Introducción
El maíz, el trigo, el arroz, la papa y el frijol son la base de la alimentación de la población mundial; de éstos cultivos, el maíz es el más sembrado en todo el mundo y de mayor consumo por la población (Nadal y Wise, 2005; Barros, 2009; Paredes et al., 2009; FAO, 2011).
Actualmente en México, como en otras partes del planeta, existe una crisis alimentaria, la cual se deriva de la aplicación de tecnologías inadecuadas y de la mala selección de sitios de cultivo. Así por ejemplo, el rendimiento promedio de maíz en el mundo es 4.4 t ha-1 y en México alcanza sólo las 2.5 t ha-1, aunque hay regiones donde el rendimiento promedio rebasa las ocho toneladas en condiciones de temporal (Romero y Puyana, 2004). El problema es la mala selección de las zonas potenciales y la aplicación de tecnologías inadecuadas; por lo tanto, es necesario el desarrollo e implementación de conocimiento científico para resolver estos problemas. Una forma de lograrlo es a través de la generación e instrumentación de metodologías para identificar las zonas con aptitud para el cultivo del maíz.
Estas metodologías deben considerar tanto los requerimientos del cultivo como las características particulares del entorno, para garantizar un uso adecuado del terreno, con alta producción y el menor impacto al ambiente (Perales, 2009; UCCS, 2009). En este sentido los tomadores de decisiones del sector agrícola requieren de estudios sobre la capacidad del territorio para la siembra de cultivos con el objeto de instrumentar programas de desarrollo regional que impulsen la producción y ayuden a la capitalización de los productores rurales (Jordan, 2008; Stuart y Emerson, 2009). En particular, Osorio et al. (2012) y Trueba (2012) concluyen que existe una demanda continua de tecnología de producción y localización de nuevas áreas para la producción de maíz en México.
Para la evaluación de las tierras, existen métodos cualitativos, índices de productividad y modelos de simulación matemática, los que pueden ser usados en forma separada o combinados (Van Lanen et al., 1992). Entre las metodologías de identificación y delimitación de zonas potenciales para el desarrollo de los cultivos, destacan la de zonificación agroecológica (FAO, 1978; FAO, 1981; FAO, 1997; IIASA/ FAO, 2012), la de provincias agronómicas para maíz de temporal (Turrent, 1986; Turrent et al., 1992; Turrent, 2009) y la de determinación del potencial productivo de especies vegetales (Medina et al., 1997).
La metodología de la FAO consiste en calificar el clima, el suelo y las prácticas de manejo. Las zonas agroecológicas se definen como aquellas que tienen combinaciones similares de clima, suelo y el mismo potencial biológicofísico para la producción agrícola (FAO, 1981; FAO, 1985; FAO, 1997; IISA/FAO, 2012). Parra (1989) menciona que su importancia radica en la obtención de datos sobre la superficie potencial desde el punto de vista de clima y suelo para la producción de los cultivos.
Por su parte, Turrent (1986), Turrent et al. (1992) y Turrent (2009) proponen una metodología para la identificación y delimitación de las provincias agronómicas para maíz bajo condiciones de temporal, la cual se basa en el cociente que resulta de la división de la precipitación entre la evaporación del período de junio a septiembre y la profundidad del suelo. Ésta se aplicó a nivel nacional y para el Estado de México.
Finalmente, el Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP) propuso la metodología para determinar el potencial productivo de especies vegetales y fue uno de los primeros intentos por delimitar las zonas potenciales para cultivos (INIFAP, 1995). En esta línea Medina et al. (1997) formulan otra metodología para determinar el potencial productivo de especies vegetales en México, la cual consiste en modelar con sistemas de información geográfica datos de clima, suelo y fisiografía, según los requerimientos de los cultivos.
La teoría de decisiones es un enfoque de gran aplicación en las ciencias ambientales, tales como: la evaluación del impacto ambiental, proyectos de desarrollo regional y la planificación territorial (Valerie y Steward, 2002; García, 2004a). Romero (1993) menciona que los procesos de toma de decisiones, tradicionalmente se basan en técnicas que buscan las soluciones factibles que presenten un mayor grado de precisión. Entre estas técnicas se encuentra el análisis multicriterio, el cual ayuda a los tomadores de decisiones a evaluar los juicios de valor de los expertos para sistemáticamente analizar problemas complejos identificando las alternativas de decisión, así como los criterios y su importancia (peso) en la evaluación del desempeño de las alternativas para cumplir con el objetivo deseado. Estos métodos matemáticamente combinan los criterios y sus pesos para ayudar en la selección de la alternativa más deseable (Partovi and Hopton, 1994; Malczewski, 1999; Kiker et al., 2005; Malczewski, 2006).
El análisis multicriterio es un proceso de aprendizaje continuo y cíclico, que comienza con un análisis del contexto de decisión, pasa por definir los diferentes elementos del modelo de evaluación y vuelve a la fase inicial, hasta que se logra definir una estructura de evaluación estable, que proporcione la certeza y el resultado óptimo. El resultado final del análisis es una valoración numérica de las opciones, el cual permite tomar una decisión que se puede justificar tanto cualitativa como cuantitativamente; al cabo del análisis se puede explicar, en detalle, las razones de la elección (Jankowski, 1995; Valerie and Steward, 2002; Sánchez, 2010).
El análisis multicriterio se convierte entonces en una herramienta muy útil para la toma de decisiones, ya que da una alta certeza y probabilidad de éxito de las acciones implementadas (Geneletti, 2007; Goodwin and Wright, 2014). Esta técnica ha sido usada por varios autores para identificar áreas de conservación (Rothley, 1999; Geneletti, 2004; Valente and Vettorazzi, 2008) y zonas de prioridad para reforestación (Espelta et al., 2003; Gkaraveli et al., 2004; Kangas and Kangas, 2005; Cruz y Sotelo, 2013). Dada la relevancia del maíz a nivel mundial, es necesario identificar las zonas con mejor aptitud, lo que permitirá orientar las estrategias de desarrollo rural para garantizar una mayor producción, capitalización de los productores, un menor impacto al ambiente y una mejor capacidad de adaptación al cambio climático. En este sentido el objetivo de esta investigación fue generar y aplicar una metodología de análisis multicriterio como una alternativa para la zonificación y delimitación de las zonas con aptitud para maíz.
Materiales y métodos
Localización del área de estudio
El Estado de México se localiza entre los 18° 22’ 14” y los 20° 17’ 22” de latitud norte y entre los 98° 35’ 35” y los 100° 36’ 19” de longitud oeste (Figura 1). Tiene una superficie de 24 303.86 km2. Los climas en el estado son: templado, semifrío, cálido, semi-cálido y frío. La temperatura media anual va de 6 °C a 28 °C; la precipitación anual de 600 a 1 800 mm; mientras que la altitud varía entre los 340 y 5 100 m (INEGI, 1988; García, 2004b; INEGI, 2006). Los suelos dominantes son: Andosol, Feozem, Vertisol, Regosol y Arenosol (INEGI, 2006; Sotelo et al., 2010).
Metodología
Para determinar la aptitud del terreno para maíz en el Estado de México se instrumentó un análisis multicriterio mediante la técnica Simple Miltiattribute Rating Technique (SMART); (Edwards and Barrón 1994; Stewart and Joubert, 2007; Goodwin y Wright, 2014). Cuya parte esencial consistió en determinar la importancia (peso) de cada variable y estandarizar sus valores considerando su significado en términos de aptitud del terreno para maíz.
Así, el peso relativo de cada criterio se definió asignándole valores de 0 a 100 de menor a mayor importancia, respectivamente. Dado que cada criterio tiene su propia escala y unidades de medida fue necesario estandarizarlos para su inclusión sin sesgos en el análisis. En la estandarización, los valores de cada criterio se transformaron a valores de aptitud. Todas las variables o criterios empleados se consideraron con una escala discreta (clases), por lo que se empleó una calificación directa para asignarle un valor de aptitud a cada clase resultante (Goodwin y Wright, 2014).
Las variables consideradas para clima fueron: temperatura y precipitación; para suelo: tipo de suelo, fases, texturas y profundidad; y para fisiografía: altura y pendiente. Para cada variable, se generaron capas digitales con una resolución espacial de 100 m que se integraron y analizaron mediante sistemas de información geográfica Idrisi y ArcGis (Eastman, 2001; ESRI, 2010).
La información de clima se obtuvo de las estaciones climatológicas que se distribuyen en el estado y de las colindantes en estados vecinos. Se incluyeron las estaciones con diez años de registros y que contaron con datos de precipitación, evaporación, temperatura máxima, mínima y media (García, 2004b). Estas variables se interpolaron con ArcGis, para generar mapas mensuales.
Los datos de suelo se digitalizaron con Arc/Info versión 6.0 (ESRI, 1992) de las cartas 1:50 000 del Instituto Nacional de Estadística, Geografía e Informática (INEGI) que cubren el Estado de México (INEGI, 1988). La base de datos generada incluyó información de: Unidades de suelos, fases físicas, textura, fases químicas, suelos profundos y suelos delgados (IUSS Working Group WRB, 2006; ESRI, 2010; Sotelo et al., 2010). El modelo de elevación digital se descargó directamente de la página del INEGI (INEGI, 2012), del cual se derivó la capa de porcentaje de pendiente del terreno mediante ARCGIS 9.3 (ESRI, 2010). Los requerimientos para maíz se obtuvieron de la página de la FAO y se adecuaron a las condiciones del Estado de México (FAO, 2013).
Modelado para maíz de temporal con la metodología multicriterio
Una vez que se definieron los pesos y se generaron las capas digitales para cada variable, se determinó para cada pixel la aptitud del terreno para el maíz mediante una combinación lineal ponderada (Malczewski, 1999):
Donde: p= aptitud del terreno para el cultivo de maíz; wi= peso del criterio i; xi= valor estandarizado del criterio i para cada pixel.
Los valores obtenidos de aptitud del terreno para el maíz fueron ordenados en cinco categorías: muy buena, buena, mediana, baja y no apta. Al final de la modelación se adicionaron los cuerpos de agua y las zonas urbanas, ya que estas son importantes pero no son propicias la agricultura.
Resultados y discusión
Las variables utilizadas y su respectiva calificación se muestran en el Cuadro 1, donde las variables de mayor peso son la temperatura, altura y la precipitación.
Variable | Requerimiento | Calificación | Peso normalizado |
Temperatura | 10-40 °C | 100 | 24 |
Altura | 1-2 900 msnm | 90 | 22 |
Precipitación | 400-1 600 mm | 85 | 20 |
Tipos de suelos | Profundos y delgados | 80 | 19 |
Fase de suelos | Físicas y químicas | 30 | 8 |
Textura | 1-12 | 20 | 5 |
Pendiente | 0-45% | 10 | 2 |
Los pesos e intervalos de cada variable y su calificación se presentan en el Cuadro 2.
Variable | Categorías | Intervalo | Valor |
Temperatura (°C) | Muy bueno | 15-22 | 100 |
Bueno | 22-28 | 85 | |
Mediano | 28-32 y 12-15 | 70 | |
Bajo | 10-12 y 32-40 | 20 | |
No apto | < 10 y > 40 | 10 | |
Altura (msnm) | Muy bueno | 1 200- 2 200 | 100 |
Bueno | 2 200- 2 700 | 95 | |
Mediano | 0-1 200 | 75 | |
Bajo | 2 700- 2 900 | 20 | |
No apto | > 2 900 | 10 | |
Precipitación (mm) | Muy bueno | 600- 800 | 100 |
Bueno | 800- 1 200 | 95 | |
Mediano | 500- 600 y 1 200- 1 400 | 75 | |
Bajo | 400-500 y 1 400- 1 600 | 20 | |
No apto | < 400 y > 1600 | 10 | |
Tipos de suelos | Muy bueno | Andosol y Feozem | 100 |
Bueno | Vertisol | 95 | |
Mediano | Fluvisol | 90 | |
Planosol | 85 | ||
Cambisol | 80 | ||
Histosol | 75 | ||
Regosol | 70 | ||
Bajo | Acrisol | 50 | |
Luvisol | 45 | ||
Leptosol | 20 | ||
No apto | Solonchak y Gleysol | 10 | |
Fases físicas y químicas | Muy Bueno | Sin fases | 100 |
Bueno | Dúrica profunda | 95 | |
Mediano | Lítica profunda | 90 | |
Petrocálcica y dúrica | 80 | ||
Bajo | Gravosa | 40 | |
Pedregosa y lítica | 30 | ||
No apto | Salina y sódica | 10 | |
Texturas | Muy bueno | Media | 100 |
Bueno | Fina | 95 | |
Media | Gruesa | 75 | |
Pendiente (%) | Muy bueno | 0-8 | 100 |
Bueno | 8-15 | 95 | |
Mediano | 15-30 | 80 | |
Bajo | 30-40 | 20 | |
No apto | >45 | 10 |
Zonas potenciales para maíz
La superficie resultante para cada una de las categorías de aptitud después de la modelación, para el Estado de México fue: muy buena 471 902 ha, buena 244 718, mediana 497 404, baja 556 638 y no apta 430 396 ha; la superficie restante de 211 081 y 18 246 ha corresponden a zonas urbanas y cuerpos de agua respectivamente (Figura 2).
Para el Estado de México, el SIAP (2013) reporta 542 528 ha sembradas de maíz, por lo que podemos decir que existe una gran diferencia con respecto a la superficie potencial resultante en esta investigación; solamente para las categorías de muy buena y buena resultan 471 902 y 244 718 ha respectivamente, por lo que estas dos categorías rebasan la superficie sembrada en 174 mil ha; además, la categoría de mediana presenta 497 404 ha que es una zona que tiene buenos rendimientos. Con estas tres categorías, la zona potencial resultante en esta investigación es de 1 214 024 ha, la cual duplica la superficie sembrada con maíz para el Estado de México. Con base, a los resultados el estado tiene superficie potencial para maíz, solo hace falta que se tomen en cuenta estudios como este para la implementación y selección de las mejores zonas para la siembra; por lo tanto, la superficie y los rendimientos serán mayores, lo cual ayudará a abastecer de este valioso grano, para consumo al mercado nacional y del estado.
Estudios similares a la presente investigación, para la identificación de las zonas potenciales para el desarrollo y producción de los cultivos están los de Osorio et al. (2012) quienes mencionan que existe una demanda continua para identificar nuevas áreas para la producción de maíz en México y el mundo, por lo que cada año se impulsa la investigación para generar nuevas metodologías para la identificación de zonas con potencial para este cultivo. Löffler et al. (2005) mencionan que la eficiencia de un sistema de evaluación de tierras depende del detalle de la información de clima, suelo y de la genética del cultivo en estudio. Hack-ten et al. (1993) establecen que en la evaluación de tierras, la productividad y los efectos ambientales deben ser investigados con información de los tipos de suelos y usos de la tierra.
Por su parte, Van Diepen (1993) propuso dos opciones metodológicas para la evaluación del potencial de rendimiento de granos en cultivos importantes en la Comunidad Europea, las cuales son comparadas con el método de las zonas agroecológicas. Shahbazi y Jafarzadeh (2010) utilizan el sistema automatizado de evaluación de tierras de la FAO (MicroLEIS) para evaluaciones agro-ecológicas, quienes concluyen que es una herramienta excepcional para hacer recomendaciones para la agricultura y el medio ambiente.
Entre los estudios para identificar la adaptabilidad del maíz, están los de Ruiz et al. (2008) quienes determinaron el rango de adaptación climática y altitudinal de 42 razas de maíz en México; los intervalos que encontraron para altura va de 0 a 2,900 msnm, temperatura media anual de 11.3 a 26.6 °C, precipitación de 426 a 4 225 mm anuales y de 12.46 a 12.98 h luz. Además, María (2008) realiza una evaluación de las unidades de producción de maíz y concluye que se deben de tomar en cuenta las características socioeconómicas, el clima y el suelo para este tipo de estudios.
Gutiérrez et al. (2003) utilizan una clasificación numérica para delimitar la adaptación de diferentes híbridos y variedades de maíz, la cual produce grupos con características claras en términos de variables numéricas; encontraron una probabilidad de 0.966 en su clasificación. Camas et al. (2010) aplicaron la metodología del sistema automatizado de evaluación de tierras de la FAO, donde generaron un modelo para planificar el establecimiento de maíz de temporal y concluyen que el sistema automatizado de zonificación agroecológica permite delimitar el establecimiento del maíz. Con respecto a estudios de zonificación agroecológica para maíz de temporal está el de Ortiz (1986) quien determinó 17 611 500 ha muy aptas a nivel nacional. Aplicando esta misma metodología Márquez (1990) delimitó las zonas agroecológicas para maíz en el Estado de México, donde determinó 365 297 ha muy aptas.
En esta investigación, la superficie de muy buen potencial obtenida es de 471 902 ha. Como podemos observar, existen diferencias con respecto a la superficie de muy buena productividad y muy aptas con respecto a la de esta investigación; la superficie obtenida en esta investigación es mayor por 30 722 ha con respecto al estudio de Sotelo et al. (2012) quienes tienen la superficie más cercana. Los resultados de esta investigación son altos y exactos; por lo que coinciden con lo que menciona Malczewski (1999) y Malczewski (2006) quien menciona que la modelación con sistemas de información geográfica y la metodología multicriterio produce resultados muy precisos y confiables, los cuales son una herramienta para tomar decisiones en la planeación y zonificación de cultivos.
Las diferentes metodologías para la identificación y delimitación de las zonas potenciales para el maíz dependen de la información disponible y del detalle de la misma; el modelado de la información se facilita con el uso de los sistemas de información geográfica. Finalmente, podemos decir que la presente metodología es una buena alternativa para conocer las zonas con las mejores condiciones de suelos, clima y fisiografía para el desarrollo y producción del maíz de temporal en el Estado de México; los resultados obtenidos con esta metodología, superan a todos los presentados por otros investigadores y metodologías.
Conclusiones
La metodología de análisis multicriterio le asigna valores númericos a las variables utilizadas y a sus intervalos de adaptación, los cuales se estratifican para la definición y delimitación de las zonas potenciales, lo cual es más exacto.
La metodología multicriterio generada y utilizada en esta investigación para delimitar las zonas potenciales para maíz de temporal determinó una superficie de 1 214 024 ha para las categorías de muy buena, buena y mediana, las cuales tienen altos rendimientos y duplican la superficie sembrada de maíz para el Estado de México.
La mayor superficie potencial se concentra en zonas que presentan las mejores condiciones de clima (temperatura y precipitación), tipos de suelos y altura que son las variables con un mayor peso en la definición de las zonas de adaptación del maíz con la presente metodología.
Las variables que tienen mayor peso en la adaptación del maíz, para el Estado de México, son temperatura, altura, precipitación y tipo de suelos.