El documento describe un estudio que analiza el impacto ambiental de la intensificación de cultivos en zonas de fuerte pendiente en el departamento de San Martín, Perú. Se propone diseñar un modelo de programación matemática para cuantificar los costos ambientales en términos de erosión hídrica y compararlos con los beneficios económicos. El objetivo es apoyar los procesos de ordenamiento territorial evaluando la información de la zonificación ecológica y económica de la región. El modelo considerará variables como costos, productividad

1. SEPIA XIV
Piura, del 23 al 26 de agosto 2011
Mesa Sistematización de Experiencias de Desarrollo
"Intensificación de cultivos en zonas de fuerte
pendiente en el Departamento de San Martín:
¿Generando mayores costos ambientales que beneficios
económicos?
Wagner Guzman

2. Intensificación de cultivos en zonas de fuerte pendiente en el Departamento de San
Martín: ¿Generando mayores costos ambientales que beneficios económicos?
I. Introducción
Desde fines de la década del ´90 hasta la actualidad, la normatividad relacionada a la
Zonificación Ecológica y Económica, ZEE, se ha consolidado hasta conformar una de las
principales herramientas de gestión tanto de los Gobiernos Regionales y Locales en Perú. Su
trascendencia se ha debido a su utilidad en el fortalecimiento de las decisiones de gestión
como parte del proceso de descentralización que vive el país.
A través del Código del Medio Ambiente y los Recursos Naturales (Decreto Legislativo 613), así
como de la Ley Orgánica de Aprovechamiento Sostenible de los Recursos Naturales (Ley
26821), se establece la necesidad de que el país cuente con procesos de ordenamiento
territorial a través de la ZEE. Adicionalmente, mediante D.S. 045-2001-PCM se declara de
interés nacional el ordenamiento territorial ambiental en todo el país y se crea la Comisión
Nacional para el Ordenamiento Territorial.
Sobre la base de la evaluación de los resultados de la ZEE del Departamento de San Martín y
el empleo de técnicas de optimización matemática, este estudio se propone determinar el
impacto que se estaría generando al ambiente en términos de erosión hídrica por parte de
cultivos que hoy son relevantes para la dinámica económica de este departamento. De esta
manera, el objetivo de este trabajo de investigación es dar un valor agregado a la ZEE y apoyar
los procesos de Ordenamiento Territorial u otros tipos de planificación territorial y analizar los
impactos generados por el cambio de uso de la tierra.
El documento detalla los objetivos propuestos y a partir de allí detalla el diseño del modelo de
programación matemática multiobjetivo propuesto para definir el tipo de información que ha
sido necesaria obtener para luego determinar, analizar y cuantificar el impacto que se estaría
generando producto del desarrollo de cultivos en zonas de fuerte pendiente y que hoy son
relevantes en la economía de este departamento. Procesos de socialización y retroalimentación
de los resultados obtenidos han sido efectuados con el propósito de mejorar el modelo y
acercarlo más a la realidad local. Finalmente, lecciones aprendidas y propuestas iniciales para
solucionar los problemas se presentan para contribuir en lineamientos de política de
ordenamiento territorial.
2

3. II. Objetivos e hipótesis
Dada la relevancia de los procesos de ZEE como base para el Ordenamiento Territorial, se
persigue dar un valor agregado evaluando la información generada en este proceso para el
Departamento de San Martín con el propósito de conocer y valorar el impacto que estarían
generando actividades agrícolas en zonas de fuerte pendiente de modo tal que sea de utilidad
para la toma de decisiones de todos los actores sociales.
Objetivo General:
Analizar y valorar el impacto que generan acciones productivas en zonas de fuerte pendiente
utilizando modelo de programación matemático propuesto sobre la base de la evaluación ex
post del proceso de ZEE en el Departamento de San Martín que permitan apoyar en los
lineamientos y estrategias de políticas públicas para el Ordenamiento Territorial.
Objetivos Específicos:
• Diseñar y construir modelo de optimización junto a base de datos para información física y
socioeconómica
• Establecer vínculos entre los resultados de la evaluación del proceso de ZEE y principales
parámetros físicos y socioeconómicos, a través de modelo de programación matemática.
• Analizar, determinar y valorar los impactos que se estarían generando por el desarrollo de
actividades ubicadas en zonas de fuerte pendiente sobre la base de modelo propuesto.
• Proponer lineamientos y estrategias de políticas públicas sobre la base de escenarios
desarrollados y concordantes con la evaluación de los resultados de la ZEE.
La hipótesis establece que es posible modelar las condiciones básicas y fundamentales del
poblador rural en el Departamento de San Martín considerando las características físicas y
socioeconómicas de la ZEE que permita diseñar y desarrollar escenarios a través de un modelo
de programación matemática que a su vez permita identificar, cuantificar y valorar los impactos
más relevantes de actividades que se realizarían en zonas de fuerte pendiente para generar
propuestas o lineamientos de políticas públicas que contribuyan a un adecuado Ordenamiento
Territorial.
3

4. III. Justificación
El proceso de descentralización que vive el país, ha traído consigo la necesidad de una
planificación y gestión del territorio basada fundamentalmente en las potencialidades y
limitaciones que presenta cada uno de los Departamentos del país. Asumir este reto implica,
para todos quienes conforman la vasta gama de actores en el país, tomar decisiones sobre la
base de información básica y fundamental que permita sentar las bases para un desarrollo
sostenible basado en el Ordenamiento Territorial, OT, establecido como un proceso obligatorio
y política de Estado de cara al desarrollo sostenible de país.
El Ordenamiento Territorial
basado en la ZEE, constituye un
paradigma y un camino para
lograr el desarrollo sostenible de
un territorio. Sus inicios, tanto en
su concepción y operación en
América Latina, se remontan a
finales de la década del ´70 en el
Fotografía N° 1. Cultivo de plátano, Provincia de San Martín.
seno del llamado Tratado de
Cooperación Amazónica, TCA.
Lo antes mencionado ha conllevado que la
ZEE como instrumento de gestión sea más
relevante en sus diferentes niveles. Sin
embargo, existen muchas tareas pendientes
que apuntan fundamentalmente en cómo
lograr que los resultados obtenidos en la ZEE
permitan definir y proponer de manera
concreta dentro de los lineamientos de
Ordenamiento Territorial, las opciones o
alternativas adecuadas a desarrollar de
acuerdo a las características del territorio
objeto de análisis sobre la base de principios Fotografía N° 2. Asociación plátano‐café, Provincia de Lamas.
y criterios sociales, culturales, económicos y
ambientales.
4

5. El modelo propuesto para fines de determinar el impacto que se viene generando por acciones
agrícolas en zonas de fuerte pendiente, responde a esta inquietud, sobre la base de la
evaluación de la ZEE llevado a cabo durante los años 2005 y 2006 en el Departamento de San
Martín y que mediante Ordenanza Regional fue aprobada como instrumento se gestión
vinculante para los procesos de planificación. De esta manera, se propone una herramienta
que alimentada sobre la base de información ya conocida, permitirá a técnicos y tomadores de
decisión de Gobierno Regional y Local orientar y definir cuáles son las opciones agrícolas más
adecuadas, donde estas se desarrollarían y como llevarlas a cabo de tal forma que generen el
menor impacto ambiental posible.
Finalmente y dentro del ámbito académico y como parte de la agenda de investigación
pendiente en el Perú, existe la necesidad de incorporar los estudios sobre el impacto de la
erosión como componente de la dimensión local y humana del problema ambiental y de
explotación de recursos naturales, tema recurrente en diversos debates agrarios nacionales
CIES (2004, 2008).
IV. Metodología
Las siguientes etapas forman parte de la metodología:
3.1 Conceptualización y diseño de modelo: determinación de objetivos, restricciones, atributos
y coeficientes.
El agricultor de la Amazonia Peruana, como muchos tomadores de decisión, basa sus
decisiones considerando una serie de situaciones que pueden ser definidas a través de
diversas variables muchas de ellas cuantificables. Por otro lado, conociendo que la
Programación Matemática, es una potente técnica de modelado usada en el proceso de toma
de decisiones (Castillo et al, 2002), se diseño el comportamiento del agricultor en el
Departamento de San Martín sobre la base de un modelo de Programación Matemática Lineal
Multiobjetivo. Tres pasos fueron efectuados para el diseño del modelo. El primero estuvo
basado en caracterizar cuales eran las posibles decisiones o variables más relevantes del
agricultor y también que las mismas, estuvieran relacionadas con las características físicas más
importantes en la región y tomadas en consideración dentro del proceso de ZEE. De esta
manera se eligieron las variables: costos de mano de obra, tamaño de fundo o chacra, precios
de productos cosechados, costos de jornales o mano de obra, productividad de cultivos,
5

6. número de integrantes de la familia que laboran en fundo, costos de insumos, cantidades de
autoconsumo, áreas mínimas de siembra y erosión promedio por cultivo por hectárea anual.
La segunda etapa se centró en definir que decisiones resultarían admisibles dadas la
características del agricultor. Esto permitió definir las restricciones del modelo. Así se definió la
cantidad de jornales o mano de obra máximos disponibles de la familia y contratados, la
cantidad de kilogramos de erosión por hectárea anual permitida, la cantidad de autoconsumo o
cantidad de productos obtenidos para la unidad familiar y el número de hectáreas sembradas
de cultivos de autoconsumo principalmente.
Una tercera etapa estuvo centrada en definir las funciones objetivo, es decir el costo/beneficio
asociado a las decisiones tomadas como admisibles. En nuestro caso se considero los
elementos básicos de una economía de autoconsumo, centrada en la generación de ingresos
netos pero también la variable erosión hídrica. Esta variable se ha considerado dentro de las
funciones objetivo con la finalidad de dar al modelo un mayor acercamiento a consideraciones
que ya de alguna forma se están tomando en cuenta hoy en día debido a los grandes impactos
ambientales que conlleva a la pérdida de la capa arable, pérdida de nutrientes y deterioro de
vías o caminos. De esta manera, la función objetivo del modelo de Programación Matemática
Lineal diseñado, está conformada por la función de ingresos netos o utilidad (la cual lleva
implícita los costos y beneficios de cultivos para autoconsumo, costos de insumos y mano de
obra empleada) y la función de erosión. La primera función se maximiza y la segunda se
minimiza.
3.2 Determinación de relación erosión, pendiente y uso de la tierra
Con el propósito de vincular y definir las zonas con diferentes cultivos y usos con sus
correspondientes grados de pendiente se realizaron los siguientes pasos que permitieron
definir las áreas más vulnerables y con mayor riesgo por erosión, variable relevante desde el
punto de vista ambiental para el Departamento de San Martín.
Pendiente:
Los datos de pendiente están estrechamente relacionados al tipo fisiográfico que presenta el
departamento, siendo ésta bastante heterogénea la que se caracteriza por tener geoformas
definidas de acuerdo al macrorelieve y el microclima, permitiendo la caracterización de dos
provincias fisiográficas como son la cordillera andina con un relieve montañoso muy disectado
y la llanura amazónica con un relieve relativamente plano. Estas características fisiográficas y
6

7. de pendiente se determinaron mediante la interpretación visual y el análisis fisiográfico
aplicando el uso de imágenes de satélite Landsat TM y ETM+, así como las de SRTM - Shuttle
Radar Topography Misión y NASDA JERS-1-SAR que son imágenes de satélite con
dispositivos sensores tipo RADAR.
Uso actual de la tierra:
De forma similar se trabajó con la data de uso actual de la tierra. En este caso se hizo la
interpretación y caracterización de las áreas deforestadas de acuerdo a la reflectancia en las
imágenes de satélite. Seguidamente se identificó la distribución espacial observada durante el
recorrido de campo e información estadística agropecuaria del departamento. En ese sentido,
se tuvo en cuenta aquellas áreas de cultivos o actividad productiva más importantes por su
abundancia y predominancia, registrándolas con los Sistemas de Posicionamiento Global –
GPS. A este hecho se suma el uso de la data de elevaciones que fueron obtenidas de las
curvas de nivel y cotas extraídas de la Carta Nacional – IGN.
Integración SIG:
Para hacer el análisis de los datos espaciales y tabulares se usó los Sistemas de Información
Geográfica mediante análisis espacial, este tiene su inicio en la unión física de las coberturas o
temas de pendiente y uso actual de la tierra. Esta unión integra los datos gráficos así como las
tablas de atributos de cada uno de los temas. Es en la tabla de atributos de la nueva cobertura
resultante (unión) donde se ejecutan las operaciones de consulta mediante la herramienta de
construcción de consultas “Query builder”. Esta herramienta aplicada al campo de uso actual
de la tierra selecciona los registros o unidades de uso (polígonos) que poseen un mismo código
de descripción y que por ende tienen la misma característica de uso productivo. A continuación,
se realizó otra operación a la tabla de atributos pero ésta fue ejecutada únicamente sobre los
registros seleccionados previamente. Para realizar esta operación se usó la herramienta de
sumatoria “Summarize”, que permite hacer la suma sobre las áreas de los registros
seleccionados.
Erosión y sistemas de uso de la tierra en San Martín
El Departamento de San Martín presenta, en más del 75% de su extensión, los más altos
niveles de erosión por terrenos de fuerte pendiente con cultivos anuales (Loker et al, 1993).
Tasas desde 0.2 Tn./Ha/año en cultivo en callejón en fuertes pendientes hasta 53 Tn./Ha/año
en parcelas con dos cultivos por año fueron obtenidas hacia el norte de Tarapoto (Alegre y
7

8. Cassel, 1996). Estos últimos datos son similares obtenidos en otros estudios en la parte central
de San Martín (Zona del Huallaga) donde se encuentra tasas desde 0,87 Tn./Ha/Año (bosque
primario) hasta 98.8 Tn./Ha/año en cultivos de maíz con 60% de pendiente (Rodríguez, 1995).
Felipe-Morales et al (1979) y Alegre et al (1990) encontraron en selva central en suelos con
pendiente mayores a 30% pérdidas de suelo desde 2 a 148 Tn/Ha/Año. Finalmente, el estudio
realizado por Baldoceda (1985) para la selva central para los tratamientos yuca, palto, purma y
bosque, encontró las siguientes cantidades de erosión expresada en Kg/ha: 1278.72, 713.64,
16.14 y 0.0 Kg/ha respectivamente.
3.3 Tamaño de muestra, diseño y aplicación de encuestas.
Sobre la base de los parámetros definidos en el modelo y caracterizados los lugares a
encuestar considerando los resultados del paso previo, se decidió realizar la toma de
información de campo en dos etapas. Una primera etapa a través de encuestas piloto dentro
del proceso de campo en las labores de la ZEE y luego encuestas definitivas sobre aspectos
sustanciales logrando una encuesta más sólida y estructurada sobre la base de información
necesaria para el modelo.
Pre encuestas
En esta primera etapa se realizaron 70 encuestas completamente al azar. Estas se realizaron
a nivel familiar cubriendo los diferentes espacios en el norte, centro y sur del departamento y
donde las diferencias por fisiografía y especializaciones de cultivos definían características
peculiares e importantes.
Tamaño de muestra
Se utilizó la siguiente fórmula:
= N( α/½)2 (P) (1 – P) / (N – 1)* e2 + ( α/½)2 * (P) (1 – P)
Donde:
= Tamaño de muestra
α/½ = Nivel de confianza elegido = 1.96
P= Proporción de una categoría de la variables = 0.39
e= Error máximo= 0.02
8

9. N= Tamaño de agricultores con parcelas entre 3 y 10 Hectáreas= 25,637 (se consideró la tasa
de crecimiento poblacional censal 1.8% anual)
Resultado: = 210
Encuestas definitivas
Sobre la base del análisis exploratorio en cuanto a lugares y variables en la pre encuesta o
encuesta piloto, se elaboró una encuesta definitiva la cual se aplicó en las 10 provincias del
Departamento de San Martin en un total de 210 tal como se determinó en el paso previo. Las
comunidades seleccionadas se eligieron igualmente al azar considerando los pendientes y
patrones de cultivos en la región (Ver Anexo)
3.4 Diseño y elaboración de base de datos
Obtenidos los datos de las encuestas definitivas, se unificaron medidas y en general se
homogenizó la información para luego ser trasladadas al software GAMS el cual, dada su gran
versatilidad y capacidad permitió incorporar las variables y restricciones diseñadas.
3.5 Modelización y resultados preliminares
Los resultados obtenidos para cada una de las regiones dentro del departamento (norte, centro
y sur), fueron analizados considerando la información secundaria y sobre la base del
conocimiento de las distintas realidades e información de las encuestas.
3.6 Retroalimentación
Los resultados obtenidos a nivel preliminar en el paso anterior fueron presentados en diversos
espacios del ámbito rural y académicos en el Departamento de San Martín, ello permitió
corroborar la validez de los resultados y también incorporar sugerencias afín de que el modelo
reflejará de manera más adecuada lo sucedido en la realidad.
3.7 Modelo Definitivo
Recogidas todas las sugerencias en los espacios de presentación y discusión, se procedió a
incorporar dichas inquietudes cuando estas eran posibles de efectuarlas, lo cual permitió
obtener el modelo definitivo.
9

10. V. Resultados
5.1 Modelo Propuesto
El modelo planteado es un modelo de programación matemática lineal multiobjetivo el cual
presenta dos funciones objetivos orientados hacia una perspectiva económica (Beneficios
Netos) y ambiental (Erosión hídrica). Esto se sustenta en las características de los frentes o
espacios económicos, y en la relevancia de la fisiografía y patrones de uso de la tierra en los
graves problemas ambientales del Departamento de San Martín. Las funciones objetivos son:
n
Max Bn = 1 / (1-d)t ∑ Bn
i =1
r, i
n
Min E = ∑E
i =1
r, i Ar , i
Las cuales están sujetas a las siguientes restricciones:
Producción…………. P r, i = A r, i * Y r, i
Autoconsumo………. Autoc r, i = A r, i * Cons r, i
Venta……….………. V r, i = P r, i - A r, i * Cons r, i
Erosión……………… E r <= MxE r, i
Insumos…………….. In r, i = A r, i * CIn r, i
Mano de obra……….. Mo r, i <= Moc r, t + Mof r
Tamaño de fundo……X r, i <= At r, i
Tamaño de fundo….. X r, i >= ∑ Am r ,i
Donde:
Bn r, i = Beneficios netos de la región r por el cultivo i, en soles S/..
d = Tasa de descuento mensual
r= Número de meses en que se desarrolla actividades agrícolas
E r, i = Erosión en Kg./Ha./Año en la región r por el cultivo i, en Kg/Ha/Año
MxE r, i = Máxima Erosión permitida en la región r por el cultivo i, en Kg/Ha/Año
P r, i = Producción en la región r por el cultivo i, en Kg.
A r, i = Área cultivada en la región r por el cultivo i, en Ha.
Y r, i = Productividad en la región r por el cultivo i, en Kg./Ha
Autoc r, i = Cantidad total de autoconsumo en la región r por el cultivo i, en kg.
Cons r, i = Cantidad consumida por la unidad familiar en la región r por el cultivo i, en kg/Ha.
10

11. V r, i = Cantidad vendida por la unidad familiar en la región r para el cultivo i, en soles S/.
In r, i = Costo de insumo por en región r para el cultivo i, en S/.
CIn r, i = Costo de insumo en región r para el cultivo i, en S/./ Ha.
Mo r, i = Mano de obra familiar en región r para el cultivo i, días/hombre.
Moc r, t = Mano de obra contratada por la unidad familiar en región r para el cultivo i,
días / hombre.
Mof r,i = Mano de obra de integrantes de la unidad familiar en región r para el cultivo i,
días/hombre.
X r, i= Área total del fundo en la región r por el cultivo i, en Ha.
At r, i= Área total del fundo cultivada en la región r, en Ha.
Am r, i= Área mínima de cultivo de subsistencia en la región r por el cultivo i, en Ha.
Las restricciones de negatividad fueron establecidas para las variables:
E r, i ; Mo r, i ; X r, i ; P r, i ; Cons r, i y V r, i
5.2 Relación pendiente, sistemas de uso de la tierra y erosión.
Sobre las consideraciones antes descrita, Barco (2007) determina los denominados frentes
productivos, los cuales se detallan en el cuadro siguiente:
Tabla N°1. Frentes productivos del Departamento de San Martín
DESCRIPCION Ha %
FRENTE PRO DUCTIVO DE PREDOMINIO ARROCERO 60,747 1.17
FRENTE PRO DUCTIVO DE PREDOMINIO MAICERO 214, 253 4.14
FRENTE PRO DUCTIVO DE PREDOMINIO CAF ETALERO 129,695 2.5
FRENTE PRO DUCTIVO DE PREDOMINIO DE PALMA ACETERA 14,553 0.28
FRENTE PRO DUCTIVO DE PREDOMINIO GANADERO 240,818 4.65
FRENTE PRO DUCTIVO DE PREDOMINIO DE AGRICULTURA DIVERSIFICADA 763,395 14.74
SIN USO PRODUCTIVO 3 720,535 71.83
CUERPOS DE AGUA 36,646 0.69
TOTAL AREA SIG 5 179,642 100
Fuente: ZEE del Departamento de San Martín
Concordante con el Gráfico 1, se aprecia que el cultivo de arroz es el que prevalece y se
extiende en el norte y centro del departamento. Los cultivos de maíz que ocupan la mayor área,
se ubican en la parte central mientras que los cultivos de café se ubican principalmente en el
norte y centro. Finalmente el cultivo de palma aceitera se centra en la parte sur en la Provincia
11

12. de Tocache. Según el estudio estos frentes productivos, ocupan terrazas así como, lomadas,
colinas y hasta laderas de montaña con más de 35% de pendiente.
Tabla N°2: Pendientes y Frentes Productivos en el Departamento de San Martín
Frentes productivos TOTAL
Arrocero Maicero Cafetalero F. Palma Ganadero Agrícola Sin [%]
Nro. Descripció n Pendiente (%) Aceitera Uso Productivo
61026 9
1 Plana a ligeramente inclinada De 0 a 4 51944.6 2 1548.2 5725.9 13660.9 47970.5 1778 13.3 2916 05.1 [12]
81102
2 Moderada a fuertemente inclinada De 4 a 1 5 1249.8 6 150.4 3296.8 788.7 15824.6 3672 2.1 1706 9.7 [2]
42926 5
3 Moderadamente empanad a De 15 a 25 3906.9 4 6897.6 27999.3 100.9 38059.4 1163 09.4 1959 91.7 [8]
1 689761
4 Empinada De 25 a 50 3571.7 7 5857.6 55038.2 1.9 87995.1 2248 52.7 1242 443.7 [33]
1 380436
5 Muy empanada De 50 a 75 9 003.9 21381.1 33259.8 1409 30.7 1175 860 [27]
95327 8
6 Extremadamente empinada >75 [18]
5 144110
TOTAL [100]
Mediante la interpretación visual y el análisis fisiográfico aplicando el uso de imágenes de
satélite se logró la información sobre pendiente y patrones de uso de la tierra. El cuadro
anterior y mapas abajo mostrados son el resultado de lo mencionado.
Se puede apreciar que las áreas de patrones de uso de la tierra con más de 25% de pendiente,
clasificadas como empinadas, muy empinadas y extremadamente empinadas, ocupan el 78%
del área total. Se aprecia también que las área de patrones de uso dentro del frente agrícola
son las más extensas y se encuentran dentro de la clasificación como muy empinadas
ocupando un área aproximada de 224,852.7 ha. Lo antes mencionado es corroborado por los
mapas abajo mostrados. Se aprecia que las tonalidades de colores amarillo y marrón (área con
pendientes mayores a 25%) son las que prevalecen.
12

13. Gráfico N°1. Mapas de Pendiente y Uso Actual en el Departamento de San Martín
Fuente: Elaboración propia
Información básica de erosión
Uno de los trabajos más completos por su rigurosidad científica sobre determinación de tasas
de erosión en el Perú, es el realizado en zonas cercanas a Tarapoto, San Martín, por Alegre y
Cassel (1996) durante el periodo (1988-1994). Los resultados obtenidos que ya fueron
mencionados se utilizan para efectos del modelo propuesto.
5.3 Resultados de aplicación de encuestas de campo
Se efectuaron 73 encuestas pilotos y 210 encuestas definitivas realizadas al azar en lugares
seleccionados en las 10 provincias con que cuenta el Departamento de San Martin.
13

14. Gráfico N° 2. Lugares donde se realizaron las pre-encuestas y encuestas definitivas.
REGION NORTE (RN)
Regiones Provincias Distritos/comunidades Cantidad Total
Moyobamba San Marcos 10
Soritor 8
La Habana 7
Rioja Nva Cajamarca 8
NORTE Rioja 5 70
Lamas Rumizapa 5
San Martín Chazuta 9
REGION Cacatachi 6
Picota Paujilzapa 6
Pucacaca 6
CENTRO Buenos Aires 11
Bellavista José Pardo 10
(RC) Santa Victoria 10
CENTRO Dos Unidos 10 70
Fausta Lamista 10
El Dorado Requena 9
Huallaga Piscoyacu 10
REGION Mariscal
Cáceres
Huayabamba 19
SUR Tocache Tocache 16 70
Nvo. Progreso 17
SUR (RS) Shunte 18
TOTAL 210
VI. Resultados
5.4 Resultados de escenarios diversos por regiones
Los resultados de la modelización para cada una de las regiones muestran los productos de la
realización de escenarios cuyas variantes o diferencias son los cambios en los valores
(cantidades o porcentajes) de variables sensibles como erosión, precio, costos de mano de
obra diaria o jornales y costos de insumos. Es muy importante recalcar que algunas variables
exógenas como el precio son tomadas como establecidas, mientras que otras se sujetan a
determinados parámetros definidos en el trabajo de campo u estudios relacionados, es el caso
por ejemplo de tamaño de parcela la cual dispone de cantidades fijas de áreas que son
destinadas a cultivos de autoconsumo que generalmente se encuentran en el rango de 0.25 a 1
Ha. dentro de un área mayor denominada tamaño de parcela. Otro ejemplo es la variable
erosión la cual en el escenario erosión con restricción utiliza valores de tasas de erosión que
parten de un valor mínimo que para el caso del estudio fueron: Frijol y arroz, 2 Tn./Ha/Año;
maíz y café, 50 Tn./Ha/Año; Yuca, 1.3 Tn./Ha/Año; plátano, 10 Tn./Ha/Año y algodón 5 Tn/Ha.
hasta un máximo equivalente a 40 Tn./Ha./Año. El escenario erosión sin restricción es
14

15. similar al escenario actual donde no hay valor límite de erosión que pueda alcanzar esta
variable (Ver Tablas N° 4, 5, 6 y 7).
Escenario I: Sin restricción
Gráfico N° 3: Áreas, rentabilidad por cultivos y erosión por zonas, Región Norte.
El escenario base o sin restricción es el que más se ajusta a la situación real. Como se muestra
en el Gráfico N° 3, las cantidades de hectáreas que se pueden desarrollar buscan siempre el
máximo de superficie permaneciendo la cantidad de las áreas de cultivos de subsistencia o
autoconsumo. Es decir el modelo muestra que el agricultor desarrolla y utilizada más áreas
para los cultivos que más ingresos proporcionan y que en esta región corresponde al cultivo de
café en la zona 2 seguido por el cultivo de arroz en la zona 1. Esto último se puede constatar
en el tercer párrafo de la tabla donde se muestra que las ganancias se obtienen principalmente
para cultivos comerciales como el arroz, café y parcialmente para el caso de frijol y yuca en la
zona 2 y 4 respectivamente. Los beneficios netos totales para este escenario son 34,274 soles.
El cultivo de plátano es el que más pérdidas conlleva lo cual se denota por la fuerte inversión,
espacios reducidos y la orientación que tiene la cual es en general para autoconsumo.
15

16. Gráfico N° 4. Mano de obra contratada y erosión por cultivos
En la parte central se aprecia las cantidades de erosión por cada zona las cuales van desde los
4,000 a 8,000 Kg/Ha/año.
En cuanto a la mano de obra contratada, en el Gráfico N° 4, se puede apreciar que el mes de
enero es el mes que se demandan más mano de obra (Diferencia entre cantidades
demandadas y disponibles es positivo), esto es concordante con la realidad, ya que en esta
época es cuando los agricultores más mano de obra utilizan para la siembra o cosecha de
productos. Igualmente se aprecia que áreas con cultivos más rentables como el arroz y café
son los que más erosión hídrica presentan.
Escenario II: Con restricción de erosión.
Los resultados siguientes muestran el efecto de restringir la realización de cultivos a un límite
denominado erosión permisible o cantidad máxima a erosionar equivalente a la mitad del total
de hectáreas de la parcela multiplicada por 1,000 kg/Ha/Año.
16

17. Gráfico N°5: Áreas, rentabilidad por cultivos y erosión por zonas
Los resultados muestran, como producto de la disminución de áreas sembradas, una sustancial
disminución de utilidades netas, esta disminuyen en total en un 44% (34,274 a 19,090 soles). El
impacto mayor es para las zonas que disponen de grandes extensiones para el cultivo de arroz
(1,4 y 5) y café (zonas 2).
En cuanto a la erosión que se realiza para área cultivada en cada una de las zonas,
considerando que cada uno de ellos tiene un tope por hectáreas de 1,000 kg/Ha/Año, conlleva
a que exista una disminución drástica que en el caso de la zona 1 ó RN1, se produzca una
disminución de 240,000 a 4,000 kg/Ha/Año.
Como consecuencia del menor empleo de mano de obra, menos jornales son utilizados para
los cultivos en meses donde estos eran intensivos, es el cado del mes de enero como se puede
apreciar en el Gráfico N°6. De manera implícita, la restricción implica menores cantidades de
erosión por cultivo al año.
17

18. Gráfico N° 6. Mano de obra contratada y erosión por cultivos (Erosión permisible 1,000
Kg/Ha/Año)
Como se muestra en Gráfico N° 6, los resultados para este escenario en que existe un límite de
erosión a realizar, la cantidad de mano de obra disponible es mayor al trabajar menos
superficie que en el escenario sin restricciones.
18

19. TABLA N° 3: RESUMEN DE RESULTADOS DE ESCENARIOS REGION NORTE (ZONAS 1‐5)
ESCENARIO
Escenario sin Restricción por erosión Disminución en precio Incremento salario de mano de obra Incremento costos de insumos
restricción 1000 Kg/Ha/Año 10% 20% 30% 10% 20% 30% 10% 20% 30
ZONA Cultivo/Asociación A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha)
ARROZ 7.25 6532 7.25 2930 7.25 3335 7.25 725 1 -260 7.25 5380 7.25 4814 7.25 4249 7.25 4495 7.25 3045 7.25
MAIZ-PLATANO 0.25 -106 0.25 -106 0.25 -136 0.25 -176 0.25 -216 0.25 -118 0.25 -141 0.25 -163 0.25 -124 0.25 -151 0.25
1
FRIJOL 0.25 -73 0.25 -73 0.25 -106 0.25 -145 0.25 -184 0.25 -87 0.25 -108 0.25 -129 0.25 -91 0.25 -116 0.25
YUCA 0.25 -41 0.25 -41 0.25 -83 0.25 -128 0.25 -173 0.25 -56 0.25 -75 0.25 -94 0.25 -68 0.25 -98 0.25
PLATANO 0.25 -107 0.25 -107 0.25 -129 0.25 -160 0.25 -191 0.25 -115 0.25 -133 0.25 -151 0.25 -121 0.25 -144 0.25
FRIJOL 0.25 -56 0.25 -56 0.25 -88 0.25 -125 0.25 -162 0.25 -68 0.25 -85 0.25 -103 0.25 -76 0.25 -101 0.25
2
YUCA 0.25 13 0.25 13 0.25 -32 0.25 -76 0.25 -120 0.25 -3 0.25 -17 0.25 -32 0.25 -16 0.25 -44 0.25
CAFÉ 6.6 9247 6.6 5955 6.6 6211 6.6 4008 6.6 1804 6.6 8043 6.6 7671 6.6 7298 6.6 7425 6.6 6435 6.6
ARROZ 2.4 4212 2.4 1755 2.4 2849 2.4 1866 2.4 882 2.4 3684 2.4 3534 2.4 3384 2.4 3382 2.4 2931 2.4
PLATANO 0.25 -176 0.25 -176 0.25 -185 0.25 -210 0.25 -235 0.25 -177 0.25 -194 0.25 -211 0.25 -184 0.25 -208 0.25
3 FRIJOL 0.25 -35 0.25 -35 0.25 -69 0.25 -106 0.25 -143 0.25 -47 0.25 -62 0.25 -78 0.25 -57 0.25 -82 0.25
YUCA 0.25 -12 0.25 -12 0.25 -51 0.25 -91 0.25 -131 0.25 -22 0.25 -33 0.25 -43 0.25 -41 0.25 -72 0.25
PLÁTANO-CAFÉ 2.78 5156 2.78 4176 2.78 3613 2.78 2533 2.78 1454 2.78 4492 2.78 4292 2.78 4092 2.78 4281 2.78 3939 2.78
ARROZ 3.33 5626 3.33 2954 3.33 3520 3.33 1920 3.33 320 3.33 4740 3.33 4360 3.33 3980 3.33 4413 3.33 3703 3.33
4
FRIJOL 0.67 144 0.67 54 0.67 7 0.25 -44 0.25 -91 0.67 86 0.67 41 0.67 -1 0.67 65 0.25 -1 0.25
ARROZ 5 4176 5 2088 5 1800 1 -40 1 -440 5 3290 5 2780 5 2270 5 2690 5 1580 5
5 PLATANO 0.25 -154 0.25 -154 0.25 -175 0.25 -210 0.25 -245 0.25 -165 0.25 -190 0.25 -214 0.25 -164 0.25 -189 0.25
FRIJOL 0.25 -74 0.25 -74 0.25 -105 0.25 -143 0.25 -180 0.25 -87 0.25 -107 0.25 -126 0.25 -92 0.25 -117 0.25
Nota: A= Área; U= Utilidades
18

20. Tabla N° 4: RESUMEN DE RESULTADOS DE ESCENARIOS REGION CENTRO (ZONAS 1‐4)
ESCENARIOS
Restricción por Erosión Disminución en precio Incremento salario de mano de obra Incremento costos de insumos
ZONA Escenario sin 1,000 10% 20% 30% 10% 20% 30% 10% 20% 30%
restricción Tn./Ha/Año
Cultivo/Asociación A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.)
MAÍZ 1 -213 1 -213 1 ‐304 1 ‐414 1 ‐524 1 ‐251 1 ‐308 1 ‐365 1 ‐266 1 ‐338 1 ‐411
PLATANO 0.25 -194 0.25 -194 0.25 ‐21 0.25 ‐251 0.25 ‐289 0.25 ‐201 0.25 ‐227 0.25 ‐252 0.25 ‐206 0.25 ‐236 0.25 ‐266
1
FRIJOL 0.25 -259 0.25 -259 0.25 ‐264 0.25 ‐269 0.25 ‐299 0.25 ‐259 0.25 ‐283 0.25 ‐306 0.25 ‐264 0.25 ‐292 0.25 ‐320
ALGODÓN - - - - ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐
ARROZ 3.37 6519 3.37 6519 3.37 4518 3.37 3104 3.37 1690 3.37 5673 3.37 5415 3.37 5156 3.37 5370 3.37 4808 3.37 4245
MAÍZ 0.25 -188 0.25 -188 0.25 ‐189 0.25 ‐207 0.25 ‐224 0.25 ‐190 0.25 ‐209 0.25 ‐228 0.25 ‐187 0.25 ‐202 0.25 ‐218
2 MAÍZ-PLÁTANO 0.25 -19 0.25 -19 0.25 ‐62 0.25 ‐92 0.25 ‐130 0.25 ‐29 0.25 ‐40 0.25 ‐52 0.25 ‐45 0.25 ‐72 0.25 ‐100
ALGODÓN - - - - ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐
ARROZ 1 1648 2 1648 1 1115 1 730 1 345 1 1430 1 1361 1 1291 1 1335 1 1169 1 1004
MAÍZ 0.25 -91 0.25 -91 0.25 ‐107 0.25 ‐132 0.25 ‐157 0.25 ‐101 0.25 ‐119 0.25 ‐136 0.25 ‐98 0.25 ‐113 0.25 ‐128
3 PLÁTANO 0.25 -160 0.25 -160 0.25 ‐174 0.25 ‐202 0.25 ‐230 0.25 ‐162 0.25 ‐178 0.25 ‐194 0.25 ‐172 0.25 ‐199 0.25 ‐225
PLÁTANO-CAFÉ 3.23 4533 1.5 4533 3.23 2994 3.23 1862 3.23 731 3.23 3924 3.23 3722 3.23 3520 3.23 3608 3.23 3091 3.23 2573
ARROZ 1 684 1 684 1 272 1 ‐78 1 ‐428 1 520 1 418 1 316 1 436 1 250 1 65
PLÁTANO 0.25 -347 0.25 -348 0.25 ‐348 0.25 ‐379 0.25 ‐410 0.25 ‐348 0.25 ‐380 0.25 ‐412 0.25 ‐348 0.25 ‐378 0.25 ‐410
4
YUCA 0.25 27 0.25 27 0.25 ‐25 0.25 ‐75 0.25 ‐125 0.25 6.25 0.25 ‐12.5 0.25 ‐31 0.25 ‐3.5 0.25 ‐33 0.25 ‐61
CACAO 2.73 6425 1.5 3527 3.23 4617 3.23 3388 2.73 2158 2.73 5576 2.73 5306 2.73 5035 2.73 5472 2.73 5098 2.73 4724
Nota: A= Área; U= Utilidades
19

21. Tabla N° 5. RESUMEN DE RESULTADOS DE ESCENARIOS REGION CENTRO (ZONAS 5‐8)
ESCENARIOS
Restricción por Erosión Disminución en precio Incremento salario de mano de obra Incremento costos de insumos
Escenario sin
ZONA restricción 1,000 10% 20% 30% 10% 20% 30% 10% 20% 30%
Tn./Ha/Año
Cultivo/Asociación A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.)
ARROZ 1 2099 1 2099 1 1490 1 1070 1 650 1 1817 1 1724 1 1631 1 1774 1 1638 1 1502
MAÍZ-PLATANO 0.25 -71 0.25 -71 0.25 ‐107 0.25 ‐150 0.25 ‐193 0.25 ‐90 0.25 ‐114 0.25 ‐139 0.25 ‐89 0.25 ‐114 0.25 ‐138
5
FRIJOL 0.25 -272 0.25 -272 0.25 ‐270 0.25 ‐292 0.25 ‐315 0.25 ‐267 0.25 ‐288 0.25 ‐308 0.25 ‐275 0.25 ‐302 0.25 ‐328
CAFÉ 1.73 2867 1.73 2867 1.73 1941 1.73 1274 1.73 607 1.73 2466 1.73 2323 1.73 2179 1.73 2345 1.73 2082 1.73 1818
ARROZ 2.94 2682 2.94 2682 2.94 1452 2.94 465 1 465 2.94 2167 2.94 1893 2.94 1620 2.94 1970 2.94 1499 2.94 1029
PLÁTANO 0.25 -166 0.25 -166 0.25 ‐190 0.25 ‐227 0.25 ‐226 0.25 ‐174 0.25 ‐197 0.25 ‐219 0.25 ‐182 0.25 ‐211 0.25 ‐242
6 YUCA 0.25 119 0.25 119 0.25 49 0.25 ‐11 0.25 ‐11 0.25 ‐86 0.25 63 0.25 40 0.25 83 0.25 56 0.25 30
FRIJOL - - - - ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐
MAÍZ 0.25 -146 0.25 -146 0.25 ‐153 0.25 ‐172 0.25 ‐192 0.25 ‐151 0.25 ‐169 0.25 ‐186 0.25 ‐149 0.25 ‐163 0.25 ‐179
PLÁTANO 0.25 -81 0.25 -81 0.25 ‐118 0.25 ‐161 0.25 ‐205 0.25 ‐100 0.25 ‐127 0.25 ‐153 0.25 ‐98 0.25 ‐122 0.25 ‐147
YUCA 3.17 1218 0.25 865 3.17 412 0.25 ‐23 0.25 ‐77 3.17 871 3.17 633 3.17 396 3.17 760 3.17 412 3.17 63
7 FRIJOL 0.25 -234 0.25 -233 0.25 ‐243 0.25 ‐273 0.25 ‐303 0.25 ‐234 0.25 ‐255 0.25 ‐275 0.25 ‐243 0.25 ‐274 0.25 ‐304
ARROZ 4.25 9434 1.75 3885 4.25 6800 4.25 5015 4.25 3230 4.25 8310 4.25 8034 4.25 7759 4.25 7934 4.25 7283 4.25 6632
PLÁTANO 0.25 -74 0.25 -74 0.25 ‐106 0.25 ‐143 0.25 ‐181 0.25 ‐88 0.25 ‐107 0.25 ‐127 0.25 ‐93 0.25 ‐117 0.25 ‐142
YUCA 0.25 86 0.25 86 0.25 29 0.25 ‐22 0.25 ‐72 0.25 64 0.25 49 0.25 34 0.25 51 0.25 24 0.25 ‐3
8 FRIJOL 0.25 -204 0.25 -204 0.25 ‐211 0.25 ‐236 0.25 ‐261 0.25 ‐202 0.25 ‐218 0.25 ‐234 0.25 ‐214 0.25 ‐242 0.25 ‐269
CAFÉ - - - - ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐ ‐
Nota: A= Área; U= Utilidades
20

22. Tabla N° 6: RESUMEN DE RESULTADOS DE ESCENARIOS REGION SUR
ESCENARIOS CON RESTRICCIÓN POR:
Escenario sin Erosión Disminución en precio Incremento salario de mano de obra Incremento costos de insumos
ZONA Cultivo/Asociación restricción 1,000 10% 20% 30% 10% 20% 30% 10% 20% 30%
Tn./Ha/Año
A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.) A. (Ha) U. (S/.)
MAÍZ‐PLÁTANO 0.25 ‐368 0.25 ‐368 0.25 ‐365 0.25 ‐395 0.25 ‐425 0.25 ‐376 0.25 ‐417 0.25 ‐458 0.25 ‐357 0.25 ‐380 0.25 ‐403
FRIJOL _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
1
YUCA 0.25 0 0.25 0 0.25 ‐50 0.25 ‐100 0.25 ‐150 0.25 ‐28 0.25 ‐55 0.25 ‐83 0.25 ‐23 0.25 ‐45 0.25 ‐68
P. ACEITE 5.18 13556 5.18 13556 5.18 9252 5.18 6168 5.18 3084 5.18 11486 5.18 10636 5.18 9786 5.18 11336 5.18 10335 5.18 9335
ARROZ 1.16 1148 1.16 1148 1.16 606 1.16 167 1.00 ‐234 1.16 908 1.16 770 1.16 634 1.16 847 1.16 650 1.16 453
PLÁTANO 0.25 ‐272 0.25 ‐272 0.25 ‐284 0.25 ‐320 0.25 ‐356 0.25 ‐287 0.25 ‐327 0.25 ‐366 0.25 ‐268 0.25 ‐290 0.25 ‐311
2
YUCA 0.25 42 0.25 42 0.25 ‐20 0.25 ‐80 0.25 ‐140 0.25 9 0.25 ‐22 0.25 ‐53 0.25 15 0.25 ‐10 0.25 ‐35
P. ACEITE 5.00 10275 5.00 10275 5.00 6725 5.00 4100 5.00 1475 5.00 8660 5.00 7970 5.00 7280 5.00 8350 5.00 7350 5.00 6350
ARROZ 3.91 5323 1.75 3065 3.91 3203 3.91 1564 3.91 ‐20 3.91 4469 3.91 4094 3.91 3719 3.91 4063 3.91 3281 3.91 2500
PLATANO 0.25 ‐170 0.25 ‐170 0.35 ‐185 0.25 ‐215 0.25 ‐245 0.25 ‐181 0.25 ‐206 0.25 ‐231 0.25 ‐175 0.25 ‐195 0.25 ‐215
3
CAFÉ 1.41 227 1.00 159 1.00 ‐80 1.00 ‐305 1.00 ‐530 1.41 105 1.41 6 1.00 ‐67 1.41 7 1.00 ‐135 1.00 ‐275
CACAO 1.00 ‐385 1.00 ‐385 1.00 ‐60 1.00 ‐850 1.00 ‐1100 1.00 ‐485 1.00 ‐620 1.00 ‐755 1.00 ‐500 1.00 ‐650 1.00 ‐800
ARROZ 0.08 47 0.08 47 0.08 10.4 _ _ _ _ 0.08 32 0.08 22 0.08 12 0.08 25 0.08 8 _ _
MAÍZ 0.25 ‐170 0.25 ‐170 0.25 ‐180 0.25 ‐205 0.25 ‐230 0.25 ‐180 0.25 206 0.25 ‐231 0.25 ‐170 0.25 ‐185 0.25 ‐200
4
MAÍZ‐PLÁTANO 0.25 ‐335 0.25 ‐335 0.25 ‐333 0.25 ‐361 0.25 ‐389 0.25 ‐344 0.25 382 0.25 ‐421 0.25 ‐325 0.25 ‐345 0.25 ‐365
P. ACEITE 6.42 12974 6.42 12974 6.42 8438 6.42 5069 6.42 1700 6.42 10805 6.42 9805 6.42 8803 6.42 10620 6.42 9432 6.42 8245
ARROZ 2.63 1615 1.00 615 2.34 491 1.00 ‐140 1.00 ‐490 2.34 1020 2.34 729 2.34 440 2.34 1020 2.34 514 2.34 117
MAÍZ 0.25 ‐140 0.25 ‐140 0.50 ‐309 0.50 ‐363 0.50 ‐417 0.50 ‐302 0.50 ‐349 0.50 ‐396 0.50 ‐302 0.50 ‐320 0.50 ‐353
5 PLÁTANO 0.25 ‐331 0.25 ‐331 0.25 ‐341 0.25 ‐380 0.25 ‐420 0.25 ‐343 0.25 ‐385 0.25 ‐427 0.25 ‐343 0.25 ‐356 0.25 ‐384
CAFÉ 1.00 ‐110 1.00 ‐110 1.00 ‐350 1.00 ‐600 1.00 ‐850 1.00 ‐200 1.00 ‐300 1.00 ‐400 1.00 ‐200 1.00 ‐420 1.00 ‐580
PLÁTANO‐CACAO 1.00 ‐1495 1.50 ‐1495 1.50 ‐2310 1.50 ‐2580 1.50 ‐2850 1.50 ‐2289 1.50 ‐2538 1.50 ‐2787 1.50 ‐2289 1.50 ‐2490 1.50 ‐2715
ARROZ 1.00 1582 1.00 1582 1.00 1020 1.00 600 1.00 180 1.00 1344 1.00 1248 1.00 1152 1.00 1344 1.00 1080 1.00 900
PLÁTANO‐CAFÉ 1.00 ‐495 1.00 ‐495 1.00 ‐725 1.00 ‐1000 1.00 ‐1275 1.00 ‐580 1.00 ‐710 1.00 ‐840 1.00 ‐580 1.00 ‐830 1.00 ‐1020
6
CACAO 1.00 ‐593 1.00 ‐593 1.00 ‐790 1.00 ‐1040 1.00 ‐1290 1.00 ‐676 1.00 ‐812 1.00 ‐948 1.00 ‐676 1.00 ‐876 1.00 ‐1044
P. ACEITE 5.00 10934 5.00 10934 5.00 7325 5.00 4700 5.00 2075 5.00 9290 5.00 8630 5.00 7970 5.00 9290 5.00 8010 5.00 7040
CAFÉ 1.00 ‐225 1.00 ‐225 1.00 ‐405 1.00 ‐605 1.00 ‐805 1.00 ‐276 1.00 ‐346 1.00 ‐417 1.00 ‐275 1.00 ‐505 1.00 ‐655
7 CACAO 1.00 ‐95 1.00 ‐95 1.00 ‐386 1.00 ‐686 1.00 ‐986 1.00 ‐227 1.00 ‐368 1.00 ‐509 1.00 ‐227 1.00 ‐421 1.00 ‐589
P. ACEITE 5.00 10989 5.00 10989 5.00 7200 5.00 4400 5.00 1600 5.00 9250 5.00 8500 5.00 7750 5.00 9250 5.00 7900 5.00 6850
Nota: A= Área; U= Utilidades
21

23. 5.5 Resultados de análisis, cuantificación y valoración de impacto por erosión hídrica
5.5.1 A nivel general de muestras de patrones de uso de la tierra por regiones
Obtenidos los resultados a través del modelo de programación matemática para cada uno de
los patrones de uso de la tierra elegidos para cada región (Norte, Centro y Sur), se procedió a
determinar el total de erosión para cada uno el cual se muestra en el cuadro abajo indicado.
Gráfico 7. Erosión para los escenarios sin y con restricción de erosión por región.
EROSION TOTAL DE PATRONES DE USO DE LA
TIERRA POR REGIONES
700
600 575.5
)
. 500
n
T 424.7
(
S 400 353.9
A
D
A
L
E 300
N
O
T 200
100
0
REGION NORTE REGION CENTRO REGION SUR
REGIONES
Para fines de cuantificar el valor económico que representa la pérdida de suelo por efectos de
la erosión hídrica se consideró el costo de oportunidad de la tierra el cual estaría dado por el
precio de mercado por hectárea promedio de parcelas agrícolas según las regiones, tal como
se muestra en la Tabla N°8. Posteriormente, y para de determinar la cantidad en hectáreas que
representa la cantidad de suelo erosionado se uso la relación aproximada de peso de 1 Ha de
terrenos (1 Ha. equivale aprox. 1,500 Tn.). Sobre esta base se obtuvo el valor que representa
la cantidad erosionada total de la muestra de patrones de uso de la tierra y por regiones. El
valor total de una hectárea erosionada (S/. 8,982) dividido entre la cantidad total de erosión
(1,354 Tn) en una misma superficie, determina el valor de la erosión promedio para el
Departamento de San Martín (7 S/. / Ha) el cual será utilizado posteriormente (Tabla N° 7).
22

24. Es importante recalcar que estos cálculos que podrían ser denominados cálculos “gruesos”
están sustentados en que la información que se utiliza proviene de un estudio general como es
la Macrozonificación la cual hace compatible y aceptable este nivel de análisis.
Tabla N° 7. Valor económico de la erosión por regiones
REGIONES EROSIÓN /MUESTRA (Kg.) VALOR DE MERCADO PROMEDIO DE 1 Ha. (S/.) Ha. (*) VALOR (S/.)
REGION NORTE 424,700 11,200 0.280 3,136
REGION CENTRO 575,500 10,000 0.383 3,830
REGION SUR 353,900 8,400 0.240 2,016
TOTAL 1,354,100 0.903 8,982
(*) La cantidad de hectáreas se obtuvo utilizando el valor promedio de peso de 1 Ha. el cual
equivale aproximadamente a 1,500 Tn.
5.5.2 A nivel de patrones de uso de la tierra muestra por región.
Determinación y cuantificación de la erosión
Para cada una de las regiones se obtuvieron cantidades totales en toneladas de erosión hídrica
por cultivo considerando las tasas erosión iniciales dadas al modelo. Los resultados se
muestran en los gráficos siguientes para una mejor visualización.
En general se muestra que los cultivos de subsistencia como son fundamentalmente yuca y
frijol inciden muy poco en los resultados de erosión en comparación con los cultivos
comerciales como cacao y café. Debe mencionarse casos especiales como los cultivos de
plátano y maíz los cuales cual tienen un propósito mixto en el sentido que es tanto comercial
como de subsistencia. En ambos casos tanto para uso o alimentación familiar como para la
crianza de animales menores. En el caso de palma aceitera el cual es un cultivo netamente
comercial que cada vez se extiende en el departamento, se desarrolla en zonas planas y de
buen drenaje y que por tanto no conlleva a erosionar de manera importante o relevante.
23

25. Gráfico N° 8. Erosión por cultivo en patrones de uso de muestras en Región Norte
Erosíón por cultivo en patrones uso de muestras en
Región Norte
300
263
250
)
. 200
n
T
(
s
a 150 143
d
a
l
e
n
o 100
T
50
10 3.3 5.4
0
ARROZ PLÁTANO FRIJOL YUCA CAFÉ
Cultivos principales
A diferencia de la región norte, la región central del departamento los cultivos de arroz y maíz
ocupan mayor superficie pero menor en cuanto a café lo cual incide en las erosiones totales
obtenidas.
Gráfico N° 9. Erosión por cultivo en patrones de uso de muestras en Región Centro
Erosión por cultivo en patrones de uso de muestras en
Región Centro
250
198
200 188.5
)
.
n 150
T
(
a
d
a
l
e
n 100 80 82
o
T
50
5 2
0
ARROZ MAÍZ YUCA FRIJOL CAFÉ CACAO
Cultivo
24

26. Tal como se sucede en la realidad, en la región sur destacan los cultivos de café y cacao los
cuales son los que mayor aportan en la erosión tal como se aprecia en el gráfico abajo
mostrado.
Gráfico N° 10. Erosión por cultivo en patrones de uso de muestras en Región Sur.
Erosión por cultivo de patrones de uso de muestra en Región
Sur
200
177
180
160
) 140
. 120
n
T 120
(
a
d
a 100
l
e
n 80
o
T
60
40 23.8 20
20 12.5
0.6 0
0
ARROZ MAÍZ PLÁTANO YUCA CAFÉ CACAO PALMA A.
Cultivo
Valor económico debido a erosión hídrica
Los resultados de la Tabla N° 2 muestran los patrones de cultivos relevantes y junto a las
superficies por rangos de pendiente. Esta información obtenida de la ZEE del Departamento de
San Martín junto al análisis de mapas de pendiente y uso actual de la tierra, permite identificar
superficies por cultivos relevantes que generan erosión en rangos mayor de 25% de pendiente.
A su vez, estas superficies por cultivos en estos rangos de pendiente se pueden relacionar con
la erosión determinada por el modelo en la medida que este fue diseñado para determinar este
impacto partiendo de tasas de erosión mayores a 25 % de pendientes.
Es importante mencionar que los valores de la Tabla N° 2, fueron ajustados considerando
información estadística proporcionada por agencias agrarias del Ministerio de Agricultura del
Departamento y que se muestran en la tabla abajo indicada. Esto se debió a que en algunos
casos las diferencias eran sustantivas dado el nivel de la ZEE.
25

27. Los costos ambientales de los cultivos se obtuvieron considerando como base económica el
valor del costo de oportunidad de la tierra. Los valores totales de erosión por cultivo y la
superficie en pendientes mayores al 25% generados de la ZEE (Superficies empinadas y muy
empinadas de la Tabla N° 2) permitieron obtener los valores de erosión total. Esta información
de erosión por cultivo se valoró considerando el valor promedio general de la tierra por tonelada
el cual se deriva de la Tabla N° 7 y que como se indicó equivale a 7 S/. / Tn.
Tabla N° 8. Costos ambientales por erosión hídrica de cultivos principales
Costos Am bientales Erosión
Cultivo Erosión / Muestra (Tn.) Superficie (Ha)/Pen te > 25% Erosión Total (Tn Valor (S/./Tn.)
dien .)
S/. $
Arroz 355 3,571 1,268,776 7.000 8,881,434 3,171,941
Plátano 43 15,000 637,500 7.000 4,462,500 1,593,750
M aíz 100 33,390 3,339,000 7.000 23,373,000 8,347,500
Café 638 40,200 25,647,600 7.000 179,533,200 64,119,000
Cacao 202 13,000 2,626,000 7.000 18,382,000 6,565,000
TO TAL 234,632,134 83,797,191
De los resultados de utilidades para los diferentes escenarios obtenidos del modelo de
programación matemática y que se muestran en la Tablas N° 3, 4, 5 y 6, se obtuvieron los
valores promedio para el departamento tal como se muestran en la Tabla N° 9. Así, se logró
obtener utilidades totales considerando las superficies en zonas de fuerte pendiente, las cuales
como se aprecia equivalen a 29´280,903 S/. Al comparar estas utilidades con los costos que
implican la pérdida de suelo por erosión o costos ambientales obtenidos en la Tabla N° 9, se
obtienen los costos sociales o costos que conllevan a impactos negativos a la sociedad por
efectos de la erosión hídrica los cuales superan los 200 millones de soles anuales.
Tabla N° 9. Costos sociales por efectos de la erosión hídrica de cultivos relevantes
Utilidad Total Costos Ambientales Erosión Costos sociales
Cultiv o Utilidad (S/./Ha.) Superficie (Ha)/Pendiente > 25%
(S/.) (S/.) (S/.) (S/./Ha.)
Arroz 1,303 3,571 4,653,013 8,881,434 ‐4,228,421 ‐1,184
Plátano ‐681 15,000 ‐10,215,000 4,462,500 ‐14,677,500 ‐979
Maíz ‐549 33,390 ‐18,331,110 23,373,000 ‐41,704,110 ‐1,249
Café 1,000 40,200 40,200,000 179,533,200 ‐139,333,200 ‐3,466
Cacao 998 13,000 12,974,000 18,382,000 ‐5,408,000 ‐416
TOTAL 2,071 105,161 29,280,903 234,632,134 ‐205,351,231 ‐1,953
26

28. VI. Discusión de resultados
• El nivel macro de la ZEE San Martín arroja resultados de áreas de cultivos mayores a
las actuales por lo que amerita contrastar dichas áreas realizando estudio en un nivel de
mayor detalle. Es posible que análisis más minuciosos o en mayor escala conllevarían
a resultados más exactos considerando también que la información de agencias
agrarias amerita ser más precisa.
• La ganadería se encuentra entre las actividades que mayores impactos negativos
produce al ambiente, por tanto, su inclusión en el modelo propuesto conllevaría a tener
resultados más completos o integrales dentro del marco de las realidades locales
rurales.
• Los resultados indican la presencia de externalidades negativas traducidas en altos
costos sociales en especial de cultivos más rentables como arroz y café al realizarse en
zonas clasificadas, según la ZEE, como zonas de protección y conservación ecológica
por fuerte pendiente. El incremento de la población, la llegada de migrantes junto a
buenos precios de productos son una amenaza para estas zonas.
• Los resultados muestran el valor por pérdida de suelo debido a erosión hídrica mas no
del impacto que estaría generando la remoción o desplazamiento del suelo, por tanto,
los costos sociales obtenidos en el presente estudio reflejan o subvaloran el impacto
total por erosión hídrica de actividades agrícolas en zonas de fuerte pendiente.
VII. Conclusiones
• En el Departamento de San Martín, los costos sociales totales únicamente por pérdida
de suelo debido a la erosión hídrica en zonas de fuerte pendiente donde se realizan
cultivos relevantes como arroz, café, maíz, cacao y plátano estarían superando los 70
millones de dólares anuales, dicho monto, es siete veces mayor que las utilidades
totales obtenidas en el desarrollo de los cultivos mencionados.
• Los costos sociales por pérdida de suelo por hectárea debido a la erosión hídrica en el
Departamento de San Martín y en zonas de fuerte pendiente (>25%) en donde se
desarrollan cultivos relevantes como en el caso del café, superan en 300 % las
utilidades netas obtenidas. De manera similar, los cultivos de subsistencia como el caso
27

29. de plátano y maíz generan no sólo utilidades negativas sino costos sociales mayores en
50% que sus rentabilidades.
• Los modelos de programación matemática son herramientas importante para efectos de
utilizar los resultados de la ZEE y determinar escenarios que permitan identificar los
impactos de actividades relevantes y que, valorados económicamente permiten generar
un mayor conocimiento y conciencia para establecer políticas técnicamente bien
sustentadas.
VIII. Propuestas de políticas públicas
• Gobierno Regional y Gobiernos locales deben diseñar, ejecutar e implementar planes
de ordenamiento territorial sobre la base de la ZEE. Acciones de fortalecimiento de
capacidades e implementación de oficinas dentro de autoridades ambientales dotadas
con la normatividad debida y congruente con políticas nacionales urge ser establecidas.
• Establecer lineamientos concretos de Ordenamiento Territorial a nivel regional y local
definiendo zonas y tipos de cultivos acorde con la ZEE. Complementariamente, se debe
apoyar técnicamente a los agricultores promoviendo cultivos asociados (sistemas
agroforestales) que conlleven a disminuir las tasas de erosión (uso de leguminosas,
cultivos en callejón, etc.) y que a su vez, exista una promoción ecológica (o sello verde)
o estrategias que permitan mejora en precios. Igualmente, la implementación de
sanciones, desincentivos y reubicaciones para aquellos que se ubican y realizan
acciones en zonas no permitidas según la ZEE.
IX. Bibliografía
1. Alegre, J.C., Felipe-Morales, C., La Torre, B., 1990. Soil erosion studies in Peru. Journal
of Soil and Water Conservation. Vol. 45. N°3, 417-420.
2. Alegre, J.C., y Cassel, D.K., 1996. Dynamics of soil phisycal properties under alternative
systems to slash and burn. Agriculture Ecosystems and Environment. 58(1): 39-48.
3. Baldoceda, R., 1985. Evaluación de la escorrentía superficial y erosión hídrica en
terrenos de pendiente con diferentes tipos de cobertura vegetal en el Valle de
Chanchamayo, Junín. Tesis de Ingeniero Forestal, Universidad Nacional del Centro del
Perú. Facultad de Ingeniería Forestal, Huancayo, Perú.
28

30. 4. Barco, J. 2009. Uso de la Actual de la Tierra. Serie de estudios técnicos de la ZEE del
Departamento de San Martín. Instituto de Investigaciones de la Amazonia Peruana,
IIAP, 2009.
5. Castillo, E., Conejo, A.J., Pedregal, P., García, R., Alguacil, N., 2002. Formulación y
resolución de modelos de programación matemática en ingeniería y ciencia.
Universidad de Castilla La Mancha.
6. CIES, 2004. La investigación económica y social en el Perú. Balance 1999-2003 y
prioridades para el futuro.
7. -------, 2008. La investigación Económica y Social en el Perú, 2004-2007. Balance y
prioridades para el futuro.
8. Felipe-Morales, C., 1979. Proyecto de Eco-Desarrollo Rural Integral de la Cuenca del
Rio Negro (Selva Alta Central del Perú). Dirección de Investigación, Universidad
Nacional Agraria La Molina, Lima, Perú.
9. Loker, W. M., Carter S.E., Jones P.G., y Robison D.M.1993. Identification of areas of
land degradatation in the Peruvian amazonas using a geographic information system.
En: http://www.interciencia.org/v18_03/art02/index.html.
10. Rodríguez, F., 1995. El recurso suelo en la Amazonia Peruana, diagnóstico para su
investigación. Instituto de Investigaciones de la Amazonia Peruana, IIAP.
X. Anexo
Modelo de encuesta definitiva
Lugar:……………………Coordenadas UTM:………………Fecha…………………………..
Encuestador:………………………………….Pendiente Promedio en la Chacra (%)…………
Esta encuesta en anónima y es para propósitos de investigación por tanto la información que
nos proporcione será de gran utilidad por lo que le agradecemos su apoyo.
I. Personales/Familiares:
29

31. 1. ¿Usted es natural o es migrante?
2. ¿Hace cuanto tiempo usted radica en la zona?
3. ¿Cuál es el número de integrantes de la familia y la relación de parentesco?
4. ¿Quienes apoyan en las labores de la chacra y que edades tienen?
5. ¿Cuantos días a la semana usted trabaja en su chacra y cuantas horas al día?
II. Relacionados con los cultivos
6. ¿Qué cultivos usted siembra anualmente?
7. ¿Cuál es el tamaño de su chacra y cuál es el área aproximada de cada uno de sus
cultivos?
8. ¿Cuáles son los cultivos que siempre usted siembra y cuanta superficie o área usted los
siembra?.
9. ¿Durante que época realiza las diferentes actividades para cada uno de sus cultivos?
10. ¿Cuáles son los gastos de insumos para cada uno de sus cultivos y que productos son
los que utiliza?
11. ¿Cuál es la cantidad de mano de obra que usted emplea en cada una de las
actividades para el desarrollo de sus cultivos y en momento del año?
12. ¿Contrata jornales en algún momento del año?. (Si la respuesta es Si). ¿Cuantos y en
qué momento del año para los cultivos que corresponden?
13. ¿Cuál es costo de mano de obra en la zona?
14. ¿Cuál es la productividad para cada uno de los cultivos que usted desarrolla?
15. ¿Tiene usted idea a cuanto está aproximado el precio de 1 Ha de terreno en su zona?
16. De los productos que usted obtiene de sus cultivos ¿Qué cantidad es para vender y
cuanto es para la casa?
17. ¿Cuales es el precio al cual vende cada uno de los productos de su chacra y en donde
los vende?.
18. ¿Cuáles son los precios altos y bajos para cada uno de ellos y en qué mes ocurren?
Nota: Por cuestiones de espacio se han omitido tablas, espacio de gráfico de
distribución de cultivos en la chacra.
30