Influencia del ambiente sobre la productividad de la segunda cosecha de miel de abeja en Aguascalientes de 1998 a 2010

 

Environmental influence on the productivity of the second honey harvest in Aguascalientes from 1998 to 2010

 

Sergio E. Medina-Cuéllar^1*; Marcos Portillo-Vázquez¹; José M. García Álvarez-Coque²; Gerardo H. Terrazas-González¹; Laura L. Alba-Nevárez³

 

¹ Universidad Autónoma Chapingo. Carretera México-Texcoco km 38.5. C. P. 56230. Chapingo, Texcoco, Estado de México, MÉXICO. Correo-e: don_sergio@hotmail.com Tel.: (595) 95 21668 (*Autor para correspondencia).

² Universitat Politècnica de València. Camino de Vera s/n. C. P. 46071. Valencia, España.

³ Instituto Tecnológico de Pabellón de Arteaga. Carretera a la Estación de Rincón km 1. C. P. 20670. Pabellón de Arteaga, Aguascalientes, MÉXICO.

 

Recibido: 20 de agosto, 2013
Aceptado: 14 de marzo, 2014

 

RESUMEN

Se analizó el efecto de la temperatura, precipitación, superficie cosechada de cultivos de temporal y trabajo aplicado sobre la producción apícola en la segunda temporada de cosecha de miel de abeja de los años 1998 a 2010, en Aguascalientes. El análisis se hizo a través del modelado de una función tipo Cobb-Douglas por mínimos cuadrados en dos etapas. El criterio de selección de las variables se fundamentó en trabajos referentes tanto a la fenología de las abejas y de la fuente de néctar predominante, como al diseño de la función de producción. Se obtuvo un modelo basado en datos anuales de cada apiario (78 apiarios) considerando 4,901 colmenas, obteniendo R² en diferencias de 0.71. Las elasticidades de la producción de miel por colmena con relación a la precipitación, superficie cosechada y trabajo aplicado resultaron positivas, y fueron negativas respecto a la producción de miel del año anterior y a la temperatura. El clima y el trabajo aplicado por colmena fueron los factores responsables de la variabilidad del rendimiento de miel por colmena.

Palabras clave: Modelo bioeconómico, apicultura, función Cobb-Douglas, clima.

 

ABSTRACT

We analyzed the effect of temperature, rainfall, rainfed harvested area and labor applied on honey production in the second honey harvest season (1998-2010), in Aguascalientes. This analysis was performed by modeling a Cobb-Douglas function by two-stage least squares. The criteria for variables selection was based on works concerning the phenology of bees, and the predominant source of nectar, as well as, the design of the production function. We obtained a model based on each apiary (78 apiaries) annual data, considering 4,901 beehives, with a R² in differences of 0.71. The honey per beehive production elasticity, in relation to rainfall, rainfed harvested area and labor were positive, and negative regarding last year honey production, and temperature. The weather and labor per beehive were the factors responsible for yield variability of honey per beehive.

Keywords: Bio-economic model, beekeeping, Cobb-Douglas function, climate.

 

INTRODUCCIÓN

Aguascalientes cuenta con alrededor de 8,910 colmenas y una producción promedio de 30 kg·colmena^-1. El clima del estado es semiárido por lo que necesita alternativas productivas que requieran poca agua y la apicultura es un medio de vida acorde con esta necesidad. La segunda temporada de cosecha en octubre-noviembre genera mayor producción que la primera en abril-mayo (Apoyos y Servicios a la Comercialización Agropecuaria [ASERCA], 2011). En Aguascalientes, más de 60 % de la miel proviene de la misma fuente de néctar, a diferencia del sureste de México donde la diversidad de plantas con aptitud apícola impide analizar la productividad de las especies predominantes en el ecosistema.

La apicultura constituye una actividad económica prioritaria para una gran cantidad de familias, por lo que es importante el desarrollo de modelos predictivos que permitan estimar la producción de miel y la toma correcta de decisiones. La producción de miel en función del clima, uso del suelo, trabajo y capital se ha abordado por separado (Abdul-Malik & Mohammed, 2012; Ramananarivo, Andriamanalina, Raharijaona, & Ralihalizara, 2011; Vural & Karaman, 2010), debido a la dificultad para analizar las variables en conjunto, en una zona determinada. El problema reside en la obtención de datos de producción y manejo bajo las condiciones ambientales correspondientes al desarrollo de una fuente de néctar predominante, para observar el impacto del clima sobre la cosecha de miel. Se plantea la hipótesis de que incluir dichos factores en el diseño de una función de producción permitirá conocer el grado de influencia de cada uno en el eslabón de producción de la cadena de valor apícola. En tal contexto, el objetivo de este trabajo fue establecer la relación de la producción de miel por colmena con las variables temperatura, precipitación pluvial, superficie cosechada de cultivos de temporal en la zona de pecoreo y jornales aplicados, manteniendo constante el capital referente al valor de la infraestructura de los apiarios. Dicha relación se determinó desde un enfoque bioeconómico (Cruz & Llinas, 2010; Turvey, 1999, 2001), a través de la función de producción tipo Cobb-Douglas (Quantitative Micro Software [QMS], 2010). El estudio se enfocó en la segunda temporada (octubre-noviembre) de cosecha de miel en Aguascalientes.

 

MATERIALES Y MÉTODOS

Aguascalientes es una entidad federativa de la República Mexicana con 5,589 km² de superficie. El estado se ubica entre los paralelos 22° 27'- 21° 38' N y entre los meridianos 101° 53'- 102° 52' O. Debido a sus características semiáridas, la entidad produce miel con bajo contenido de agua y, como ocurre en zonas similares del país donde abunda la vegetación correspondiente a matorral crasicaule, más de 60 % de la miel producida en la segunda temporada de cosecha es aportada por especies de la familia Asteraceae, destacando la aceitilla (Bidens sp.) (Acosta-Castellanos, Quiroz-García, Arreguín-Sánchez, & Fernández-Nava, 2011) que es considerada maleza en los cultivos de temporal, principalmente en los de maíz y frijol.

Para el diseño de la función de producción se obtuvieron datos de la obtención de miel (kg·colmena^-1) y manejo mediante encuestas realizadas a 41 productores del Comité Sistema Producto Apícola, A. C. de Aguascalientes. Los productores mantuvieron apiarios en las mismas zonas por 13 años con igual manejo técnico, obteniendo datos de 4,901 colmenas correspondientes al 55 % del inventario estatal reportado por la Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación (SAGARPA, 2012). Para satisfacer todas las necesidades de una colmena, en lo referente a cosecha, sanidad y alimentación, la cantidad mínima de trabajo requerida es 0.6 jornales·colmena^-1·año^-1 y la cantidad máxima es 1.0 jornal·colmena^-1·año^-1. La intensidad de trabajo del apicultor en la colmena se midió como el porcentaje adicional de los 0.4 jornales·colmena^-1·año^-1 disponibles. Con base en la encuesta aplicada, el trabajo adicional aplicado (%) por colmena se consideró con respecto al número mínimo de 0.6 jornales·colmena^-1·año^-1, que es el requerido para el manejo técnico que comprende cubrir las necesidades de sanidad, alimentación y cosecha, a diferencia de Abdul-Malik y Mohammed (2012), quienes consideran el total de días-hombre empleados durante la temporada. Debido a que después de aplicar 1.0 jornal·colmena^-1·año^-1 no hay más labores por realizar, se consideró que aplicar más de esta cantidad de trabajo genera gasto de recursos que no reditúa en la producción de miel en Aguascalientes; por lo tanto, se entiende que el trabajo adicional por encima del mínimo necesario (0.6) es determinante en la productividad, estableciendo que 100 % = 0.4 jornales, lo que corresponde al nivel máximo de trabajo adicional que es posible aplicar al mínimo para alcanzar 1.0 jornal·colmena^-1·año^-1.

Debido a que la flora de la familia Asteraceae, que aporta más de 60 % de miel, sólo prolifera en los cultivos de temporal y no en los de riego donde se aplican herbicidas que las eliminan, se recurrió a los registros de superficie cosechada de temporal anual a nivel municipal (SAGARPA, 2012) y del Instituto Nacional de Estadística, Geografía e Informática (INEGI, 2002, 2011). Con estos datos, la proporción de la superficie cosechada de cultivos de temporal (ha) se calculó en un radio de pecoreo de 6 km de cada apiario, respecto del total reportado por municipio, asegurando la distancia de 3 km recomendada entre apiarios (Instituto Interamericano de Cooperación para la Agricultura [IICA], 2009).

Los datos de la temperatura media (°C) y precipitación (mm·día^-1), ambas del segundo semestre de los años de 1998 a 2010, se obtuvieron a partir de la información recabada por la Comisión Nacional del Agua (CONAGUA, 2011). Dichas variables concentran los efectos de la evaporación, humedad, viento y radiación solar, demostrando tener mayor capacidad explicativa del desarrollo fenológico tanto de las abejas como de la fuente de néctar (Bartomeus et al., 2011; Dell, Sparks, & Dennis, 2005; Funes, Díaz, & Venier, 2009; Gordo & Sanz, 2006; Gordo, Sanz, & Lobo, 2010; Roy & Sparks, 2000; Sparks & Yates, 1997; Vibrans, 1995).

Los datos climáticos del segundo semestre del año se registraron en cada estación meteorológica de la CONAGUA. Con el software Google Earth® (Google Inc., 2012), cada apiario se agrupó mediante coordenadas geográficas con la estación meteorológica más cercana en un radio de 6 km, para compaginar los datos de producción, trabajo aplicado y uso de suelo con los del clima.

El modelo se diseñó con base en los datos anuales de las variables explicativas en cada apiario; generando bajo esta lógica 1,014 repeticiones, producto de 78 apiarios en el periodo de 13 años, y entendiendo la producción por colmena (Y) en la segunda etapa como dependiente de las siguientes variables:

Y = Φ ( T, P, S, J )

Donde:

Y = Producción por colmena (kg·colmena^-1)

T = Temperatura media en el segundo semestre del año (°C)

P = Precipitación media acumulada en el segundo semestre del año (mm)

S = Superficie cosechada de cultivos de temporal (ha)

J = Trabajo adicional por encima del mínimo necesario (0.6 jornales·colmena^-1·año^-1) en la primera etapa (%)

Una especificación logarítmica de la función de Y coherente con un esquema Cobb-Douglas podría plantearse de la siguiente manera:

ln Y = A + β₁ln T + β₂ ln P + β₃ ln S + β₄ ln J

Donde:

A = Constante multiplicativa

β₁, β₂, β₃ y β₄ = Elasticidades de la producción por colmena, respecto de las intensidades de los factores T, P, S y J.

Se incluyó dinámica al modelo empleando variables en niveles, diferencias y con un retardo de primer orden, utilizando un tipo de especificación autoregresiva:

Donde Y_-1, T_-1, P_-1 y J_-1 son la producción de miel, temperatura media, precipitación media, superficie cosechada de cultivos de temporal y jornales adicionales, respectivamente, en el año próximo anterior. El modelo con mejor ajuste se identificó mediante contrastes, despejando Y en el modelo final. Los criterios de selección fueron el coeficiente de determinación en diferencias (R²_D), las pruebas de F y t-student (P = 0.05), y el estadístico "h" de Durbin.

 

RESULTADOS Y DISCUSIÓN

Se contrastó la exogeneidad de la variable J con mínimos cuadrados en dos etapas (QMS, 2010), empleando tres variables instrumentales; jornales adicionales usados por colmena en el año próximo anterior (J_-1), precio del jornal deflactado a precios constantes de 2003 (K) y tasa de crecimiento del producto interno bruto de México (CPIB). Con base en trabajos relacionados con la productividad de las colmenas (Abdul-Malik & Mohammed 2012; Ramananarivo et al., 2011; Vural & Karaman, 2010), se dedujo que las variables mencionadas están relacionadas con los jornales usados, pero no con los componentes del modelo final de la segunda etapa.

La variable Y (producción de miel) se despejó del modelo de mejor ajuste (Cuadro 1), obteniendo la función de producción tipo Cobb-Douglas:

El modelo final permitió estimar la producción de miel (kg·colmena^-1) de la segunda temporada de cosecha en función de la producción del año anterior, la temperatura media y la precipitación del segundo semestre del año, la superficie cosechada de cultivos de temporal que el apiario tuvo disponible durante el año corriente y el pasado, y los jornales disponibles usados. Los exponentes son las elasticidades de la producción de miel, con respecto a los valores que toma cada variable explicativa. Cuando la temperatura aumenta 1 %, la producción de miel por colmena se reduce 0.41 %, y cuando el nivel de lluvia se incrementa 1 %, la producción aumenta 0.23 %. Esto concuerda con la evidencia de una relación inversa entre temperatura y productividad de las abejas, así como una relación directa entre esta última con la precipitación (Bartomeus et al., 2011; Gordo & Sanz, 2006; Gordo et al., 2010) y con la productividad de la fuente de néctar (Funes et al., 2009; Vibrans, 1995). Por otra parte, al aumentar 1 % de la superficie cosechada de cultivos de temporal en el año anterior, la producción de miel aumenta 0.00004 %, y al aumentar la superficie del año corriente en la misma proporción, la producción aumenta 0.0007 %. Esta relación directa muestra como el dato del año corriente, aunque sea pequeño, es determinante en la productividad de las colmenas. El trabajo aplicado por colmena durante un año muestra la relación directa con la productividad, pues cuando el trabajo aumenta 1 %, la cosecha de miel asciende 0.47 %; este incremento solo es válido en el intervalo de 0.6 a 1.0 jornal·colmena^-1·año^-1. El modelo generado apunta a una reducción de la producción de miel de 0.11 %, tras un incremento, ceteris paribus, de 1% en el año anterior, lo cual se puede interpretar como una variabilidad debida al clima, ya que las condiciones de manejo técnico de la muestra de productores fueron homogéneas.

 

CONCLUSIONES

Bajo condiciones homogéneas de manejo técnico, el clima y la cantidad de trabajo aplicado por colmena determinan la productividad de la misma. Existe una relación negativa entre la productividad con la temperatura media y con la producción del año anterior, mientras que con las variables precipitación, trabajo aplicado y superficie cosechada de temporal, hay relación positiva. Las fluctuaciones climáticas son en gran parte responsables de la variabilidad interanual del rendimiento de miel, dada su influencia en la fenología tanto de la fuente de néctar como de las abejas. Por tanto, éstas podrían ser bioindicadores confiables del comportamiento del eslabón de producción en la cadena de valor apícola, al elaborar modelos bioeconómicos para un ecosistema determinado. En dichos modelos, las abejas han recibido poca atención; este estudio muestra la relevancia de considerar la relación entre el ambiente y los fenómenos periódicos en la vida de esta especie y su fenología, para futuras investigaciones sobre la producción apícola. Se recomienda identificar los parámetros óptimos de las variables analizadas, bajo las condiciones particulares de un ecosistema considerando modelos polinomiales. Esto sería de ayuda para pronosticar la producción de miel en Aguascalientes y para el diseño de medidas políticas para el sector.

 

REFERENCIAS

Abdul-Malik, A., & Mohammed, A. (2012). Technical efficiency of beekeeping farmers in Tolon-Kumbungu district of Northern region of Ghana. Journal of Development and Agricultural Economics, 4(11), 304-310. doi: 10.5897/JDAE12.074        [ Links ]

Acosta-Castellanos, S., Quiroz-García, L., Arreguín-Sánchez, M. L., & Fernández-Nava, R. (2011). Análisis polínico de tres muestras de miel del estado de Zacatecas, México. Polibotánica, 32, 179-191. Obtenido de http://www.redalyc.org/articulo.oa?id=62119933011        [ Links ]

Apoyos y Servicios a la Comercialización Agropecuaria (ASERCA). (2011). Situación actual y perspectiva de la apicultura en México. Claridades Agropecuarias, 199, 3-34. Obtenido de http://www.infoaserca.gob.mx/claridades/revistas/199/ca199-3.pdf        [ Links ]

Bartomeus, I., Ascher, J. S., Wagner, D., Danforth, B. N., Colla, S., Kornbluth, S., & Winfree, R. (2011). Climate-associated phenological advances in bee pollinators and bee-pollinated plants. Proceedings of the National Academy of Sciences, 108(51), 20645-20649. doi: 10.1073/pnas.1115559108        [ Links ]

Comisión Nacional del Agua (CONAGUA). (2011). Temperatura y precipitación de estaciones meteorológicas en Aguascalientes (Periodo 1997-2010). México: Autor.         [ Links ]

Cruz, J. S., & Llinas, A. (2010). Modelo analítico de derivados de clima para eventos específicos de riesgo en la agricultura en Colombia. Cuadernos de Desarrollo Rural, 7(64), 121-147. Obtenido de http://132.248.9.34/hevila/Cuadernosdedesarrollorural/2010/no64/6.pdf        [ Links ]

Dell, D., Sparks, T. H., & Dennis, R. L. H. (2005). Climate change and the effect of increasing spring temperatures on emergence dates of the butterfly Apatura iris (Lepidoptera: Nymphalidae). European Journal of Entomology, 102(2), 161-167. doi: 10.14411/eje.2005.026        [ Links ]

Funes, G., Díaz, S., & Venier, P. (2009). La temperatura como principal determinante de la germinación en especies del Chaco seco de Argentina. Ecología Austral, 19(2), 129-138. Obtenido de http://www.scielo.org.ar/pdf/ecoaus/v19n2/v19n2a05.pdf        [ Links ]

Google Inc. (2012). Google Earth (Version 7.0). Software para PC. Mountain View, California: Google Inc.         [ Links ]

Gordo, O., & Sanz, J. J. (2006). Temporal trends in phenology of the honey bee Apis mellifera (L.) and the small white Pieris rapae (L.) in the Iberian Peninsula (1952-2004). Ecological Entomology, 31(3), 261-268. doi: 10.1111/j.1365-2311.2006.00787.x        [ Links ]

Gordo, O., Sanz, J. J., & Lobo, J. M. (2010). Determining the environmental factors underlying the spatial variability of insect appearance phenology for the honey bee, Apis mellifera, and the small white, Pieris rapae. Journal of Insect Science, 10(34), 1-21. Obtenido de http://www.insectscience.org/10.34/i1536-2442-10-34.pdf        [ Links ]

Instituto Interamericano de Cooperación para la Agricultura (IICA). (2009). Manual de apicultura básica para Honduras (1a ed.). Tegucigalpa, Honduras: Autor.         [ Links ]

Instituto Nacional de Estadística, Geografía e Informática (INEGI). (2002). Anuario estadístico del estado de Aguascalientes. Aguascalientes, México: Autor.         [ Links ]

Instituto Nacional de Estadística, Geografía e Informática (INEGI). (2011). Anuario estadístico del estado de Aguascalientes. Aguascalientes, México: Autor.         [ Links ]

Quantitative Micro Software (QMS). (2010). EViews 7 User's Guide II (Vol. 2). Irvine, CA, USA: Autor.         [ Links ]

Ramananarivo, S., Andriamanalina, S. I., Raharijaona, J. L., Ralihalizara, J., & Ramananarivo, R. (2011). Litchi fruit and honey production: Positive externalities. Acta Horticulturae (ISHS), 921, 187-195. Obtenido de http://www.actahort.org/books/921/921_21.htm        [ Links ]

Roy, D. B., & Sparks, T. H. (2000). Phenology of British butterflies and climate change. Global Change Biology, 6(4), 407-416. doi: 10.1046/j.1365-2486.2000.00322.x        [ Links ]

Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación (SAGARPA). (2012). Sistema de Información Agroalimentaria de Consulta (SIACON). Información de la producción agrícola y pecuaria nacional por entidad federativa de los años 1980 a 2010. Subsistema de información pecuaria. Obtenido de http://infosiap.siap.gob.mx/index.php?option=com_content&view=article&id=286&Itemid=428        [ Links ]

Sparks, T. H., & Yates, T. J. (1997). The effect of spring temperature on the appearance dates of British butterflies 1883-1993. Ecography, 20(4), 368-374. doi: 10.1111/j.1600-0587.1997.tb00381.x        [ Links ]

Turvey, C. G. (1999). Weather insurance, crop production and specific event risk. Guelph, Canadá: University of Guelph, Department of Food, Agricultural and Resource Economics.         [ Links ]

Turvey, C. G. (2001). Weather derivatives for specific event risks in agriculture. Review of Agricultural Economics, 23(2), 333-351. doi: 10.1111/1467-9353.00065        [ Links ]

Vibrans, H. (1995). Bidens pilosa L. y Bidens odorata Cav. (Asteraceae: Heliantheae) en la vegetación urbana de la Ciudad de México. Acta Botánica Mexicana, 32, 85-89. Obtenido de http://www.redalyc.org/articulo.oa?id=57403210        [ Links ]

Vural, H., & Karaman, S. (2010). Socio-economic analysis of beekeeping and the effects of beehive types on honey production. African Journal of Agricultural Research, 5(22), 3003-3008. Obtenido de http://www.academicjournals.org/article/article1381318187_Vural%20and%20Karaman.pdf        [ Links ]