Riego, sistema de riego y esquema de riego

El riego agrícola es una mezcla compleja de procesos técnicos, institucionales, económicos, sociales y ambientales que ha sido conceptualizada de diversas maneras. ^{Chambers (1988)} identifica el riego como un esquema constituido por dominios físicos, humanos y bioeconómicos que intercambian bienes y servicios entre sí. Observado a través de un enfoque sistémico, ^{Small & Svendsen (1990)} consideran el riego como un sistema ─con entradas, salidas e impactos─ ubicado dentro de un contexto de sistemas económicos anidados. A partir de lo anterior, y bajo el mismo enfoque, ^{Burton (2010)} propone estudiar el riego como un sistema constituido por cinco dominios (Tabla 1).

Sistema de riego y esquema de riego

Para el estudio de la gestión del riego, desde una perspectiva administrativa, es importante tener claros dos conceptos; sistema de riego y esquema de riego. Un sistema de riego se refiere a la red de canales de irrigación y drenaje, estructuras incluidas; mientras que un esquema de riego se refiere al complejo total de irrigación y drenaje: el sistema de riego y drenaje, la tierra irrigada, los pueblos, los caminos, etc. (^{Burton, 2010}).

Evaluación del desempeño en un esquema de riego: marco general

El marco general, propuesto por ^{Burton (2010)}, para la elaboración de un programa de evaluación del desempeño en un esquema de riego consta, operativamente, de cuatro etapas: propósito y alcance, diseño, implementación, y acción.

Niveles de evaluación

La evaluación del desempeño puede efectuarse a distintos niveles. Al nivel sector cuando se evalúa cómo el riego se desempeña en comparación con objetivos establecidos para el sector y en comparación con otros usos del agua. Al nivel sistema principal donde el desempeño del servicio de entrega del agua es medido. Al nivel de la granja donde el desempeño del envío de agua a la granja, el uso del agua y la aplicación del agua es medido.

Al nivel esquema de riego, cuando se mide cómo esquemas individuales se desempeñan contra sus objetivos establecidos implícitamente o explícitamente, o cuando se mide el desempeño de diferentes esquemas contra ellos mismos. Es importante definir desde un inicio si la evaluación del desempeño es para un esquema (análisis interno) o para comparar entre esquemas (análisis externo).

Un problema significativo con el análisis del desempeño de esquemas de riego es la complejidad y gran variedad de tipos de esquemas existentes, lo cual hace muy problemática la comparación entre ellos. Por ejemplo, los esquemas de riego pueden presentar diferentes formas de administración, de tecnología de riego, etc. Todavía no existe una metodología definitiva para categorizar los esquemas de riego, por lo que siempre habrá discusión de si se está comparando entre iguales. Se pueden utilizar descriptores clave para esquemas de riego como un punto de inicio para seleccionar esquemas con características similares clave para la comparación. En este punto es importante reconocer, sin embargo, que la comparación entre tipos diferentes de esquemas puede ser igualmente valiosa.

Benchmarking

El benchmarking de esquemas de riego es una forma comparativa (externa) de evaluación del desempeño que ha sido frecuentemente utilizada. De manera general, el benchmarking busca comparar el desempeño de los esquemas con las ‘mejores prácticas’ contra esquemas de menor desempeño, e identificar cuáles son las diferencias en desempeño (^{Burton, 2010}). Una manera de llevar a cabo el benchmarking es a través de estudiar la eficiencia técnica con la que los diferentes organismos comparados realizan sus actividades.

Análisis de eficiencia técnica

El análisis de eficiencia técnica puede efectuarse a través de diversas herramientas estadísticas y matemáticas. El DEA es una técnica de programación lineal, que se ha utilizado con éxito para evaluar el desempeño relativo de un conjunto de unidades organizacionales que utilizan los mismos recursos (entradas) y obtienen los mismos resultados (salidas) (^{Ramanathan, 2003}; ^{Zhu, 2010}).

Las unidades organizacionales de interés se denominan Unidades de Toma de Decisiones (DMU, por sus siglas en inglés). El propósito principal del DEA es medir la eficiencia del uso de los recursos disponibles en las DMU para generar un conjunto de productos (^{Charnes, Cooper & Rhode, 1979}). El desempeño de las DMU, evaluado a través del DEA, en términos de eficiencia técnica, cual corresponde a un valor relativo que relaciona las salidas con respecto a las entradas de las DMU (^{Ramanathan, 2003}). A continuación, se presenta una breve descripción de los modelos DEA más utilizados para estudios de benchmarking.

Rendimiento de escala

Para una mejor comprensión del desempeño de una DMU, además de la eficiencia DEA, es importante determinar su rendimiento de escala. En general una DMU puede tener rendimiento de escala decreciente, constante o creciente. Es decreciente cuando una proporción de incrementos en entradas produce una proporción menor de incrementos en salidas; es constante, cuando las proporciones son iguales; y es creciente, cuando una proporción de incrementos en las entradas produce una proporción mayor de incrementos en las salidas. La Figura 1 muestra la eficiencia técnica, la eficiencia de escala y tres tipos de rendimiento de escala para DMU con una entrada y una salida.

Figura 1 Rendimiento de escala. Adaptada de ^{Malana & Malano (2006)}. 

Bajo el modelo CCR, si (u^*,v^*) son soluciones óptimas, entonces (cu^* , cv^*) son también óptimas, para toda constante c>0, por lo tanto, bajo un modelo CCR una DMU óptima opera bajo un rendimiento de escala constante. En la práctica esta es una condición muy restrictiva, ya que la mayoría de las DMUs operan bajo un rendimiento de escala variable. El modelo BCC es una mejora sobre el modelo CCR, ya que incorpora el rendimiento de escala variable mediante la restricción ∑i=1nλi=1 al modelo CCR, la cual corresponde a una frontera de eficiencia convexa, permitiendo identificar si una DMU tiene un rendimiento de escala creciente, constante o decreciente (^{Cooper, Seiford & Tone, 2007}).

Regresión Tobit

Una vez que las DMU eficientes e ineficientes han sido determinadas mediante el DEA, el siguiente paso es identificar los factores causales de estas ineficiencias. Una forma de hacer lo anterior consiste en relacionar los valores de eficiencia con variables que inciden sobre la operación de las DMU. La naturaleza relativa de la eficiencia técnica calculada la convierte en una variable dependiente censada, por lo que se recomienda utilizar un modelo de regresión Tobit. Un modelo Tobit con dos límites es adecuado para estimar el impacto de variables e indicadores de eficiencia, ya que los valores de eficiencia pueden estar censados en 0 o en 1 (^{Maddala, 1986}). La expresión del modelo Tobit es la siguiente:

Donde, yi* es una variable latente que representa el valor de eficiencia para el distrito de riego i; β₀ y β_m son parámetros desconocidos que se deben estimar; xim = 1,2,…, M son variables explicativas (independientes) asociadas con el distrito de riego i; y εi = un término de error que es normal e independientemente distribuido con media cero y varianza constante σ². La variable latente yi* está expresada en términos de la variable observada y _i (el resultado de eficiencia calculado usando análisis DEA) en la forma siguiente:

Etapa 1: propósito y alcance

Los resultados de este trabajo serán de utilidad a administradores de jefatura y gerencia de los distritos de riego, así como a investigadores relacionados con el tema de la gestión del agua de riego en general. La evaluación, realizada por un grupo investigadores y alumnos de posgrado del CIAD, A.C., se abordó desde el punto de vista de los productores agrícolas y de los administradores del riego.

El tipo de evaluación es operacional por esquemas (distritos de riego), definida espacialmente por las fronteras físicas y geográficas de cada distrito de riego y temporalmente por los ciclos agrícolas 2011-2012, 2012-2013 y 2013-2014. El alcance de la evaluación de desempeño, tomando como referencia de conjunto de sistemas anidados de ^{Small & Svendsen (1990)}, comprende el sistema de riego, el sistema agrícola de riego y el sistema económico agrícola.

El propósito de este trabajo es contribuir a la mejora en la gestión de los distritos de riego. Como objetivo general se plantea incrementar las productividades agrícola y económica del agua, a través de los objetivos específicos siguientes: (1) maximizar la cantidad de agua distribuida, (2) maximizar la recaudación de cuotas por servicio de riego, (3) maximizar la productividad agrícola y económica del agua de riego, y (4) disminuir el impacto de la actividad agrícola de riego sobre la degradación del suelo.

Etapa 2: diseño

A partir de los objetivos de la evaluación del desempeño se definieron los criterios e indicadores de desempeño mostrados en la Tabla 3. Para el cálculo de los indicadores de desempeño se utilizaron registros, por distrito de riego, de las variables siguientes: longitud total de canales (km), costos de rehabilitación ($), costos de tecnificación ($), eficiencia de conducción de agua, volumen de agua total anual entregada a usuarios (miles de m³), área regada total (ha), producción agrícola (miles de ton), costo de administración (miles de $), costo de operación (miles de $), costo de conservación (miles de $) y el índice de degradación del suelo.

Para el análisis de eficiencia y productividad se utilizaron los modelos DEA, CCR y BCC orientados a entradas usando variables e indicadores de desempeño considerando el modelo sistémico propuesto por (^{Malano & Burton, 2001}) para un esquema de riego, el cual incluye tres dominios: (1) servicio de entrega (con las áreas de operación del sistema y de desempeño financiero), eficiencia productiva y desempeño ambiental.

Para la aplicación del análisis del DEA se consideraron los sistemas siguientes: infraestructura (I), en el área de operación del sistema, finanzas generales (FG) en el área de desempeño financiero, producción General (PG) en la eficiencia productiva y ambiental (A) en el desempeño ambiental. A partir de los resultados del DEA se determinaron las eficiencias relativas, los rendimientos de escala y los distritos con los mejores desempeños (distritos eficientes) y se efectuaron las comparaciones con los distritos de bajos desempeños (distritos ineficientes).

Etapa 3: implementación

La recolección de datos dependió de su disponibilidad en instancias oficiales. Los registros agrícolas e hidrométricos se obtuvieron de Estadísticas Agrícolas de Distritos de Riego para los ciclos agrícolas: 2011-2012, 2012-2013 y 2013-2014 (^{Conagua, 2015a}). Los Registros de los Estados Financieros de Infraestructura Hidroagrícola se obtuvieron (^{Conagua, 2014b}, ^2015b; ^{Subdirección General de Infraestructura Hidroagrícola, 2013}). La validación de los datos se realizó mediante técnicas estadísticas descriptivas. El análisis de eficiencia relativa se llevó a cabo para los modelos mostrados en el Tabla 4, mediante el software OSDEA-GUI, versión 0.2.

El Rendimiento de Escala se obtuvo a través del método propuesto en (^{Banker, Cooper, Seiford & Zhu, 2011}) que utiliza los valores de eficiencia de los modelos CCR y BCC, además de los valores de los valores de ∑jnλ*j obtenidos con el modelo CCR. Primero, se seleccionan todos los distritos de riego que tienen la misma eficiencia CCR y BCC, independientemente de los valores de ∑jnλ*j obtenidos con el modelo CCR. Estos distritos tienen rendimiento de escala constante (CRS). Enseguida, para cualquier resultado de eficiencia CCR, se determinan las tasas de rendimiento para cada uno de los distritos restantes. Si ∑jnλ*j <1, la DMU presenta rendimiento de escala creciente. Si ∑jnλ*j >1, la DMU presenta rendimiento de escala decreciente.

La Regresión Tobit, con dos límites, se aplicó con la eficiencia como variable dependiente y como variables exploratorias se usaron: área regada (AR) (ha), número de usuarios (NU), canales revestidos (CR) (%), canales sin revestir (CSR) (%), Producción total anual /Área regada (P/AR) (toneladas/ha), Valor de la Producción/Área Regada (VP/AR) (miles de $/ha), Costo de mantenimiento/Área Regada (CM/AR) (miles de $/ha) e Índice de degradación de suelo (DS). Para el análisis estadístico se usó Stata 14.

Benchmarking

Por razones de espacio, solamente se presentan el análisis de benchmarking para el conglomerado CS5 (distritos 50, 23, 31, 85, 76, 4, 83, 86, 26, 42, 97 y 34) y para el conglomerado CS6 (distritos 52, 108, 74, 10, 109, 75 y 63).

Benchmarking del conglomerado CS5. Presenta alta variabilidad en el área regada y el número de usuarios, si bien sus estadísticas indican que sus distritos son de tamaño mediano y, por otro lado, son homogéneos en infraestructura, volumen y valor de la producción, costo de mantenimiento, degradación del suelo y fuente de abastecimiento y conducción. Por los volúmenes de sus principales cultivos, este conglomerado está constituido por distritos de riego productores de forraje (Tabla 4).

Las estadísticas de área regada y el número de usuarios indican que el Conglomerado CS6 está constituido por distritos de riego grandes. Los distritos son homogéneos en infraestructura, volumen y valor de la producción, costo de mantenimiento, degradación del suelo y fuente de abastecimiento y conducción. Por los volúmenes de producción de sus principales cultivos, este conglomerado está constituido por distritos de riego productores de maíz y hortaliza (Tabla 5).

El análisis de eficiencia del DEA se realizó con los modelos y las variables e indicadores de entradas y salidas mostrados en la Tabla 6, desde un enfoque orientado a entradas.

El Conglomerado CS5 tuvo una eficiencia promedio de e = 0.73, predominando un RDE creciente. Para alcanzar la frontera de eficiencia BCC, manteniendo el nivel de salidas dados, los distritos deben reducir sus niveles de entradas. Además, los DR presentaron RDE creciente, pudiendo incrementar su productividad y/o alcanzar un RDE constante, aumentando su capacidad productiva (Tabla 7).

En Infraestructura, la eficiencia promedio del grupo fue baja (e = 0.54). En particular, los distritos 50, 23, 31, 85 y 4 usaron total y eficientemente sus recursos; mientras que los distritos 76, 83, 86, 26, 42, 97 y 34 usaron excesivamente los recursos y mostraron altos costos de rehabilitación y tecnificación, para el nivel de eficiencia de conducción dado., la eficiencia promedio en finanzas generales fue alta (0.95) y se observaron rendimientos de escala constante y/o creciente.

En general, la recaudación de cuotas por servicio de riego, para solventar los costos de administración, operación y conservación de los distritos, es adecuada. En producción general, la eficiencia promedio del grupo fue regular (e = 0.73) y predominó el rendimiento de escala creciente. El volumen de agua entregada y el área regada son altos para el volumen y el valor de la producción. El Distrito 50 usa total y eficientemente el agua entregada y el área regada para su volumen y valor de producción.

Los distritos 23 y 31 deben cambiar a un rendimiento de escala constante e incrementar el volumen y valor de su producción a través de mejores prácticas agrícolas o introducir cultivos de alto rendimiento y valor. Los distritos restantes deben reducir sus pérdidas de agua, mejorar sus prácticas agrícolas o buscar productos de mayor rendimiento y valor. En el sistema ambiental la eficiencia promedio fue regular (0.70) y predominó el rendimiento de escala creciente. Con excepción de los distritos 50 y 4, en general, el resto de ellos mostró niveles altos de degradación del suelo, lo cual afecta su producción agrícola (Tabla 7).

Comparativamente, el Distrito 50 es el más eficiente y sus prácticas pueden considerarse criterios de referencia para todo el conglomerado. El Distrito 31 resultó referente en infraestructura y finanzas generales para los distritos 85, 76, 4, 83, 86, 26, 42, 97 y 34. En términos de la eficiencia general promedio, el Distrito 50 fue el mejor evaluado (e = 1.0) y el Distrito 34 (e = 0.454) el peor. Los distritos de este grupo pudieron ser ordenados de acuerdo a su eficiencia promedio (Tabla 8).

El análisis de regresión Tobit mostró que el área regada (p = 0.010), el porcentaje de canales revestidos (p = 0.001), el porcentaje de canales sin revestir (p = 0.001), la producción total anual /área regada (p = 010), el valor de la producción/área regada (p = 0.003), y el costo de mantenimiento/área regada (p = 0.002) son factores determinantes del nivel de eficiencia promedio de los distritos de riego que conforman el Conglomerado CS5 (Tabla 9).

Benchmarking del Conglomerado CS6. Presenta una eficiencia promedio global e = 0.88, lo que implica uso inadecuado de recursos. Sin embargo, dado que ningún rendimiento de escala resultó predominante, no es posible establecer orientaciones generales para el Conglomerado, en términos del uso de sus recursos o cambios en economía de escala (Tabla 10).

En Infraestructura, la eficiencia promedio del grupo fue regular (e = 0.75). En particular, los distritos 52, 108 y 74 usaron total y eficientemente sus recursos. Los distritos 109, 75 y 63 tienen excesivos costos de rehabilitación y tecnificación para la eficiencia de conducción. El Distrito 10 es eficiente en el BCC, pero con RDE decreciente por lo que debe revisar sus estrategias de tecnificación y rehabilitación, además de sus prácticas de operación en la conducción del agua. En Finanzas Generales, la eficiencia promedio fue alta (e = 0.96).

En general, la recaudación de cuotas por servicio de riego para solventar los costos de administración, operación y conservación de los distritos es adecuada. Sólo el Distrito 10 resultó ineficiente, con rendimiento de escala creciente, debiendo disminuir sus costos de administración, operación y conservación. En producción general, la eficiencia promedio del grupo fue alta (e = 0.94) y predominó el rendimiento de escala constante. Los distritos 52, 108, 10 y 109 obtuvieron volumen y valor de la producción óptimos para el volumen de agua entregada y área regada. El Distrito 75 resultó ineficiente, con rendimiento de escala decreciente, lo cual se puede resolver si se incrementa el volumen y valor de su producción mediante mejores prácticas agrícolas y la introducción de cultivos de alto valor económico. El Distrito 63 resultó ineficiente, con rendimiento de escala creciente por lo que debe disminuir sus pérdidas en agua entregada. En el sistema ambiental la eficiencia promedio fue buena (e = 0.85), con distintos rendimientos de escala. El Distrito 109 resultó eficiente con nulo efecto adverso de la degradación del suelo en su producción agrícola. El Distrito 52 resultó eficiente, pero puede alcanzar una escala más eficiente si evita el deterioro de suelo mediante mejores prácticas agrícolas (Tabla 10).

Comparativamente, el Distrito 52 es el más eficiente y sus prácticas pueden ser criterios de referencia en los subsistemas de finanzas generales y ambiental para los distritos 108, 10, 63, 52 y 75; en infraestructura, los distritos 74 y 108 pueden ser referencia para los distritos 109, 75 y 63; y en producción general, el Distrito 10 es referente para los distritos 75 y 63. En términos de la eficiencia general promedio, el Distrito 51 resultó el mejor evaluado (e = 1.0) y el Distrito 63 (e = 0.69) el peor. Al utilizar las eficiencias promedio para cada distrito fue posible determinar un ranking de los DR que conforman este Conglomerado (Tabla 11).

De acuerdo con los resultados de la regresión Tobit, sólo el Índice de degradación del suelo resultó un factor significativo (p = 0.054) de ineficiencia en este Conglomerado (Tabla 12).