Javier Antonio Herrera1 -Toscano y Oscar2 Carmenate - Figueredo.
1 Instituto de Ciencia Animal, 2 Facultad de Ciencias Técnicas y Agropecuarias. Universidad de las Tunas Cuba.
RESUMEN
El objetivo de la investigación fue tipificar y analizar geoespacialmente los escenarios de producción de ovinos del municipio de las Tunas, Cuba y su periferia, como paso previo a la implementación de un Programa de Transferencia Tecnológica. Se analizaron 68 variables (22 cuantitativas y 46 cualitativas) del comportamiento productivo y reproductivo, del manejo, alimentación, estructurales, sociales y edafoclimáticas de 49 escenarios productivos. Con las variables de mayor poder discrimínate resultantes de los análisis previamente realizados, componentes principales ordinarios y componentes principales categóricos, se ejecutaron de manera iterativa varios análisis de conglomerados jerárquicos hasta llegar a la mejor clasificación posible. Se validaron los resultados del análisis de conglomerados con las pruebas Ji cuadrado de Pearson .para las variables cualitativas y análisis de varianza en las cuantitativas. El proceso de conglomeración rindió los mejores resultados con la formación de cuatro tipos de fincas. La ubicación geoespacial de las fincas, según los resultados del análisis de conglomerado indicó que, la mayoría de estas se encontraron en las zonas suburbanas y rurales. En cuanto a la existencia de cuerpos de aguas superficiales, las imágenes revelaron que cuatro escenarios estuvieron próximos a embalses con alguna importancia. El proceso de investigación que se desarrolló permitió definir cuatro tipologías de fincas en el municipio de las Tunas, Cuba y su periferia, con diferencias notables en la cantidad de animales, indicadores productivos, aspectos de manejo - alimentación y sociales. Por otra parte, el análisis geoespacial facilitó la visualización desde una panorámica diferente y amplia, las características de la zona investigada. Se demostró que la complementación de ambas herramientas constituye una alternativa eficaz en el análisis de sistemas productivos agropecuarios, que puede ser útil como paso previo a la implementación de Programas de Transferencia Tecnológicas.
Palabras clave: Ovinos; variables; fincas; análisis de
conglomerados; análisis geoespacial
ABSTRACT
The objective of the research was to typify and analyze geospatially the sheep production scenarios of the Municipality of Las Tunas, Cuba and its periphery, as a previous step to the implementation of a Technology Transfer Program. Sixty eight, variables (22 quantitative and 46 qualitative) of productive and reproductive behavior, management, food, structural, social and edaphoclimatic of 49 productive scenarios were analyzed. With the variables with the highest discriminating power resulting from the previously performed analyzes, ordinary main components and categorical main components, several hierarchical cluster analyzes were iteratively executed until reaching the best possible classification. The results of the cluster analysis were validated with Pearson's Chi-square tests for the qualitative variables and analysis of variance in the quantitative ones. The conglomeration process yielded the best results with the formation of four types of farms. The geospatial location of the farms, according to the results of the cluster analysis indicated that, most of these were found in suburban and rural areas. Regarding the existence of surface water bodies, the images revealed that four scenarios were close to reservoirs of some importance. The research process that was developed allowed to define four types of farms in the Municipality of Las Tunas, Cuba and its periphery, with notable differences in the number of animals, productive indicators, management aspects - food and social. On the other hand, the geospatial analysis facilitated the visualization from a different and wide view, the characteristics of the investigated area. It was demonstrated that the complementation of both tools constitutes an effective alternative in the analysis of agricultural production systems, which can be useful as a previous step to the implementation of Technology Transfer Programs.
Key words: Sheep; variables; ranches; cluster analysis; geospace analysis
Recibido: 08/12/2019 Aceptado: 19/16/2019
En la gestión de los sistemas agrícolas o pecuarios se han utilizados diversos métodos, enfoques y perspectivas, con ventajas y desventajas. Sin embargo, el advenimiento de la estadística multivariada en la actividad científica representó un avance significativo para el análisis de sistemas complejos. En este sentido el análisis de conglomerados es una de las técnicas más utilizadas.
El análisis de conglomerado es un método de clasificación que consiste básicamente en estratificar un conjunto de individuos en función de determinadas características o variables, con el objetivo de minimizar las diferencias entre individuos de un mismo grupo y maximizar las diferencias entre los grupos formados [1].
En el campo de la investigación de sistemas agropecuarios múltiples son los ejemplos de la utilización de dicha técnica con la cual se han diseñado estrategias de intervención tecnológica, proyectos de investigación o desarrollo, entre otros. En este campo, una clasificación adecuada de los sistemas de finca permite: seleccionar grupos y fincas representativas, entre otros aspectos [4, 5].
La información anterior permite comprender que el análisis clúster tiene una extraordinaria importancia en la investigación científica y en cualquier rama del saber, debido a que el propósito de la misma es, en varias ocasiones, la clasificación “per se”.
Por otra parte, es importante combinar las técnicas anteriormente señaladas con el análisis geoespacial [9]. En este sentido muchas entidades usan el análisis espacial para tomar decisiones tal es el caso del ámbito agropecuario, donde se perfila como herramienta importante en tareas complejas como: monitoreo de la expansión agrícola sobre diferentes suelos y agro-ecosistemas, clasificación de usos de suelo y estimación de área sembrada, mapeo de aptitud potencial de los suelos y evaluación de riesgos, información y planificación de la agricultura y ganadería, explotación forestal, evaluación de daños en áreas forestadas y detección de cambios y monitoreo, efectos de los cambios globales y regionales, reconocimiento de daño en las forestaciones [3], entre otras tareas importantes. Lo anterior resume la enorme aplicación del análisis espacial en la gestión agropecuaria por lo cual puede constituir una herramienta pertinente para el análisis de los datos geoespaciales asociados a procesos de tipificación.
Por lo anterior, el objetivo de la presente investigación fue tipificar y analizar geoespacialmente los escenarios de producción de ovinos (Ovis aries) del municipio de las Tunas, Cuba y su periferia, como paso previo a la implementación de un Programa de Transferencia Tecnológica.
Localización y período: La investigación se realizó en el
municipio Las Tunas, provincia Las Tunas, Cuba, situado en la latitud: 20° 57’ 25” N, Longitud: 76° 57’ 13” 0, con una altitud de 90 metros sobre el nivel del mar (m.s.n.m.). El período analizado estuvo comprendido entre los años 2016 y 2017.
Clima: El comportamiento promedio de las principales variables climáticas en la etapa mostró valores de precipitación pluvial de 700 milímetros (mm), temperatura 280C y 76 % de humedad relativa.
Recopilación de la información: La información se recabó a nivel de rebaño, con los diagnósticos realizados en las áreas productivas en cada finca. Se analizaron indicadores del desempeño productivo, reproductivo, de manejo, alimentación, estructurales, sociales y condiciones edafoclimáticas de 49 escenarios productivos, que representó el 58 % del total.
Variables: Se examinaron 68 variables: 22 cuantitativas y 46 cualitativas.
Análisis de conglomerados: con las variables de mayor poder discriminante resultantes de los análisis previamente realizados, componentes principales ordinarios y componentes principales categóricos, se ejecutaron de manera iterativa varios análisis de conglomerados jerárquicos hasta llegar a la mejor clasificación posible con las pautas propuestas por Hair [8]: método de aglomeración Ward, medida de distancia ecluídea al cuadrado,
TABLA I
Variable | Valores | |||
1 | 2 | 3 | ||
Condición de la vivienda Tipo de pastoreo Formas de comercialización Prioridad de la actividad ovina | En mal estado Nómada Informal Secundaria | Aceptable Continuo Formal Primaria | En buen estado Rotacional |
las variables fueron normalizadas. Se validaron los resultados del análisis de conglomerados con las pruebas Ji cuadrado de Pearson para las variables cualitativas y análisis de varianza en las variables cuantitativas. Las variables cualitativas fueron categorizadas según sugiere la TABLA I. Los datos se procesaron por medio del paquete estadístico SPSS versión 16.0 (Visauta 1998) [12]. La información geoespacial se obtuvo por medio de la aplicación OsmAnd versión 1.7.5 [10], la cual se usó para obtener las coordenadas exactas de las fincas. La imagen satelital del área se obtuvo con Google Maps [7].
El proceso de conglomeración rindió los mejores resultados con la formación de cuatro tipos de fincas (FIG 1). En este sentido, las características más significativas promedio de cada tipología que deberán tomarse en cuenta para la implementación de acciones tecnológicas y de cualquier otra índole de cara a la sustentabilidad y rentabilidad en las fincas investigadas se centran en lo siguiente:
secundaria.
Las TABLAS II y III muestran los resultados de la aplicación del análisis de varianza para las variables cuantitativas y el estadístico Ji cuadrado en las cualitativas, respectivamente. En este sentido se constató que, en 72 % de las variables que se emplearon en el proceso de conglomeración se detectaron al menos diferencias significativas, lo que evidenció el grado de
diferenciación que existió entre los grupos formados y el poder discriminante de las mismas. Este resultado demostró que el proceso de conglomeración es válido y da un adecuado valor práctico.
En la FIG. 2 se presenta la ubicación geoespacial de las fincas analizadas y agrupadas según los resultados del análisis de conglomerado. En tal sentido, se observó que la mayoría de las fincas se encontraron en las zonas suburbanas y rurales ya que, solamente el 10,20 % se ubicaron en el casco urbano de la ciudad, en cuyos casos prevaleció el pastoreo itinerante como característica distintiva, no obstante la mayoría se ubicó cerca de las vías de acceso, aspecto positivo de gran importancia en los procesos agropecuarios [11].
En cuanto a la existencia de cuerpos de aguas superficiales, las imágenes revelaron que apenas cuatro escenarios estuvieron próximos a embalses con alguna importancia, lo que indicó que no existió abundancia de disponibilidad de agua con esas características, lo que a su vez mostró que las fuentes de agua que se utilizaron y que pueden ser explotadas en mayor medida
por los productores son las subterráneas elemento, este que no coincidió con los reportes de investigaciones anteriores [2].
Por otro lado, esta herramienta satelital posibilitó reafirmar que la densidad de arborización fue baja, y que el relieve predominante fue el llano. En lo referente a la agrupación de las fincas se constató que, como tipología estuvieron dispersas en la mayoría de los casos, aunque este elemento no es significativo, ni dificulta la gestión de las mismas pues, el radio de acción fue aproximadamente de 32,71 kilómetros (km). Las imágenes además advirtieron que las fincas se encuentran cercanas entre ellas y que existe suficiente área para la producción agrícola y pecuaria.
El proceso de investigación que se desarrolló permitió definir cuatro tipologías de fincas en el municipio de las Tunas, Cuba y su periferia, con diferencias notables en la cantidad de animales, indicadores productivos, aspectos de manejo - alimentación y sociales. Por otra parte, el análisis geoespacial facilitó la visualización desde una panorámica diferente y amplia, las características de la zona investigada. Se demostró
TABLA II
Variables cuantitativas | Tipo I n=10 | Tipo II n=10 | Tipo III n=22 | Tipo IV n=7 | Sig. |
Total de animales | 48,00b | 18,00a | 18,00a | 73,00c | 0,000 |
Total de reproductoras | 26,10b | 12,60a | 8,59a | 44,71c | 0,028 |
Reproductoras gestantes | 24,40 b | 8,50 a | 6,77 a | 31,00 c | 0,009 |
Nacimientos | 46,60b | 9,90a | 8,77a | 33,86b | 0,043 |
Corderos destetados | 36,00c | 6,90a | 7,36a | 19,57b | 0,040 |
Capacitaciones | 0,00a | 2,00c | 0,00a | 0,29b | 0,890 |
Experiencia | 24,30b | 9,70a | 14,95ab | 12,57ab | 0,777 |
a, b, c. letras distintas en la misma columnas indican diferencias significativas. P<0,05** P<0,01***
TABLA III
Variable cualitativas | Niveles | Tipo I n=10 | Tipo II n=10 | Tipo III n=22 | Tipo IV n=7 | Sig. |
Tipo de pastoreo | Nómada | 0,00 | 2,00 | 10,20 | 10,20 | 0,003 |
Continuo | 14,28 | 10,20 | 32,65 | 2,04 | ||
Rotacional | 6,12 | 8,16 | 2,04 | 2,04 | ||
Condición de la vivienda | En mal estado | 2,04 | 0,00 | 0,00 | 4,08 | 0,002 |
Aceptable | 12,24 | 20,40 | 16,32 | 6,1 | ||
En buen estado | 6,12 | 0,00 | 28,57 | 4,08 | ||
Formas de comercialización | Informal | 4,14 | 20,40 | 26,53 | 2,04 | 0,004 |
Formal | 16,32 | 0,00 | 18,36 | 12,24 | ||
Prioridad de la actividad ovina | Secundaria | 18,36 | 14,28 | 22,44 | 2,04 | 0,130 |
Primaria | 2,04 | 6,12 | 22,44 | 12,24 |
a, b, c. letras distintas en la misma columna indican diferencias significativas. P<0,05** P<0,01***
que la complementación de ambas herramientas constituye una alternativa eficaz en el análisis de sistemas productivos agropecuarios, que puede ser útil como paso previo a la implementación de Programas de Transferencia Tecnológica.
[1] AZNAR, J.; BELMONTE, L.; VELASCO, J. Caracterización
del cultivo del almendro en secano en Andalucía y pro- puestas de reconversión. Rev. ITEA. 112: 17-335. 2016.
[2] DÍAS, A. El agua en Cuba: un desafío a la sostenibilidad.
[3] FUENZALIDA, M. La perspectiva del análisis espacial en la herramienta SIG: una revisión desde la geografía hacia las ciencias sociales. Rev. Pers y Socied. 27: 33-52. 2013.
[4] GARCÍA, J; IZQUIERDO, A; GONZÁLEZ, S; REYES, V;
GÓMEZ, R; MALDONADO, J. Evaluación del impacto en la productividad y rentabilidad de la tecnología transferida al sistema de bovinos de doble propósito del trópico mexi- cano. Trop. and Subtrop Agroec. 21: 61-272. 2018.
[5] GASPAR, P; ESCRIBANO, A; MESÍAS, F; ESCRIBANO,
M; PULIDO, F. Goat systems of Villuercas-Ibores area in SW Spain: Problems and perspectives of traditional farm- ing systems. Small Rum. Res. 97: 1 -11. 2011.
[6] GIRALDO, P. Aplicación del modelo de sistemas de pro- ducción y medios de vida a un caso rural del departamento de Risaralda. Rev. Lun. Azul. 28: 68-85. 2009.
[7] Google maps 2018. https://www.google.com/maps/place/ Cuba.
[8] HAIR, J; ANDERSON, R; TATHAM, R; BLACK, W. Técni-
cas de interdependencia, análisis cluster. Análisis mul- tivariante. 5ta. Ed. Madrid: Prentice Hall Iberia. Pp 489
– 532. 1999.
[9] JIJÓN, M. S; LARREA, C; BELMONT, P; BAROJA, C.
Evaluación urbana del macrocentro de Quito (Ecuador) con indicadores basados en la entropía de Shannon, indicadores estadísticos clásicos y el análisis geoespacial. Rev. Soc Argent. Estadist.. 11: 46 - 63. 2013.
[10] OsmAnd versión androide 1.7.5. Download OsmAnd+ Maps & Navigation 3.2.1 APK For Android, APK File Named And APP Developer Company Is OsmAnd . 2016.
[11] PRETTY, J; SUTHERLAND, W; ASHBY, J; AUBURN, J.
Las cien preguntas más importantes para el futuro de la agricultura global. Rev. Intern.J. Agric.Sustat. 9: 3 – 20.
2011.
[12] VISAUTA, B. Análisis estadísticos con SPSS para Win- dows. Mc Graw – Hill interamericana de España, S.A.V. 2: Pp 358. 1998.