción porque obliga a consumir
más agua azul a través del riego.
Figura 6-
A. Huella hídrica total del cultivo de caña
azúcar.
Figura 6-B. Huella hídrica total del cultivo de maíz.
Figura 6-C. Huella hídrica total del cultivo de arroz.
Figura 6-D. Huella hídrica total según cultivos en m
3
.ton
-1
Figura 6-
D. Huella hídrica total según
cultivos en m
3
.ha
-1
Figura 6-D. Composición de la Huella
hídrica total según cultivos en porcentaje
Figura 6. Huella hídrica total por volumen de producción (m
3
.ton
-1
) y superficie (m
3
.ha
-1
)
según principales cultivos del sistema menor Chancay-Lambayeque
Comparación entre la huella hídrica real y la teórica: discutiendo la
incertidumbre del modelado
Al conocerse los volúmenes reales incorporados a los cultivos, se puede
convertir la información estimada en una “huella hídrica real”, esta huella además
debe promediarse a nivel de todas las comisiones y de cada cultivo,
comparándose con la huella hídrica teórica. La Figura 7 describe la brecha
existente entre huellas y se aprecia que los valores reales son menores a los
calculados por simulación, lo que sugiere que se utiliza menos agua de la que
teóricamente se necesita. En ese sentido, las discrepancias halladas se deben
a tres factores. El primero, el conservador factor empleado en el cálculo de
Figura 6. Huella hídrica total por volumen de producción (m
3
.ton
-1
) y supercie (m
3
.ha
-1
)
según principales cultivos del sistema menor Chancay-Lambayeque
Comparación entre la huella hídrica
real y la teórica: discutiendo la
incertidumbre del modelado
Al conocerse los volúmenes reales
incorporados a los cultivos, se puede
convertir la información estimada en
una “huella hídrica real”, esta huella
además debe promediarse a nivel de
todas las comisiones y de cada cultivo,
comparándose con la huella hídrica
teórica. La Figura 7 describe la brecha
E C-L
Figura 6-D. Huella hídrica total según cultivos en m
3
.ha
-1
Figura 6-D. Composición de la Huella hídrica total según
cultivos en porcentaje
240
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
existente entre huellas y se aprecia que
los valores reales son menores a los
calculados por simulación, lo que sugiere
que se utiliza menos agua de la que
teóricamente se necesita. En ese sentido,
las discrepancias halladas se deben a tres
factores. El primero, el conservador factor
empleado en el cálculo de pérdidas y por
otro lado, la asunción de porcentajes
de pérdida altos, que de acuerdo con
la literatura y mediciones empíricas,
no deberían estar lejos de los valores
verdaderos. El segundo factor se debe
a los datos empleados, que considera
únicamente los volúmenes facturados
reconocidos por los usuarios, pero que
en realidad solo representan una fracción
del agua total consumida, mientras que
la diferencia podría ser catalogada como
“sustracción”. El tercer factor tiene que
ver con el concepto de riego decitario,
que pudiera ser benecioso al priorizar el
rendimiento del recurso, en función del
rendimiento del cultivo.
pérdidas y por otro lado, la asunción de porcentajes de pérdida altos, que de
acuerdo con la literatura y mediciones empíricas, no deberían estar lejos de los
valores verdaderos. El segundo factor se debe a los datos empleados, que
considera únicamente los volúmenes facturados reconocidos por los usuarios,
pero que en realidad solo representan una fracción del agua total consumida,
mientras que la diferencia podría ser catalogada como “sustracción”. El tercer
factor tiene que ver con el concepto de riego deficitario, que pudiera ser
beneficioso al priorizar el rendimiento del recurso, en función del rendimiento del
cultivo.
Figura 7. Huellas hídricas totales reales y teórica o modeladas
según cultivos en m
3
.ton
-1
Ecoeficiencia de los cultivos
Una forma de conocer si los recursos naturales como el agua y el suelo, en este
caso, son aprovechados de manera óptima para la producción agrícola, es por
medio de la estimación de la ecoeficiencia, como se argumentó líneas arriba, con
base en los datos de la Encuesta Nacional Agraria, que se detallan en la Tabla
4.
Tabla 4
Valores asumidos de AWP y ALP según cultivos
para la estimación de la ecoeficiencia
Figura 7. Huellas hídricas totales reales y teóricas o
modeladas según cultivos en m
3
.ton
-1
Ecoeciencia de los cultivos
Una forma de conocer si los recursos
naturales como el agua y el suelo, en este
caso, son aprovechados de manera óptima
para la producción agrícola, es por medio
de la estimación de la ecoeciencia,
como se argumentó líneas arriba, con
base en los datos de la Encuesta Nacional
Agraria, que se detallan en la Tabla 4.
Tabla 4
Valores asumidos de AWP y ALP según cultivos para la estimación de la ecoeciencia
Caña de azúcar Arroz Maíz amarillo duro
Rendimiento (ton/ha) 103,44 8,01 6,70
Valor mercado (S/./ton) 78,40 1 295,90 919,30
HH azul real (m
3
/ton) 45,00 254,00 473,00
HH azul real (m
3
/ha) 4 654 80 2 034,54 3 169,10
AWP (S/m
3
) 1,74 5 102 1,94
ALP (S/ha) 8 109,70 10 380,16 6 159,31
Nota. Encuesta Nacional Agraria 2017 (INEI, 2017)
Al comparar los valores de AWP, como
se muestra en la Figura 8-A, se aprecia
que el arroz posee la mejor relación en
cuanto al valor monetario obtenido por
su comercialización respecto al agua
consumida para su producción. Esto
indicaría que es económicamente eciente
en términos de retorno por el recurso
J D - W C - A D
241
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
hídrico y que, a pesar de tener métodos de
riego poco ecaces, su valor de mercado
retribuye mejor, en términos relativo,
el abundante consumo de agua. Sin
embargo, esta apreciación solo considera
la eciencia técnica más no la ambiental.
Ahora, respecto a los valores ALP, Figura
8-B, indican que el arroz también es el
cultivo con mayor eciencia económica
en cuanto a su supercie. Esto signica
que genera una mayor contribución en
los ingresos monetarios por hectárea en
comparación con los demás cultivos y,
por lo tanto, una parcela de arroz posee
mayor valor comercial que una de caña
de azúcar o maíz amarillo duro.
Caña de
azúcar
Arroz
Maíz
amarillo duro
Rendimiento (ton/ha)
103,44
8,01
6,70
Valor mercado (S/./ton)
78,40
1 295,90
919,30
HH azul real (m
3
/ton)
45,00
254,00
473,00
HH azul real (m
3
/ha)
4 654 80
2 034,54
3 169,10
AWP (S/m
3
)
1,74
5 102
1,94
ALP (S/ha)
8 109,70
10 380,16
6 159,31
Fuente: Encuesta Nacional Agraria 2017 (INEI, 2017). Elaboración propia
Al comparar los valores de AWP, como se muestra en la Figura 8-A, se aprecia
que el arroz posee la mejor relación en cuanto al valor monetario obtenido por
su comercialización respecto al agua consumida para su producción. Esto
indicaría que es económicamente eficiente en términos de retorno por el recurso
hídrico y que, a pesar de tener métodos de riego poco eficaces, su valor de
mercado retribuye mejor, en términos relativo, el abundante consumo de agua.
Sin embargo, esta apreciación solo considera la eficiencia técnica más no la
ambiental. Ahora, respecto a los valores ALP, Figura 8-B, indican que el arroz
también es el cultivo con mayor eficiencia económica en cuanto a su superficie.
Esto significa que genera una mayor contribución en los ingresos monetarios por
hectárea en comparación con los demás cultivos y, por lo tanto, una parcela de
arroz posee mayor valor comercial que una de caña de azúcar o maíz amarillo
duro.
Figura 8-A. Productividad aparente del agua por cultivos en
soles por m
3
Figura 8-B. Productividad aparente del
suelo según
cultivos en soles por ha.
Figura 8. Productividad aparente del agua según cultivos expresa en soles por volumen (m
3
) de agua
empleada y Productividad aparente del suelo según cultivos en soles por unidad de superficie (ha).
Al comparar la ecoeficiencia relativa, entre comisiones, se aprecia en el caso del
arroz (Figura 9-A), que la comisión más ecoeficiente es Morrope porque, en
comparación con el resto, utiliza menores volúmenes de agua para lograr niveles
de producción altos. De manera opuesta, la comisión menos ecoeficiente es
Mochumi, que se encuentra más alejada de la línea de proporcionalidad teórica.
En el caso del maíz (Figura 9-B), se observa que la comisión más ecoeficiente
también es Morrope, mientras que las demás se mantienen cercanas al
Figura 8. Productividad aparente del agua según cultivos expresada en soles por volumen (m
3
)
de agua empleada y productividad aparente del suelo según cultivos en soles por unidad de
supercie (ha)
.
Al comparar la ecoeciencia relativa,
entre comisiones, se aprecia en el caso
del arroz (Figura 9-A), que la comisión
más ecoeciente es Morrope porque, en
comparación con el resto, utiliza menores
volúmenes de agua para lograr niveles de
producción altos. De manera opuesta, la
comisión menos ecoeciente es Mochumi,
que se encuentra más alejada de la línea de
proporcionalidad teórica. En el caso del maíz
(Figura 9-B), se observa que la comisión más
ecoeciente también es Morrope, mientras
que las demás se mantienen cercanas al
promedio. Cabe señalar que este análisis no
se realizó para el cultivo de la caña, debido a
que solo se cultiva, en grandes extensiones,
en tres comisiones y las estimaciones podrían
ser no representativas.
promedio. Cabe señalar que este análisis no se realizó para el cultivo de la caña,
debido a que solo se cultiva, en grandes extensiones, en tres comisiones y las
estimaciones podrían ser no representativas.
Figura 9-A. Ecoeficiencia comparada para el cultivo de
arroz según comisiones del sistema menor Chancay-
Lambayeque
Figura 9-B. Ecoeficiencia comparada para el cultivo de
maíz según comisiones del sistema menor Chancay-
Lambayeque
Figura 9. Ecoeficiencias comparadas para el caso de los cultivos de arroz y maíz según
comisiones del sistema menor Chancay-Lambayeque
DISCUSIÓN
Huella hídrica teórica y real en cultivos intensivos
Existen varios estudios sobre la huella hídrica teórica con del uso de
software CROPWAT, uno de ellos es el realizado por Mekonnen y Hoesktra
(2011), donde se estimó huellas hídricas promedio, a nivel mundial, para varios
cultivos, en m
3
.ton
-1
de 196, 1 487 y 1 028 para caña de azúcar, arroz y el maíz
respectivamente, valores cercanos a los calculados en el presente estudio, al ser
156 (caña de azúcar), 1 124 (arroz) y 891 m
3
.ton
-1
(maíz). Las variaciones se
deben principalmente a las diferencias en los rendimientos considerados,
periodos vegetativos, factores climáticos, entre otros; que generan cambios en
la evapotranspiración, principal parámetro para estimar los requerimientos
hídricos finales. Sin embargo, la principal diferencia se da en la composición de
la huella teórica total, porque, al dividirla en sus componentes, verde y azul, se
aprecia que la huella verde contribuye en promedio con el 80% del total de los
tres cultivos analizados, mientras que, en este caso, solo representa el 2% de la
huella total. Esto se explica porque la huella verde depende del volumen de
precipitaciones, pero en el departamento de Lambayeque las precipitaciones son
prácticamente nulas, necesidad que debe ser suplida mediante riego. Por otro
Figura 9. Ecoeciencias comparadas para el caso de los cultivos de arroz y maíz según comisiones
del sistema menor Chancay-Lambayequ
e
E C-L
242
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Discusión
Huella hídrica teórica y real en cultivos
intensivos
Existen varios estudios sobre la huella
hídrica teórica con del uso de software
CROPWAT, uno de ellos es el realizado
por Mekonnen y Hoesktra (2011), donde
se estimó huellas hídricas promedio, a nivel
mundial, para varios cultivos, en m
3
.ton
-1
de 196, 1 487 y 1 028 para caña de azúcar,
arroz y el maíz respectivamente, valores
cercanos a los calculados en el presente
estudio, al ser 156 (caña de azúcar), 1
124 (arroz) y 891 m
3
.ton
-1
(maíz). Las
variaciones se deben principalmente
a las diferencias en los rendimientos
considerados, periodos vegetativos, factores
climáticos, entre otros; que generan
cambios en la evapotranspiración, principal
parámetro para estimar los requerimientos
hídricos nales. Sin embargo, la principal
diferencia se da en la composición de la
huella teórica total, porque, al dividirla en
sus componentes, verde y azul, se aprecia
que la huella verde contribuye en promedio
con el 80% del total de los tres cultivos
analizados, mientras que, en este caso, solo
representa el 2% de la huella total. Esto
se explica porque la huella verde depende
del volumen de precipitaciones, pero
en el departamento de Lambayeque las
precipitaciones son prácticamente nulas,
necesidad que debe ser suplida mediante
riego. Por otro lado, al ser la caña de azúcar
y el maíz los cultivos más frecuentes en
las zonas tropicales, es consistente que se
encuentran enormes supercies bajo el
sistema agricultura en secano, aumentando
los promedios mundiales de la huella
hídrica verde.
En el estudio de Bolaños (2011) en
Honduras, se estimó la huella hídrica de
quince cultivos, obteniendo 210, 2 587 y
1 725 m
3
.ton
-1
para caña de azúcar, arroz
y el maíz, respectivamente. El aporte de
la huella verde es en promedio del 65% y
para el caso del arroz y el maíz, la huella
hídrica es 70%, porcentaje que excede
a los promedios mundiales; debido a
que Honduras es un país tropical con
altas temperaturas y elevados niveles
de evapotranspiración, aumentan la
demanda de agua requeridos por los
cultivos. Por otro lado, la huella hídrica
real que resultó ser bastante menor que
la teórica, es importante considerar
que el software CROPWAT determina
los requerimientos hídricos para un
desarrollo óptimo del cultivo, aunque
el riego sea realizado con cierto nivel
de décit o riego decitario y se aplica
mayormente en las regiones donde los
recursos hídricos son limitados, debido a
que puede ser más benecioso maximizar
la productividad del agua en lugar de
maximizar la cosecha por unidad de tierra
(Fereres et al. 2007). Al considerar una
estrategia de optimización que postule
irrigar los cultivos solo durante las fases
sensibles a la sequía, a pesar del estrés en
la planta y, por lo tanto, aceptar la pérdida
consecuente de producción (Geerts et al.
2009).
Otro factor que acentúa la diferencia
entre huellas es el “robo” o “sustracción”,
que en la teoría de la economía
institucional es conocida como el efecto
“polizon” o free rider, a ello se añade
las pérdidas físicas u operacionales
(Williamson, 2002). En el Perú un 30%
del agua asignada para irrigación agrícola
es realmente utilizada, mientras que lo
demás se pierde principalmente debido
a infraestructura hidráulica precaria
y una cultura social y ambiental que
favorece robos o sustracciones (ANA,
J D - W C - A D
243
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
2017). En este estudio se estimó un
porcentaje promedio de pérdidas de
57.9%, se puede asumir que las pérdidas
generadas por robos estarían en 12.1%.
En ese sentido, Trivelli, Escobal y Revesz
señalan que, si bien las juntas de usuarios
y comisiones de riego reportan benecios
teóricos, en cuanto a la programación y
asignación de agua entre los diferentes
sectores y cultivos, en la práctica, la
distribución de agua no es equitativa
porque existen grupos que se ubican en
la cabeza de los canales y consumen una
mayor cantidad de agua de la que pagan.
Similar comportamiento se observa en
otros agricultores como una forma de
adelantarse a la escasez; además hay
quienes roban agua y no son penalizados,
y si lo son, no reciben sanciones que
desincentiven este tipo de accionar
(Trivelli et al. 2006).
Ecoeciencia de producción de los
cultivos intensivos
Los indicadores económicos estimados
permiten concluir que el cultivo más
rentable en cuanto al uso del agua es
el maíz, mientras que el más rentable
respecto al uso del suelo, es el arroz. Sin
embargo, estos resultados no se pueden
tomar por separado, porque como sostiene
Bossio (2010), la clave para un efectivo
uso de los recursos en la agricultura es
comprender que en el ciclo del agua
y el manejo del suelo se encuentran
relacionado y, por tanto, cualquier
incremento en la productividad agrícola
del agua solo pueden ser obtenidos con
mejoras en el manejo del uso de los
suelos. Desde dicha perspectiva, se puede
rescatar que el cultivo mejor balanceado
es el arroz, porque además de ser el más
ecoeciente en el uso de los suelos, posee
un gran margen de mejora en cuanto al
uso de agua, porque su eciencia de riego
promedio es considerablemente más baja
que otros cultivos. Si se establecieran
sistemas con alta eciencia para su riego,
el arroz se convertiría en el cultivo más
rentable de la región, debido a que
generaría la mayor cantidad de ingresos
económicos con respecto a la cantidad de
recursos consumidos.
Un estudio realizado reporta que se
pueden obtener eciencias de hasta 3.11
m
3
de agua consumida por kilogramo
de arroz producido, asumiendo un
rendimiento de 6.49 toneladas por
hectárea, y solo considerando el agua
consumida para el riego por aspersión,
mas no la perdida durante su distribución
(Benavides et al. 2014). En el presente
caso, la eciencia del arroz es de 3.24
m
3
.ton
-1
de agua por volumen producido,
incluso con un rendimiento bajo de los
sistemas de infraestructura de manejo de
agua. Si fuera posible mejorar los sistemas
de distribución y riego sin afectar la
producción, los valores de eciencia
serían aún mejores que los reportados en
el estudio citado.
Los indicadores AWP y ALP se
circunscriben al valor de mercado
de los productos y su relación con el
consumo de agua generado, ignorando
otros impactos en el ambiente, como la
contaminación, afectación en la salud
y la degradación de los ecosistemas,
entre otros. Aun así, son indicadores
que pueden utilizarse como referencia
para la estimación de la ecoeciencia, al
relacionar el valor del producto con su
inuencia ambiental, que en este caso
es el consumo de recursos. Además,
contar con una perspectiva económica
permite corroborar la relación intrínseca
entre agricultura, recursos naturales y
E C-L
244
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
economía; argumentando que el acceso a
una fuente de agua conable y sostenible
mejora la producción de los cultivos,
intensica las oportunidades de empleo
y estabiliza los ingresos y el consumo (De
Fraiture et al. 2010).
Respecto a los resultados estimados
de la ecoeciencia a nivel de comisiones,
para los casos del arroz y el maíz, la
comisión de Morrope presenta un una
relación entre volumen de producción
y volumen de agua de 2.57 y 2.52 en
comparación con el resto, que tienen en
promedio ratios de 1.25 y 1.21 para el
arroz y el maíz, respectivamente. Esto
quiere decir que produce el doble de las
demás comisiones con la misma cantidad
de agua, lo cual es coherente al presentar
la menor dotación del recurso hídrico.
Sin embargo, la comisión de Morrope
es también aquella que posee una mayor
cantidad de usuarios y predios bajo
riego, por lo que la incidencia de factores
externos, como robos y deciencia en
el control, es mayor y podría afectar los
resultados obtenidos.
Conclusiones
Se ha constatado que la huella hídrica
total de los cultivos estudiados en m
3
.ton
-1
de producto generado se estima en 156,
1 124 y 891 para la caña de azúcar, el
arroz y el maíz respectivamente; con
una contribución del componente verde
en 1.6%, 0.7% y 3.4% para cada caso,
siendo el resto de agua requerida a través
del riego. El cultivo con mayor huella
es el arroz, porque requiere de elevados
volúmenes de agua para la preparación
del suelo y para el riego por inundación,
aunado a las pérdidas por evaporación y
percolación profunda. La caña de azúcar
es el cultivo con menor huella hídrica,
explicado por altos de rendimiento en
biomasa; en ese sentido, el consumo de
agua debe evaluarse también respecto
a la supercie cultivada y no solo en
términos de volúmenes de producción.
Si se analiza los cultivos con base en la
cantidad de agua requerida por supercie
cultivada, se aprecia que la caña de azúcar
es el cultivo que mayor consumo registra,
al requerir 16 000 m
3
.ha
-1
, en tanto que
el arroz y el maíz solo requieren 9 000 y
6 000 m
3
.ha
-1
de agua respectivamente.
En un escenario de precipitaciones
nulas o con un porcentaje bajo de
agua de lluvia incorporada, las mejoras
deberían realizarse en función del mejor
aprovechamiento de agua a través de los
métodos de riego, sobre todo en el caso
de la caña de azúcar y el arroz, porque el
primero es el cultivo que más agua utiliza
por hectárea, y el segundo es el cultivo
más frecuente y con la menor eciencia
de riego. Se concluye, por tanto, que a la
luz de los resultados que el cultivo más
eciente, económicamente, en cuanto al
uso del agua es el arroz, al recaudar 5.10
soles por metro cúbico de agua consumida,
mientras que la caña de azúcar posee el
valor más bajo, generando solo 1.74 soles
por metro cúbico. Por otro lado, el más
eciente respecto al uso de los suelos
también es el arroz, porque recauda 10
380 soles por hectárea cultivada, siendo
el maíz el menos eciente al generar 6
159 soles por hectárea.
Estos resultados harían pensar que el
arroz es el cultivo más rentable dentro de
la región, pero es necesario recordar que
los indicadores económicos utilizados
como referencia de la ecoeciencia solo
consideran como impacto ambiental el
consumo de agua, pero dejan de lado otro
impactos relacionados, especícamente
J D - W C - A D
245
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
con el cultivo de arroz como su alto grado
de contaminación por emisiones de CH
4
,
o que está siendo cultivado en una región
costera donde existen altos niveles de
estrés hídrico y donde el agua posee un
valor más importante que en otras zonas.
Desde ese punto de vista, al no contempla
un análisis más integral sobre la totalidad
de impactos ambientales, intención última
que escapa a los objetivos planteados en el
presente estudio, pero permiten avizorar
nuevas líneas de investigación en el ámbito
de la valoración de la contaminación por
medio de la ecoeciencia.
Referencias
Abelardo de la Torre, Jefe de la Autoridad
Nacional del Agua (2017) https://
agraria.pe/noticias/80-del-agua-en-
peru-se-destina-a-la-agricultura-
urge-13448
Aldaya, M. (2015). Introducción al
cálculo de la huella hídrica según
Water Footprint Network: La huella
hídrica como instrumento para la
planicación hidrológica y reducción
de conictos. Seminario Nacional del
Observatorio del Agua, Madrid.
Alexandratos, N., & Bruinsma, J.
(2012). World agriculture towards
2030/2050: the 2012 revision(Vol.
12, No. 3). FAO, Rome: ESA
Working paper.
Allan, J. A. (1998). Virtual water: a strategic
resource.Ground water,36(4), 545-
547.
Altieri, M. A., & Nicholls, C. I. (2009).
Cambio climático y agricultura
campesina: impactos y respuestas
adaptativas. LEISA revista de
agroecología,14, 5-8.
Álvarez, E., Boisán, M., Cabo, M.,
Chaves, E., & Pozo, V. (2014).
Los Túneles Pucará y Transandino
del proyecto de trasvase Majes
Siguas II, Arequipa, Perú.Ingeopres:
Actualidad técnica de ingeniería civil,
minería, geología y medio ambiente,
(233), 18-24.
Anuario Estadístico de Producción
Agrícola (2017). Ministerio de
Agricultura y Riego del Perú.
Arteaga, S.; Fierro, G. (2015). Valoración
de la infraestructura de riego
aplicado a Cuambo, Parroquia
Salinas, Cantón Ibarra, Provincia de
Imbabura.
Banco Mundial (2008). Informe sobre el
desarrollo mundial 2008: Agricultura
para el desarrollo (No. 338.9 B3Y
2008.). Washington, D.C. http://
econ.worldbank.org/wbsite/
external/extdec/extsearch
Bayart, J. B., Bulle, C., Deschênes, L.,
Margni, M., Pster, S., Vince, F., &
Koehler, A. (2010). A framework for
assessing o-stream freshwater use in
LCA.e International Journal of Life
Cycle Assessment,15(5), 439-453.
Bedmar, F., Gianelli, V., Angelini, H., &
Vigilianchino, L. (2015). Riesgo de
contaminación del agua subterránea
con plaguicidas en la cuenca del
arroyo El Cardalito, Argentina.RIA.
Revista de investigaciones
agropecuarias,41(1), 70-82.
E C-L
246
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Bedoya, V. H., & López-Lezama, J. M.
(2015). Modelo para el Control de
Inundaciones durante el Fenómeno
de” La Niña” Utilizando un embalse
Hidroeléctrico. Información tecnoló-
gica,26(2), 89-100.
Benavides, C., Ángel, V., Jara, V., & Edgar,
I. (2014). Comparación de tres
sistemas de riego para la producción
de arroz con tres densidades de
siembra en Zamorano.
Benavides, M. (2014). Eciencia técnica-
económica y riesgo en la producción
del cultivo de arroz.
Bolaños, M. E. (2011). Determinación de
la huella hídrica y comercio de agua
virtual de los principales productos
agrícolas de Honduras. Zamorano,
Honduras.
Bossio, D., Geheb, K., & Critchley, W.
(2010). Managing water by managing
land: addressing land degradation
to improve water productivity and
rural livelihoods.Agricultural Water
Management,97(4), 536-542.
Boulay, A. M., Bare, J., Benini, L., Berger,
M., Klemmayer, I., Lathuilliere, M.,
... & Ridoutt, B. (2014). Building
consensus on a generic water scarcity
indicator for LCA-based water
footprint: preliminary results from
WULCA. InProceedings of the 9th
International Conference on Life Cycle
Assessment in the Agri-Food Sector
(LCA Food 2014), San Francisco,
California, USA, 8-10 October
2014 (pp. 142-149). American
Center for Life Cycle Assessment.
Boulay, A. M., Bare, J., Benini, L., Berger,
M., Lathuillière, M. J., Manzardo,
A., ... & Ridoutt, B. (2018). e
WULCA consensus characterization
model for water scarcity footprints:
assessing impacts of water
consumption based on available
water remaining (AWARE). e
International Journal of Life Cycle
Assessment,23(2), 368-378.
Boulay, A. M., Motoshita, M., Pster, S.,
Bulle, C., Muñoz, I., Franceschini,
H., & Margni, M. (2015). Analysis
of water use impact assessment
methods (part A): evaluation
of modeling choices based on a
quantitative comparison of scarcity
and human health indicators. e
international journal of life cycle
assessment,20 (1), 139-160.
Brundland, G. H. (1987). Informe
de la comisión mundial sobre el
medio ambiente y el desarrollo
(Comisión Brundland): Nuestro
futuro común.New York: Comisión
Brundland.
Bunge, V. (2010). La presión hídrica en
las cuencas de México.Las cuencas
hidrográcas de México: diagnóstico y
priorización. México: INE, 88-91.
Cadena, V. (2012). Hablemos de
riego. Creadores grácos. Quito-
Ecuador,43.
Conesa Fernández, V., Ros Garro, V.,
Conesa Ripoll, V., & Conesa Ripoll,
L. A. (2010).Guía metodológica para
la evaluación del impacto ambiental.
Mundi-prensa.
De Fraiture, C., Molden, D., & Wichelns,
D. (2010). Investing in water for
food, ecosystems, and livelihoods:
J D - W C - A D
247
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
An overview of the comprehensive
assessment of water management
in agriculture. Agricultural Water
Management,97(4), 495-501.
Eendi, H. (2016). River water quality
preliminary rapid assessment
using pollution index. Procedia
Environmental Sciences,33, 562-567.
Escobal, J., Revesz, B., & Trivelli, C.
(2006). Pequeña Agricultura
Comercial: dinámica y retos en el
Perú.
Fereres, E., Soriano, M.A., (2007).Decit
irrigation for reducing agricultural
water useJ. Exp. Bot. 58, 147-158
Ferrandis, P. (2006). El medio natural
como receptor de impactos
ambientales. La evaluación del
impacto ambiental de proyectos y
actividades agroforestales, 632.
Food and Agriculture Organization of the
United Nations. (2018). Principios
para una agricultura sostenible.
[online] Available at: http://www.
fao.org/sustainability/background/
principles/es/
Franco, A V. (2018). Evaluación de la
eciencia del método de riego por
goteo(Bachelor’s thesis).
Frischknecht, R., Steiner, R., &
Jungbluth, N. (2009). e
Ecological Scarcity Method–Eco-
Factors 2006-A method for impact
assessment in LCA (Methode
der ökologischen Knappheit–
Ökofaktoren 2006-Methode
für die Wirkungsabschätzung in
Ökobilanzen).
Geerts, S., & Raes, D. (2009). Decit
irrigation as an on-farm strategy to
maximize crop water productivity
in dry areas. Agricultural water
management,96(9), 1275-1284.
Gleeson, T., Befus, K. M., Jasechko,
S., Luijendijk, E., & Cardenas,
M. B. (2016). e global
volume and distribution of
modern groundwater. Nature
Geoscience,9(2), 161.
Hoekstra, A. Y., & Chapagain, A. K.
(2006). Water footprints of nations:
water use by people as a function
of their consumption pattern.
In Integrated assessment of water
resources and global change(pp. 35-
48). Springer, Dordrecht.
Hoekstra, A. Y., Chapagain, A. K.,
Aldaya, M. M., & Mekonnen, M.
M. (2011). e water footprint
assessment manual.Setting the global
standard,1, 224.
Hoekstra, A. Y., Mekonnen, M. M.,
Chapagain, A. K., Mathews, R. E.,
& Richter, B. D. (2012). Global
monthly water scarcity: blue
water footprints versus blue water
availability.PLoS One,7(2), e32688.
ISO 14045:2012 Environmental
management — Eco-eciency
assessment of product systems
— Principles, requirements and
guidelines (2012)
ISO 14046:2014 Environmental
management — Water footprint
— Principles, requirements and
guidelines (2014)
E C-L
248
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Kounina, A., Margni, M., Bayart, J. B.,
Boulay, A. M., Berger, M., Bulle, C.,
... & Núñez, M. (2013). Review of
methods addressing freshwater use
in life cycle inventory and impact
assessment.e International Journal
of Life Cycle Assessment,18(3), 707-
721.
Larrazabal, M (2019). Tipos de
Agricultura ¿Cuáles Son y Cómo se
Clasican? https://www.bialarblog.
com/tipos-de-agricultura-cuales-
como-clasican/
Larsen, M. C., Hamilton, P. A., &
Werkheiser, W. H. (2013). Water
quality status and trends in the
United States. Monitoring Water
Quality, Elsevier, NC, EE. UU, 19-57.
Leal, J. (2005). Ecoeciencia: marco de
análisis, indicadores y experiencias.
CEPAL.
MINAGRI (2015). Manual del Cálculo
de la Eciencia para Sistema de
Riego. Dirección General de
Infraestructura Agraria y Riego –
Ministerio de Agricultura y Riego
del Perú.
Masip, J. C. (2001). La infraestructura
hidráulica de regadío en Almería.
InEl sector agrario y agroalimentario
de Almería ante el siglo XXI: evolución
y perspectiva de nuestra agricultura en
el año 2000: producción integrada:
incidencia de las nuevas normativas
de residuos de plaguicidas sobre la
horticultura almeriense(pp. 13-31).
Instituto de Estudios Almerienses.
Martínez, A., Chargoy, J., Puerto, M.,
Suppen, N., Rojas, D., & Alfaro,
S. (2016). Huella de Agua (ISO
14046) en América Latina, análisis
y recomendaciones para una
coherencia regional. Centro de
Análisis de Ciclo de Vida y Diseño
Sustentable CADIS, Embajada de
Suiza en Colombia, Agencia Suiza
para la Cooperación y el Desarrollo
COSUDE,90.
Massoud, M. A., Al-Abady, A., Jurdi,
M., & Nuwayhid, I. (2010). e
challenges of sustainable access to
safe drinking water in rural areas
of developing countries: case of
Zawtar El-Charkieh, Southern
Lebanon. Journal of Environmental
Health,72(10).
McMichael, C. E. (2014). Freshwater.e
Encyclopedia of Earth.
Motoshita, M., Ono, Y., Pster, S.,
Boulay, A. M., Berger, M.,
Nansai, K. & Inaba, A. (2018).
Consistent characterisation factors
at midpoint and endpoint relevant
to agricultural water scarcity arising
from freshwater consumption. e
International Journal of Life Cycle
Assessment,23(12), 2276-2287.
Nieto, N. (2011). La gestión del
agua: tensiones globales y
latinoamericanas.Política y cultura,
(36), 157-176.
Pachauri, R. K., Allen, M. R., Barros, V. R.,
Broome, J., Cramer, W., Christ, R.,
... & Dubash, N. K. (2014).Climate
change 2014: synthesis report.
Contribution of Working Groups I, II
and III to the fth assessment report
of the Intergovernmental Panel on
Climate Change(p. 151). Ipcc.
J D - W C - A D
249
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Pster, S., & Bayer, P. (2014). Monthly
water stress: spatially and temporally
explicit consumptive water footprint
of global crop production.Journal of
Cleaner Production,73, 52-62.
Pster, S., Boulay, A. M., Berger, M.,
Hadjikakou, M., Motoshita, M.,
Hess, T., ... & Manzardo, A. (2017).
Understanding the LCA and ISO
water footprint: A response to
Hoekstra (2016). “A critique on
the water-scarcity weighted water
footprint in LCA”. Ecological
Indicators,72, 352-359.
Pster, S., Koehler, A., & Hellweg, S.
(2009). Assessing the environmental
impacts of freshwater consumption
in LCA. Environmental science &
technology,43(11), 4098-4104.
Ponce, V. M., Silva, J. A., & Villarroya,
J. P. (2018) ¿Cuánta agua puede ser
bombeada de un acuífero? Congreso
Latinoamericano de Hidráulica,
Argentina.
Rees, W. E. (1992). Ecological footprints
and appropriated carrying capacity:
what urban economics leave out?
Environment and urbanization,4(2),
121-130.
Renderos, R. (2014) Huella Hídrica del
Cultivo de Caña de Azúcar.
Rojas-Valencia, M. N., Gallardo-Bolaños,
J. R., & Martínez-Coto, A. (2012).
Implementación y caracterización
de un sistema de captación y
aprovechamiento de agua de
lluvia. TIP Revista Especializada en
Ciencias Químico-Biológicas, 15(1),
16-23.
Salmoral, G., Dumont, A., Aldaya, M.
M., Rodríguez-Casado, R., Garrido,
A., & Llamas, M. R. (2012).Análisis
de la huella hídrica extendida de la
cuenca del Guadalquivir. Fundación
Marcelino Botín.
Subramani, A., & Jacangelo, J. G. (2015).
Emerging desalination technologies
for water treatment: a critical
review.Water research,75, 164-187.
Teixeira, R. F., de Souza, D. M., Curran,
M. P., Antón, A., Michelsen, O.,
& i Canals, L. M. (2016). Towards
consensus on land use impacts on
biodiversity in LCA: UNEP/SETAC
Life Cycle Initiative preliminary
recommendations based on expert
contributions. Journal of Cleaner
Production,112, 4283-4287.
Trivelli, C., Escobal & J., Revesz, B. (2006).
Pequeña Agricultura Comercial:
dinámica y retos en el Perú.
UNESCO. Informe de las Naciones
Unidas sobre el Desarrollo de los
Recursos Hídricos en el Mundo,
2017. http://www.unesco.org/new/
es/natural-sciences/environment/
water/wwap/wwdr/
United Nations International Children’s
Emergency Fund. (2018). Agua,
saneamiento e higiene. https://
www.unicef.org/spanish/wash/
index_31600.html/
Viñas, J. M. S. (2012). Los retos de la
agricultura para alimentar al mundo
en 2050.Tiempo de paz,106, 37-48.
WEF, F. E. M. (2016). Global risks 2016.
World Economic Forum.
E C-L
250
| C | V. XXV | N. 30 | - | 2020 | | ISSN (): - | ISSN ( ): - |
Williamson, O. E. (2002). e eory of
the Firm as Governance Structure:
From Choice to Contract. Journal
of Economic Perspectives 16 (3):
171-195.
World Health Organization (2006).
Guidelines for the safe use of
wastewater, excreta and greywater.
Vol 1. Policy and regulatory aspects
and Vol 2. Wastewater uses in
agriculture.
WWF & SABMiller. (2009). Water
Footprinting: Identing and
addressing water risks in the value
chain.Water Footprint Network.
Zhang, Y., & Zhifeng, Y. (2007). Eco-
eciency of urban material
metabolism: a case study. Acta
Ecológica Sinica, 3124-3131.
J D - W C - A D
