Selección de participantes

Los cultivos estudiados fueron maíz amarillo (Zea mays L.), maíz blanco (Zea mays L.), sorgo grano (Sorghum spp.), algodón (Gossypium hirsutum L.), soya frijol (Glycine max L.), y pasto rye grass (Lolium multiflorum L.), establecidos cíclicamente en el Módulo III-4 del ciclo 2002-2003 al 2019-2020.

Diseño y tipo de investigación

La investigación fue no experimental, de tipo empírica con estrategia asociativa, enfocada en evaluar los impactos económicos del estrés hídrico en el Módulo III-4.

Técnicas de recolección de datos

Se emplearon observación directa, entrevistas a personal del módulo, análisis de datos secundarios (hidrométricos, agrícolas y meteorológicos), y análisis geoespacial en QGIS (^{QGIS.org, 2021}) para mapear la producción e infraestructura.

Instrumentos de medición

Se utilizaron equipos de estaciones meteorológicas convencionales y automatizadas, además de molinetes para medir caudales en canales de riego. Las mediciones siguieron escalas métricas.

Procedimientos (escenarios y fases)

El estudio se dividió en fases de campo (recorridos, entrevistas y recopilación de información en sitio) y de gabinete (análisis de datos secundarios, definición de escenarios LB y CR, y deducción de indicadores).

Análisis estadísticos

Se realizaron análisis descriptivos, ANOVA, correlación de Pearson y regresión lineal para evaluar diferencias entre escenarios y la relación de los indicadores HHvalor, Vp y ESRhh con la eficiencia del agua y la producción. El análisis se llevó a cabo en Microsoft Excel^®.

Descripción del área de estudio

El Distrito de Riego 025 Bajo Río Bravo (DR-025) se encuentra en Tamaulipas, noreste de México, abarcando alrededor de 200 000 ha en los municipios de Matamoros, Valle Hermoso, Río Bravo y Reynosa y su infraestructura se organiza en cuatro unidades de riego, subdivididas en nueve módulos (^{SEGOB, 2016}) (Figura 1a). El Módulo III-4 “Hidráulica Los Ángeles, A.C.” es el área de estudio, ubicado al oeste del DR-025, abarcando 22 833.44 ha y operando con 10 secciones de riego (Figura 1b). La red incluye 47 canales (156.67 km) y 193 drenes (315.79 km) (^{ANUR, 2020}). El agua proviene de la presa internacional “La Amistad” y se distribuye a través de la presa Falcón y el canal Anzalduas, operado por la CONAGUA. El Módulo pertenece a la región hidrológica Bravo Conchos y utiliza tanto aguas superficiales como del acuífero Río Bravo (^{CONAGUA, 2024}) (Figura 2 a y 2b).

Figura 1: Localización nacional y distrital del Módulo III-4: (a) Localización nacional del Módulo de Riego III-4; (b) Localización distrital del Módulo de Riego III-4. 

Figure 1: National and district location of Module III-4: (a) National location of Irrigation Module III-4; (b) District location of Irrigation Module III-4.  

Figura 2: Distribución espacial y localización hidrológica del Módulo III-4: (a) Distribución espacial de la infraestructura hidroagrícola del Módulo de Riego III-4; (b) Localización hidrológica del Módulo de Riego III-4. 

Figure 2: Spatial distribution and hydrological location of Module III-4: (a) Spatial distribution of the hydro-agricultural infrastructure of Irrigation Module III-4; (b) Hydrological location of Irrigation Module III-4. 

Diagrama de flujo de la investigación

El estudio se llevó a cabo en dos etapas: campo y gabinete. La fase de campo incluyó recorridos, entrevistas y recopilación de datos. La fase de gabinete abarcó la recopilación de fuentes secundarias, procesamiento de datos, diseño de escenarios de riego (Línea Base y Condición Real), análisis de indicadores económicos y elaboración del manuscrito. Las Figuras 3a y 3b ilustran las fases y su interrelación.

Figura 3: Diagrama de flujo de la investigación: (a) Diagrama de flujo de la investigación para la fase de campo; (b) Diagrama de flujo de la investigación para la fase de gabinete. 

Figure 3: Research flowchart: (a) Flowchart for the field phase; (b) Flowchart for the office phase. 

Descripción biofísica del módulo III-4

Los suelos del Módulo III-4, clasificados bajo la WRB 2014, comprenden siete tipos principales, siendo el Chernozem vértico sódico + Vertisol pélico cálcico + Chernozem lúvico cálcico el más predominante, cubriendo el 53.68% del área (^{INEGI, 2014a}). Los suelos dominantes incluyen texturas arcillosas y francas. Los Vertisoles presentan alta retención de agua y expansión por arcillas, mientras que los Chernozem destacan por su fertilidad y materia orgánica, aunque algunos tienen problemas de salinidad o sodicidad (^{INEGI, 2014b}) (Figura 4a).

Figura 4: Edafología y diagrama ombrotérmico del Módulo de Riego III-4: (a) Tipos de suelos predominantes en el Módulo de Riego III-4; (b) Diagrama ombrotérmico del Módulo de Riego III-4. 

Figure 4: Soil types and ombrothermic diagram of Irrigation Module III-4: (a) Predominant soil types in Irrigation Module III-4; (b) Ombrothermic diagram of Irrigation Module III-4. 

El Módulo III-4 tiene dos climas: templado semicálido subhúmedo y seco cálido semiseco, con lluvias de verano y menos del 5% de lluvia invernal. La temperatura media anual es de 22.7 °C, con una máxima de 28.7 °C, mientras que la precipitación anual promedio es de 682.69 mm y la evapotranspiración promedio anual es de 1844 mm (^{INEGI, 2014c}; ^{Vargas, Hernández, Gutiérrez, Plácido y Jiménez, 2007}; ^{CONAGUA, 2012}).

Principales cultivos

Los cultivos predominantes son sorgo grano (11 765.38 ha), maíz amarillo (5 462.53 ha) y algodón (1 259.25 ha), ocupando el sorgo la mayor superficie del módulo (Asociación de Usuarios Hidráulica Los Ángeles A. C., 2020¹).

Diagrama ombrotérmico

El diagrama muestra un periodo seco prolongado, donde la precipitación es menor a dos veces la temperatura media durante todo el año, excepto en septiembre. Esto evidencia el déficit hídrico estacional en la región (^{Bagnouls y Gaussen, 1957}), Figura 4b.

Diagrama general de trabajo del módulo

El módulo de riego está dirigido por el Consejo Directivo y el Consejo de Vigilancia, ambos elegidos por los productores. La gestión operativa recae en el Gerente Técnico, quien desarrolla y supervisa los programas de riego, conservación y recaudación. El subgerente de operación se encarga de ejecutar el plan de riego, coordinar las brigadas de aforo y llevar el control estadístico de la producción. El subgerente de conservación lidera el mantenimiento de la infraestructura hidroagrícola, mientras que el Subgerente de Administración gestiona la recaudación de cuotas y finanzas del módulo (elaboración propia con base en entrevistas técnicas), Figura 5a.

Figura 5: Diagrama general de trabajo y localización geográfica de las estaciones meteorológicas: (a) Diagrama general de trabajo del Módulo de Riego III-4; (b) Localización geográfica de las estaciones meteorológicas utilizadas en el estudio. 

Figure 5: General work diagram and geographic location of meteorological stations: (a) General work diagram of Irrigation Module III-4; (b) Geographic location of the meteorological stations used in our study. 

Localización de las estaciones meteorológicas

Se recopilaron datos de tres estaciones meteorológicas para el área de estudio. La estación S.J. 3-47 Río Bravo (1951-2010), la Simulación SWAT (1979-2014), y la Estación Automatizada del Módulo III-4 (2016-2020) aportaron datos climáticos diarios, mensuales y anuales. La ubicación de estas estaciones se muestra en la Figura 5b (^{SMN, 2020}).

Ciclos y subciclos de producción agrícola

Se recopilaron y analizaron estadísticas de producción del módulo de riego para ocho ciclos agrícolas (2012-2013 a 2019-2020) y las hidrométricas para 18 ciclos agrícolas (2002-2003 a 2019-2020), con datos organizados en los formatos EAS de la CONAGUA. La información incluye cultivos, superficie sembrada y cosechada, volúmenes, rendimientos, producción, precios y valor de la producción (Asociación de Usuarios Hidráulica Los Ángeles A. C., 2020¹). Los rendimientos óptimos se obtuvieron de los paquetes tecnológicos del Centro de Investigación Regional del Noreste, Campo Experimental Río Bravo (^{INIFAP, 2023}).

Métodos para calcular la evapotranspiración del cultivo de referencia (ETo)

La ETo se calcula utilizando varios métodos: FAO Penman-Monteith recomendado por la FAO, es el método más preciso y ampliamente utilizado. Este fue el método empleado para la ETo del sitio de estudio (^{Allen, Pereira, y Raes, 2006}). Hargreaves-Samani: Se utiliza cuando no se dispone de datos completos, basándose principalmente en la temperatura y radiación solar. Es una opción más simple, adecuada para climas áridos o semiáridos (^{Hargreaves y Samani, 1985}). Blaney-Criddle: Un método empírico, adecuado cuando solo se cuenta con datos de temperatura y duración del día. Es menos preciso, pero útil en climas más estables y con datos limitados (^{Blaney y Criddle, 1952}). Para el Módulo III-4, se utilizó el método FAO Penman-Monteith, empleando datos de tres estaciones meteorológicas: una base generada con el modelo SWAT, la estación del SMN de la CONAGUA y la estación automatizada del Módulo III-4.

Métodos para calcular la precipitación efectiva (Pe)

La precipitación efectiva se puede estimar mediante varios métodos, adaptados a diferentes climas y cultivos; dentro de los más importantes se tienen los siguientes: FAO (CropWat): Calcula la precipitación efectiva considerando la precipitación total y el uso consuntivo de los cultivos, junto con la eficiencia del riego (^{Allen et al., 2006}). USDA (SCS): Basado en relaciones empíricas, es ampliamente utilizado en zonas agrícolas por su adaptabilidad a diversos climas y tipos de cultivos (^{USDA, 1970}). Blaney-Criddle: Más simple y menos preciso, se usa donde solo se dispone de datos de temperatura y precipitación (^{Blaney y Criddle, 1952}). En el Módulo III-4, la precipitación efectiva se calculó con el software CropWat 8.0 de la FAO, utilizando el método SCS del USDA, por su confiabilidad en áreas agrícolas bajo riego (^{FAO, 2009}).

Huella hídrica de los cultivos

La Huella Hídrica (HH) es un indicador multidimensional que mide el volumen de agua dulce consumida y contaminada por actividades humanas, mostrando su impacto sobre los recursos hídricos (^{Chapagain y Hoekstra, 2004}). La HH se clasifica en tres categorías, a saber: HHVerde: Agua de lluvia almacenada en el suelo y utilizada por las plantas. HHAzul: Agua superficial y subterránea consumida por las plantas y HHGris: Volumen de agua necesario para diluir contaminantes según normas de calidad (^{Mekonnen y Hoekstra, 2011}). La Huella Hídrica Total (HHTotal) se calculó como el cociente entre el uso de agua por el cultivo y su rendimiento, siguiendo las ecuaciones propuestas por ^{Hoekstra, Chapagain, Aldaya y Mekonnen (2009)}. De manera similar, se estimaron la HHVerde y la HHAzul.

Productividad del agua por los cultivos

La productividad del agua (Pa) se calculó como el cociente entre el valor de la producción agrícola y el volumen neto de agua utilizado, tal como indica la Ecuación 1:

Donde: P_a es la productividad del agua por el cultivo, $ m^-3, V_P es el valor de la producción agrícola del cultivo, $, Vol_N es el volumen neto de agua aplicado al cultivo, m³.

Valor económico de la huella hídrica (HHvalor)

El HHvalor se calcula como el producto de la productividad del agua y la huella hídrica total, expresando el valor económico de la HH en función de la producción (Ecuación 2):

Donde: HH_Valor es el Valor Económico de la Huella Hídrica del cultivo, $ Mg^-¹, Pa es la productividad del agua por cultivo, $ m^-³, HH_Total es la huella hídrica total del cultivo, m³ Mg^-¹.

Este indicador se aplicó a cada cultivo para los escenarios de Línea Base (LB) y Condición Real (CR), permitiendo evaluar el impacto económico del estrés hídrico.

Valor de la producción agrícola (Vp)

El Vp se calcula mediante el producto del precio medio rural y la producción agrícola, tal como indica la Ecuación 3:

Donde: V_P es el Valor de la Producción Agrícola del cultivo, $, PMR es el precio medio rural del producto agrícola para un año base, $ Mg^-¹, P es la producción del cultivo, en toneladas.

Eficacia del suministro del riego (ESRhh)

La ESRhh se calcula como la relación entre la suma de la huella hídrica verde y azul en Condición Real (CR) y la huella hídrica total en Línea Base (LB), multiplicada por 100 (Ecuación 4):

Donde: ESRhh es la Eficacia del Suministro del Riego en función de la huella hídrica de los cultivos, %, HH_VerdeCR es la huella hídrica verde del cultivo en la Condición Real, m³ Mg^-¹, HH_AzulCR es la huella hídrica azul del cultivo en la Condición Real, m³ Mg^-¹, HH_TotalLB es la huella hídrica total del cultivo para la Línea Base, m³ Mg^-¹.

Posteriormente, se calculó el valor de la producción agrícola (VP_ESR) utilizando la Ecuación 5, que ajusta y relaciona el valor de la producción agrícola del cultivo y la ESR_HH.

Donde: VP_ESR es el valor de la producción agrícola del cultivo calculado en función de la Eficacia del Suministro del Riego, $, Vp es el valor de la producción agrícola del cultivo, $, ESRhh es la Eficacia del Suministro del Riego en función de la huella hídrica de los cultivos, %.

Escenarios de manejo de los cultivos (LB y CR)

Se plantearon dos escenarios de manejo de cultivos: Línea Base (LB): Representa un suministro ideal de agua; Condición Real (CR): Refleja el suministro real, considerando la disponibilidad y eficiencia del agua. Se utilizaron las ecuaciones de HHvalor, Vp y ESRhh para ambos escenarios, evaluando el impacto económico del estrés hídrico en la producción agrícola del Módulo III-4. La información climática para el LB se obtuvo con el generador climático del modelo SWAT (1979-2014), mientras que para el CR se usaron datos históricos del módulo (2016-2020).

No se utilizaron los datos meteorológicos de las estaciones automáticas de otros proveedores como Davis Instruments (Plataforma WeatherLinks), porque no tiene instalada ninguna estación agroclimática en la zona del Distrito de Riego 025 B.R.B; el Módulo III-4 si tiene una estación agroclimática instalada en sus lotes, pero su record histórico es muy reciente (2016-2020); la estación 28104, localizada en la Ciudad de Río Bravo, Tamaulipas, operada por el SMN dejó de operar en el año 2010; estas estaciones solo se utilizaron para comparar estadísticamente los datos que simuló el SWAT para el módulo de riego.

Estadísticas agrícolas del módulo III-4

El objetivo específico para este apartado fue calcular las estadísticas agrícolas del Módulo III-4, mediane el análisis y procesamiento de la información reportada en los formularios de Estadísticas Agrícolas (EAS), diseñados y normado por la Comisión Nacional del Agua (CONAGUA), para cada ciclo agrícola.

Superficies. El análisis de la superficie sembrada durante ocho ciclos agrícolas, utilizando una prueba ANOVA de una vía, arrojó un valor F de 11.35, superior al valor crítico de 2.71 para un nivel de significancia del 5%. Las estadísticas descriptivas indicaron que el sorgo grano presentó la mayor media de superficie sembrada (11 765.38 ha), seguido por el maíz amarillo (5 462.53 ha), mientras que la soya frijol mostró la media más baja (58.93 ha). Estos resultados reflejan una marcada variabilidad en la ocupación de la superficie agrícola dentro del módulo. Cuadro 1 y Figura 6a.

Figura 6: Superficies sembradas y rendimientos: (a) Superficies sembradas por tipo de cultivo en el Módulo de Riego III-4; (b) Rendimientos unitarios por tipo de cultivo del Módulo de Riego III-4 

Figure 6: Planted areas and crop yields: (a) Planted areas by crop type in Irrigation Module III-4; (b) Yield per unit area by crop type in Irrigation Module III-4. 

Rendimientos. Se evaluaron los rendimientos promedio de los cultivos en el Módulo III-4 durante ocho ciclos agrícolas mediante una prueba ANOVA de una vía. Las hipótesis establecidas fueron: Hipótesis Nula (H0): Los rendimientos promedio son iguales. Hipótesis Alternativa (H1): Los rendimientos promedio son diferentes. El valor F calculado (11.02) superó el valor crítico (2.49) al 5% de significancia, lo que llevó a rechazar la hipótesis nula y aceptar la hipótesis alternativa, confirmando diferencias significativas en los rendimientos entre cultivos.

Las estadísticas descriptivas mostraron que el maíz blanco tuvo el rendimiento promedio más alto (7.115 Mg ha^-1), seguido por el maíz amarillo (6.719 Mg ha^-1) y el sorgo grano (4.610 Mg ha^-1). En contraste, la soya frijol registró el rendimiento más bajo (2.200 Mg ha^-1), reflejando la variabilidad en la respuesta de los cultivos, influenciada por la disponibilidad de agua, manejo del riego y condiciones climáticas. Cuadro 2 y Figura 6b.

Los rendimientos promedios de los cultivos básicos en Tamaulipas son: maíz (4.39 Mg ha^-1), sorgo (2.39 Mg ha^-1), y soya (0.71 Mg ha^-1) reportados por el SIAP, los cuales incluyen el riego y temporal, donde la falta de riego limita la producción. En contraste, el Módulo III-4, bajo riego complementario, logra rendimientos significativamente más altos, reflejando la efectividad de la irrigación para mejorar la productividad en la región (^{SIAP, 2020}).

Volúmenes netos. Se analizó la aplicación de volúmenes netos de agua a los cultivos en el Módulo III-4 durante ocho ciclos agrícolas mediante una prueba ANOVA de una vía. Las hipótesis establecidas fueron: Hipótesis Nula (H0). Los volúmenes netos aplicados son iguales. Hipótesis Alternativa (H1): Los volúmenes netos aplicados son diferentes.

El valor F calculado (11.46) fue superior al valor crítico (2.49) al 5% de significancia, lo que llevó a rechazar la hipótesis nula y aceptar la hipótesis alternativa, indicando diferencias significativas en los volúmenes de agua aplicados entre los cultivos.

Las estadísticas descriptivas indicaron que el maíz blanco tuvo el mayor volumen promedio aplicado (2 680.14 m³ ha^-1), seguido por el maíz amarillo (2 442.18 m³ ha^-1) y la soya frijol (2 431.63 m³ ha^-1). Por otro lado, el sorgo grano presentó el menor volumen promedio aplicado (1 757.94 m³ ha^-1). Esta variabilidad refleja diferencias en las necesidades hídricas de cada cultivo y en las estrategias de manejo del riego en el módulo. Cuadro 3; Figura 7a.

Figura 7: Volúmenes netos y brutos aplicados a los cultivos: (a) Volúmenes netos aplicados a los cultivos del Módulo III-4; (b) Volúmenes brutos aplicados a los cultivos del Módulo de Riego III-4  

Figure 7: Net and gross volumes applied to crops: (a) Net volumes applied to crops in Module III-4; (b) Gross volumes applied to crops in Irrigation Module III-4. 

Volúmenes brutos. Se evaluaron los volúmenes brutos de agua aplicados a los cultivos en el Módulo III-4 durante ocho ciclos agrícolas mediante una prueba ANOVA de una vía. Las hipótesis establecidas fueron: Hipótesis Nula (H0): Los volúmenes brutos aplicados son iguales. Hipótesis Alternativa (H1): Los volúmenes brutos aplicados son diferentes.

El valor F calculado (11.47) superó el valor crítico (2.49) al 5% de significancia, lo que llevó a rechazar la hipótesis nula y aceptar la hipótesis alternativa, indicando diferencias significativas en los volúmenes brutos aplicados entre los cultivos.

Las estadísticas descriptivas mostraron que el maíz blanco tuvo el mayor volumen bruto promedio aplicado (4 123.29 m³ ha^-1), seguido por el maíz amarillo (3 757.21 m³ ha^-1) y la soya frijol (3 740.97 m³ ha^-1). Por otro lado, el sorgo grano presentó el menor volumen bruto promedio aplicado (2 704.52 m³ ha^-1). Esta variabilidad refleja diferencias en las necesidades hídricas específicas de cada cultivo y en las estrategias de manejo del riego en el módulo. Cuadro 4 y Figura 7B.

Los resultados sobre las diferencias significativas en superficies sembradas, rendimientos y volúmenes netos y brutos aplicados en el Módulo III-4 resaltan la necesidad de ajustar la gestión agrícola y de riego según la demanda hídrica de cada cultivo. Aunque hay variabilidad en estos factores, la superficie sembrada promedio se mantiene en 20 000 ha, lo que limita la efectividad de cualquier ajuste. Para mejorar la gestión hídrica, se recomienda una redistribución estratégica del agua, priorizando cultivos más rentables y con menor demanda de agua en condiciones de escasez. Los planes de riego deben adaptarse por ciclo, considerando tanto la demanda hídrica como el rendimiento, y ajustando la superficie sembrada al agua disponible, lo que optimizaría el uso del recurso y mitigaría el impacto económico del estrés hídrico.

Estadísticas hidrométricas del módulo III-4

El objetivo de este apartado es calcular las estadísticas hidrométricas del Módulo III-4 mediante el análisis y procesamiento de la información reportada en los formularios de Estadísticas Agrícolas (EAS), también normadas por la CONAGUA, para cada ciclo y subciclo agrícola.

Volúmenes netos y brutos. Se utilizó una prueba ANOVA para evaluar los volúmenes netos y brutos utilizados y requeridos. El análisis de volúmenes netos mostró un valor F de 609.67 (mayor que el crítico de 3.18), indicando diferencias significativas entre los volúmenes netos requeridos (134 225.73 miles de m³) y utilizados (43 777.01 miles de m³).

De igual forma, el análisis de volúmenes brutos arrojó un valor F de 703.57, confirmando una discrepancia significativa entre el volumen bruto requerido (206 501.13 miles de m³) y el utilizado (68 197.14 miles de m³). Esto revela una insuficiencia de agua para cubrir la demanda hídrica del módulo. Se sugiere diseñar planes de riego diferenciados, priorizando cultivos de menor demanda hídrica y ajustando la superficie sembrada a la disponibilidad real de agua, lo que mejoraría la sostenibilidad y reduciría los impactos económicos del estrés hídrico en el módulo. Cuadro 5.

Valor económico de la huella hídrica (HHvalor)

El objetivo de esta sección fue evaluar el impacto económico del estrés hídrico sobre la producción agrícola del Módulo III-4 mediante el HHvalor, calculado para la Línea Base (LB) y la Condición Real (CR). En la LB, el HHvalor es de $ 1 578 368 023.84 (Cuadro 6), mientras que en la CR desciende a $ 780 257 376.20 (Cuadro 7), reflejando una reducción del 50.57% debido a la menor disponibilidad de agua y la reducción de rendimientos. La prueba ANOVA de una vía mostró un valor F calculado de 2.75, mientras que el valor crítico de F al 5% de significancia fue de 3.68, lo que indica que no hay diferencias estadísticamente significativas entre ambos escenarios. Sin embargo, el análisis sí evidencia una disminución considerable en el valor económico total de la huella hídrica en la CR. El análisis sugiere que la rentabilidad se ve afectada por el estrés hídrico, y para mejorar la eficiencia del agua, se recomienda priorizar cultivos con mayor valor económico por unidad de agua en escenarios de escasez.

Valor de la producción agrícola (Vp)

El objetivo de esta sección es evaluar el impacto económico del estrés hídrico sobre la producción agrícola del Módulo III-4 utilizando el Vp comparando la LB con la CR. En la LB, el total del Vp es de $ 439 779 200.00, con un promedio de $ 73 296 533.33 (Cuadro 8), mientras que en la CR desciende a un total de $ 367 437 210.68 (Cuadro 9), con un promedio de $ 61 239 535.11, lo que representa una reducción del 16.45% debido a la escasez de agua.

La prueba ANOVA mostró un valor F calculado de 2.0219, por debajo del valor crítico de 3.6823, lo que indica que no hay diferencias estadísticamente significativas entre ambos escenarios. Aunque el coeficiente de variación es más bajo en la CR (1.1818 frente a 1.2588 en la LB), reflejando una mayor estabilidad relativa, la reducción en la disponibilidad de agua impacta de manera más uniforme el valor de la producción. Los cultivos más afectados incluyen el sorgo, maíz amarillo y algodón, que representan la mayor superficie sembrada en el módulo.

El análisis sugiere priorizar cultivos más rentables y de menor demanda hídrica en escenarios de escasez, fomentando una gestión hídrica más eficiente y sostenible para mitigar las pérdidas económicas.

Eficacia del suministro del riego (ESRhh)

El objetivo de esta sección es evaluar el impacto económico del estrés hídrico sobre la producción agrícola del Módulo III-4 mediante ESRhh, calculada para la LB y para la CR. En la LB, el ESRhh alcanza el 100%, asegurando rendimientos sin restricciones de agua y un valor de producción total de $ 439 779 200.00 (Cuadro 10), con un promedio de $ 73 296 533.33. En la CR, la eficacia se reduce al 61.66% (Cuadro 12), con un valor total de $ 224 368 393.75 (Cuadro 11) y un promedio de $ 37 394 732.29, lo que representa una disminución del 48.98% en el valor económico del riego debido al estrés hídrico. La prueba ANOVA arrojó un valor F calculado de 2.3224, menor que el valor crítico de 3.6823, lo que indica que no hay diferencias estadísticamente significativas entre ambos escenarios.

Comparación de resultados de los indicadores HHvalor, Vp y ESRhh

El objetivo para esta sección es realizar un análisis comparativo de los impactos económicos del estrés hídrico en los cultivos del Módulo III-4 utilizando los índices HHvalor, Vp y ESRhh, evaluados para la LB y la CR. Los resultados son los siguientes: En la LB, el HHvalor asciende a $ 1 578 368 023.84 (Cuadro 13), mientras que en la CR disminuye a $ 780 257 376.20 (Cuadro 14), generando un impacto económico de $ 798 110 647.64 (Figura 8a, Cuadro 15), equivalente a una reducción del 50.57%. El Vp muestra una reducción del 16.45%, pasando de $ 439 779 200.00 en la LB a $ 367 437 210.68 en la CR. La ESRhh cae del 100% en la LB al 61.66% en la CR, con un impacto económico de $ 215 410 806.25 (Figura 8a, Cuadro 15). La prueba ANOVA entre los tres indicadores muestra un valor F de 2.715, por debajo del crítico (3.098), indicando que no hay diferencias significativas entre los escenarios de LB y CR. Sin embargo, los indicadores revelan pérdidas económicas significativas, siendo mayores para HHvalor (50.57%) y ESRhh (48.98%), en comparación con Vp (16.45%).

Figura 8: Impactos económicos y análisis de la Evapotranspiración del Cultivo de Referencia: (a) Comparación de los impactos económicos del estrés hídrico; (b) Análisis estadístico de la Evapotranspiración del Cultivo de Referencia en tres sitios del Módulo. 

Figure 8: Economic impacts and reference crop evapotranspiration analysis: (a) Comparison of the economic impacts of water stress; (b) Statistical analysis of reference crop evapotranspiration in three sites of the Module.  

El HHvalor ofrece una evaluación más integral del uso del agua, la ESRhh destaca la baja eficiencia del riego en la CR, y el Vp refleja pérdidas económicas directas en la producción. El estudio de ^{Chapagain y Hoekstra (2004)} estima la huella hídrica azul de varios cultivos en climas áridos y semiáridos. Para el maíz es de 1220 m³ Mg^-1, para el sorgo 1440 m³ Mg^-1, para el algodón 3400 m³ Mg^-1, y para la soya 2000 m³ Mg^-1. La investigación destaca la cantidad de agua utilizada, diferenciando entre agua azul y verde, pero no asigna un valor económico, como lo hace el presente estudio.

Evapotranspiración del cultivo de referencia (ETo) para tres sitios

El objetivo de este tema es evaluar la ETo para tres sitios localizados en el Módulo III-4 mediante el uso de la metodología FAO Penman-Monteith y las variables del clima. La ETo media fue de 5.54 mm día^-1 (SMN), 5.93 mm día^-1 (SWAT) y 5.94 mm día^-1 (EstAut), con baja variación, lo que refleja consistencia en las mediciones. La correlación polinómica mostró un coeficiente de determinación (R²) de 0.7855, indicando una correlación moderadamente fuerte entre las fuentes de datos. La ANOVA reveló un valor F de 0.355, menor al crítico (2.816), y una probabilidad de 0.785 (P > 0.05), aceptando la hipótesis nula de no diferencias significativas en las medias de la ETo entre los tres sitios. La ETo mostró tendencias similares, con máximos en verano (junio-agosto) y mínimos en invierno (enero, noviembre, diciembre), validando la consistencia de las mediciones. Estos resultados resaltan la necesidad de ajustar el riego durante periodos de alta ETo para mitigar el estrés hídrico y reducir pérdidas económicas en la producción (Figura 8b).

El International Water Management Institute (^{IWMI, 1998}) reportó una ETo promedio para el DR. 025 de 1756 mm año^-1; la cual es ligeramente menor que la promedio calculada para los tres sitios del estudio (1 844 mm año^-1).

Limitaciones del estudio. Este análisis del estrés hídrico en el Módulo III-4 mediante los indicadores HHvalor, Vp y ESR_HH presenta algunas limitaciones: (a) la falta de mediciones directas y en tiempo real de variables agroclimáticas, lo que afecta la precisión de las estimaciones de la ETo; (b) la dependencia de la base de datos climática generada por WXGEN del modelo SWAT, que aunque cubre un amplio rango histórico, puede no captar las variaciones climáticas más recientes; y (c) la exclusión de la huella hídrica gris, lo que limita la evaluación integral del uso del agua en términos de calidad y contaminación. Estas limitaciones sugieren áreas para futuras investigaciones que aborden estas variables y mejoren la precisión de los modelos.

Implicaciones del estudio. Los hallazgos de este estudio proporcionan una comprensión más profunda del impacto económico del estrés hídrico y su aplicación en la gestión del riego en México. El enfoque con los tres indicadores (HHvalor, Vp y ESRhh) permite evaluar la rentabilidad, eficiencia y sostenibilidad del uso del agua, siendo relevante para más de 400 módulos distribuidos en 86 Distritos de Riego que abarcan 8 millones de hectáreas en México. Agencias como CONAGUA, SADER e instituciones de investigación pueden utilizar esta metodología para mejorar la gestión hídrica y optimizar la producción agrícola.

Recomendaciones para investigaciones futuras. Se sugiere incluir la evaluación de la huella hídrica gris para analizar la calidad del agua en la sostenibilidad hídrica de la agricultura de riego. Además, se recomienda investigar los coeficientes de cultivo (Kc) específicos de los principales cultivos del Módulo III-4 para mejorar la precisión de la demanda hídrica. Finalmente, se propone implementar redes de estaciones agrometeorológicas automatizadas para obtener datos agroclimáticos más precisos y en tiempo real, beneficiando a investigadores y usuarios.

Posibles sesgos y soluciones. El estudio reconoce algunos sesgos relacionados con la heterogeneidad de los datos meteorológicos y agrícolas, así como con la dependencia de métodos analíticos consistentes. Para mitigar estos sesgos, se aplicó una metodología estadística rigurosa, incluyendo ANOVA y análisis de correlación para validar la coherencia de los resultados. La elección del generador climático WXGEN del modelo SWAT permitió hacer frente a las limitaciones mencionadas, proporcionando cobertura temporal más amplia y consistente. La inclusión de los tres indicadores (HHvalor, Vp y ESRhh) permitió una evaluación más robusta del impacto económico del estrés hídrico desde distintas perspectivas.