1. INTRODUCCIÓN

En 2020, la Organización de las Naciones Unidas para la Alimentación y la Agricultura (Food and Agriculture Organization of the United Nations, FAO, por sus siglas en inglés) reportó existencias de 1 526 y 953 millones de cabezas de ganado bovino y porcino en el mundo, respectivamente. Una producción anual de 68, 110 y 718 millones de toneladas de carne de res, carne de cerdo y leche, respectivamente (FAO, 2022). A pesar de que las tasas medias anuales de crecimiento de las existencias de ganado bovino, ganado porcino, de la producción de carne de res, carne de cerdo y de leche han sido de 0.82, 1.46, 1.53, 2.56 y 1.41% durante el periodo 1961-2020, el crecimiento esperado de la demanda de alimentos de origen animal para los siguientes años podría no alinearse con la oferta.

De acuerdo con estimaciones del Departamento de Asuntos Económicos y Sociales de la Organización de las Naciones Unidas (ONU), se espera que la población global alcance los 9.74 miles de millones de personas en 2050 y 10.88 miles de millones de personas en 2100¹ (ONU, 2019). La Organización para la Cooperación y el Desarrollo Económicos (Organisation for Economic Co-operation and Development, OECD, por sus siglas en inglés) reporta que el consumo per cápita de carne de res,² carne de cerdo³ y de leche fue de 6.63 kg, 11.48 kg y 9 kg⁴ durante el periodo 1990-2020 (OECD, 2021). Si este consumo per cápita se mantiene y la población mundial se incrementa en 3.08 mil millones de personas para 2100,⁵ la producción anual de carne de res, carne de cerdo y leche tendrían que aumentar 39.52%, respecto a los niveles actuales.

En México, el Sistema de Información Agroalimentaria de Consulta (SIA- con) indica que en 2020 las existencias de ganado bovino y porcino fueron, respectivamente, de 8.41 y 20.29 millones de cabezas. Asimismo, la producción anual de carne de res, carne de cerdo y de leche ascienden a 2.08, 1.65 millones de toneladas y 12.56 miles de millones de litros (SADER, 2021). Al igual que las tendencias globales, las tasas medias de crecimiento anual de la producción de carne de res, carne de cerdo y de leche fueron de 1.69, 0.70 y 1.57% durante el periodo 1980-2020 y, para 2050 y 2100, se espera que la población en México sea de 151.15 y 141.51 millones de personas (ONU, 2019). Por lo tanto, de mantenerse fijos los niveles de consumo per cápita, la oferta de carne de res, carne de cerdo y leche, ya sea con producción nacional o importaciones, tendría que aumentar 20.33 y 9.75% en 2050 y 2100 respecto a los niveles de 2020.⁶

Para cerrar la brecha entre oferta y demanda de productos ganaderos durante los próximos años será necesario incorporar más recursos naturales al proceso productivo o cambios tecnológicos, mismos que permitan producir más con menos insumos. Aunado a ello, el cambio climático impondrá un reto adicional al sector para cerrar la brecha entre oferta y demanda. A nivel mundial, el Panel Intergubernamental de Expertos sobre el Cambio Climático (IPCC) estima que la temperatura de la superficie global aumentará entre 1.2 °C y 3.0 °C en 2041-2060 y entre 1.0 °C y 5.7 °C en 2081-2100, respecto al periodo 1850-1900 dependiendo del escenario de emisiones de Gases de Efecto Invernadero (GEI) que se utilice, o Shared Socioeconomic Pathway (SSP) (IPCC, 2021). En México, el Modelo Climático Global (Global Climate Models, GCM, por sus siglas en inglés) ACCESS-ESM1-5 estima que el cambio en la temperatura media será de entre 1.79 °C y 3.72 °C en 2041-2060 y entre 1.86 °C y 7.05 °C en 2081-2100 (^{Fick y Hijmans, 2017}).⁷ El aumento de la temperatura de la superficie global puede afectar las condiciones de producción del sector pecuario por una mayor proliferación de enfermedades y plagas, alteración del ciclo hidrológico y disponibilidad de agua, disponibilidad de alimento y aumento de costos generados por estrategias de adaptación a las nuevas condiciones del clima.

De acuerdo con el GCM ACCESS-ESM1-5, en los municipios en los que se reportó algún tipo de actividad ganadera en la Encuesta Nacional Agropecuaria de 2014 (ENA 2014) (INEGI, 2014a), del Instituto Nacional de Estadística y Geografía (INEGI), se espera que la temperatura se incremente entre 2.10 °C y 2.84 °C en 2041-2060 y entre 2.18 °C y 5.25 °C en 2081-2100 y la lluvia podría disminuir entre -0.99 mm/mes (1.32%) y -6.52 mm/mes (8.71%) para el periodo 2041-2060 y entre -1.26 mm/mes (1.68%) y -17.02 mm/ mes (22.74%) para el periodo 2081-2100 dependiendo de la trayectoria de acumulación de GEI en la atmósfera (^{Fick y Hijmans, 2017}).

Dado lo anterior, esta investigación identifica los impactos de dichos cambios en la ganadería en México. Al hacerlo, se contribuye a la literatura existente: i) con el primer estudio en México que utiliza el modelo Ricardiano, propuesto por ^{Mendelsohn et al. (1994}), para estimar los impactos del cambio climático en el sector ganadero; ii) al presentar la heterogeneidad de impactos entre diferentes tipos de productores ganaderos; y, iii) al utilizar una muestra de Unidades de Producción (UP) superior, en términos de observaciones, a las que existen en la literatura internacional.

El modelo Ricardiano, con el cual se identifica la asociación entre clima e ingresos netos, utiliza información de 28 337 UP ganadera que reportan su ubicación en la ENA 2014. La ubicación de las UP permite vincular Sistemas de Información Georreferenciada (Geographical Information System, GIS, por sus siglas en inglés) de clima, y de otras variables, con la información de la ENA 2014. con ello, se pudo construir una base de datos que contiene los ingresos netos por cabeza de ganado, temperatura, lluvia, variación de temperatura, variación de lluvia y características sociodemográficas de los productores.

Los resultados indican que, en promedio, 1°C (1mm/mes) adicional de temperatura (lluvia) se asocia con una disminución de MXN$118.5 (MXN$21.1) en los ingresos netos por cabeza de ganado. Al utilizar los valores esperados para los niveles de temperatura y lluvia en el periodo 2081-2100, se estima que el cambio climático puede disminuir los ingresos netos entre MXN$289 y MXN$678 por cabeza, es decir, entre 14.42 y 33.83% del nivel actual.

Para mayor comprensión de la investigación, la estructura del artículo quedó de la siguiente manera: después de la introducción, en la sección 2 se presenta una síntesis de la revisión de literatura sobre estudios que estiman un modelo Ricardiano para identificar los impactos del cambio climático en la ganadería a nivel internacional. La sección 3 describe la teoría, metodología e información estadística utilizada para identificar los impactos del cambio climático en la ganadería en México. En la sección 4 se presentan las estimaciones del modelo Ricardiano para diferentes muestras, las estimaciones de los cambios en la renta ganadera bajo diferentes escenarios de cambio climático y una discusión sobre las implicaciones de los resultados. En la sección 5 se muestran las conclusiones.

2. REVISIÓN DE LA LITERATURA. ESTUDIOS PREVIOS

En los últimos años, el modelo Ricardiano se volvió popular porque considera los procesos de adaptación de los productores a diferentes condiciones climáticas y por su capacidad de incorporar la heterogeneidad que existe entre distintas UP. Lo anterior representa una ventaja sobre los modelos agronómicos debido a que estos no consideran la adaptación y, por consecuencia, sobre- estiman los impactos del cambio climático en el sector agropecuario. Asimismo, los modelos de equilibrio general computable suelen utilizar información agregada con lo cual omiten la heterogeneidad entre productores (^{Mendelsohn y Dinar, 2009}).

El modelo Ricardiano se utiliza para cuantificar los impactos del cambio climático en la agricultura y en la ganadería. En el sector ganadero existen estudios para África (Seo y ^{Mendelsohn, 2007}a, 2007b; Seo y Mendelsohn, 2008a, 2008b, 2008d), Sudamérica (Mendelsohn y Seo, 2007; Seo y Mendelsohn, 2008c; Seo, 2016), Kenia (^{Kabubo-Mariara, 2009}), Mongolia (^{Batsuuri y Wang, 2017}), Etiopía (^{Gebreegziabher et al., 2013}) y Sudáfrica (^{Tibesigwa et al., 2017}), los cuales consideran bovinos de carne, bovinos de leche, ovinos, aves y caprinos.

Para cuantificar la renta Ricardiana, o variable dependiente, los estudios previos emplean diferentes indicadores. Dentro del conjunto de estimaciones para la ganadería se encuentra que la renta de la ganadería puede aproximarse mediante ingresos netos por UP, ingresos netos por cabeza, valor de la tierra por hectárea, valor de la tierra por UP y el valor del ganado por UP. En la ganadería extensiva, o de libre pastoreo, es difícil determinar el área utilizada para alimentar a los semovientes, sobre todo en regiones con tierras ejidales o comunales, por lo que, los ingresos netos o valor de la tierra por unidad de área suelen no utilizarse. Por lo anterior, una proporción importante de artículos utiliza el valor de la variable dependiente por animal o por UP. La falta de información sobre la tenencia de la tierra y derechos de propiedad favorecen el uso de la variable ingresos netos en lugar del valor de la tierra, especialmente en países o regiones con mercados de tierra con poco dinamismo (^{Mendelsohn y Dinar, 2009}).

En el modelo Ricardiano para la ganadería se incluye un conjunto amplio de variables de control. En la mayoría de los estudios se utiliza la altitud en la que se ubica la UP, si cuenta con electricidad, el tipo de ganado, precios de venta de los productos, tamaño del hogar del productor, porcentaje de pradera en la región, años de educación del productor, densidad de población y acceso al crédito. con menor frecuencia, se observan variables como la distancia a los mercados de insumos y de producto, distancia al puerto más cercano, pro- gramas de capacitación y la experiencia del productor. con respecto al nivel de agregación, en el 94.73% de los estudios la unidad de análisis es la UP, o granja, y el rango de observaciones en los modelos Ricardianos que utilizan este nivel de agregación va desde 214 hasta 15 002 granjas. Debido a la amplia heterogeneidad que existe entre productores ganaderos, se observa que la R-cuadrada de los modelos Ricardianos oscila entre 0.08 y 0.75, con un valor promedio de 0.2.

Al considerar aquellas estimaciones en las que se cuenta con información suficiente para obtener la proporción de los efectos marginales sobre el valor de la variable dependiente, se encuentra que el rango de dichas proporciones es muy amplio. En el caso de la temperatura, un grado centígrado adicional probablemente generaría un cambio de entre -113 y 112% de la variable dependiente,⁸ con un valor medio de 13.84% y de la mediana de 0.68%.⁹ Para la lluvia, un mm/mes adicional podría ocasionar un cambio de entre -28 y 5% de la variable dependiente y un valor promedio de -3.63% y de la mediana de -0.8% (^{Seo y Mendelsohn, 2008}a; ^{Gebreegziabher et al., 2013}; ^{Van Passel et al., 2017}; ^{Tibesigwa et al., 2017}; ^{Bozzola et al., 2018}). De acuerdo con investigaciones previas, los efectos marginales de la temperatura y de la lluvia sobre la renta ganadera son heterogéneos y, tanto el signo como la magnitud, dependen de factores como la ubicación de la UP, el valor del clima actual y de las especies que se consideren en la estimación del modelo Ricardiano.

Bajo diferentes escenarios de cambio climático para África, ^{Seo y Mendelsohn (2008}b) estiman cambios entre -35.22 y 153.6%, Seo y Mendelsohn (2008a) entre -26.4 y 322.9%, Seo y Mendelsohn (2008d) de entre -8.08 y 168%, y Seo y Mendelsohn (2007b) de entre -72.8 y -41.7% de los ingresos netos ganaderos al final del siglo respecto a sus niveles actuales. Para América Latina, Seo y Mendelsohn (2008c) estiman cambios de entre -187 y 38% del valor de la tierra de UP ganaderas para el 2100. En Sudamérica, Seo (2016) estima una ganancia de 59.45% y Mendelsohn y Seo (2007) estiman cambios entre -19.48 y 54.81% en el valor de la tierra en 2100 como consecuencia del cambio climático. Los estudios a nivel de país indican que los ingresos netos ganaderos en Kenia podrían disminuir entre -169 y 38% (^{Kabubo-Mariara, 2009}), en Mongolia dichos cambios oscilarían entre -80.7 y 42.4% (^{Batsuuri y Wang, 2017}), en Etiopía entre -112 y 188% (^{Gebreegziabher et al., 2013}) y en Sudáfrica entre -133.3 y 6.1% (^{Tibesigwa et al., 2017}) en 2100, respecto a los niveles actuales. con base en las estimaciones de estudios previos, el cambio climático tendrá efectos heterogéneos sobre los ingresos netos o valor de la tierra de UP ganadera.

Para la agricultura en México, existen tres estudios que utilizan el modelo Ricardiano para estimar los impactos del cambio climático. ^{Mendelsohn et al. (2010}) utiliza información de 621 hogares rurales donde la actividad principal es la agricultura para estimar dichos impactos y las actividades ganaderas no son la parte central del análisis. Por su parte, ^{Galindo et al. (2015}) utilizan un panel de datos a nivel municipal para estimar los impactos del cambio climático en el sector agrícola sin considerar a las actividades ganaderas. Basurto- Hernández (2019) estima un modelo Ricardiano para todo el sector ganadero, pero no desglosa los efectos heterogéneos por tipo de productor ni presenta estimaciones de los impactos potenciales del cambio climático sobre la producción pecuaria. De acuerdo a lo anterior, la revisión de literatura indica que no existe un estudio similar en México para la ganadería.

3. MODELO RICARDIANO E INFORMACIÓN ESTADÍSTICA

El modelo Ricardiano asume que el productor i maximiza sus ingresos netos en el periodo t considerando los precios del producto y de los insumos que rigen en el mercado en el periodo correspondiente. con base en dicha información y el clima de largo plazo, o expectativa de clima, el productor elige la especie ganadera que genera el ingreso neto más alto. La situación anterior se puede expresar como sigue:

donde πi es el ingreso neto del productor i que resulta de un proceso de maximización, Pj es el precio de mercado de la especie j, Qij es la producción de la especie j del productor i,Gi es la cantidad de tierra de pastoreo, Fi es la cantidad de alimento, Li es la cantidad de trabajo, Ki es la cantidad de capital, Ci es el clima, Wi la disponibilidad de agua, Si la calidad del suelo, PF es el precio del alimento, PL es el precio del trabajo y Pk es el precio del capital.¹⁰ El productor elige la especie, el nivel de producción y las cantidades de insumos que desea utilizar para maximizar sus ingresos netos. Así, el ingreso neto resultante se puede expresar de la siguiente manera:

Así, la función Ricardiana se deriva del proceso de optimización descrito en la expresión (1) y captura la asociación entre la variación de los ingresos netos y la variación de las variables exógenas que influyen en el proceso de optimización, esto es, el modelo Ricardiano es la forma reducida¹¹ de la función de ingresos netos. El impacto del cambio climático se puede obtener utilizando el modelo Ricardiano definido en la expresión (2) de la siguiente manera:

donde Ci0 es el clima actual en la UP i, y Ci1 es el clima futuro de la misma UP. Debido a que Pj,Wi,Si,PF,PL,Pk se mantienen constantes al simular el impacto de cambios en el clima en los ingresos netos y por simplicidad, se omiten en la expresión (3). Considerando lo anterior, se estima el siguiente modelo Ricardiano:

donde Ti es la normal de temperatura¹² en la UP i, Ri es la normal de lluvia,¹³ Zi es un vector de variables exógenas distintas al clima, tales como características de la UP (altitud o distancia a mercados), del productor (experiencia, edad o sexo) o del ganado (tamaño del hato), β0-βQ es el conjunto de parámetros del modelo Ricardiano, Q es el número total de variables de control¹⁴ y εi es el término de error. Utilizando la ecuación (4), el efecto marginal de la temperatura y de la lluvia sobre el ingreso neto se puede obtener, respectivamente, de la siguiente manera:

Y, el efecto del cambio climático sobre los ingresos netos para cada UP se puede obtener mediante la siguiente expresión:

donde el subíndice 1 indica el valor de la variable bajo diferentes escenarios de cambio climático y el subíndice 0 es el valor actual de la variable correspondiente.

Para estimar las diferentes especificaciones del modelo Ricardiano definido en la ecuación (4), se utiliza información económica y de ubicación geográfica de 28 337 UP reportada en la ENA 2014 (INEGI, 2014a).¹⁵ La variable dependiente es el ingreso neto por cabeza de ganado y resulta de calcular el cociente de la diferencia de ingresos¹⁶ y gastos¹⁷ sobre el número de cabezas de ganado bovino y porcino¹⁸ en la UP.¹⁹

La figura 1 muestra los ingresos netos medios y desviación estándar por UP y por cabeza de ganado para cada uno de los percentiles de la muestra. El 39.37% de los productores de la muestra tienen ingresos netos negativos. En general, las UP con valores negativos enfrentan el mismo clima, el tamaño de hogar es el mismo y la edad y la educación del productor son similares al resto de productores. Sin embargo, existe una mayor proporción de productores indígenas, mujeres y pequeños en las UP con ingresos netos negativos. Asimismo, existe una menor proporción de beneficiarios del Programa de Fomento Ganadero (PROGAN)²⁰ en el grupo de productores con ingresos netos negativos (8.22% del total de este grupo) en comparación con los que tienen ingresos netos positivos (26.47% del total de este grupo).

De acuerdo con la revisión de literatura descrita anteriormente, el conjunto de variables de control en el modelo Ricardiano comprende las normales de temperatura y lluvia, variación en el clima, características sociodemográficas de los productores y otras variables exógenas que determinan los ingresos netos en el sector ganadero.

Para obtener las normales de temperatura y lluvia, la desviación estándar de la temperatura, del coeficiente de variación de la lluvia y la temperatura diurna, se usaron las bases de datos ráster (matriz de celdas o pixeles) publica- dos por ^{Fick y Hijmans (2017}), WorldClim versión 2.1, los cuales contienen los valores medios mensuales de las variables anteriores para el periodo 1970- 2000 y cuentan con una resolución espacial de 30 segundos, aproximadamente de 1 km2. Debido a que la ENA 2014 reporta la ubicación geográfica de las UP a nivel municipal, se empleó el Marco Geoestadístico Municipal 2014, la herramienta Zonal statistics as table de ArcGis y las bases de datos ráster correspondientes para obtener los valores mensuales de clima en cada uno de los 2 465 municipios de México. con ello, se asigna el clima a cada una de las UP que cuentan con información en la ENA 2014 (véase figura 2 para las normales de clima).

Utilizando el ráster de elevación de WorldClim 2.1, se calcula el promedio de altitud municipal. Para calcular la densidad carretera, se utiliza la Red Nacional de Caminos (INEGI, 2014b), el Marco Geoestadístico Municipal 2014 y herramientas de ArcGis para obtener el cociente entre el total de la longitud de caminos dentro de un municipio sobre su área total. Las variables de control restantes se toman de la ENA 2014.

La tabla 1 muestra las estadísticas descriptivas de la muestra de UP que se utiliza en la estimación del modelo Ricardiano. En promedio, los ingresos netos por cabeza de ganado son de MXN$2 004.²¹ La temperatura anual oscila entre 10.37 °C y 27.96 °C y la lluvia anual entre 6.55 mm/mes y 337.30 mm/ mes. La variación en las normales de clima es un requisito fundamental para la estimación del modelo Ricardiano con datos de sección cruzada, por lo que los rangos de temperatura y lluvia en la muestra indican que se cuenta con variación suficiente en el clima para estimar el modelo Ricardiano. La desviación estándar promedio del periodo 1970-2000 en los municipios en donde hay actividades ganaderas oscila entre 0.63 y 8.00 °C y el coeficiente de variación de la lluvia para el mismo periodo oscila entre 63 y 133. La temperatura diurna captura la diferencia entre el valor máximo durante el día y el mínimo durante la noche de la temperatura y en la muestra de UP de este trabajo, dicho valor oscila entre 8.15 y 20.28 °C. Así como en el clima de largo plazo, se observa una gran variación en la altitud promedio en la que se localizan las UP de la muestra, desde 1.65 hasta 3 225 metros sobre el nivel del mar (MASL). La densidad carretera muestra que, en promedio, en zonas de producción ganadera existen 302 metros lineales de caminos por cada km2 de área.

Nota: los puntos representan la media de ingresos netos del percentil correspondiente, mientras que la línea hacia arriba y debajo de cada punto representa la desviación estándar. Fuente: elaboración propia con datos de la Encuesta Nacional Agropecuaria (^{INEGI, 2014a})

Figura 1 Ingresos netos medios y desviación estándar por percentil 

Fuente: elaboración propia con datos de WorldClim2.0 (^{Fick y Hijmans, 2017}).

Figura 2 Bases de datos GIS sobre clima 

Además de las variables climáticas y las características propias de su ubicación (altitud y densidad carretera), el modelo Ricardiano incluye un conjunto de características sociodemográficas del productor (tamaño del hogar, edad, sexo, educación, etnicidad y subsidios). En la muestra, la edad promedio de los productores es de 58 años, el 90.7% de las UP es encabezada por hombres, la educación media de los productores es de 3.35 años (educación primaria incompleta) y el 18.7% se reconoce a sí mismo como indígena. Las UP de la muestra tienen, en promedio, 106 cabezas de ganado y un valor de la mediana de 20 cabezas. Adicionalmente, se incluye una variable dicotómica para indicar si el productor es beneficiario del programa de subsidios a la ganadería PROGAN, en la muestra, el 19.2% de los productores recibe dichas transferencias.

4. RESULTADOS

En esta sección se presentan los resultados de la estimación del modelo Ricardiano definido en la ecuación (4), los efectos de cambios marginales y no marginales de la temperatura y la lluvia sobre los ingresos netos por cabeza de ganado definidos en las ecuaciones (5), (6) y (7). Para identificar la mejor forma funcional del modelo Ricardiano se realizaron las siguientes pruebas. Primero, la distribución de la variable dependiente muestra valores negativos, lo cual descarta la posibilidad de utilizar la forma funcional semilogarítmica.²² Para solucionar este problema, la literatura sugiere desplazar la distribución de la variable dependiente hacia la derecha al añadir un valor constante, valor mínimo más uno, a cada observación. Sin embargo, dicha transformación ha sido ampliamente criticada por influir en los resultados de las estimaciones que utilizan una forma funcional semilogarítmica. Por lo tanto, en este estudio se utilizó la variable dependiente sin ninguna transformación, i.e. ingresos netos por cabeza expresados en miles de pesos.

En segundo lugar, se evaluó la pertinencia de incluir subconjuntos de variables de control en el modelo Ricardiano. Los resultados de la prueba F²³ indican que, en conjunto, las variables de clima, (F(5, 28314)=44.47, Prob>F=0.00), las variables de clima extremo, (F(3, 28314)=107.28, Prob>F=0.00), atributos de la UP y características sociodemográficas de los productores (F(10, 28314)=85.42, Prob>F=0.00) y efectos fijos por región (F(4, 28314)=36.20, Prob>F=0.00) son estadísticamente significativas, por lo tanto, deben incluir- se en el modelo Ricardiano. Asimismo, la prueba F sugiere que los términos cuadrados de las variables climáticas (F(2, 28314)=36.99, Prob>F=0.00) y las interacciones de clima (F(1, 28314)=38.15, Prob>F=0.00) son, en conjunto, estadísticamente significativas. Lo anterior confirma una relación no lineal entre el clima y los ingresos netos de los productores y que los efectos marginales de temperatura y lluvia dependen del clima actual en cada una de las UP. La tabla 2 presenta el conjunto de parámetros estimados del modelo Ricardiano para todos los productores, productores de bovinos, productores de porcinos, productores de bovinos y porcinos, grandes y pequeños productores.²⁴ Las estimaciones para diferentes grupos de productores permiten identificar la heterogeneidad de los efectos del cambio climático sobre la ganadería en México. En el caso de la temperatura, los coeficientes asociados al término cuadrado de los diferentes tipos de UP no son estadísticamente significativos, excepto en el caso de bovinos, donde se encuentra una asociación de U invertida con los ingresos netos. Para el caso de la lluvia, se observa una relación tipo U con respecto a los ingresos netos, excepto en la producción de porcinos. Asimismo, se encuentra que los coeficientes asociados al término de interacción entre temperatura y lluvia son, en su mayoría, estadísticamente significativos, esto sugiere que el efecto marginal de una variable climática depende del nivel actual de la otra variable, i.e. el efecto de un grado adicional de calentamiento de la tierra no afecta de la misma forma a una UP con 30 mm/mes que a una UP con 120 mm/mes de lluvia y viceversa.

Contrario a las expectativas iniciales, una mayor variación climática de largo plazo suele asociarse con mayores ingresos netos. Para el caso de la desviación estándar de la temperatura, cuando dicha variación es mayor los ingresos netos son más altos, excepto en el caso de los productores especializados en porcinos en donde el estrés por temperatura podría generar mayor susceptibilidad a enfermedades. En el caso del coeficiente de variación de la lluvia y de la temperatura diurna se observa la misma relación en la mayoría de las muestras. Debido a que se asume que los productores están adaptados a las condiciones de clima actual del lugar en el que se ubican, este resultado se puede presentar debido a condiciones de mercado. De esta manera, se argumentó que en los lugares en donde hay mayor variación de clima los precios de los productos son más altos, por ende, el ingreso neto podría ser mayor.

Los coeficientes asociados a la altitud son, en general, negativos y estadísticamente significativos, lo que sugiere que aquellas UP ubicadas en lugares con mucha altitud suelen obtener menores ingresos netos por cabeza de ganado. Tomando la muestra de todas las UP, 100 MASL adicionales se asocian con un ingreso neto MXN$90 inferior. En el caso de los porcinos, dicha asociación no es estadísticamente significativa. Un aumento en la densidad carretera se asocia con niveles de ingresos netos superiores. La densidad carretera se incluye en el modelo Ricardiano con el propósito de capturar la conectividad con los mercados que tienen las UP. Los resultados muestran que la inversión en vías de comunicación terrestre puede tener un impacto importante en los ingresos netos de los ganaderos. Lo anterior, se debe a que estar mejor conectado con el mercado permite la adquisición de insumos de mejor calidad a menor costo al evitar costos de transporte y venta de productos con mayor rapidez respecto a UP ubicadas en zonas remotas.

Estudios previos utilizan el tamaño del hogar para controlar por costos de trabajo familiar, que regularmente no se reportan en las encuestas disponibles. Los resultados indican que el tamaño del hogar muestra una relación positiva y estadísticamente significativa con los ingresos netos, lo cual coincide con ^{Kabubo-Mariara (2009}). Consistente con las expectativas iniciales, la edad del productor se asocia de manera inversa con el monto de ingresos netos, i.e. los productores más jóvenes suelen obtener ingresos netos más altos; los hombres obtienen ingresos netos más altos que las mujeres; un año adicional de educación se asocia con niveles de ingresos netos superiores, i.e. el retorno de un año adicional de educación es, en promedio, de MXN$99 por cabeza de ganado; por otro lado, las o los productores que se identifican como indígenas tienen ingresos netos por cabeza MXN$797 inferiores al resto de ganaderos. De lo anterior, se puede inferir que los productores mayores, mujeres, con poca educación y miembros de alguna comunidad indígena son más vulnerables al cambio climático.

Existe una relación de U invertida entre el número de cabezas de ganado y los ingresos netos por cabeza. Lo anterior implica que existe un punto de inflexión donde la contribución marginal de un animal adicional sobre los ingresos netos se vuelve negativa. El coeficiente asociado al indicador del subsidio PROGAN sugiere que en promedio sus beneficiarios tienen ingresos netos superiores a los productores que no reciben dichas transferencias. Esto podría indicar regresividad del programa, i.e. las transferencias se dirigen a productores con ganancias mayores. Por último, el modelo Ricardiano incluye variables dicotómicas que indican la región en la que se encuentra la UP con el objetivo de capturar diferencias estructurales entre una región y otra que determinan el nivel de ingresos netos por cabeza en la muestra. Utilizando los parámetros estimados de la tabla 2 y los valores medios de temperatura y lluvia para cada una de las muestras, la tabla 3 presenta los efectos marginales de las variables climáticas sobre los ingresos netos por cabeza de ganado en las muestras correspondientes. En promedio, se espera que un grado adicional de temperatura disminuya los ingresos netos por cabeza en -MXN$118.5 (5.89% del valor actual). Dicho efecto oscila entre -MXN$98.9 y -MXN$180.7 por cabeza dependiendo del tipo de productor. En el caso de productores especializados en porcinos y productores no especializados (porcinos y bovinos), el efecto marginal evaluado en los valores medios no es estadísticamente significativo. El ganado porcino en México, general- mente, se encuentra estabulado por lo que los productores pueden lidiar con un aumento de temperatura con mayor facilidad, que aquellos que producen bovinos de libre pastoreo.

Evaluando la ecuación (6) en los valores medios, un mm/mes adicional re- presentaría una disminución de los ingresos netos por cabeza de -MXN$21.1 pesos si se consideran todas las UP de la muestra. Este valor se encuentra entre -MXN$34.6 y MXN$4.6, donde los únicos que resultan beneficiados con el cambio marginal en la lluvia son los productores especializados en la producción de porcinos.

^{Fick y Hijmans (2017}) utilizan un conjunto de GCM para construir bases de datos ráster con estimaciones del clima futuro a nivel global para los periodos 2041-2060 y 2081-2100. Utilizando el promedio municipal de los valores que genera el GCM ACCESS-ESM1-5²⁵ y los coeficientes de la tabla 2, se reemplaza el clima actual con el clima futuro y se calcula el cambio en los ingresos netos por cabeza en cada una de las UP de la muestra. La tabla 4 muestra los valores promedio de la temperatura, lluvia e ingresos netos por cabeza actuales y futuros para los periodos 2041-2060 y 2081-2100 bajo los escenarios SSP1²⁶ y SSP58526(véase IPCC, 2022 para la descripción completa de los escenarios SSP126 y SSP585). Se utilizaron los parámetros estimados y valores correspondientes para cada una de las muestras para las que se estiman los modelos Ricardianos de la tabla 2 y entre corchetes se muestran los valores mínimos y máximos de cada una de las distribuciones de las variables.

Al considerar la muestra de todas las UP que contiene la ENA 2014, se puede observar que la temperatura de las zonas en donde se ubican podría incrementarse entre 2.10 °C y 2.84 °C en 2041-2060 y entre 2.18 °C y 5.25 °C en 2081-2100 dependiendo de las trayectorias de acumulación de GEI en la atmósfera. Además de ello, la lluvia podría disminuir entre -0.99 mm/mes (1.32%) y -6.52 mm/mes (8.71%) para el periodo 2041-2060 y entre -1.26 mm/mes (1.68%) y -17.02 mm/mes (22.74%) para el periodo 2081-2100. Así, el GCM ACCESS-ESM1-5 estima, en promedio, un futuro más seco y calu- roso para las zonas en donde se produce ganado bovino y porcino en México. Al sustituir el clima actual con el clima futuro en cada una de las UP, como lo indica la ecuación (7), los resultados sugieren que el ingreso neto por cabeza podría disminuir entre -13.42 y -16.87% para el periodo 2041-2060 y entre -14.42 y -33.83% respecto a su nivel actual.

La combinación de aumento de temperatura y disminución de lluvia generará pérdidas importantes a los productores especializados en la producción de porcinos. Bajo el conjunto de escenarios de cambio climático, las pérdidas de estos productores podrían ascender hasta el 134% del ingreso neto por cabeza promedio actual, si se considera el escenario SSP585 para el periodo 2081- 2100. Por otro lado, los productores que no se especializan en una sola especie, podrían beneficiarse de dichos cambios en el clima. Los resultados de la tabla 4 muestran que los ingresos netos por cabeza de UP mixtas podrían incrementarse entre 2.81 y 7.72% para el periodo 2041-2060 e, incluso, incrementarse entre 2.81 y 22.96% para el periodo 2081-2100. Este resultado es consistente con diversos estudios que argumentan que la diversificación de la producción reduce considerablemente la vulnerabilidad al cambio climático (^{Mendelsohn y Dinar, 2009}).

Si se toma en cuenta el tamaño de la UP, la tabla 4 muestra que los pequeños productores son más vulnerables al cambio climático que los grandes ganaderos. Para el periodo 2041-2060, el primer grupo podría enfrentar pérdidas entre -20.7 y -26.9% de sus ingresos netos por cabeza actuales, mientras que para el segundo grupo dichas disminuciones oscilarían entre -9.0 y -10.2%. Asimismo, para 2081-2100 los pequeños productores podrían enfrentar pérdidas de hasta -52% y los grandes productores de hasta -20%.

Los resultados coinciden con las estimaciones de ^{Mendelsohn et al. (2010})

y ^{Galindo et al. (2015}) respecto a la magnitud de las pérdidas que puede originar el cambio climático a los productores del sector primario. ^{Mendelsohn et al. (2010}) estiman que para el 2100, el valor de la tierra agrícola por hectárea puede disminuir entre -42 y -54% respecto al valor actual como consecuencia del cambio climático. Por su parte, Galindo et al. (2015) estiman que para el 2100 los productores enfrentarán pérdidas de entre -18.6 y -36.4% de sus ingresos netos por hectárea respecto a los niveles actuales. Al analizar al sector ganadero, se encontró que el cambio en los ingresos netos por cabeza de ganado para el 2100 puede ir desde -14.4% hasta -33.8%. Sin duda, cambios en el clima podrían generar una pérdida de ingresos importantes para las personas que dependen del sector primario en México y además una reducción considerable en la oferta de alimentos. Por lo que, es crucial que las políticas económicas que se instrumenten en los próximos años se enfoquen en reducir la vulnerabilidad del sector.

De esta investigación se pueden derivar las siguientes recomendaciones de política económica: primero, dado que los productores de mayor edad, mujeres, indígenas, con menor educación y pequeños son más vulnerables a cambios en las condiciones climáticas, los encargados de la política económica deberían centrar sus esfuerzos en reducir las brechas que existen entre estos grupos y sus contrapartes. Segundo, para reducir la vulnerabilidad al cambio climático se debe promover la diversificación de especies dentro de la UP. Para ello, la política económica debe apoyar a los productores con inversiones en infraestructura que permita dicha diversificación, especialmente a pequeños productores quienes suelen no contar con ahorros o fuentes de crédito suficientes para hacer este tipo de inversiones, por ejemplo, nuevos corrales, comederos, áreas de pastoreo, bodegas, entre otras.

Además de las recomendaciones sobre política económica, de este trabajo se deriva lo siguiente: primero, a pesar de los esfuerzos por calcular la renta ganadera (ingresos netos) por hectárea, la información que recolecta la ENA 2014 no permite hacerlo. Este es un problema que persiste en la literatura que utiliza el método Ricardiano en el sector pecuario, especialmente para el ganado de libre pastoreo donde no es clara la superficie que se necesita para su producción (^{Kabubo-Mariara, 2009}). En México, se cuenta con coeficientes de agostadero a nivel estatal y con estándares de superficie para ganado estabulado. Al utilizar dichos parámetros en esta investigación, se llegó a resultados poco consistentes debido a que se asume homogeneidad en la superficie de agostadero dentro de un mismo estado y entre estructuras productivas de diferentes UP con ganado estabulado. Segundo, los resultados de esta investigación consideran el efecto directo del clima sobre los ingresos netos por cabeza, sin embargo, es importante considerar el efecto indirecto que se podría generar por los impactos del cambio climático en la disponibilidad de alimento para el ganado. De esta segunda consideración, se deriva una línea de investigación futura que se debe atender.

Es importante señalar que los resultados de estudios previos, y de este trabajo, se basan en el principio de Ceteris paribus; es decir, los cambios estima- dos resultan de mantener constantes todos los demás factores que afectan la renta de la tierra o ingresos netos. Por lo tanto, los cambios en otras variables pueden influir en los resultados. Por ejemplo, si se presenta un desarrollo importante de la red vial, esto podría reducir las pérdidas estimadas, puesto que el modelo Ricardiano sugiere que cuando se incrementa la densidad carretera, las UP suelen presentar niveles más altos de ingresos netos por cabeza de ganado.

5. CONCLUSIONES

El objetivo de este artículo es identificar los impactos del cambio climático en la ganadería en México. Para ello, se estima un conjunto de modelos Ricardianos utilizando información económica de 28 337 UP de bovinos y porcinos reportada en la ENA 2014. Los modelos Ricardianos relacionan ingresos netos por cabeza de ganado con variables climáticas, características de las UP, características sociodemográficas de los productores y factores estructurales a nivel regional mediante una regresión lineal. Utilizando diferentes grupos de productores, se pudo identificar la heterogeneidad de los impactos marginales y no marginales de cambios en el clima en el sector ganadero. Los resultados principales sugieren que, en promedio, los cambios en los ingresos netos por cabeza de ganado podrían ubicarse en el periodo 2041-2060, entre -13.42 y -16.87%, y entre -14.42 y -33.83%, en el periodo 2081-2100, respecto a los niveles actuales como consecuencia del cambio climático. Asimismo, se encuentra que los productores especializados en una sola especie ganadera y pequeños productores son más vulnerables al cambio climático.

De los resultados de esta investigación se pueden derivar las siguientes re- comendaciones de política económica: i) reducir las brechas de vulnerabilidad al cambio climático al diseñar e implementar programas que atiendan a productores de mayor edad, mujeres, indígenas, con menor educación y pequeños; y, ii) promover la diversificación de las actividades ganaderas mediante capacitación o acceso a crédito y/o financiamiento para que los productores puedan hacer inversiones que les permitan producir más de una especie, e.g. nuevos corrales, comederos, áreas de pastoreo, bodegas, entre otras. En términos de investigación, se sugiere continuar con los siguientes aspectos: i) identificar el impacto indirecto que podría tener el cambio climático en los ingresos netos de la ganadería a través de la disponibilidad de alimento para el ganado bajo diferentes escenarios de cambio climático; y, ii) modelar explícitamente en modelo Ricardiano las estrategias de adaptación que podrían implementar los productores para reducir su vulnerabilidad al cambio climático, e.g. la probabilidad de estabular al ganado de libre pastoreo.

En la interpretación de los resultados, el lector debe considerar los siguientes puntos: primero, la ENA 2014 recopila información del sector agropecuario correspondiente a un año agrícola, por lo que algunos ingresos o costos podrían no reportarse correctamente. En el caso de la ganadería, los ingresos por venta de animales de engorda o de pie de cría podrían no reportarse en el año en el que se entrevistó a los productores. Asimismo, aquellos costos de inversión o depreciación de largo plazo podrían no reportarse en el año de la encuesta, por ejemplo, compra de ganado o depreciación del hato ganadero lechero. Se considera que este error de medición se encuentra en los residuales de la estimación del modelo Ricardiano y que dicho error es aleatorio, por lo que, no influye en los valores de los parámetros estimados. Segundo, los ingresos netos por cabeza no descuentan el costo del trabajo, el costo del capital manufacturado y el costo del capital natural por cuestiones de disponibilidad de información. Por lo tanto, los ingresos netos se deben considerar como una medida de la renta de los tres factores anteriores.