Modelos para la ayuda en los procesos de ordenación productiva agraria : el vacuno de aptitud lechera en Galicia

UNIVERSIDAD DE SANTIAGO DE COMPOSTELA Departamento de Ingeniería Agroforestal MODELOS PARA LA AYUDA EN LOS PROCESOS DE ORDENACIÓN PRODUCTIVA AGRARIA (El vacuno de aptitud lechera en Galicia) TESIS DOCTORAL José Antonio Riveiro Valiño 2007 UNIVERSIDAD DE SANTIAGO DE COMPOSTELA Departamento de Ingeniería Agroforestal MODELOS PARA LA AYUDA EN LOS PROCESOS DE ORDENACIÓN PRODUCTIVA AGRARIA (El vacuno de aptitud lechera en Galicia) Memoria para optar al grado de Doctor, realizada en el Departamento de Ingeniería Agroforestal de la Universidad de Santiago de Compostela, bajo la dirección del profesor D. CARLOS JOSÉ ÁLVAREZ LÓPEZ Dr. Ingeniero Agrónomo Departamento de Ingeniería Agroforestal Universidad de Santiago de Compostela Lugo, mayo de 2007 José Antonio Riveiro Valiño Ingeniero Agrónomo El Director de la Tesis D. Carlos José Álvarez López El Doctorando José Antonio Riveiro Valiño ANTECEDENTE El presente documento se ha desarrollado a partir del trabajo de investigación realizado dentro del Grupo de Investigación GI-1716, “Proyectos y Planificación” de la Universidad de Santiago de Compostela. Para su desarrollo, ha contado con la financiación necesaria mediante el proyecto de investigación patrocinado por la Xunta de Galicia: “Sistema de apoyo a la ordenación productiva. Integración numérica de parámetros técnico-económicos en los procesos de toma de decisiones”, con la referencia PGIDIT03RAG29101PR. Este trabajo, que finalizó en septiembre de 2006, ha tenido continuidad con el proyecto de investigación patrocinado por la Dirección General de Investigación del Ministerio de Educación y Ciencia (MEC), a través del Centro de Investigación Científica y Tecnológica (CICYT): “Integración de información en un modelo metodológico aplicado a la toma de decisiones en la gestión de la ordenación productiva agraria”, con la referencia AGL2006-04789/AGR. AGRADECIMIENTOS Quiero en primer lugar, manifestar mi más sincero agradecimiento al Dr. D. Carlos José Álvarez López, no solo por su dedicación en la dirección de este trabajo, sino también, entre otras muchas razones, por la confianza en mi depositada y el constante apoyo que de él he recibido. No puedo dejar de manifestar mi agradecimiento a un numeroso grupo de personas formado por profesores de la USC, compañeros y antiguos compañeros del laboratorio de Proyectos y Planificación (actualmente LaboraTe), familiares, amigos y cuantas personas, en mayor o menor medida y en distintos ámbitos, directa o indirectamente, han colaborado o hecho posible, no solo que me involucrase en esta aventura de postgrado, sino también que esta culminase con la presentación de la presente Memoria para acceder al grado de Doctor. No he querido citar nombres por que estoy convencido de que solo así evitaré olvidarme de alguna persona, y por que además cada uno en su justa medida, se sentirá aludido. Finalmente, tengo que hacer constar que la presentación de este documento de Tesis tiene su origen y ha sido posible gracias a los trabajos realizados en el marco del Proyecto de Investigación titulado “Sistema de Apoyo a la Ordenación Productiva Agraria: Integración Numérica de Parámetros Técnico-Económicos en los Procesos de Toma de Decisiones”, con referencia PGIDIT03RAG29101PR, que con una duración de tres años, ha finalizado en septiembre de 2006 habiendo sido subvencionado por la entonces denominada “Consellería de Innovación, de Industria e Comercio” de la Xunta de Galicia, a través del Programa de Recursos Agropecuarios, y cofinanciado con Fondos FEDER-MAC. I Resumen. Durante el periodo 2001-2004, un grupo de investigadores de la USC en colaboración con la empresa EIDO, realizó un Estudio Comarcal de Ordenación Productiva Agraria sobre 21 comarcas de Galicia. Un apartado fundamental en ese estudio fue el análisis técnico-económico de las diferentes producciones agrarias existentes y posibles en las comarcas en estudio. Pare ello, se desarrolló e implementó sobre hojas de cálculo, una metodología de análisis de aprovechamientos Agrarios. Esta metodología, que fue de gran utilidad para el desarrollo del trabajo referido, mostró carencias en cuanto a su implementación y posibilidades de análisis, razón por la cual se decidió iniciar los trabajos de investigación conducentes a su mejora integral. Mediante un proyecto de investigación subvencionado por la Administración, se desarrollaron los trabajos que permitieron obtener una nueva metodología de análisis, con más posibilidades y sobretodo, que permite tener en consideración la heterogeneidad del Sector Agrario Gallego. La nueva metodología tiene su fundamento en los microdatos de los Censos Agrarios, a partir de los cuales se analizan los factores de heterogeneidad y se establece un primer nivel de diferenciación de los principales sistemas productivos. Para ello se desarrolló e implementó sobre hojas de cálculo, un modelo de Tipificación de explotaciones basado en un proceso combinatorio, a partir de los aprovechamientos que según el Censo Agrario, integran cada explotación. Paralelamente se realiza una Clasificación de explotaciones atendiendo a su dimensión. La combinación de ambos procesos permite obtener grupos diferenciados de explotaciones en torno a cada aprovechamiento, con el grado de homogeneidad deseado. Dado que los datos del Censo Agrario permiten localizar a nivel municipal, cada explotación, se desarrolló un modelo para analizar la relación entre su localización y determinadas variables territoriales y ambientales, con el objetivo de establecer posibles subgrupos con un mayor grado de homogeneidad, vinculados a zonas territoriales específicas. Toda esta información fue utilizada para el diseño de un muestreo, seleccionando las explotaciones representativas de cada grupo. Para cada una, se realizó una encuesta dirigida a obtener información cualitativa y cuantitativa acerca de su proceso productivo. Esta información, debidamente analizada, junto con la proporcionada por los datos censales, sirvió para caracterizar el modelo de explotación representativo de cada grupo previamente definido. Cada uno de estos modelos de explotación fue analizado desde una perspectiva técnico-económica y financiera. Para ello se diseñó e implementó una metodología que a partir de los modelos de explotación definidos, permite obtener diferentes resultados e indicadores para cada modelo de explotación definido o explotación VIII Conclusiones particulares para las explotaciones de vacuno lechero...............222 REFERENCIAS BIBLIOGRÁFICAS ................................................................223 BIBLIOGRAFÍA 227 ANEXO I MODELO DE ENCUESTA A PRODUCTORES ....................................................241 ANEXO II CURRICULUM VITAE .............................................................................255 ANEXO III RELACIÓN DE PUBLICACIONES .................................................................263 IX Índice de figuras Figura 1.1: Estructura de la aplicación....................................................... 32 Figura 2.1: Procedimiento de generación de combinaciones. ............................ 60 Figura 2.2: Diagrama tipo de un proceso combinatorio.................................... 61 Figura 2.3: Árbol de combinaciones de quinto orden, para todas las explotaciones.............................................................................. 74 Figura 2.4: Distribución de las explotaciones según Tipologías. ......................... 77 Figura 3.1: Distribución de las explotaciones de vacuno lechero según número para las tres tipologías..................................................................100 Figura 3.2: Distribución actual del cultivo del trigo y propuesta de ocupación. .....108 Figura 3.3: Distribución actual del cultivo de patata en secano y propuesta de ocupación. ................................................................................108 Figura 3.4: Distribución actual de las explotaciones de vacuno lechero y propuesta de ocupación.................................................................109 Figura 3.5: Zonificación de Galicia en base a la Temperatura Media Anual por Municipios, (ºC)...........................................................................110 Figura 3.6: Zonificación de Galicia en base a la temperatura mínima anual por municipios, (ºC). .........................................................................110 Figura 3.7: Zonificación de Galicia en base a la temperatura máxima anual por municipios, (ºC). .........................................................................111 Figura 3.8: Zonificación de Galicia en base a la amplitud térmica por municipios.................................................................................111 Figura 3.9: Zonificación de Galicia en base a la precipitación anual por municipios, (mm). .......................................................................112 Figura 3.10: Zonificación de Galicia en base a la altitud geográfica media por municipios, (m)...........................................................................112 Figura 3.11: Zonificación de Galicia en base a la pendiente media del terreno por municipios, (%). .....................................................................113 Figura 3.12: Valores de la variable CV Tr.Pr./SAU, para las explotaciones de vacuno lechero de rango 2. ............................................................124 Figura 3.13: Valores de la variable UGT/UTAs totales, para las explotaciones de vacuno lechero de rango 2..........................................................124 Figura 3.14: Valores de la variable UGM Bov./SF Tot., para las explotaciones de vacuno lechero de rango 2..........................................................124 Figura 4.1: Proceso de caracterización de las Explotaciones Modelo..................136 Figura 5.1: Estructura del modelo de análisis técnico-económico y financiero.......193 XI Índice de gráficas Grafica 2.1: Distribución por rangos, del número de explotaciones de vacuno lechero...................................................................................... 67 Gráfica 2.2: Distribución de las explotaciones según Tipologías. ........................ 77 Gráfica 2.3: Potencia media de los tractores referida a la SAU de la explotación. ............................................................................... 78 Gráfica 2.4: Mano de obra unitaria ocupada en las explotaciones, referida a las UGM totales............................................................................ 78 Gráfica 3.1: Distribución del cultivo del trigo según rangos de precipitación, (mm). ......................................................................................101 Gráfica 3.2: Distribución del cultivo del trigo según rangos de altitud, (m). .........101 Gráfica 3.3: Distribución del cultivo del trigo según rangos de pendiente, (%).......102 Gráfica 3.4: Distribución del cultivo del trigo según rangos de temperatura media, (ºC)................................................................................102 Gráfica 3.5: Distribución del cultivo del trigo según rangos de amplitud térmica, (ºC)..............................................................................103 Gráfica 3.6: Distribución del cultivo de patata en secano, según rangos de precipitación, (mm). ....................................................................104 Gráfica 3.7: Distribución del cultivo de patata en secano, según rangos de Tª. Media, (ºC). ...............................................................................104 Gráfica 3.8: Distribución del cultivo de patata en secano, por rangos de pendiente media, (%)....................................................................104 Gráfica 3.9: Distribución del cultivo de Patata en secano, según rangos de Altitud, (m). ..............................................................................104 Gráfica 3.10: Distribución del cultivo de patata en secano, por rangos de amplitud térmica, (ºC). .................................................................105 Gráfica 3.11: Distribución del vacuno lechero (T1), según rangos de precipitación, (mm). ....................................................................106 Gráfica 3.12: Distribución del vacuno lechero (T1), según rangos de temperatura media, (ºC). ..............................................................106 Gráfica 3.13: Distribución del vacuno lechero (T1), según rangos de pendiente media, (%)....................................................................106 Gráfica 3.14: Distribución del vacuno lechero (T1), según rangos de altitud, (m). ........................................................................................106 Gráfica 3.15: Distribución del vacuno lechero (T1), según rangos de amplitud térmica, (ºC)..............................................................................107 Gráfica 3.16: Valores de la Media para la variable, Ud en recría por vaca en producción. ...............................................................................121 Gráfica 3.17: Valores de la Media para la variable, CV en tractores propios por cada hectárea de SAU. .............................................................121 Gráfica 3.18: Valores de la Media para la variable, UGM bovinos / Superficie Forrajera Total. ..........................................................................122 XII Gráfica 5.1: Ajuste mediante polinomio de grado 4.......................................185 Gráfica 5.2: Ajuste mediante polinomios de grado 2 .....................................185 Gráfica 5.3: Estimación de la mano de obra mediante polinomios de grado 4 (rojo) y grado 2 (verde).................................................................201 Gráfica 5.4: Estimación del rendimiento neto mediante polinomios de grado 4 (rojo) y grado 2 (verde).................................................................201 Gráfica 5.5: Estimación de la mano de obra mediante un polinomio de grado 3.....................................................................................201 Gráfica 5.6: Estimación del rendimiento neto mediante un polinomio de grado 3.....................................................................................201 Gráfica 5.7: Estimación de la mano de obra mediante polinomios de grado 3 (rojo) y grado 2 (verde).................................................................203 Gráfica 5.8: Estimación del rendimiento neto mediante polinomios de grado 3 (rojo) y grado 2 (verde).................................................................203 Gráfica 5.9: Estimación de la mano de obra mediante polinomios de grado 2. ......203 Gráfica 5.10: Estimación del rendimiento neto mediante polinomios de grado 2.....................................................................................203 Gráfica 5.11: Superficie forrajera (ha). .....................................................206 Gráfica 5.12: Rendimiento neto (€)..........................................................206 Gráfica 5.13: Mano de obra (h/año). ........................................................206 Gráfica 5.14: Valor de la TIR para los distintos grupos de explotaciones..............206 Gráfica 5.15: Evolución de la TIR con la dimensión de las explotaciones. ............207 Gráfica 5.16: Evolución del VAN según distintas tasas de actualización en la T1...........................................................................................207 Gráfica 5.17: Evolución del VAN según distintas tasas de actualización en la T2...........................................................................................207 Gráfica 5.18: Comparación del VAN entre explotaciones de distinta tipología y dimensión equivalente. .................................................................208 Gráfica 5.19: Comparación del VAN entre explotaciones de distinta tipología y dimensión equivalente. .................................................................208 Gráfica 5.20: Variación del VAN con el tamaño de las explotaciones. .................208 Gráfica 5.21: Evolución de la relación B/I según distintas tasas de actualización en la T1...................................................................208 Gráfica 5.22: Evolución de la relación B/I según distintas tasas de actualización en la T2...................................................................208 Gráfica 5.23: Comparación de la relación B/I entre explotaciones de distinta tipología y dimensión equivalente. ...................................................209 Gráfica 5.24: Comparación de la relación B/I entre explotaciones de distinta tipología y dimensión equivalente. ...................................................209 Gráfica 5.25: Evolución de la relación B/C según distintas tasas de actualización en la T1...................................................................209 XIII Gráfica 5.26: Evolución de la relación B/C según distintas tasas de actualización en la T2...................................................................209 Gráfica 5.27: Comparación de la relación B/C entre explotaciones de distinta tipología y dimensión equivalente. ...................................................210 Gráfica 5.28: Comparación de la relación B/C entre explotaciones de distinta tipología y dimensión equivalente. ...................................................210 Gráfica 5.29: Evolución del BAE según distintas tasas de actualización en la T1...........................................................................................210 Gráfica 5.30: Evolución del BAE según distintas tasas de actualización en la T2...........................................................................................210 Gráfica 5.31: Comparación del BAE entre explotaciones de distinta tipología y dimensión equivalente. .................................................................210 Gráfica 5.32: Comparación del BAE entre explotaciones de distinta tipología y dimensión equivalente. .................................................................210 Gráfica 5.33: Evolución del BAE con la dimensión de las explotaciones. ..............211 Gráfica 5.34: TIR para las cuatro hipótesis según grado de amortización. ............212 Gráfica 5.35: VAN para distintas hipótesis y tasas de actualización en torno a la T1R3.....................................................................................213 Gráfica 5.36: Relación B/I para distintas hipótesis y tasas de actualización en torno a la T1R3...........................................................................213 Gráfica 5.37: Relación B/C para distintas hipótesis y tasas de actualización en torno a la T1R3...........................................................................213 Gráfica 5.38: BAE para distintas hipótesis y tasas de actualización en torno a la T1R3.....................................................................................213 Gráfica 5.39: TIR para las situaciones actual y transformada. ..........................214 Gráfica 5.40: VAN para las situaciones actual y transformada. .........................215 Gráfica 5.41: Relación Beneficio/Inversión para las situaciones actual y transformada. ............................................................................215 Gráfica 5.42: Relación Beneficio/Coste para las situaciones actual y transformada. ............................................................................215 Gráfica 5.43: BAE por UTA para las situaciones actual y transformada................215 Gráfica 5.44: TIR para las situaciones inicial y transformada. ..........................215 Gráfica 5.45: VAN para las situaciones inicial y transformada. .........................215 Gráfica 5.46: Relación Beneficio/Inversión para las situaciones actual y transformada. ............................................................................215 Gráfica 5.47: Relación Beneficio/Coste para las situaciones actual y transformada. ............................................................................217 Gráfica 5.48: BAE por UTA para las situaciones actual y transformada................217 Gráfica 5.49: TIR para las distintas opciones productivas, según distintos valores de la Tasa de Inflación. .......................................................218 Gráfica 5.50: Evolución del VAN para las cuatro opciones productivas, según distintos valores de la Tasa de Inflación. ...........................................219 XIV Gráfica 5.51: Relación Beneficio/Inversión para las cuatro opciones productivas, según distintos valores de la Tasa de Inflación....................219 Gráfica 5.52: Relación Beneficio/Coste para las cuatro opciones productivas, según distintos valores de la Tasa de Inflación....................................220 Gráfica 5.53: Relación Beneficio/Coste para las situaciones actual y transformada. ............................................................................220 Gráfica 5.54: BAE por UTA para las situaciones actual y transformada................220 XV Índice de tablas Tabla I.1: Evolución temporal de la ocupación laboral en las explotaciones agrarias de Galicia, entre los años 1982 y 2003........................................8 Tabla I.2: Evolución temporal del número y dimensión media de las explotaciones de vacuno en Galicia.................................................... 11 Tabla I.3: Evolución temporal del número y dimensión media de las explotaciones agrarias en Galicia. ..................................................... 13 Tabla I.4: Evolución temporal de la dimensión media de las parcelas en Galicia. ..................................................................................... 14 Tabla I.5: Valor de las producciones agrarias correspondientes al año 2001........... 16 Tabla I.6: Distribución de la superficie según Pendiente media municipal............ 16 Tabla I.7: Distribución de la superficie según Cota Geográfica media municipal ..... 17 Tabla I.8: Distribución de la superficie según Precipitación media municipal. ....... 17 Tabla I.9: Distribución de la superficie según Temperatura Media Anual a nivel municipal................................................................................... 18 Tabla 1.1: Cálculo del beneficio esperado para el pino, leche, arándano y judía verde a partir de 7 ha de terreno con la mano de obra propia se limita a 1.920 h/año y 10 h/día. ....................................................... 39 Tabla 1.2: Cálculo de la dimensión, mano de obra e inversión requeridas para obtener un beneficio de 6.316,80 € a partir de la producción de pino, leche, arándano y judía verde. ......................................................... 39 Tabla 1.3: Cálculo del beneficio esperado para la producción de pino, leche, arándano y judía verde, cuando la mano de obra propia se limita a 1.920 h/año. ...................................................................................... 39 Tabla 2.1: Evolución del número de explotaciones de vacuno lechero según dimensión. ................................................................................. 65 Tabla 2.2: Resultados preliminares para las principales combinaciones de primer orden............................................................................... 66 Tabla 2.3: Distribución de las explotaciones según los límites de clase ................ 68 Tabla 2.4: Combinaciones de primer orden con Vacuno de aptitud lechera. .......... 68 Tabla 2.5: Combinaciones de segundo orden con Vacuno de aptitud lechera y pradera permanente...................................................................... 70 Tabla 2.6: Combinaciones de segundo orden con vacuno de aptitud lechera y maíz forrajero. ............................................................................ 71 Tabla 2.7: Combinaciones de segundo orden con vacuno de aptitud lechera y forrajeras plurianuales................................................................... 71 Tabla 2.8: Combinaciones de segundo orden con vacuno de aptitud lechera y vacuno de carne........................................................................... 71 Tabla 2.9: Distribución de las explotaciones por clase dimensional (rango) y tipología. ................................................................................... 76 Tabla 3.1: Distribución de las explotaciones de vacuno lechero por clase y tipología. ................................................................................... 98 XVI Tabla 3.2: Rangos preferentes para cultivo del trigo relativos a los gráficos 3.1 a 3.5. ..................................................................................108 Tabla 3.3: Rangos preferentes para cultivo de la patata en secano, relativos a los gráficos 2.6 a 2.10...................................................................108 Tabla 3.4: Rangos preferentes para explotación de vacuno lechero, relativos a las gráficas 2.11 a 2.15..................................................................109 Tabla 3.5: Distribución de las explotaciones para cada factor, según tipología y zona. .....................................................................................114 Tabla 3.6: Distribución por zonas de la SAU de Galicia, según datos del Censo Agrario de 1999...........................................................................115 Tabla 3.7: Diferenciación general entre zonas, para cada variable de referencia. ................................................................................116 Tabla 3.8: Diferencias más relevantes entre zonas para explotaciones de la tipología 1.................................................................................118 Tabla 3.9: Diferencias más relevantes entre zonas para explotaciones de la tipología 2.................................................................................119 Tabla 3.10: Diferencias más relevantes entre zonas para explotaciones de la tipología 3.................................................................................120 Tabla 3.11: Diferenciación entre grupos con escenarios territoriales comunes a todos los factores ........................................................................123 Tabla 4.1: Valores de referencia para la selección de las explotaciones representativas por el encuestador en campo. .....................................138 Tabla 4.2: Valores correspondientes a la Media y la Desviación Estándar, obtenidos a partir de los datos del Censo Agrario y tomados para determinar el tamaño de la Muestra..................................................139 Tabla 4.3: Resultados para el tamaño muestral para un error global del 5% y nivel de confianza del 95% .............................................................139 Tabla 4.4: Error global estimado para la muestra realizada según para cada combinación Tipología-Rango, calculado a partir de la variable VL/UGT. .....140 Tabla 4.5: Importancia relativa de cada partida de la cuenta de explotación. ......142 Tabla 4.6: Composición y dimensión del rebaño para los distintos grupos. ...........147 Tabla 4.7: Estructura de la base territorial de las explotaciones de los distintos grupos...........................................................................149 Tabla 4.8: Aprovechamiento de la superficie forrajera. .................................150 Tabla 4.9: Sistemas de implantación y renovación de cultivos forrajeros.............151 Tabla 4.10: Valores medios unitarios utilizados en el abonado de los cultivos forrajeros..................................................................................152 Tabla 4.11: Caracterización de los sistemas de recolección y manejo del forraje. ....................................................................................153 Tabla 4.12: Caracterización de la maquinaria utilizada por las explotaciones. ......155 Tabla 4.13: Caracterización de edificaciones de las explotaciones. ...................157 Tabla 4.14: Caracterización de las instalaciones de las explotaciones.................159 XVII Tabla 4.15: Caracterización de las operaciones de manejo en las explotaciones.............................................................................160 Tabla 4.16: Caracterización de los sistemas de alimentación en las explotaciones.............................................................................161 Tabla 4.17: Caracterización de distintos aspectos a partir de los gastos generados en las explotaciones........................................................162 Tabla 4.18: Caracterización de las producciones de las explotaciones. ...............163 Tabla 5.2: Representación porcentual de los gastos. .....................................196 Tabla 5.3: Indicadores de eficiencia productiva...........................................197 Tabla 5.1: Cuenta anual de resultados para los modelos de explotación representativos. Valores unitarios por vaca lechera. ..............................198 Tabla 5.4: Retribución de la mano de obra propia en relación con la dimensión de las explotaciones.....................................................................199 Tabla 5.5: Resultados esperados según diferentes grados de descapitalización......200 Tabla 5.6: Resultados previsibles para una explotación de 100 VL. ....................202 Tabla 5.7: Resultados previsibles para una explotación de 36 VL.......................204 Tabla 5.8: Comparación de resultados obtenidos mediante GESTOP y el nuevo modelo de análisis. ......................................................................205 Tabla 5.9: Comparación entre el BAE y el Ingreso Neto/UTA............................211 José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 6 El cultivo del naranjo y el limonero tuvo una cierta importancia en algunas zonas costeras, con presencia incluso en Ourense. En torno a 1957-1958 se contabilizó un total de unas 37.000 plantas, localizadas principalmente en las provincias de A Coruña y Pontevedra. El viñedo llegó a ocupar cerca de unas 30.000 has en torno a 1970-1975, la mayor parte en Ourense (unas 17.000 ha), seguida de Pontevedra, Lugo y A Coruña. Según las localizaciones descritas por Bouhier, la distribución de las zonas vitícolas es muy semejante a la actual. La superficie que en torno a 1970, se dedicada al cultivo del castaño injertado destinado a la producción de fruto, se estimaba en algo más de 14.000 ha distribuidas principalmente en la parte central, meridional y sureste del las Montañas Orientales. El cultivo de variedades autóctonas de maíz presenta una amplia difusión en Galicia ya desde mediados del siglo XVIII, hasta el punto en que se extendió a todos los municipios, formando parte de rotaciones de cultivos. Sin embargo, el intento de introducir variedades hibridas ha fracasado hasta finales del siglo XX. El cultivo de cereales en Galicia (trigo y centeno), hasta 1965 e incluso 1970 de forma residual, se realizaba fundamentalmente mediante las conocidas como “estivadas” o “cavadas”4, ampliamente difundidas por toda la región en sus diversas formas descriptas con detalle por Bouhier. A partir de 1965, las estivadas tienden a desaparecer, tanto a consecuencia de prohibiciones administrativas como por el éxodo de jóvenes hacia las ciudades. De este modo, el cultivo de los cereales queda relegado a los labradíos de secano. El cultivo del nabo forma parte de las rotaciones como cereal de invierno para la alimentación del ganado. Su cultivo se encuentra ampliamente difundido en torno a 1970. La explotación de ganado ovino y caprino en torno a 1965, aunque con distinta intensidad, se encuentra extendida por toda la región en base al pastoreo en terrenos incultos (monte). Estimaciones para 1865 cifraban en casi 2 millones el número total de cabezas, representando el caprino 1/6 parte. Los datos correspondientes a los censos de 1966 reducen a la cuarta parte el número de efectivos y en torno a 1972, estas cifras se reducen a tan solo un 10%, constituida casi exclusivamente por un reducido número de cabezas que acompañan a las vacas en el pasto. 4Estivadas o Cavadas. Estos son algunos de los términos con los que se conocían las labores destinadas a la implantación del cultivo de cereales en terrenos de matorral, durante el periodo estival. Estas labores realizadas de forma totalmente manual, consistían en la corta del matorral, el levantado y volcado de los terrones que luego de secos y amontonados, se quemaban para finalmente esparcir las cenizas y sembrar el cereal de invierno. Esta práctica fue prohibida a partir de 1965. José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 7 La presencia de caballo en Galicia en torno a 1965 atiende a dos modalidades. Por una parte, los llamados caballos salvajes (animales sueltos todo el año en el monte), solo se pueden encontrar en unos pocos lugares tales como Sabucedo (Pontevedra). Por otra, el caballo doméstico, utilizado para labores de labranza, más extendido pero desplazado por las vacas, se mantenía en un régimen de semilibertad. A mediados del siglo XX, el cerdo forma parte de la cabaña ganadera de todo campesino gallego, como provisor de alimento para autoconsumo e incluso venta de sus productos. El ganado bovino, en torno a 1966 y citando textualmente a Bouhier (2001), … representa a la vez la base, el instrumento y la finalidad del sistema de producción agrícola … es decir, producía abono, se utilizaba para labrar las tierras y generalmente suponía la principal fuente de ingresos. Aunque con distinta densidad, se extiende por todo Galicia, estimándose una cabaña de en torno a 1.295.000 cabezas, cifra que descendería ligeramente en los años siguientes. Un dato significativo lo supone el hecho de que entonces, tan solo en torno a un 10% de las vacas eran destinadas exclusivamente a la producción de leche. Se puede concluir esta breve revisión referenciada a los trabajos de Bouhier, intentando reconstruir una explotación característica de la realidad de aquellos años. Esta estaría constituida por un pequeño rebaño de ovino-caprino alimentado básicamente mediante pastoreo en los montes; un reducido número de vacas que proporcionaban abono, fuerza para laboreo y algunos ingresos por la venta de terneros y leche, y que se alimentaban del pasto de los montes y pastizales, de los forrajes producidos en los prados y maíz, y de la producción de nabos durante el invierno; cerdos y otros pequeños animales (gallinas, conejos), alimentados también con las patatas, cereales o el maíz cosechado. Todo el trabajo empleado en las labores de labranza y el cuidado o manejo de los animales, provenía del que entonces constituía el principal activo de las explotaciones; la mano de obra de toda la familia, ayudada por la fuerza animal proporcionada por las vacas, bueyes o caballos. Hay que tener presente que el inicio de la mecanización comenzó en Galicia en torno a 1965, consecuencia de la emigración del activo humano. A partir de 1960 comienzan a producirse importantes cambios en el sector agrario gallego. La fuerte corriente migratoria que se prolongaría hasta mediados de la década de los 70, dejaría al agro gallego sin su principal activo, la mano de obra. Entre 1951 y 1970, emigraron más de 1.100.000 personas, inicialmente a América, luego principalmente a Europa y finalmente a otras regiones de España. Si en torno a 1970, a la población ocupada en actividades agrarias5 se le sumase el saldo 5 La población agraria en 1970 se estimaba en torno a 984.000 personas y el número de explotaciones existentes entonces, se situaría en unas 390.000. Los Censos Agrarios de 1962 y 1972 reflejan cifras de 433.696 y 386.385 explotaciones respectivamente. José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 8 migratorio del momento, se obtendría una media de unos 5 ocupados por explotación. No ha ocurrido así, y hasta 1999 el volumen de ocupados en la actividad agraria ha disminuido más rápidamente que el número de explotaciones. Los datos de la tabla I.1 muestran claramente un punto de inflexión en torno a 1999, que da lugar a lo que se podría llamar una nueva etapa en la evolución de la estructura de las explotaciones agrarias. Se produce una drástica reducción del número de explotaciones, mientras que el activo humano disminuye en menor proporción, aumentando como consecuencia el volumen de ocupados por explotación. Se está produciendo una profesionalización del sector; desaparecen fundamentalmente las pequeñas explotaciones, técnica y económicamente inviables, para dar paso a otras de mayor dimensión, más profesionalizadas y con una mayor viabilidad. La evolución del sector agrario desde entorno a 1970 hasta la actualidad puede ser constatada a partir del análisis de varios factores. Entre los principales, la mano de obra ya referida, los niveles de mecanización y la evolución de las producciones y sistemas de explotación, factores que a continuación se analizan. Año Total Ocupados Ocupados A. Agraria % Ocup. A. Agraria Número Explotaciones Ocupados Explotación 1982 1.090.400 454.375 41,67% 361.680 1,26 1989 1.059.100 381.500 36,02% 359.157 1,06 1999 971.075 172.525 17,77% 270.053 0,64 2003 1.069.425 135.575 12,68% 101.764 1,33 Tabla I.1: Evolución temporal de la ocupación laboral en las explotaciones agrarias de Galicia, entre los años 1982 y 2003. Fuente: Elaboración propia a partir de datos de los Censos Agrarios de 1982,1989 y1999; Encuesta sobre la Estructura de las Explotaciones Agrícolas del 2003 y Encuesta de Población Activa de 1982, 1989, 1999 y2003. INE. Tomando el valor de la potencia media de los tractores como indicador del grado de mecanización de las explotaciones, mientras que en torno a 1965, estás máquinas eran casi inexistentes, según los datos de los Censos Agrarios, en 1989 este valor se situaba en torno a 8,7 CV/explotación y en 1999 se eleva a los 23,6 CV/explotación. A medida que se reducía la disponibilidad de mano de obra, se incrementaban los niveles de mecanización. En la actualidad, con la aparición de las CUMAs6, las empresas de servicios agrarios y la proliferación de otros tipos de máquinas autopropulsadas, resulta más difícil establecer un valor para el indicador del grado de mecanización de las explotaciones. Es posible que este valor se haya incrementado si se toma la explotación como unidad de referencia, dada su mayor dimensión media y la consiguiente necesidad de mecanización de los procesos, pero posiblemente tienda a disminuir si se toma como unidad de referencia la unidad de producción (ha, vaca, litro de leche, etc.), ante una mayor optimización en el uso de la maquinaria. 6CUMAs. Las CUMAs son Cooperativas de Utilización de Maquinaria Agrícola. Mediante la adquisición y utilización de la maquinaria en sociedad, los agricultores pueden acceder a determinadas máquinas y reducir sus costes de utilización. José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 9 Las transformaciones en el sector agrario a lo largo de los últimos 35 años, han afectado más a los sistemas producción que a las propias producciones. Se ha modificado la dimensión de las explotaciones y los volúmenes finales de producción, se han adecuado y profesionalizado los sistemas de explotación pero las producciones existentes apenas han sufrido alteraciones respecto de las existentes a mediados del siglo XX. En la actualidad, con referencia al Censo Agrario de 1999, se mantienen los cultivos detallados por Bouhier en torno a 1965, con la excepción del lúpulo, tabaco y lino. Otros como el maíz y el nabo han cambiado su orientación productiva. En la actualidad, maíz se destina a ensilado mientras que antaño se cultivaba para la obtención de grano o para su consumo en verde por el ganado. En cuanto al cultivo del nabo, en la actualidad podría incluirse en el grupo de las hortalizas mientras que hasta finales del siglo pasado, se destinaba principalmente a la alimentación del ganado. A la lista habría que añadir el cultivo del Kiwi, el cual en 1999 ocupaba unas 575 ha, y el incremento del cultivo de plantas ornamentales. En cuanto a los aprovechamientos ganaderos, también cabe citar la permanencia de los reflejados por Bouhier y la incorporación, con una reducida importancia, del avestruz. Los datos del Censo Agrario de 1999 reflejan la presencia de cultivos hortícolas en más de 79.600 explotaciones, la tercera parte de las antaño existentes, y con una dimensión media de en torno a 1 ha por explotación. Esto nos indica la presencia del cultivo como actividad complementaria o de autoconsumo. Seleccionando las explotaciones con más de 2.000 m2 de cultivo hortícola al aire libre, se acumulan 223 ha distribuidas en 338 explotaciones, localizadas en 82 municipios, de los cuales tan sólo 23 cuentan con un mínimo de 4 explotaciones. Seleccionando las explotaciones con más de 200 m2 de cultivo hortícola bajo cubierta, se acumulan 50 ha distribuidas en 107 explotaciones, localizadas en 46 municipios, de los cuales tan sólo 8 cuentan con un mínimo de 4 explotaciones. El cultivo de la patata está presente en la mayoría de las explotaciones; en el 69% y 56% según los datos de los Censos Agrarios de 1989 y 1999 respectivamente. En la mayoría de los casos se trata de una producción destinada al autoconsumo. A partir de los datos del Censo de 1999 y seleccionando las explotaciones con más de 4.000 m2 de este cultivo en regadío, se acumulan 2.060 ha distribuidas en 442 explotaciones, el 87% situadas en la zona de la Limia. Con la misma limitación, en el caso de su cultivo en secano, solo se acumulan 1.055 ha distribuidas en 1.241 explotaciones dispersas en 96 municipios. Estas 3.118 ha suponen el 16,2% de la superficie total cultivada (19.286 ha). La fracción restante se distribuiría entre 148.977 explotaciones con una superficie unitaria media de cultivo de 1.182 m2. Según los datos recogidos del Censo Agrario de 1999, la superficie dedicada al cultivo de viñedo (unas 17.831 ha), habría descendido un 40% respecto a las cifras dadas para 1970-75, sin embargo, se ha incrementado ligeramente respecto de los valores aportados por el Censo de 1989, habiéndose duplicado la superficie cultivada bajo la protección de alguna Denominación de Origen. La dimensión media de las José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 10 explotaciones oscila en torno a los 2.150 m2 y un 70% de las explotaciones abarcaría el 50% de la superficie cultivada. Los principales cereales con presencia actualmente en Galicia son el trigo y el centeno. A mediados del siglo XX llegaron a cultivarse en casi todas las explotaciones de la región, pero según los datos del Censo Agrario de 1999, el trigo solo está presente en 22.768 explotaciones (20.692 ha cultivadas), y el centeno en 10.618 explotaciones (6.918 ha cultivadas). En ambos casos, en el 80% de las explotaciones se cultiva menos de 1 ha de superficie. En cuanto a su localización espacial, seleccionando únicamente las explotaciones con una superficie mínima de cultivo de 1 ha de trigo, más del 70% de estas corresponden a la zona de la Limia y con una presencia también notable en la zona de Villalba y Cospeito (Lugo), y Carballo y su entorno, en A Coruña. Así pues, el cultivo de estos cereales destinado al autoconsumo, se mantiene en un importante número de explotaciones dispersas por la región, pero su producción comercial se encuentra muy localizada. El cultivo del maíz sigue siendo uno de los más difundidos en Galicia. Los Censos Agrarios de 1989 y 1999 muestran su presencia en 145.680 y 106.555 explotaciones respectivamente (un 40% del total de censadas), habiéndose incrementado la superficie cultivada en un 23% en 1999. Según los datos Censo Agrario referidos a este año, el número de explotaciones que cultivan maíz forrajero es de 26.415 (un 25% de las que lo cultivaban en 1989), ocupando 28.225 ha (un 45% de la superficie total), es de destacar que en el Censo de 1989 el cultivo del maíz forrajero se incluía en el grupo de los forrajes verdes anuales. Los datos de la Encuesta sobre la Estructura de las Explotaciones Agrícolas de 2003, muestran un total de 43.237 ha cultivadas en 24.773 explotaciones (1,75 ha/explotación). Así pues, la tendencia para este cultivo apunta hacia un incremento del uso forrajero en torno a las explotaciones de vacuno. En cuanto al cultivo de los contemplados por los Censos Agrarios como “forrajes verdes” vinculados a explotaciones ganaderas, comparando los datos de los Censos de 1989 y 1999, cabe señalar dos aspectos relevantes. Tanto el número de explotaciones como la superficie destinada a estos cultivos forrajeros anuales, han descendido notablemente. Por el contrario, los cultivos forrajeros plurianuales (praderas), han visto triplicada su superficie y están presentes en un mayor número de explotaciones (86.499 ha en 19.527 explotaciones según los datos de la Encuesta sobre la Estructura de las Explotaciones Agrícolas de 2003). Este último aspecto guarda relación con la profesionalización alcanzada en las explotaciones ganaderas dependientes de la tierra. Con referencia al Censo Agrario de 1999, señalar también que otros cultivos como el manzano (2.140 ha en 49.164 explotaciones), peral (466 ha en 19.996 explotaciones), cerezo, nogal o el castaño, se encuentran fundamentalmente dispersos en multitud de explotaciones en forma de plantas aisladas. Por el José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 11 contrario, el kiwi (573 ha en 1.537 explotaciones), melocotonero (189 ha en 9.578 explotaciones), ciruelo, limonero y naranjo, etc., aunque dispersos, se pueden localizar principalmente en zonas más específicas, motivo a sus exigencias climáticas. Finalmente destacar la importancia creciente del cultivo de flores y plantas ornamentales con 422 ha distribuidas en 1.559 explotaciones. La explotación del vacuno ha sufrido importantes transformaciones desde 1966, con una cabaña que para entonces se estimaba en 1.295.000 bovinos. Se han modificado sus funciones, composición y estructuras productivas. La vaca ha dejado de ser un animal con múltiples funciones para convertirse en un animal especializado en la producción de carne o leche. Se ha pasado de unas explotaciones mixtas (con presencia simultánea de razas cárnicas, lecheras y sus cruces y una media de unas 3 vacas), a otras con una especialización cada vez mayor en una sola producción y de mayor tamaño. Las transformaciones más relevantes han tenido lugar en los sistemas productivos. De una alimentación basada en el pastoreo y el aprovisionamiento y suministro de alimento de forma totalmente manual, condicionada por la estacionalidad de las producciones, se ha pasado a otra totalmente mecanizada, basada en la conservación de forraje (henificado y ensilado), complementada con productos externos a la explotación, muy poco o nada condicionada por la estacionalidad de las producciones. Los alojamientos compartidos por todos los animales de la explotación con cama vegetal, se han transformado a sistemas de estabulaciones (inicialmente trabadas y posteriormente libres), que facilitan el manejo de los animales y la mejora de las condiciones higiénicas y sanitarias de los productos. Paralelamente ha tenido lugar una importante mejora genética que ha afectado a las razas de aptitud cárnica, pero fundamentalmente a las razas de aptitud láctea, permitiendo sobretodo lograr mayores rendimientos productivos. Todas estas transformaciones han desembocado en una drástica disminución en el número de explotaciones y un notable incremento en su dimensión media, según datos de la tabla I.2. De estos datos se desprende que solamente el grupo de explotaciones con una dimensión superior a las 19 vacas mantiene sus efectivos, lo cual llevaría a concluir que si las demás explotaciones desapareciesen, estas tendrían que duplicar su dimensión para sostener los niveles de producción. Ello tendría importantes consecuencias sobre la actual ordenación de este sector productivo. Año Variable Total > 9 vacas > 19 vacas Nº Explotaciones 80.753 24.751 9.405 1999 Nº Vacas 697.538 506.281 296.611 Nº Explotaciones 59.337 20.537 9.417 2003 Nº Vacas 590.450 462.192 312.045 Tabla I.2: Evolución temporal del número y dimensión media de las explotaciones de vacuno en Galicia. Fuente: Encuesta de bovino. Instituto Galego de Estatística, IGE. José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 12 La explotación de ganado ovino y caprino cuenta con una cabaña, que según los datos del Censo Agrario de 1999 (279.318 ovejas y 40.500 cabras en 39.925 y 7.091 explotaciones respectivamente), es muy similar en volumen a la de 1972. El 86% de las explotaciones cuentan con menos de 10 cabezas, un 4% cuentan con un mínimo de 25 animales y solo 398 explotaciones que cuentan con un mínimo de 100 unidades, aportan el 23% de los animales. Por tanto se puede concluir que la gran mayoría de las explotaciones que tienen ovejas o cabras, las destinan al autoconsumo o incluso vende algún animal y solo unas pocas explotan este ganado como actividad principal o relevante. La cría de caballos presenta una situación similar a la del ovino y caprino. Este animal está presente en 11.587 explotaciones, de las cuales, un 87% cuentan con menos de 4 cabezas y solo 202 con un mínimo de 20 cabezas aportan el 25% de los efectivos, que según el Censo Agrario de 1999, se sitúa en las 29.309 cabezas. De este modo se puede afirmar que son muy pocas las explotaciones en las cuales se cría este animal con objetivos comerciales, estando presente en la gran mayoría como animal de ocio o incluso con un uso residual en actividades de labranza. El cerdo está presente algo más de 1/3 parte de las explotaciones censadas en 1999 y en el 99% hay menos de 10 animales. De este modo, el 71% de los animales en cebo se concentran en un 1% de las explotaciones. Así pues, son muchas las explotaciones que cuentan con un reducido número de animales destinados al autoconsumo pero la gran mayoría de los efectivos se concentran en granjas especializadas, con sistemas intensivos de manejo. La cría de conejos, gallinas de puesta, pollo de carne, etc., presenta una situación similar a la del cerdo; están presentes en la gran mayoría de las explotaciones con destino al autoconsumo pero el abastecimiento de los mercados se realiza a partir de la explotación con sistemas intensivos. A modo de ejemplo, según los datos del Censo Agrario de 1999, el 53% de las explotaciones cuenta con alguna gallina de puesta, pero el 62% de los animales están en explotaciones con más de 24 gallinas. Una reciente incorporación a la cabaña ganadera gallega es el avestruz. El Censo de 1999 contabilizó 94 explotaciones con 1.227 animales. Un 45% de las explotaciones tienen menos de 4 animales y solo 13 de ellas cuentan con el 62% de los censados (755 aves). Finalmente y también según los datos del Censo Agrario de 1999, considerar la existencia de unas 78.000 colmenas, distribuidas entre algo más de 14.000 explotaciones, de las cuales solo el 1,2% cuenta con un mínimo de 50 colmenas, representando el 26% del total de colmenas censado. Con referencia a las producciones forestales, según los datos del I y III Inventarios Forestales (años 1974 y 2002), la superficie forestal se ha incrementado en un 3% y la fracción arbolada de esta, en un 12%. De este modo, la superficie José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 13 forestal alcanzaría el 70% de la total y su fracción arbolada el 69% (48% del total). Es destacable el hecho de que el 89% de las explotaciones agrarias censadas en 1999, cuenten con superficie de uso forestal y un 64% de ellas con superficie arbolada. El análisis realizado de las distintas producciones agrícolas y ganaderas, muestra sistemas productivos basados en explotaciones de mayor dimensión según se refleja en la tabla I.3 (dimensión según su SAU7), más especializados pero con vestigios de los sistemas tradicionales. A pesar de la especialización y profesionalización alcanzadas, la gran mayoría de las explotaciones cuenta con aprovechamientos destinados al autoconsumo o incluso capaces de generar ingresos complementarios, obtenidos mediante el uso compartido de los recursos de la explotación. No hay que olvidar que la estructura productiva del sector agrario en Galicia, se fundamenta históricamente en la explotación familiar, con un gran auge en la actualidad de las SATs 8, una buena parte de ellas constituidas por miembros de una misma unidad familiar. Según consta en los datos del Censo Agrario de 1999 (INE, 1999), de las 270.053 explotaciones censadas en Galicia, en 263.034 el titular es un Persona Física, en 243 una SAT y las 6.776 restantes ostentan otra Personalidad Jurídica. Año Nº Total de Explotaciones Nº Explotaciones con SAU SAU Media (ha) 1989 359.157 327.654 2,06 1999 270.053 240.836 2,89 2003 101.764 101.537 7,14 Tabla I.3: Evolución temporal del número y dimensión media de las explotaciones agrarias en Galicia. Fuente: Censos Agrarios de 1989, 1999 y datos de la Encuesta sobre la Estructura de las Explotaciones Agrícolas de 2003. INE. El éxodo de la población desde el campo hacia la ciudad, puede ser considerado como el factor interno desencadenante de las transformaciones que a lo largo de los últimos 35 años se han producido en la actividad agraria, pero otros factores han ido orientando esas transformaciones. El minifundismo del que se partió en Galicia ha evitado, retrasado o cuando menos, condicionado estos procesos de transformación y todavía lo sigue haciendo en la actualidad. Han sido y siguen siendo muchas las actuaciones de Concentración Parcelaria pero no han llegado del mismo modo a todo el territorio y todavía no se ha iniciado o finalizado en buna parte del mismo. Los datos que se muestran en la 7SAU. La Superficie Agraria Útil, según la metodología de elaboración del Censo Agrario, la constituyen el conjunto de la superficie de tierras labradas y tierras utilizadas como pastos permanentes. 8SAT: Las Sociedades Agrarias de Transformación son Sociedades civiles de finalidad económico-social en orden a la producción, transformación y comercialización de productos agrícolas, ganaderos y forestales, la realización de mejoras en el medio rural, promoción y desarrollo agrario y la prestación de servicios comunes que sirvan a aquella finalidad. Estas sociedades se regulan mediante el Real Decreto 1776/1981, de 3 de agosto, (BOE, 1981). José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 14 tabla I.4, evidencian un incremento insuficiente en la dimensión de las parcelas, para una adecuada mecanización de la mayor parte de las labores agrícolas. Año Censo Agrario (ha/parcela) Catastro Rústica (ha/parcela) 1989 0,407 - 1990 - 0,169 1999 0,433 0,211 2004 - 0,237 Tabla I.4: Evolución temporal de la dimensión media de las parcelas en Galicia. Fuente: Censos Agrarios y Catastro de Rústica. Las características de los factores climáticos, topográficos y edáficos, a los cuales se hace referencia en el siguiente apartado, directa o indirectamente, han impedido, condicionado o incentivado total o parcialmente la aparición, proliferación o desaparición de los aprovechamientos agrarios en Galicia, ante las exigencias de los nuevos sistemas productivos y la necesidad de rentabilizar las producciones. La revisión sobre la evolución de las producciones y sistemas productivos que se ha expuesto en este apartado, muestra varios ejemplos de ello. A mediados del siglo XX, el cultivo de cereales se realizaba manualmente, con la ayuda de la fuerza animal y el uso de sencillas herramientas, principalmente en terrenos de monte con importantes pendientes. El fuerte incremento del coste de la mano de obra obligó a la mecanización de los procesos. Inicialmente se produjo una mecanización parcial que permitió la continuidad de este cultivo en algunas fincas de monte con una pendiente no tan acusada o incluso residualmente en terrenos de labradío. Posteriormente, la cada vez más escasa y costosa mano de obra, obligó a la total mecanización de la recolección mediante cosechadoras que exigen de terrenos de mínima pendiente, parcelas con buena accesibilidad y cierta superficie, lo cual limitó el cultivo a aquellas parcelas que permitían rentabilidades mayores con otros cultivos, normalmente forrajes para la alimentación animal. La consecuencia fue la casi desaparición de este cultivo en Galicia, quedando restringido a unas zonas muy concretas y una reducida extensión cultivada. Un caso con una evolución totalmente opuesta fue la explotación del vacuno de aptitud lechera. Las favorables condiciones climáticas y edáficas para la producción forrajera, la posibilidad en una mecanización progresiva de los procesos productivos y la rentabilidad que inicialmente aportaba la actividad, permitió su gran proliferación, limitada por la imposición del sistema de cuotas lácteas y también en la actualidad, indirectamente y como consecuencia del grado de mecanización y profesionalización alcanzados, la elevada parcelación y otros factores del medio, empiezan a condicionar la continuidad de muchas explotaciones. Existen otros factores que son condicionantes para la continuidad de las explotaciones existentes, entre los que podríamos incluir los derivados de políticas José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 15 sectoriales, demanda y exigencias del mercado, vocación agraria del titular y sus descendientes, etc. Así el paisaje agrario gallego que conocemos en la actualidad, se ha ido configurando paulatinamente y casi exclusivamente con el devenir de los tiempos en función de las necesidades de cada momento (inicialmente de subsistencia y fundamentalmente económicos en la actualidad), los recursos disponibles (el territorio con sus potencialidades, las plantas y los animales), y los medios para la transformación de estos recursos (la mano de obra, las herramientas, los animales como fuente de tracción, las máquinas y el conocimiento). Solo años atrás con algunas actuaciones puntuales (“Lagoa de Antela”, Cospeito, etc), las actuaciones de Concentración Parcelaria que continúan en la actualidad, y en los últimos años, el sometimiento a la PAC con la incorporación en 1986 de España a la actual Unión Europea o algunas medidas legislativas (urbanísticas, medioambientales, etc), han influido de un modo ajeno a su evolución natural sobre el tipo, dimensión, localización y sistema productivo de las explotaciones agrarias gallegas. Por otra parte, los nuevos planteamientos de algunas actividades y sistemas productivos, requieren de fuertes inversiones con lo cual el análisis de la viabilidad técnico-económica y financiera de los distintos aprovechamientos agrarios y el análisis de los factores temporales y espaciales, adquieren una gran importancia. Así por ejemplo la concentración de explotaciones de vacuno lechero en unas áreas determinadas, ha traído consigo la intensificación de las producciones, abandonando sistemas extensivos, mientras que en otras áreas, la dificultad para redimensionar explotaciones ha provocado su abandono masivo con la reforestación de tierras agrarias, lo cual debería haber sido evitado. Todo ello ha introducido nuevos problemas en el sector agrario. En la actualidad tenemos una actividad agraria cada vez más globalizada, que necesariamente tiene que ser planteada como una actividad económica, capaz de suministrar alimento y otras producciones, y a su vez coexistir con otras actividades y respetar el medio en el cual se desarrolla, el entorno rural. En este marco, la Ordenación Productiva Agraria se configura como una herramienta válida, capaz de integrar todos los factores que influyen la actividad agraria, de establecer los enclaves preferenciales para cada aprovechamiento y los mecanismos de seguimiento y control del proceso, con la flexibilidad necesaria para permitir la adaptación a los cambios en los factores del entorno. Finalmente y para concluir esta revisión sobre la evolución de las producciones agrarias, en la tabla I.5 se aportan unas cifras ilustrativas de la importancia de las distintas producciones en Galicia relativas al año 2001. Destaca la producción de leche, de ahí que se considere estratégica en el sector agrario. José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 22 6. Establecer e implementar una metodología de análisis económico y financiero común a los diferentes modelos productivos existentes en torno a cada aprovechamiento. DESARROLLO DE LOS TRABAJOS Los trabajos de investigación consecuentes con los objetivos planteados, se han desarrollado de acuerdo con el siguiente guión: 1. Se efectuó una revisión sobre el estado del arte en relación con los diferentes objetivos planteados. 2. Se realizó un análisis preliminar para analizar y seleccionar las fuentes de información y el aprovechamiento de referencia, que permitirían abordar el primer objetivo parcial. 3.Se procedió al análisis de la información disponible con el propósito de extraer la necesaria para localizar los distintos sistemas de explotación en torno al aprovechamiento de referencia. 4. Se seleccionó y desarrolló la metodología para alcanzar los resultados buscados con el primer objetivo parcial. Para ello se analizó la posibilidad de utilizar métodos estadísticos conocidos (análisis de componentes principales, análisis de conglomerados, etc.), y finalmente se desarrolló una metodología propia. 5. Se realizó una clasificación de las explotaciones que contenían el aprovechamiento de referencia, según su dimensión productiva. 6. Se validó la metodología de tipificación generando las diferentes tipologías de explotaciones para el aprovechamiento de referencia, y seleccionando las que son representativas. 7. Se realizó un análisis destinado a localizar diferencias entre las explotaciones de cada tipología representativa, en relación con su localización espacial. 8. Se planificaron y ejecutaron los trabajos de campo consistentes en la realización de encuestas a productores. 9. Se estableció la metodología para la caracterización de los procesos productivos de los diferentes modelos de explotaciones representativas, y se validó mediante su aplicación al aprovechamiento de referencia. 10. Se establecieron las bases generales para el análisis económico y financiero y desarrolló el modelo de análisis. José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 23 11. Se aplicó la metodología de análisis a los modelos de explotaciones representativas previamente obtenidos. 12. Análisis y discusión de resultados para la validación de la metodología relativa al objetivo genérico de la investigación. ESTRUCTURA DEL DOCUMENTO La investigación se compone de partes diferenciadas, pero correlacionadas. La exposición de los trabajos realizados y los resultados obtenidos, se estructura en cinco capítulos. En el Capítulo I titulado “Rentabilidad y requerimientos productivos para la asignación de usos del suelo en terrenos agroforestales”, se expone el resultado de unos trabajos preliminares, concluidos con el desarrollo de una herramienta de análisis metodológico de aprovechamientos agrarios, sobre hojas de cálculo. La mejora de esta herramienta, registrada en la actualidad con el nombre de Gestop® y utilizada en el ámbito de la Ordenación Productiva Agraria, es la finalidad de la investigación realizada. En el Capítulo II titulado “La Tipificación y Clasificación de explotaciones como una herramienta para diferenciar los distintos sistemas productivos: aplicación a las explotaciones de vacuno lechero en Galicia”, se describen los procedimientos seguidos y las herramientas empleadas para la diferenciación de sistemas productivos y el establecimiento de rangos dimensionales. La validación de la metodología se efectúa a partir de los datos disponibles en los Censos Agrarios relativos a explotaciones de vacuno lechero de Galicia. En el Capitulo III titulado “Análisis de la distribución espacial de las explotaciones como un factor diferenciador de los sistemas productivos en Galicia”, se describen los resultados obtenidos para el análisis de la distribución de las explotaciones en relación con algunos factores del medio físico, y las diferencias entre los sistemas productivos según su localización en espacios territoriales homogéneos delimitados a partir de los valores de las principales variables caracterizadoras del medio físico. En el Capitulo IV titulado “Caracterización de explotaciones a partir de la combinación de los microdatos de los Censos Agrarios y los datos de campo: el caso del vacuno de aptitud lechera en Galicia”, se presenta la metodología seguida para caracterizar cualitativa y cuantitativamente, los modelos de explotaciones representativos de cada uno de los estratos definidos en el capítulo II, a partir de las variables que definen el proceso productivo de cada explotación. José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 24 En el Capitulo V titulado “Obtención de indicadores cuantitativos a partir del análisis técnico-económico y financiero de explotaciones de vacuno lechero en Galicia. Implementación mediante hojas de cálculo”, se describe el procedimiento empleado en el análisis técnico económico y financiero de los modelos de explotaciones representativos, el cual ha sido implementado mediante hojas de cálculo y aplicado a los modelos de explotaciones de vacuno lechero, representativos de Galicia. Esta aplicación resultante que viene a mejorar el sistema Gestop£, constituye la finalidad de la investigación realizada. REFERENCIAS BIBLIOGRÁFICAS BARBEYTO, F. (1998). Explotacións de Vacún de Leite en Galicia. Manexo técnico e resultados económicos. Ano 1997. Santiago de Compostela: Xunta de Galicia. Consellería de Agricultura, Gandería e Política Agroalimentaria. BOE. (1981, 8 de agosto). "Real Decreto 1776/1981, de 3 de agosto, por el que se aprueba el estatuto que regula las Sociedades Agrarias de Transformación". Boletín Oficial del Estado, núm 194. Pp. 18736-18738. BOUHIER, A. (2001). Galicia. Ensaio Xeográfico de Análise e Interpretación dun Vello Complexo Agrario. Tomos I y II. (Traducción de Benxamin Casal Vila). Santiago de Compostela: Xunta de Galicia - Consellería de Agricultura, Gandería e Montes. Caixanova. DIGCONA. (2002). Tercer Inventario Forestal Nacional, 1997-2007: Galicia. Madrid: Ministerio de Medio Ambiente. Dirección General de Conservación de la Naturaleza. DIRECCIÓN GENERAL DE CATASTRO. Catastro de Rústica. Año 1990. [En linea]. En: Internet <http://www.catastro.meh.es/> (Consulta, 25 de septiembre de 2006). DIRECCIÓN GENERAL DE CATASTRO. Catastro de Rústica. Año 1999. [En linea]. En: Internet <http://www.catastro.meh.es/> (Consulta, 25 de septiembre de 2006). DIRECCIÓN GENERAL DE CATASTRO. Catastro de Rústica. Año 2004. [En linea]. En: Internet <http://www.catastro.meh.es/> (Consulta, 25 de septiembre de 2006). ICONA. (1974). Primer Inventario Forestal Nacional. (IFN1) 1965-1974. Madrid: Ministerio de Medio Ambiente. Instituto de Conservación de la Naturaleza. IGE. Enquisa de bovino. Ano 1999. [En linea]. En: Internet <http://www.ige.eu/ga/index.htm> (Consulta, 15 de septiembre de 2004). José Antonio Riveiro Valiño Tesis Doctoral - INTRODUCCIÓN 25 IGE. Enquisa de bovino. Ano 2003. [En linea]. En: Internet <http://www.ige.eu/ga/index.htm> (Consulta, 15 de septiembre de 2004). IGE. Galicia en Cifras. Anuario 2001. [En linea]. En: <http//www.ige.eu/ga/index. htm> (Consulta, 13 de febrero de 2004). IGE. Territorio e Climatoloxía. [En linea]. En: <http://www.ige.eu/ga/index.htm> (Consulta, 15 de septiembre de 2006). INE. (1962). Censo Agrario de 1962. Madrid: Instituto Nacional de Estadística. INE. (1972). Censo Agrario de 1972. Madrid: Instituto Nacional de Estadística. INE. (1982). Censo Agrario de 1982. Madrid: Instituto Nacional de Estadística. INE. Base de microdatos del Censo Agrario de 1989. [En linea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Base de microdatos del Censo Agrario de 1999. [En linea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Censo de Población.Padrón Municipal de Habitantes de 2005. [En linea]. En: <http//www.ine.es> (Consulta, 15 de septiembre de 2006). INE. Encuesta de Población Activa. Año 1982. [En linea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Encuesta de Población Activa. Año 1989. [En linea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Encuesta de Población Activa. Año 1999. [En linea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Encuesta de Población Activa. Año 2003. [En linea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Encuesta sobre la Estructura de las Explotaciones Agrícolas de 2003. [En linea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). MAPA. Sistema de Información Geográfica de datos agrarios (SIGA). [En linea]. En: <http://www.mapya.es/sig/pags/siga/intro.htm> (Consulta, 26 de julio de 2004). RIVEIRO, J.A.; ÁLVAREZ, C.J.; MIRANDA, D.; PEREIRA, J.M. (2005)."Profitability and production requirements for land use allocation of farming and forestry land". Biosystems Engineering, Vol. 90 (4). Pp. 477-484. UTE EIDO-USC. (2004). Estudios Comarcales de Ordenación Productiva Agraria de 21 comarcas. Santiago de Compostela: Xunta de Galicia. Consellería de Política Agroalimentaria e Desarrollo Rural. CAPITULO I RENTABILIDAD Y REQUERIMIENTOS PRODUCTIVOS PARA LA ASIGNACIÓN DE USOS DEL SUELO EN TERRENOS AGROFORESTALES1,2,3 1 El documento que se presenta es la traducción al castellano de la versión original en inglés. RIVEIRO, J.A.; ÁLVAREZ, C.J.; MIRANDA, D.; PEREIRA, J.M. (2005). "Profitability and production requirements for land use allocation of farming and forestry land". Biosystems Engineering, Vol. 90 (4). Pp. 477-484. 2 ÁLVAREZ, C.J.; CRECENTE, R.; RIVEIRO, J.A. (2003). “ Sistema de apoyo a la Ordenación Productiva Agraria: aplicación en la comunidad de Galicia”. En: AEIPRO. (2003). Resúmenes del VII Congreso Internacional de Ingeniería de Proyectos. Pamplona: Universidad Pública de Navarra. 3 CRECENTE, R.; ÁLVAREZ, C.J.; RIVEIRO, J.A. (2004). GESTOP £ - Gestión de Estudios Técnicoeconómicos en Ordenación Productiva Agraria. [Aplicación Informática en CD-ROM]. [Asiento Registral 03/2004/299 - Registro Territorial de la Propiedad Intelectual de Galicia]. Santiago de Compostela: Universidad de Santiago de Compostela. José Antonio Riveiro Valiño Tesis Doctoral – CAPITULO I 29 RESUMEN Este artículo describe Gestop£, una aplicación desarrollada para calcular la rentabilidad y las exigencias de las producciones agroforestales. Una vez implementado con datos para una área geográfica dada, relativos a los volúmenes unitarios de producción esperados para los productos considerados y con los precios de productos, maquinaria y materias primas, e introducido un valor para uno de los factores limitantes (superficie disponible para el cultivo, volumen de la producción, beneficio deseado, inversión inicial o mano de obra disponible), Gestop£ calcula los valores de los restantes factores de este grupo de variables, aplicando métodos de contabilidad apropiados a cada tipo de producto. Este sistema facilita enormemente la comparación entre los distintos productos en cuanto a su viabilidad, y será por consiguiente útil en procesos de Ordenación Productiva Agraria y otros trabajos de consultoría, cuando las limitaciones en la disponibilidad de tierra, mano de obra, producciones y recursos disponibles para invertir inversión constituyen importantes restricciones. José Antonio Riveiro Valiño Tesis Doctoral – CAPITULO I 31 INTRODUCCIÓN Dada una región del territorio destinada a su aprovechamiento agroforestal, la asignación óptima de determinados a cada área específica es un problema complejo que involucra: (1) la evaluación de la productividad real de la tierra frente a los distintos usos (una tarea que en teoría debería tener en cuenta las diferencias en el suelo, hidrología y clima); (2) el cálculo del valor de mercado (que debería tener en cuenta el comportamiento del mercado); (3) la estimación de los costes de producción (qué en teoría debe tener en cuenta el grado de parcelación de la tierra, sistemas de transporte, etc., así como el comportamiento del mercado de los elementos de producción); (4) mantener niveles aceptables de riesgo mediante la diversificación y el respeto por los principios de sostenibilidad; y (5) la consideración de efectos sociales y medioambientales. Aproximaciones a la evaluación de la tierra en la década de los 90 fueron revisadas y clasificadas por Rossiter (1996). Desde entonces, se han desarrollado numerosos y relevantes modelos sobre la organización espacial y valoración de regiones de agrarias, incluso aproximaciones basados en programación lineal (Glen and Tipper 2001), autómatas celulares (Berger 2001) o el modelo de “von Thünen’s Isolated State” utilizado por Block and DuPuis (2001) and Singh (2002), métodos que tienen en cuenta relaciones topológicas (Carsjens and van der Knaap 2002), y los sistemas expertos (Sparovek et al. 2002). El riesgo ha sido considerado explícitamente por Justo (2003) y Romero (2000), mientras que la necesidad de considerar variables sociales y medioambientales así como la economía del mercado en la Ordenación Productiva Agraria ha sido enfatizada por Midmore y Whittaker (2000) y Thomson (2001). Desafortunadamente, por varias razones, ninguno de los acercamientos anteriores supone un instrumento adecuado para la toma de decisiones en pequeñas explotaciones o en la actividad forestal, si el propietario pudiera elegir. Lo que se requiere es un modo de presentar al propietario un rango de actividades que sean viables, en el sentido de proporcionar por lo menos un determinado ingreso satisfactorio, dadas las limitaciones derivadas del tamaño y naturaleza de la explotación, la disponibilidad de mano de obra y recursos financieros, y cualquier limitación externa a la producción. Este es el objetivo principal de Gestop£, el acercamiento a la planificación descrito en este artículo. Gestop£ ha sido implementado como una aplicación sobre Microsoft£ Office Excel para el uso en áreas rurales de Galicia (N.O. España), una región en la que la proporción de la población activa ocupada en los sectores agrario, forestal y pesca (actualmente un 10%) está cayendo rápidamente debido a las reducidas expectativas actuales que ofrecen estas actividades tal como se han estructurado, y en la que el sustento de estas actividades requiere que producciones alternativas o sistemas productivos sean investigadas y su viabilidad analizada (Crecente et al., 2002). José Antonio Riveiro Valiño Tesis Doctoral – CAPITULO I 38 (4) Judía verde: Producción en invernadero con dos cosechas por año y una producción total de 72.000 Kg/ha; el precio medio sería de 0,75 €/Kg. En todos los análisis presentados bajo este supuesto se asume que la mano de obra proporcionada por el titular de la explotación se limita a 1.920 h/año y una dedicación máxima de 10 horas diarias. Para una mayor simplificación, la producción de pino se analiza utilizando únicamente una de las dos posibles opciones de análisis de producciones forestales descritas anteriormente (aquella en la cual se promedian ingresos y gastos para todo el ciclo productivo), y la producción de leche se analiza sin considerar otras producciones complementarias, como la venta de novillas. En la tabla 1.1 se presenta un resumen de los resultados generados por el sistema cuando el tamaño de la explotación se limita a 7 ha de terreno (aproximadamente el tamaño medio de todas las explotaciones de la zona considerada). Claramente, la judía verde es teóricamente el producto más rentable, pero también es el que mayor mano de obra requiere (debe tenerse presente que la mano de obra del titular de la explotación no se ha incluido en los costes de producción) y requiere una inversión relativamente elevada. El pino es claramente mucho menos rentable pero requiere mucha menos mano de obra pudiendo ser por tanto, más atractivo para los propietarios con otras ocupaciones que explotan la tierra a tiempo parcial. El arándano requiere solo una cuarta parte de la inversión necesaria para la judía verde, pero proporciona sólo una quinta parte de los beneficios, para la misma dedicación de mano de obra propia. La producción de leche requiere casi las mismas cantidades de inversión y mano de obra propia que el arándano pero proporciona menos de la mitad del beneficio; comparando con el pino, solo permite duplicar los beneficios para una inversión 25 veces superior y 12 veces más mano de obra. Un segundo tipo de análisis que el sistema puede realizar consiste en determinar la superficie de terreno, inversión, etc. que se necesita para lograr un umbral de beneficio dado; cuando la superficie disponible por el propietario es conocida, este tipo de análisis puede permitir descartar aquellos aprovechamientos que requieran mayores superficies sin otras consideraciones. La tabla 1.2 resume los resultados generados para los aprovechamientos considerados en el ejemplo a partir de un umbral mínimo de beneficio especificado de 6.316,80 euros (salario mínimo interprofesional en España para el año 2003). Para las explotaciones de tamaño medio (7 ha), este beneficio mínimo aceptable es alcanzable por todas las producciones consideradas excepto para el pino que se necesitarían 14 ha. Para las explotaciones más grandes, el pino podría resultar más atractivo si el propietario no dependiese de este ingreso, dado que la mano de obra y los requerimientos de inversión inicial son mucho más bajos que los de la producción lechera, arándano y judía verde. Sin embargo, puesto que se tarda muchos años en recuperar la inversión inicial, el arándano y la judía verde serían de nuevo las opciones preferidas para un propietario que necesitase un retorno anual de dinero en efectivo. Nótese que este José Antonio Riveiro Valiño Tesis Doctoral – CAPITULO I 39 Datos de partida Resultados Aprovechamiento Dimensión Rendimiento Precio Inversión, € Ingresos, € Gastos, € M.O. propia, h/año Beneficio, € M.O. ajena, € Pino 7,000 ha 11,38 m3/ha 43,230 €/ m3 4.139,61 3.442,25 279,05 0,00 3.163,20 122,89 Vacuno lechero 14,000 Vaca - - - 101.424,26 37.565,86 31.240,58 0,00 6.325,28 1.522,50 Leche 14,000 Vaca 6.500,00 Kg/Vaca 0,280 €/Kg 101.424,26 30.863,36 26.864,55 0,00 3.998,81 1.457,38 Total alimentación 7,000 ha - - - - 6.702,50 4.376,02 0,00 2.326,48 65,12 Ensilado 2,100 ha 35.000,00 Kg/ha 0,022 €/Kg 0,00 1.617,00 1.351,79 0,00 265,21 24,61 Pastoreo 1,050 ha 25.000,00 Kg/ha 0,016 €/Kg 0,00 420,00 159,12 0,00 260,88 1,66 Heno 1,750 ha 11.000,00 Kg/ha 0,046 €/Kg 0,00 885,50 549,21 0,00 336,29 12,32 Maíz 2,100 ha 50.000,00 Kg/ha 0,036 €/Kg 0,00 3.780,00 2.315,90 0,00 1.464,10 26,54 Arándano 7,000 ha 8.519,25 Kg/ha 1,580 €/Kg 138.377,61 94.200,09 40.745,66 38.331,64 15.122,80 1.920,00 Judía verde 7,000 ha 72.000,00 Kg/ha 0,750 €/Kg 615.369,80 378.000,00 162.566,10 138.857,51 76.576,39 1.920,00 Tabla 1.1: Cálculo del beneficio esperado para el pino, leche, arándano y judía verde a partir de 7 ha de terreno con la mano de obra propia se limita a 1.920 h/año y 10 h/día Datos de partida Resultados Aprovechamiento Beneficio, € Rendimiento Precio Dimensión Inversión, € Ingresos, € Gastos, € M.O. ajena, € M.O. propia, h/año Pino 6.316,80 11,38 m3/ha 43,230 €/ m3 13,980 ha 8.265,62 6.873,19 557,18 0,00 245,38 Vacuno lechero 6.316,80 - - - 13,987 Vaca 101.356,69 37.530,82 31.214,02 0,00 1.521,12 Leche 3.992,49 6.500,00 Kg/Vaca 0,280 €/Kg 13,987 Vaca 101.356,69 30.834,57 26.842,08 0,00 1.456,06 Total alimentación 2.324,31 - - - 6,993 ha 0,00 6.696,25 4.371,94 0,00 65,06 Ensilado 264,96 35.000,00 Kg/ha 0,022 €/Kg 2,098 ha 0,00 1.615,49 1.350,53 0,00 24,59 Pastoreo 260,64 25.000,00 Kg/ha 0,016 €/Kg 1,049 ha 0,00 419,61 158,97 0,00 1,66 Heno 335,97 11.000,00 Kg/ha 0,046 €/Kg 1,748 ha 0,00 884,67 548,70 0,00 12,31 Maíz 1.462,73 50.000,00 Kg/ha 0,036 €/Kg 2,098 ha 0,00 3.776,47 2.313,74 0,00 26,52 Arándano 6.316,80 8.519,25 Kg/ha 1,580 €/Kg 1,576 ha 31.146,44 21.202,83 9.171,15 5.714,88 1.301,69 Judía verde 6.316,80 72.000,00 Kg/ha 0,750 €/Kg 0,314 ha 27.612,48 16.961,37 7.294,56 3.350,01 946,07 Tabla 1.2: Cálculo de la dimensión, mano de obra e inversión requeridas para obtener un beneficio de 6.316,80 € a partir de la producción de pino, leche, arándano y judía verde. Datos de partida Resultados Aprovechamiento M.O. propia, € Rendimiento Precio Dimensión Inversión, € Ingresos, € Gastos, € M.O. ajena, € Beneficio, € Pino 1.920,00 11,38 m3/ha 43,230 €/ m3 109,360 ha 64.674,92 53.779,75 4.359,72 0,00 49.420,03 Vacuno lechero 1.920,00 - - - 17,768 Vaca 120.922,94 47.676,71 38.903,73 0,00 8.772,99 Leche 1.860,73 6.500,00 Kg/vaca 0,280 €/Kg 17,768 Vaca 120.922,94 39.170,24 33.349,90 0,00 5.820,34 Total alimentación 65,12 - - - 8,884 ha 0,00 8.506,48 5.553,83 0,00 2.952,65 Ensilado 31,64 35.000,00 Kg/ha 0,022 €/Kg 2,665 ha 0,00 2.052,22 1.715,63 0,00 336,59 Pastoreo 2,13 25.000,00 Kg/ha 0,016 €/Kg 1,333 ha 0,00 533,04 201,95 0,00 331,10 Heno 15,84 11.000,00 Kg/ha 0,046 €/Kg 2,221 ha 0,00 1.123,83 697,03 0,00 426,80 Maíz 34,12 50.000,00 Kg/ha 0,036 €/Kg 2,665 ha 0,00 4.797,39 2.939,23 0,00 1.858,16 Arándano 1.920,00 8.519,25 Kg/ha 1,580 €/Kg 2,324 ha 45.941,31 31.274,39 13.527,54 8.429,51 9.317,34 Judía verde 1.920,00 72.000,00 Kg/ha 0,750 €/Kg 0,637 ha 56.038,23 34.422,31 14.803,77 6.798,69 12.819,85 Tabla 1.3: Cálculo del beneficio esperado para la producción de pino, leche, arándano y judía verde, cuando la mano de obra propia se limita a 1.920 h/año. José Antonio Riveiro Valiño Tesis Doctoral – CAPITULO I 40 segundo tipo de análisis (es decir, fijando el beneficio deseado), saca a la luz el hecho de que la producción de leche es de todas la que presenta mayor necesidad de mano de obra y la que con diferencia, requiere de mayor inversión inicial. Finalmente, para las explotaciones familiares (el tipo de explotación predominante en Galicia) el factor limitante de la producción puede resultar ser la mano de obra disponible para la ejecución de las tareas diarias (la mano de obra ajena solo se utiliza temporalmente para labores de recolección). La tabla 1.3 presenta un resumen de los resultados obtenidos cuando la mano de obra familiar disponible se limita a 1.920 horas por año, con una dedicación máxima de 10 horas diarias como en los análisis anteriores, muestran que para ninguno de los productos considerados en este ejemplo, este límite en la mano de obra propia, no impide alcanzar un beneficio mínimo de 8.773 euros, mas que suficientes (aunque la escasez de mano de obra ajena en el momento de la recolección todavía podría limitar la producción de arándano y judía verde). Además, para la producción de leche, arándanos y judía verde, la utilización al completo de esta mano de obra no requiere para ninguno más de la media de 7 ha de terreno. La explotación de pino requiere 110 ha y, por supuesto, no depender a corto plazo de este ingreso, pero a pesar de estos condicionantes, esta es de nuevo la opción más atractiva, proporcionando un beneficio medio anual de 49.420 euros. Para un propietario de una tenencia de tamaño medio, la opción más atractiva es la judía verde que proporciona una ganancia anual de 12.820 euros (y deja la mayoría del terreno libre para otros usos). La explotación de vacuno lechero con base forrajera requeriría más del doble de la inversión inicial que para la judía verde, para obtener solamente alrededor de los dos tercios del beneficio. Tal como se indicó anteriormente, la actividad productiva mayoritaria en la zona considerada es la producción de leche, con presencia en 206 de las 347 explotaciones agrarias, que se ha consagrado a pesar de los pobres resultados obtenidos para la producción de leche, en el análisis realizado anteriormente. Las razones para el predominio de las explotaciones de vacuno lechero son principalmente históricas: puesto que el clima es excelente para la producción de forrajes, la producción de leche con base a la producción forrajera siempre ha sido una actividad relevante, y en torno a 1980 los ganaderos fueron incentivados por las administraciones a invertir considerables sumas en la modernización de las explotaciones para mejorar la productividad. A pesar de que la expansión de las explotaciones de vacuno lechero se ha visto reducida por las limitaciones de la UE a la producción de leche, los agricultores son reacios al abandono de estas fuertes inversiones y dedicar sus tierras a otras producciones, con técnicas de producción y comercialización que les son desconocidas. En el contexto del ejemplo de análisis considerado en esta sección, una posible solución a esta disyuntiva para las explotaciones menos rentables, pasaría por dedicar parte del terreno a cultivos hortícolas de alto valor y la reforestación del monte con especies que proporcionen José Antonio Riveiro Valiño Tesis Doctoral – CAPITULO I 41 elevados beneficios medios durante su ciclo productivo. En la actualidad, las fuentes de datos referenciadas al principio de esta sección, sugieren que la última solución es más habitual que la precedente, a pesar de que tan solo 18 explotaciones cuentan con más de las 14 ha requeridas para que una plantación de pino con unos 40 años de turno de corta, proporcione un beneficio medio mayor de los 6.318,80 € del salario mínimo (tabla 1.2), y sólo 4 de estas 18 están repobladas con pino. De hecho, aunque se permitiese la reforestación de tierras agrícolas, solo 73 pequeñas explotaciones superarían el límite de las 14 ha. CONCLUSIONES FINALES La anterior discusión muestra como, cuando Gestop£ con datos actualizados de precios y costes, es aplicado a pequeñas explotaciones individuales, puede facilitar la toma de decisiones permitiendo que una amplia variedad de producciones agroforestales, puedan ser fácilmente comparadas contemplando, no solo su rentabilidad sino también sus requerimientos en relación con la tierra, mano de obra e inversiones. Gestop£ puede resultar así de gran utilidad en grandes planes de ordenación rural emprendidos por las administraciones. Además, en ambos casos, la modificación sistemática de los datos de precios y costes, permite el análisis de sensibilidad frente a tales variaciones, y analizar los riesgos asociados a la actividad. Se espera por consiguiente, que la aplicación Gestop£ pueda ser utilizada tanto en la asignación de usos del suelo a escala regional como en el análisis a pequeña escala por parte de consultorías que asesoren a individuos u organizaciones, privadas o públicas. REFERENCIAS ASAE. (2002). Agricultural Machinery Management Data D497-4. Michigan (USA): ASAE Standards (49th Edn). BARBEYTO, F. (1998). Explotacións de Vacún de Leite en Galicia. Manexo técnico e resultados económicos. Ano 1997. Santiago de Compostela: Xunta de Galicia. Consellería de Agricultura, Gandería e Política Agroalimentaria. BERGER, T. (2001). "Agent-based spatial models applied to agriculture: a simulation tool for technology diffusion, resource use changes and policy analysis". Agricultural Economics, 25 (2-3). Pp. 245-260. BLOCK, D.; DUPUIS, M. (2001). "Making the country work for the city: von Thünen's ideas in geography". American Journal of Economics & Sociology, 60 (1). Pp. 79-99. CABALLER, V. (1993). Valoración agraria. Madrid: Mundi-Prensa. CABALLERO, P.; DE MIGUEL, M.D.; JULIA, J.F. (1992). Costes y precios en hortofruticultura. Madrid: Mundi-Prensa. José Antonio Riveiro Valiño Tesis Doctoral – CAPITULO I 42 CARSJENS, G.J.; VAN DER KNAAP, W. (2002). "Strategic land-use allocation: dealing with spatial relationships and fragmentation of agriculture". Landscape and Urban Planning, 58 (2-4). Pp. 171-179. CRECENTE, R.; ÁLVAREZ, C.; FRA, U. (2002). "Economic, social and environmental impact of land consolidation in Galicia". Land Use Policy, 19 (2). Pp.135-147. GLEN, J.J.; TIPPER, R. (2001). "A mathematical programming model for improvement planning in a semi-subsistence farm". Agricultural Systems, 70(1). Pp. 295-317. INE. Base de microdatos del Censo Agrario de 1999. [En linea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). JUST, R.E. (2003). "Risk research in agricultural economics: opportunities and challenges for the next twenty-five years". Agricultural Systems, 75 (2-3). Pp. 123-159. MIDMORE, P.; WHITTAKER, J. (2000). "Economics for sustainable rural systems". Ecological Economics, 35 (2). Pp. 173-189 . MOYANO, F.J.; DÍAZ, M.; MARTÍNEZ, T. (2002). Gestión técnica y económica en explotaciones ganaderas. Madríd: Élice. PEREIRA, J.M.; ÁLVAREZ, C.J.; BARRASA, M. (2003). "Prediction of dairy construction costs". Journal of Dairy Science, 86 (11). Pp 3536-3541. ROMERO, C. (2000). "Risk programming for agricultural resource allocation: a multidimensional risk approach". Annals of Operations Research, 94. Pp. 57- 68. ROSSITER, D.G. (1996). "A theoretical framework for land evaluation". Geoderma, 72. Pp. 165–202. SINGH, S. (2002). "Optimizing the spatial structure of the agricultural production function". Geographical Analysis, 34 (3). Pp. 229-244. SPAROVEK, G.; COOPER, M.; DOURADO-NETO, D.; MAULE, R.F.; VIDALO, P.; PIMENTA, L.F.D.; MARTINS, S.P.; TERAMOTO, E.R.; SILVIA, A.C.; VAN DE STEEG, J.; SCHNUG, E. (2002). "The land resource information and suitability system for family agriculture (LARISSA), developed for the Brazilian agrarian reform". Journal of Agriculture in the Tropics and Subtropics, 103 (1). Pp. 47- 59. THOMSON, K.J. (2001). "Agricultural economics and rural development: marriage or divorce? Presidential address". Journal of Agricultural Economics, 52 (3). Pp. 1-10. UTE EIDO-USC. (2004). Estudios Comarcales de Ordenación Productiva Agraria de 21 comarcas. Santiago de Compostela: Xunta de Galicia. Consellería de Política Agroalimentaria e Desarrollo Rural. CAPITULO II LA TIPIFICACIÓN Y CLASIFICACIÓN DE EXPLOTACIONES COMO UNA HERRAMIENTA PARA DIFERENCIAR LOS DISTINTOS SISTEMAS PRODUCTIVOS. Aplicación a las explotaciones de vacuno lechero en Galicia1 1El contenido de este capítulo ha sido difundido total o parcialmente en diferentes publicaciones: 1) ÁLVAREZ, C.; RIVEIRO, J.A.; MAREY, M.F. “Typology, Classification and Characterization of Farms for Agricultural Production Planning”. Spanish Journal of Agricultural Research. (En revision). 2) ÁLVAREZ, C.J.; MAREY, M.F.; RIVEIRO, J.A. (2006). "Model for classification and characterization of farms for agricultural production planning. Aplication in the Nortwest of Spain". En: VDI Verlag GmbH - Düsserdorf. (2006). World Congress: Agricultural Engineering for a Better World - Book of Abstracts. Bonn: Rheinische Friedrich-Wilhelms-Universität. Pp. 825-832. 3) RIVEIRO, J.A.; MAREY, M.F.; RESCH, C.; ÁLVAREZ, C.J. (2006). "Análisis de Explotaciones de Vacuno Lechero para la Ordenación Productiva Agraria". En: AEIPRO. (2006). Actas del X Congreso Internacional de Ingeniería de Proyectos. Valencia: Editorial de la UPV. Pp. 179-190. 4) ÁLVAREZ, C.J.; RIVEIRO, J.A.; MAREY, M.F.; SÁNCHEZ DE DIOS, A. (2006). "Tipificación, Clasificación y Caracterización de Explotaciones Agrarias para la Ordenación Productiva Agraria". En: Sociedad Española de Agroingeniería. (2006). Resúmenes del III Congreso Nacional de Agroingeniería. León: Universidad de León. 5) ÁLVAREZ, C.J.; RIVEIRO, J.A.; RESCH, C. (2005). "Tipificación de Explotaciones Agrarias en Galicia: Metodología y Herramientas Informáticas". En: AEIPRO. (2005). Resúmenes del IX Congreso Internacional de Ingeniería de Proyectos. Málaga: Universidad de Málaga. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 45 RESUMEN El sector agrario gallego se caracteriza por una gran heterogeneidad que viene dada por la existencia de multitud de aprovechamientos, diversidad de modelos productivos y diferentes dimensiones y grados de intensificación en las explotaciones. Para intentar plasmar esta realidad en términos cuantitativos, mediante el análisis técnico-económico y financiero de las producciones, es necesario huir de valores medios estadísticos que enmascaran esta diversidad. Una solución de compromiso entre el análisis individual y la media global, pasa por identificar modelos productivos que agrupen explotaciones con un cierto grado de homogeneidad, reduciendo el grado de enmascaramiento de la realidad. Llegado este punto, el problema estriba en seleccionar las variables y grado de agrupamiento. Las técnicas estadísticas de análisis de Componentes Principales y agrupamiento mediante Conglomerados Jerárquicos, no aportan los resultados deseables cuando se busca el agrupamiento de explotaciones en conjuntos con la máxima diferenciación de sistemas productivos. En consecuencia, se desarrolló una metodología basada en un proceso combinatorio sometido a restricciones, que se realiza sobre la información que se extrae de los microdatos del Censo Agrario. El árbol combinatorio generado se analiza individualmente desde el conocimiento de la actividad productiva considerada, permitiendo seleccionar los sistemas de explotación que presentan una mayor diferenciación en los procesos productivos, bajo la hipótesis de que esas diferencias se trasladen a los resultados técnico-económicos y financieros de las explotaciones. Posteriormente a la implementación de esta metodología sobre hojas de cálculo, se aplicó a las explotaciones de vacuno lechero de Galicia, dando como resultado la identificación de tres tipologías diferenciadas de explotaciones, que a su vez se clasifican en cinco rangos dimensionales. Un análisis preliminar de estas tipologías mediante el estudio del comportamiento de algunas de las variables que sirven para caracterizar sus sistemas productivos, mostró diferencias relevantes entre tipologías y rangos dimensionales. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 47 INTRODUCCIÓN La producción agraria en Galicia se estructura en torno a la explotación familiar2. La principal característica del sector es su heterogeneidad, que viene dada por la existencia de multitud de aprovechamientos, diversidad de modelos productivos y diferentes dimensiones y grados de intensificación en las explotaciones. El Censo Agrario de 1999 (INE, 1999), refleja para Galicia la existencia de diferentes tamaños de explotaciones (desde aquellas con una dimensión propia de sistemas productivos de subsistencia, hasta las que incluso podrían ser consideradas como de tamaño industrial), y la presencia relevante de multitud de aprovechamientos agrícolas y ganaderos, sin olvidar los forestales. Así, en esta región destaca la presencia de aprovechamientos agrícolas tales como los cultivos forrajeros (pratenses y maíz forrajero), cereales (trigo y centeno), frutales (manzano, peral, kiwi, ciruelo, melocotonero, limonero, castaño, cerezo, nogal, etc.), hortalizas (diversas especies cultivada bajo cubierta o al aire libre, destacando la patata), flor, ornamentales y otros como las plantas medicinales. Entre las actividades ganaderas directamente vinculadas al uso de la tierra destaca el vacuno, con presencia del ovino, caprino y caballar. Entre las actividades ganaderas de carácter intensivo, destacan el cebo de porcino seguido de las producciones avícolas (huevo y pollo de carne principalmente), la cunicultura y la apicultura, con presencia de otras producciones de menor importancia. La situación descrita tiende a simplificarse con la desaparición de las pequeñas explotaciones y otros procesos paralelos. Un extenso y detallado análisis e interpretación del Complejo Agrario Gallego, realizado a mediados del siglo XX por un Geógrafo francés (Bouhier, 2001), refleja un sector agrario basado en el minifundismo y la producción destinada a la subsistencia, con una gran complejidad estructural y entorno al 70-75% de la población ocupada en el sector agrario, en más de 433.000 explotaciones (INE, 1962). La situación actual es bien diferente, cuando el porcentaje de ocupación en este sector se reduce a tan solo el 12,37% en el año 2003 según la Encuesta de Población Activa. (INE-EPA, 2003), y la cifra de explotaciones, a menos de 101.764, según datos de la EEEA3 del mismo año (INEEEEA, 2003). Al mismo tiempo, se alivia la situación de minifundismo descrita por Bouhier. Los datos del Censo Agrario de 1989 (INE, 1989), reflejan una SAU media por explotación de 2,06 ha, pasando a ser esta de 7,14 ha en 2003, según la EEEA. 2Explotación agraria familiar. La metodología del Censo Agrario, define la Explotación Agrícola como una unidad técnico-económica de la que se obtienen productos agrarios bajo la responsabilidad de un titular, caracterizada generalmente por la utilización de los mismos medios de producción, tales como mano de obra o maquinaria. A los efectos de este documento, el concepto de explotación agraria familiar, se les atribuye a las explotaciones definidas por la metodología del Censo Agrario como Explotaciones Agrícolas, cuya mano de obra proviene principalmente de la unidad familiar a la cual pertenece su titular. 3EEEA: Encuesta sobre la Estructura de las Explotaciones Agrícolas. Se realiza cada dos años. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 54 de explotaciones (modelos representativos), diferenciando los sistemas productivos mediante la tipificación y clasificación dimensional de estas explotaciones a partir de los datos de fuentes existentes. A su vez, esta metodología ha de permitir la posterior localización de las explotaciones correspondientes a cada grupo y su caracterización como base para el análisis técnico-económico y financiero, en el marco de procesos de Ordenación Productiva Agraria, en Galicia o regiones con similares características. El desarrollo de este objetivo se realiza siguiendo los pasos que a continuación se relacionan. Una vez elegidas las variables que van a presidir los procesos de tipificación y clasificación, en función del objetivo marcado, es necesario analizar las posibles fuentes de información para abordar estos procesos, teniendo presente las exigencias de los otros dos procesos vinculados (la caracterización del sistema productivo y el análisis espacial), que van a formar parte del modelo global de análisis. Dado el gran número de posibles modelos productivos diferentes, es necesario establecer los criterios y las restricciones que van a tutelar la selección de los modelos representativos, mediante un análisis previo de la fuente de datos seleccionada. Antes de plantear el diseño de una nueva metodología para tipificar y clasificar explotaciones, se procede al análisis de las posibilidades de aplicación de metodologías existentes, utilizadas por otros investigadores con la misma u otras finalidades, tales como el Análisis de Componentes Principales y el Análisis de Conglomerados Jerárquicos (Cluster). El uso de estas metodologías presentó dificultades relacionadas con el tamaño de la muestra. Dado que, como posteriormente se describe, se dispone de datos de todas las explotaciones de la región, la utilización de tal cantidad de datos resulta inabordable con el “software” convencional existente para la realización de análisis Cluster. Una posible solución pasa por la selección de muestras representativas, en algunos casos, de no más del 20% de la población de explotaciones. El problema surge cuando en torno a algunos aprovechamientos, la distribución de explotaciones es muy heterogénea respecto a su dimensión, con lo cual al seleccionar una muestra aleatoria tan reducida, no se obtiene la representación adecuada de algunas clases dimensionales. Por otra parte, los grupos resultantes dependen de las variables elegidas. Puesto que se pretende realizar un agrupamiento a partir de las diferencias en los procesos productivos, se tomaron como variable los distintos aprovechamientos. Los valores de estas variables son la dimensión de cada aprovechamiento con sus diferentes unidades, y por tanto no pueden ser utilizadas como tal. La única manera de unificar estas unidades es establecer valores lógicos (0 ó 1), según la presencia/ausencia del aprovechamiento en la explotación. Bajo este criterio, los resultados pasan a ser simples combinaciones, con el inconveniente de tener que José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 55 trabajar con muestras de la población y una mayor dificultad en la introducción de restricciones y la realización de análisis posteriores. Ante las dificultades de aplicación y las desventajas en el manejo de los resultados, se aborda el diseño de un algoritmo que permita obtener el agrupamiento deseado, contemplando los criterios y restricciones impuestos. Este algoritmo se implementa mediante hojas de cálculo controladas por macros, de modo que permita un ágil manejo de datos y su perfeccionamiento operativo. Finalmente, la metodología desarrollada se valida aplicándola sobre una variada población de explotaciones con el vacuno de aptitud lechera como aprovechamiento común a todas ellas. MATERIAL Y METODOLOGÍA Fuentes de datos La metodología a desarrollar ha de tener cuando menos un carácter regional, siendo la principal fuente con información desagregada hasta un nivel de explotación, el Censo Agrario. Este censo se realiza normalmente cada 10 años. Los dos últimos y más completos que se han acometido son el de 1989 y el de 1999, estando disponibles en ambos casos, los microdatos12. Según la metodología que preside su ejecución, dos de sus objetivos fundamentales son obtener un marco o directorio de explotaciones agrícolas que sirva para la realización de diseños muestrales de encuestas agrícolas sectoriales y obtener resultados comparables entre todos los Estados miembros de la Unión Europea (UE), objetivos que responden a las expectativas de la investigación que se aborda. Incluso en otros países mas allá de las fronteras de la UE se están realizando encuestas con formatos similares a este Censo Agrario, lo cual viene a engrandecer la bondad de sus objetivos. En China se realizó el primer Censo Agrario Nacional en 1997, que permitió resaltar las notables diferencias en las tipologías de explotaciones, permitiendo redefinir la geografía de la agricultura China. Fanfani and Brasili, (2003). Con un mayor nivel de detalle, el Censo Agrario Español aporta para cada explotación, información relativa su situación geográfica, titularidad, personalidad jurídica y gestión, superficie total, superficie agrícola utilizada (SAU), régimen de tenencia de la tierra, superficie en regadío, utilización del suelo (cultivos en secano regadío y superficies), tipos de asociación de cultivos, ganadería (especies y recuento), capacidad de almacenamiento de abonos de origen animal, maquinaria, prácticas ecológicas, mano de obra en la explotación (familiar y no familiar) y comercialización de productos. 12 Microdatos. Este término hace referencia a la disponibilidad de los datos directamente obtenidos en la entrevista con el representante de la explotación, sin ningún nivel de agregación a los de otras explotaciones. La explotación se identifica mediante un código relacional que permite su localización a nivel municipal, pero permaneciendo ocultos los datos de identificación de la misma. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 56 El hecho de disponer de toda esta información para cada explotación agraria, unido a la consiguiente posibilidad de incorporar de un modo relacional, otra información con un grado de agregación igual o mayor, hacen del Censo Agrario la fuente idónea para abordar, bien sea en una primera fase o en su totalidad, el proceso de clasificación y tipificación de explotaciones agrarias a nivel regional. Por otra parte, son varios los trabajos e investigaciones en los que se ha partido de los datos del Censo Agrario para su desarrollo. A nivel regional, los Estudios de Ordenación Productiva Agraria en la Comunidad Autónoma Gallega (UTE EIDO-USC, 2004), han tenido como referencia para su desarrollo, los microdatos del Censo Agrario de 1999. Dado su carácter Europeo, otros investigadores han recurrido también al Censo Agrario con distintos objetivos. Dragosits et al, (1998), desarrolla una nueva metodología para modelizar la distribución de las emisiones agrícolas del amoníaco en el Reino Unido, para el cual, la principal fuente de datos fueron los Censos Agrarios. Este modelo, que es aplicable a otras regiones, proporciona estimaciones espaciales más realistas que modelos anteriores y permite analizar la evolución temporal de las emisiones. Divila and Doilicha, (2005), realizaron un análisis de la tipología y situación económica de las explotaciones en la República Checa, a partir de los datos de los diferentes Censos (agrario, vivienda), y de los microdatos e informes estadísticos relativos a rentas familiares. Este trabajo pone de manifiesto la posibilidad de combinar la información del Censo Agrario con la de otras fuentes. En los Estados Unidos, conscientes de la importancia que tiene la posibilidad de disponer de microdatos censales, crearon el “Center for Economic Studies” (CES) y una red de “Research Data Centers” (RCDs), que permite a investigadores externos, el acceso seguro y controlado a datos económicos y demográficos confidenciales. Davis and Holly, (2006). Motivo a la información que aporta y su carácter internacional, se opta por la utilización de los microdatos del Censo Agrario de 1999 (INE, 1999), como fuente principal de información para el desarrollo del modelo de clasificación y tipificación de explotaciones agrarias en Galicia. Para su utilización son necesarios unos pasos preliminares, con el objeto de establecer una estructura estandarizada de datos, que permita su posterior uso de modo automatizado. El primer paso es trasladar los microdatos a una estructura de base de datos relacional. Esta primera conversión se realiza mediante una aplicación con el lenguaje de programación Microsoft£ Visual Basic Studio 6.0 (Microsoft, 1998). Los datos se trasladan a una base de datos gestionada mediante Microsoft£ Office Access 2003, (Microsoft, 2003). Mediante una consulta13 de Access, se seleccionan y ordenan los datos que van a ser utilizados en 13 Las consultas de Access, son eventos que permiten seleccionar y extraer o realizar determinadas operaciones, con la información de una base de datos. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 57 las etapas posteriores de tipificación y clasificación de explotaciones, utilizando un software específico. Proceso de Tipificación Antes de afrontar la selección o la búsqueda de una nueva metodología de tipificación, es necesario conceptualizar este proceso. La tipificación de explotaciones ha sido afrontada por muchos investigadores y con distintas finalidades. En todos los casos, el objetivo es el agrupamiento de explotaciones en clases disjuntas, en el interior de las cuales, estas presentan un cierto grado de homogeneidad. La clave del agrupamiento está en determinar, dentro del amplio número de variables que caracterizan una explotación, cuales son las principales, y para ello previamente se ha de establecer la finalidad del agrupamiento. Las tipologías buscadas son un paso previo a la caracterización de los procesos productivos de las explotaciones representativas, para finalmente proceder a su análisis técnico-económico y financiero en el marco de procesos de Ordenación Productiva Agraria. El enfoque de agrupamiento girará por tanto, en torno al tipo y número de aprovechamientos que integran la explotación, y que darán lugar a los diferentes sistemas productivos. Así pues, el factor principal de agrupamiento será cada tipo de aprovechamiento y su valor, la dimensión del mismo. Dado el elevado número de explotaciones existentes en Galicia y su gran diversidad tipológica, será necesario efectuar una primera estratificación mediante la cual se establezcan grupos de explotaciones en torno a cada aprovechamiento de referencia, el cual estará presente en todas las tipologías de un mismo grupo. Cada uno de estos grupos, se obtiene mediante una consulta a la base de datos, previamente obtenida a partir de los microdatos del Censo Agrario, y se organiza con una estructura de campos común para todos los grupos. A esta tabla de datos, con una estructura estandarizada, se la denomina “tabla de aprovechamiento”. Esta tabla se exporta a un software de hojas de cálculo, habiéndose utilizado Microsoft£ Office Excel 2003, (Microsoft, 2003), como herramienta base en las fases sucesivas del proceso. La tabla de aprovechamiento consta de 233 campos y un número de registros variable, igual al número de explotaciones existentes que cuentan con el aprovechamiento de referencia. Esta tabla recopila información relativa a la identificación y localización municipal de la explotación, su SAU, OTE, formación del titular, MBE, datos topográficos y climatológicos (valores medios municipales), comercialización de productos, mano de obra utilizada, cultivos realizados, actividades ganaderas y maquinaria. De los 233 campos que contiene la tabla de aprovechamiento, 116 están ocupados por información de los diferentes cultivos o actividades ganaderas. A partir de esta tabla y mediante operaciones características de las hojas de cálculo, se crea una segunda tabla denominada “tabla base”, que será a partir de la cual se van a José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 58 generar las diferentes combinaciones (tipologías). Esta última consta de un total de 57 campos, con información relativa a la localización e identificación de la explotación y la dimensión de un total de 50 cultivos o actividades ganaderas. La reducción en el número de aprovechamientos deriva de la eliminación o el agrupamiento de algunos de ellos con el mismo patrón de manejo productivo. Esto permite agilizar el proceso combinatorio y posteriormente, recuperar información de la tabla de aprovechamiento, para realizar otros análisis. La generación de tipologías tiene como base un proceso combinatorio14. De este modo, dado un conjunto A = {a1, a2, …, an}, con n aprovechamientos, es posible obtener Cn,h combinaciones de orden h, siendo h d n, según la siguiente expresión: ¸ ¸ ¹ · ¨ ¨ © §  )!(! ! ,hnh n Chn Así, considerando un total de 50 aprovechamientos (n=50), es posible obtener del orden de 1,125 x1015 combinaciones diferentes, acumulando las correspondientes a valores de 1 d h d 50. Por lo tanto y a pesar de que en situaciones reales, no todas las combinaciones son posibles, es necesario aplicar restricciones sobre el número de aprovechamientos (n), y de combinaciones (Cn,h). Estas restricciones se aplican en varias etapas del proceso: 1. Selección previa de los aprovechamientos que van a formar parte del proceso combinatorio. La tabla base incluye un total de 50 posibles aprovechamientos, de los cuales, uno será el de referencia y estará presente en todas las combinaciones, de modo que ya no se incluye en el proceso combinatorio. De los 49 restantes, normalmente solo unos pocos presentan una vinculación relevante con el aprovechamiento de referencia o aportan variabilidad al proceso productivo de la explotación. Bajo este criterio se excluyen normalmente la mayor parte de ellos. 2. Dentro del grupo de aprovechamientos seleccionados, algunos no ofrecen una dimensión productiva de carácter comercial o capaz de influir significativamente en los resultados técnico-económicos de la explotación. Para excluir del proceso combinatorio estos aprovechamientos, se fija un valor dimensional por debajo del cual, con una elevada probabilidad, se trataría de aprovechamientos de autoconsumo. 3. Integrado en el algoritmo que permite la obtención de las combinaciones, se establece un valor de referencia que representa el número mínimo de explotaciones contabilizadas en cada combinación para que esta sea 14 El concepto matemático de Combinación hace referencia a las combinaciones de elementos, de modo que no existe repetición de elementos ni tampoco se contabilizan las combinaciones con un distinto orden de los elementos. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 59 registrada. De este modo, aquellas combinaciones con muy poca representatividad, son descartadas. 4. Dado que el proceso combinatorio, en sus diferentes fases (ordenes), parte de un número diferente de combinaciones previas (Cn, h-1), se fija un valor porcentual que determina el número mínimo de explotaciones en una combinación de orden h (cj h), respecto de la precedente en el orden h-1 (cj h-1), para que esta sea registrada. Una vez establecidos los valores para las diferentes restricciones, se puede iniciar el proceso de generación de combinaciones, siguiendo un algoritmo de procesamiento que integra el proceso matemático combinatorio con las restricciones establecidas. De este modo, para cada orden, se realizan todas las combinaciones posibles en consideración de las restricciones 1 y 2, y de ellas, tan solo se registran las que además cumplen las restricciones 3 y 4. El diagrama de flujo de la figura 2.1 describe gráficamente el proceso de generación de combinaciones, ejecutado automáticamente en varias etapas sucesivas (h), cuyo número depende de la complejidad en las explotaciones de partida en cuanto al número de aprovechamientos (n) que presenten simultáneamente. Para el número de aprovechamientos considerado, n = 50, hmáx =(n -1)= 49. Pruebas previas han demostrado que en situaciones reales, h no suele superar el valor de 6, con lo cual, se ha establecido un valor máximo de h = 10, que supone la combinación simultánea de 11 aprovechamientos diferentes en una explotación. No obstante, si las necesidades lo exigieran, este límite podría ampliarse fácilmente con ligeras modificaciones, pero el procesamiento se ralentizaría. En un primer ciclo de proceso (h=1), la aplicación busca aquellas explotaciones que además del considerado como aprovechamiento de referencia (ar), posean un segundo aprovechamiento (ai), con una dimensión igual o superior a la mínima (restricción 2), dando lugar a combinaciones cj1=(ar+ ai). Si cada una de estas combinaciones está presente en un número mínimo de explotaciones (Pj1  m) y (Pj1  (U·f)/100), de acuerdo con las restricciones 3 y 4 prefijadas por el usuario, queda registrada mediante un número de orden j, junto con los valores de las restricciones 1 y 2 bajo las cuales ha sido obtenida y el número de explotaciones en las que está presente. En ciclos sucesivos, h = s siendo 1< s d10, siguiendo el mismo procedimiento y para cada una de las combinaciones generadas en el ciclo previo (cj(s-1)), busca aquellas explotaciones que adicionalmente posean otro aprovechamiento (ai), distinto de los ya presentes y que cumpla la restricción 2, dando lugar a combinaciones cjs=(cj(s-1) + ai) con (s + 2) aprovechamientos. Si cada una de estas combinaciones de orden h = (s + 1), está presente en un número mínimo de explotaciones (Pjs  m) y (Pjs  (U·f)/100), de acuerdo con las restricciones 3 y 4, queda registrada mediante un número de orden j, junto con los valores de las restricciones 1 y 2 bajo las cuales ha sido obtenida y el número de explotaciones en José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 60 las que está presente. Este proceso combinatorio cesa automáticamente cuando se ha superado un ciclo sin registrar ninguna combinación de aprovechamientos nueva (Pjh = 0). Finalizado el proceso combinatorio, se habrán generado un número determinado de diferentes combinaciones de aprovechamientos de distinto orden h, las cuales serán analizadas para extraer las tipologías de explotación que se consideren representativas, en torno a cada aprovechamiento de referencia. Por tanto, estas tipologías están formadas por combinaciones simples de dos aprovechamientos o combinaciones más complejas de varios aprovechamientos, con un máximo de 11 (el de referencia y otros diez). Figura 2.1: Procedimiento de generación de combinaciones. Tabla BASE c j 1 = ar + ai (izr) Pj1  m Pj1  NO SI SI i n NO SI SI NO NO 1 < h  SI NO FIN (cjh) INICIO h= 1 100 U·f Leyenda: cih = Combinación j de orden h. jd Cn, h hd 10 ai= aprovechamiento. i = {1, … r, … n}, siendo n el número total de aprovechamientos. ar = aprovechamiento de referencia. Pjh = número de explotaciones en la combinación j de orden h. U = número total de explotaciones. m = Valor mínimo de Pih. f = Factor porcentual que fija un valor mínimo de Pih para cada cjh+1. c j h = T j, h-1 + ai ( izr ) Pjh  m Pjh 100 fP 1-jh · José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 61 Dado que para cada combinación se conoce el orden (h) al que pertenece, el número de explotaciones en que está presente y un número de serie correspondiente a cada Cjh, se puede construir un diagrama de árbol, similar al característico dendograma generado en los análisis Cluster, pero de diferente interpretación. Mientras que en un análisis cluster, los conjuntos que forman su base presentan un mayor grado de heterogeneidad que los de ramas más distantes, en este árbol ocurriría lo contrario, pero lo más significativo de la estructura en árbol resultante de un proceso combinatorio de estas características, es que no existe el mismo número de elementos (número de explotaciones), en todos los órdenes, reduciéndose este a medida que se incrementa de número de orden (grado de complejidad de la explotación). Este proceso combinatorio puede ser realizado previamente a la clasificación (estratificación según dimensión), o posteriormente a la misma. Si se realiza con todas las explotaciones, las tipología serán más genéricas y se reduce el trabajo de análisis de combinaciones para seleccionar tipologías. Su realización posterior implica un mayor trabajo de análisis pero sin embargo se pueden detectar tipologías específicas de un rango dimensional, que al tratar en conjunto todas las explotaciones podrían pasar desapercibidas. Una solución que aporta buenos resultados consiste en generar todas las combinaciones de orden h=1 y h=2, lo cual permite visualizar cuales van a ser los principales aprovechamientos que van a intervenir en las tipologías definitivas. Tras este rápido proceso preliminar, que permite ajustar los valores de las restricciones, se puede afrontar el proceso combinatorio por estratos, generando un menor volumen de información resultante, lo que facilita su análisis. La metodología de análisis para la selección de cada grupo se fundamenta en el conocimiento de las distintas actividades productivas que lo integran, lo que permite determinar cualitativamente cuales son los aprovechamientos que pueden marcar diferencias importantes entre grupos, y a partir de los datos cuantitativos, absolutos y relativos, del número de explotaciones en las que está presente un Cn,1 Cn,2 Cn,3 Figura 2.2: Diagrama tipo de un proceso combinatorio. C11 Cn1 Cj1 C12 Cn2 Cj2 Cj2 Cj2 Cj2 C13 Cn3 Cj3 Cj3 Cj3 José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 62 aprovechamiento en cada orden combinatorio, e incluso la evolución de esta cuantía en función de la dimensión de las explotaciones. Para ello resulta de gran interés, la presentación de los resultados a través de un diagrama como el recogido en la figura 2.2. Proceso de Clasificación. El proceso de Clasificación de explotaciones atendiendo a su dimensión, no obedece a una metodología específica, pero si parte de unos criterios generales. La clasificación se realiza a partir de la dimensión productiva del aprovechamiento de referencia en cada “tabla de aprovechamiento”, independientemente de la dimensión de otros aprovechamientos integrantes de la explotación. Las unidades dimensionales de referencia son la superficie en el caso de cultivos agrícolas o forestales y el número de cabezas o un múltiplo (UGM)15, en el caso de aprovechamientos ganaderos, valores que proporcionan los microdatos de los Censos Agrarios. La finalidad de la investigación es detectar y analizar los diferentes sistemas explotaciones con planteamientos productivos comerciales. El Censo Agrario incluye como explotación, toda unidad técnico-económica de la que se obtienen productos agrarios bajo la responsabilidad de un titular, siempre y cuando posea almenos 0,1 ha de superficie total, o en su defecto, una o más cabezas de ganado vacuno; dos o más cabezas entre ganado caballar, mular o asnal; seis o más cabezas entre ganado ovino o caprino; dos o más cabezas de ganado porcino; cincuenta o más aves entre gallinas, pavos, patos, ocas, pintadas, palomas, codornices, faisanes y perdices criadas en cautividad; treinta o más conejas madres; diez o más colmenas. Resulta obvio que estos tamaños mínimos no son representativos de explotaciones comerciales y por tanto, será necesario establecer un valor dimensional mínimo que permita excluir todas aquellas explotaciones con producciones de subsistencia o sin ninguna expectativa de continuidad. Este valor se fija a partir del análisis evaluativo del número de explotaciones existentes en los distintos rangos dimensionales, según diversas fuentes estadísticas o determinando la dimensión de explotación que permite obtener una renta del trabajo mínima, por ejemplo el 20% de la cuantía de la Renta de Referencia16, valor mínimo para que una explotación sea considerada viable económicamente según el apartado 17 del art. 2º del R.D. 613/2001 (BOE, 2005). Por otra parte, si bien no es tan frecuente, se ha de tener en consideración la posibilidad de establecer una dimensión máxima de explotación que permita excluir aquellas explotaciones que por su reducido número o dimensión exagerada, no son representativas de su sector productivo. 15 UGM. La Unidad de Ganado Mayor representa la unidad ganadera estándar a la cual se pueden convertir todas las especies mediante un coeficiente dependiente de la especie. 16 La cuantía de la Renta de Referencia se fija anualmente por una orden APA, de acuerdo con la normativa de la Unión Europea y obtenida como la media de los salarios brutos no agrarios publicados por el Instituto Nacional de Estadística. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 63 Una vez establecidos los valores mínimo y máximo, se determina el número de rangos dimensionales y los límites de clase. Si por la heterogeneidad dimensional, es aconsejable establecer rangos, estos han de estar comprendidos entre 3 y 5. Un mínimo de 3 permitirá analizar tendencias en los valores de determinadas variables, siendo más adecuado cuanto mayor sea el número de rangos. Por otra parte, se ha de tender al menor número posible de rangos que permita contemplar la heterogeneidad derivada de la dimensión de las explotaciones, dado que ello reduce el volumen de información y facilita los análisis posteriores. Así pues, para establecer el número de rangos, se recurre al análisis la información existente sobre la estructura del sector y sus tendencias evolutivas, en torno al aprovechamiento analizado. Los límites de clase pueden establecerse siguiendo varios criterios, fundamentalmente: 1) distribuyendo la población en grupos de igual número de elementos; 2) estableciendo amplitudes de rangos iguales; 3) determinando los límites de cada clase de modo que se logre la mayor homogeneidad interna de cada grupo. No cabe duda de que el criterio más adecuado sería el tercero, pero para su realización en necesario aislar previamente las variables que determinan la heterogeneidad de las explotaciones. En cuanto al primer criterio, dado que la distribución del número de explotaciones en relación con su tamaño, normalmente atiende a una función logarítmica, algunas clases agruparían explotaciones muy similares mientras que otras abarcarían amplios rangos y por tanto resultarían extremadamente heterogéneas. En cada caso particular, se deberá determinar la metodología más adecuada pero el segundo criterio será probablemente el más adecuado entorno a la mayoría de los aprovechamientos. Implementación del modelo Todo el procedimiento descrito comenzando con la importación de la “tabla de aprovechamiento” desde la base de datos, hasta la obtención del organigrama de grupos, se realiza íntegramente en hojas de cálculo de Microsoft£ Office Excel 2003, mediante la combinación de macros17 que utilizan instrucciones de Visual Basic y diversas funciones de hoja de cálculo. Ello facilita los análisis posteriores que se realizan con la misma herramienta, ya que se mantiene en todas las etapas la información relacional necesaria. Estos análisis son objeto de otros capítulos de este documento. La transformación de la “tabla de aprovechamiento” a la “tabla base” conlleva una serie de operaciones ya descritas, que se efectúan mediante la combinación de bucles y funciones de búsqueda y referencia, matemáticas, lógicas y estadísticas. 17 Macro: Una macro consiste en una serie de comandos y funciones, que permite automatizar tareas. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 70 explotaciones. De todos modos, dado que se trata de porcentajes de presencia de cebo, reducidos y similares a los de vacuno de carne, se consideran actividades asociadas y por tanto, el cebo no sería un factor adicional de variabilidad tipológica. La presencia de vacuno de carne en las explotaciones con una orientación lechera, tiene una influencia notable en su proceso productivo. Los resultados de la tabla 4 muestran una presencia reducida y decreciente con la dimensión de la explotación. Considerando ambos aspectos, en principio no se excluye como posible factor de variabilidad. La presencia de pradera permanente20, maíz forrajero y forrajeras plurianuales21, es elevada y heterogénea entre los distintos rangos dimensionales, por lo que inicialmente se consideran factores de variabilidad tipológica de las explotaciones de vacuno lechero. Este análisis preliminar de los resultados de primer orden, permite seleccionar los factores que se van a analizar para las combinaciones de segundo orden, eliminando posibles ramas del árbol combinatorio. De este modo, solo se consideran las ramas con presencia de pradera permanente, maíz forrajero, forrajeras plurianuales y vacuno de carne. Las tablas 2.5, 2.6, 2.7 y 2.8 muestran los resultados para las combinaciones de segundo orden. Rango 1 Rango 2 Rango 3 Rango 4 Rango 5 Todas Aprovechamiento Número % Número % Número % Número % Número % Número % Pradera permanente 10.516 71,8 2.956 20,2 818 5,6 193 1,3 171 1,2 14.654 100 Otros pastos 1.756 16,7 374 12,7 103 12,6 21 10,9 16 9,4 2.270 15,5 Patata 1.017 9,7 235 7,9 55 6,7 19 9,8 10 5,8 1.336 9,1 Maíz forrajero 3.962 37,7 1.407 47,6 421 51,5 110 57,0 114 66,7 6.014 41,0 Forrajeras anuales 515 4,9 154 5,2 39 4,8 13 6,7 7 4,1 728 5,0 Forrajeras plurianuales 3.263 31,0 1.028 34,8 279 34,1 54 28,0 39 22,8 4.663 31,8 Vacuno carne 1.077 10,2 180 6,1 38 4,6 7 3,6 13 7,6 1.315 9,0 Recría vacuno 6.526 62,1 2.520 85,3 723 88,4 169 87,6 147 86,0 10.085 68,8 Cebo vacuno 682 6,5 216 7,3 49 6,0 10 5,2 17 9,9 974 6,6 Frondosas 2.390 22,7 724 24,5 206 25,2 48 24,9 35 20,5 3.403 23,2 Resinosas 2.529 24,0 756 25,6 224 27,4 49 25,4 39 22,8 3.597 24,5 Forestal Mixtas 857 8,1 310 10,5 101 12,3 26 13,5 23 13,5 1.317 9,0 Tabla 2.5: Combinaciones de segundo orden con vacuno de aptitud lechera y pradera permanente. 20 Pradera permanente. Según las bases de realización del Censo Agrario, son tierras dedicadas permanentemente a la producción de hierba cuyo aprovechamiento prioritario se realiza mediante siega. 21 Cultivos forrajeros plurianuales. Bajo esta denominación se contemplan las praderas no permanentes. En Galicia son habitualmente praderas en rotación con el cultivo de maíz, patatas, nabo u otros cultivos herbáceos, pero es posible que en las declaraciones censales, algunas praderas permanentes se hayan incluido como plurianuales cuando su renovación es periódica. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 71 Rango 1 Rango 2 Rango 3 Rango 4 Rango 5 Todas Aprovechamiento Número % Número % Número % Número % Número % Número % Maíz forrajero 4.235 64,8 1.542 23,6 481 7,4 132 2,0 145 2,2 6.535 100 Pradera permanente 3.962 93,6 1.407 91,2 421 87,5 110 83,3 114 78,6 6.014 92,0 Otros pastos 580 13,7 150 9,7 55 11,4 13 9,8 13 9,0 811 12,4 Patata 394 9,3 117 7,6 26 5,4 5 3,8 6 4,1 548 8,4 Forrajeras anuales 250 5,9 105 6,8 35 7,3 13 9,8 10 6,9 413 6,3 Forrajeras plurianuales 1.142 27,0 479 31,1 150 31,2 50 37,9 38 26,2 1.859 28,4 Vacuno carne 329 7,8 80 5,2 19 4,0 5 3,8 12 8,3 445 6,8 Recría vacuno 2.780 65,6 1.332 86,4 445 92,5 117 88,6 133 91,7 4.807 73,6 Cebo vacuno 271 6,7 99 7,2 22 5,1 6 6,5 3 4,0 462 7,1 Frondosas 1.011 23,9 384 24,9 121 25,2 32 24,2 25 17,2 1.573 24,1 Resinosas 1.055 24,9 412 26,7 122 25,4 28 21,2 29 20,0 1.646 25,2 Forestal Mixtas 406 9,6 190 12,3 72 15,0 20 15,2 24 16,6 712 10,9 Tabla 2.6: Combinaciones de segundo orden con vacuno de aptitud lechera y maíz forrajero. Rango 1 Rango 2 Rango 3 Rango 4 Rango 5 Todas Aprovechamiento Número % Número % Número % Número % Número % Número % Forrajeras plurianuales 4.032 67,1 1.370 22,8 435 7,2 93 1,5 75 1,2 6.005 100 Pradera permanente 3.263 80,9 1.028 75,0 279 64,1 54 58,1 39 52,0 4.663 77,7 Otros pastos 534 13,2 116 8,5 35 8,0 7 7,5 4 5,3 696 11,6 Patata 492 12,2 153 11,2 33 7,6 9 9,7 6 8,0 693 11,5 Maíz forrajero 1.142 28,3 479 35,0 150 34,5 50 53,8 38 50,7 1.859 31,0 Forrajeras anuales 97 2,4 105 7,7 20 4,6 10 10,8 8 10,7 240 4,0 Vacuno carne 510 12,6 92 6,7 17 3,9 0 0,0 7 9,3 626 10,4 Recría vacuno 2.641 65,5 1.210 88,3 393 90,3 82 88,2 68 90,7 4.394 73,2 Cebo vacuno 271 6,7 99 7,2 22 5,1 6 6,5 3 4,0 401 6,7 Frondosas 592 14,7 214 15,6 65 14,9 14 15,1 13 17,3 898 15,0 Resinosas 1.012 25,1 338 24,7 121 27,8 25 26,9 19 25,3 1.515 25,2 Forestal Mixtas 512 12,7 252 18,4 103 23,7 28 30,1 19 25,3 914 15,2 Tabla 2.7: Combinaciones de segundo orden con vacuno de aptitud lechera y forrajeras plurianuales. Rango 1 Rango 2 Rango 3 Rango 4 Rango 5 Todas Aprovechamiento Número % Número % Número % Número % Número % Número % Vacuno carne 1.173 81,4 200 13,9 43 3,0 7 0,5 18 1,2 1.441 100 Pradera permanente 1.077 91,8 180 90,0 38 88,4 7 100,0 13 72,2 1.315 91,3 Otros pastos 281 24,0 33 16,5 9 20,9 2 28,6 5 27,8 330 22,9 Patata 186 15,9 38 19,0 3 7,0 0 0,0 0 0,0 227 15,8 Maíz forrajero 329 28,0 80 40,0 19 44,2 5 71,4 12 66,7 445 30,9 Forrajeras anuales 65 5,5 14 7,0 3 7,0 0 0,0 3 16,7 85 5,9 Forrajeras plurianuales 510 43,5 92 46,0 17 39,5 0 0,0 7 38,9 626 43,4 Recría vacuno 702 59,8 153 76,5 38 88,4 6 85,7 17 94,4 916 63,6 Cebo vacuno 359 30,6 90 45,0 13 30,2 3 42,9 5 27,8 470 32,6 Frondosas 216 18,4 35 17,5 12 27,9 3 42,9 2 11,1 268 18,6 Resinosas 286 24,4 57 28,5 14 32,6 3 42,9 2 11,1 362 25,1 Forestal Mixtas 87 7,4 27 13,5 6 14,0 0 0,0 2 11,1 122 8,5 Tabla 2.8: Combinaciones de segundo orden con vacuno de aptitud lechera y vacuno de carne. Los resultados para las combinaciones de segundo orden respecto a los aprovechamientos forestales (especies frondosas, resinosas y mixtas), confirman que no existe una correlación con la dimensión de las explotaciones dado que los porcentajes de presencia son similares para todos los rangos. Tampoco existe una José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 72 vinculación específica con ninguno de los cuatro aprovechamientos seleccionados a partir de las combinaciones de primer orden (tablas 2.5, 2.6, 2.7 y 2.8), puesto que los porcentajes en que están presentes en la combinación con cada uno de estos aprovechamientos, también son similares. Solo ocurre una mayor presencia de especies forestales mixtas en detrimento de las frondosas, en las explotaciones con presencia de forrajeras plurianuales. Por todo ello y por que los aprovechamientos forestales no forman parte del proceso productivo de las explotaciones de vacuno lechero, se pueden descartar como factores de variabilidad tipológica en estas explotaciones. La presencia del aprovechamiento identificado como “otros pastos” en las explotaciones con alguno de los cuatro aprovechamientos seleccionados y para cada uno de los rangos dimensionales, es similar en todos los casos, no siendo relevantes las pequeñas diferencias porcentuales. Estas pequeñas diferencias solo indican una mayor presencia de este aprovechamiento cuando la explotación cuenta con praderas permanentes o vacuno de carne, frente a valores algo menores en explotaciones con cultivo de maíz forrajero y forrajeras plurianuales. Dichas diferencias son lógicas dado que el pastoreo está más vinculado a explotaciones con vacuno de carne y praderas permanentes. El cultivo de especies forrajeras anuales, aunque con diferencias muy poco relevantes, está presente en mayor medida en las explotaciones con cultivo de forrajeras plurianuales y maíz forrajero, sobretodo en las de mayor dimensión. Esto también es lógico ya que las forrajeras anuales bien pueden formar parte de rotaciones con el maíz, cultivos para verdeo o sustitutos del maíz. En cualquier caso, el cultivo de estas especies no afecta a la variabilidad tipológica de las explotaciones. La recría de vacuno, presenta valores porcentuales similares frente a cada uno de los cuatro aprovechamientos principales seleccionados, y además, esta similitud porcentual se mantiene con la dimensión de las explotaciones, a excepción del primer rango que presenta valores sensiblemente menores. Ello quiere decir que un importante número de explotaciones de rango 1, no estaría efectuando recría. Sin embargo, dado los sistemas de manejo de estas explotaciones, la presencia o ausencia de recría, no influye sensiblemente en el sistema productivo de la explotación. Por todo ello, no se considera la recría como un factor de variabilidad tipológica. El vacuno de aptitud cárnica tiene una presencia porcentual muy reducida en las explotaciones de vacuno lechero, con relación a los tres aprovechamientos agrícolas principales: pradera permanente, forrajeras plurianuales y maíz forrajero, siendo mayor frente a las dos primeras. Si bien esta presencia porcentual es reducida en número de explotaciones que combinan vacuno de aptitud lechera y cárnica (1.173 según los datos del Censo), es importante y por ello se considera como un José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 73 factor de variabilidad tipológica independiente de los demás factores considerados. Es bien seguro que en la actualidad se ha reducido notablemente esta cifra, pero de todos modos, desde el punto de vista técnico, debe considerarse esta asociación dado que en determinados marcos productivos, puede resultar una alternativa viable a estudiar. Dentro de las explotaciones con cultivos forrajeros plurianuales, el porcentaje de explotaciones con pradera permanente es menor que dentro de las explotaciones con maíz forrajero. Por otra parte, la presencia porcentual de explotaciones con pradera permanente, disminuye en ambos casos a medida que se incrementa la dimensión de la explotación. El cultivo del maíz incrementa su presencia con la dimensión de las explotaciones. La pradera permanente aparece asociada en mayor medida al cultivo del maíz forrajero que al de forrajeras plurianuales. El porcentaje de explotaciones con forrajeras plurianuales, mayor en el caso de las explotaciones que cuentan con vacuno de carne, es similar para todos los rangos. De esta lectura de los resultados reflejados en las tablas 2.5, 2.6, 2.7 y 2.8, se deduce una importante influencia en los sistemas productivos de las explotaciones de vacuno lechero por parte de estos tres aprovechamientos. Del análisis de los resultados para las combinaciones de segundo orden, realizados en los párrafos anteriores, se desprenden los siguientes aspectos: 1. Las tipologías resultantes partirán de la combinación de cuatro aprovechamientos: praderas permanentes, forrajeras plurianuales, maíz forrajero y vacuno de carne. 2. Las explotaciones que cuentan con la presencia de vacuno de aptitud cárnica (un 8,8%), formarían un grupo propio independientemente de la presencia de otros aprovechamientos. 3. Las explotaciones con presencia de pradera permanente (un 89,1%), son la gran mayoría y se combinan con la presencia de los demás aprovechamientos (forrajeras plurianuales, maíz forrajero y vacuno de carne), y por tanto serán estos los que marcarán las diferencias. 4. Las explotaciones con forrajeras plurianuales suponen un 36,5% y las que poseen maíz forrajero un 39,7%. En total suponen un 76,2% pero son comunes un 11,3%, con lo cual, dos grupos independientes formados a partir de los dos aprovechamientos abarcarían el 53,6% del total de explotaciones. 5. Algunas explotaciones con pradera permanente (más del 16%), no cuentan con forrajeras plurianuales, maíz forrajero o vacuno de carne. Para intentar resolver las tipologías de explotación representativas se recurre al análisis de las combinaciones de tercer orden y sucesivos, que se presentan en el árbol de la figura 2.3. Las celdas con textos en gris, representan los aprovechamientos con reducida influencia en la variabilidad tipológica. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 74 Orden 1 Orden 2 Orden 3 Orden 4 Orden 5 Ot.P 2.270 Ot.P 698 Fr.An 44 Fr.An 4 V.C 138 Ot.P 21 Fr.Pl 1.501 Ot.P 114 Fr.An 326 M.F 6.014 V.C 420 Fr.An 34 Ot.P 527 V.C 521 Fr.Pl 4.663 Fr.An 133 Ot.P 299 V.C 1.315 Fr.An 78 Pr.P 14.654 Fr.An 728 Fr.An 413 Ot.P 142 Fr.An 54 Fr.Pl 1.859 V.C 154 Fr.An 4 Ot.P 95 V.C 455 Fr.An 36 Leyenda: M.F 6.539 Ot.P 811 Pr.P = Pradera permanente Ot.P 101 M.F = Maíz forrajero V.C 626 Fr.An 15 Fr.Pl = Forraj. plurianuales Fr.An 133 V.C = Vacuno de carne Fr.Pl 6.005 Ot.P 527 Ot.P = Otros pastos Fr.An 78 Fr.An = Forrajeras anuales TODAS (16.445) V.C 1.441 Ot.P 299 Figura 2.3: Árbol de combinaciones de quinto orden, para todas las explotaciones. Teniendo en consideración que la pradera permanente está presente en la mayoría de las explotaciones, se podría pensar que se trata de un elemento presencia común junto a los otros tres aprovechamientos considerados en el Orden 1, y en consecuencia establecer grupos en torno a ellos. En torno al vacuno de carne, de las 1.441 explotaciones, una parte cuenta con maíz forrajero (445), otra parte con forrajeras plurianuales (626), en la mayor parte está presente la pradera permanente (1.315) y solo una insignificante parte (12), no cuenta con ninguno de estos aprovechamientos. Descartando del total de las 1.441 explotaciones, las que cuentan con maíz forrajero, forrajeras plurianuales o ambas (917), se tendría un grupo de 524 explotaciones que combinan este aprovechamiento con la pradera permanente y otros ajenos a los descartados. Por otra parte, considerando que las forrajeras plurianuales y la pradera permanente, están sometidas a sistemas productivos similares, se podría establecer un grupo de 986 explotaciones de vacuno de carne que no contasen con maíz forrajero. En torno a las forrajeras plurianuales, si de las 6.005 descartamos las que cuentan con maíz forrajero (1.859), se obtiene un grupo de 4.146 explotaciones. Si José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 75 además se descartan las que simultáneamente cuentan con vacuno de carne (472), este grupo se reduce a 3.674 explotaciones, de las cuales 2.779 (un 75,6%), también cuentan con pradera permanente. En torno al cultivo del maíz forrajero, de las 6.539 explotaciones que lo incorporan, 1.859 cuentan con forrajeras plurianuales, 445 con vacuno de carne y 2.150 con uno de ellos o ambos. Así, un total de 4.389 explotaciones con maíz forrajero, no incorporan ni forrajeras plurianuales ni vacuno de carne, de las cuales, 4.231 (un 96,4%), cuentan con pradera permanente. La pradera permanente por si sola (excluyendo el maíz forrajero, las forrajeras plurianuales y el vacuno de carne), o combinada con otros aprovechamientos, solo está presente de forma exclusiva en 4.966 explotaciones. Dependiendo del grado de homogeneidad interna buscado para cada grupo, se puede establecer un mayor o menor número de tipologías. Estableciendo grupos diferenciados para la combinación del vacuno lechero con los aprovechamientos considerados, estas posibilidades se pueden concretar en lo siguiente: 1. Un grupo con las 1.441 explotaciones que combinan el vacuno de carne y otros aprovechamientos. Una alternativa a esta posibilidad consistiría en su diferenciación en dos subgrupos; uno con las 455 explotaciones que incorporan maíz forrajero y otro con las 986 que no lo incorporan. Un análisis preliminar de estos dos subgrupos muestra que no existen diferencias relevantes entre ambos. 2. Un grupo formado por las 6.094 explotaciones con maíz forrajero y sin vacuno de carne. A partir de este, se podrían considerar también dos subgrupos; uno con las 4.389 explotaciones que no incorporan forrajeras plurianuales y otro con las 1.705 que si las incorporan. La diferencia entre ambos se manifiesta en el porcentaje de SAU dedicada al cultivo del maíz forrajero, siendo mayor en el primero. Otras variables no muestran diferencias relevantes. 3. Un grupo formado por las 8.910 explotaciones que no cuentan con maíz forrajero ni vacuno de carne. Este grupo también podría fraccionarse en otros dos; uno formado por las 3.674 explotaciones con forrajeras plurianuales y sin maíz forrajero ni vacuno de carne, y otro constituido por las 5.246 explotaciones sin maíz ni vacuno de carne ni forrajeras plurianuales. Las diferencias entre ambos subgrupos tampoco son relevantes. Partiendo de la base de que el manejo productivo de las forrajeras plurianuales y la pradera permanente, tanto en la obtención del forraje como en su manipulación para la alimentación del ganado es similar (solo las diferencia el proceso de renovación y su rendimiento productivo), se puede establecer una tipología en torno José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 76 al maíz forrajero, otra en torno al vacuno de carne y una tercera, con todas las explotaciones restantes, con una base forrajera pratense. De este modo, los grupos resultantes (tipologías) serían los siguientes: 1. Tipología 1, (T1): Formada por las 6.094 explotaciones que cuentan con maíz forrajero y no cuentan con vacuno de carne. Hay que matizar que para que en una explotación se considerase la existencia de vacuno de carne, se exigió que contase con un mínimo de 5 vacas de aptitud cárnica. De este modo, algunas explotaciones de la T1, pueden contar con vacas de aptitud cárnica en un número inferior a 5 cabezas. 2. Tipología 2, (T2): Formada por las 8.910 explotaciones que no cuentan con maíz forrajero ni vacuno de carne. Este grupo, al igual que el T1, incluye las explotaciones con menos de 5 vacas de aptitud cárnica y también aquellas que cultivan maíz en una superficie menor a 0,5 ha. Dado el gran número de explotaciones con que cuenta este grupo, a efectos de análisis comparativos y para destacar las diferencias con otros, se podrían suprimir las explotaciones que cultivan maíz forrajero. En este caso, la cifra se reduciría a 7.521 explotaciones. 3. Tipología 3, (T3): Formada por las 1.441 explotaciones con un número mínimo de 5 cabezas de vacuno de aptitud cárnica, independientemente de la presencia de otros aprovechamientos en la explotación. La distribución por clases, de las explotaciones de cada tipología se refleja en la tabla 2.9. Tipología 1 Tipología 2 Tipología 3 Todas Dimensión Número % Número % Número % Número % Rango 1 3.906 64,1% 6.507 73,0% 1.173 81,4% 11.586 70,5% Rango 2 1.462 24,0% 1.723 19,3% 200 13,9% 3.385 20,6% Rango 3 462 7,6% 497 5,6% 43 3,0% 1.002 6,1% Rango 4 131 2,1% 108 1,2% 7 0,5% 246 1,5% Rango 5 133 2,2% 75 0,8% 18 1,2% 226 1,4% Todas 6.094 100,0% 8.910 100,0% 1.441 100,0% 16.445 100,0% Tabla 2.9: Distribución de las explotaciones por clase dimensional (rango) y tipología. Estas tres tipologías así obtenidas son aparentemente representativas de la estructura de las explotaciones de vacuno lechero. Para validar estos resultados, se recurre al análisis de los valores de algunas variables recopiladas por los Censos Agrarios, los cuales muestran diferencias relevantes entre las tres tipologías. En primer lugar se analiza la distribución espacial a nivel municipal, de las explotaciones correspondientes a cada tipología. Los mapas de la figura 2.4 muestran las notables diferencias de localización de las explotaciones para las distintas tipologías. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 77 Al comparar los valores obtenidos para alguna de las variables que caracterizan el proceso productivo de la explotación, también se detectan importantes diferencias entre las distintas tipologías y rangos dimensionales. En la grafica 2.2 se observa un mayor porcentaje de recría en las explotaciones de la tipología 1 frente a las de la tipología 2, y todavía mayor respecto de las de la tipología 3. Esto es un hecho constatable en la realidad ya que las explotaciones de la tipología 1 suelen pertenecer a sistemas más intensificados, donde la tasa de renovación de animales es mayor. Por otra parte, esta tasa se incrementa con el tamaño de las explotaciones, también mas intensivas cuanto mayor es su dimensión. Se hace constar que el número de explotaciones de rango 4 y tipología 3, es de tan solo 7 unidades, no siendo representativa la media. Grafica 2.2: Distribución de las explotaciones según Tipologías. Los valores obtenidos para otra variable, indicadora del grado de mecanización de las explotaciones, la potencia media de los tractores, también indican diferencias entre las explotaciones de la tipología 3 frente a las de las tipologías 1 y 2, como puede observarse en la grafica 2.3. Es notorio el hecho de que en las explotaciones con vacuno de carne se realizan prácticas de manejo con mayor presencia del pastoreo y menos laboreo, correspondientes a sistemas más extensivos, de ahí ese Figura 2.4: Distribución de las explotaciones según Tipologías. De 1 a 46 De 46 a 91 De 91 a 136 De 136 a 181 De 181 a 226 De 226 a 271 De 271 a 3 19 Leyenda Tipología 1 De 1 a 59 De 59 a 117 De 117 a 175 De 175 a 233 De 233 a 291 De 291 a 349 De 349 a 407 Leyenda Tipología 2 Tipología 3 De 1 a 10 De 10 a 19 De 19 a 28 De 28 a 37 De 37 a 46 De 46 a 55 De 55 a 67 Leyenda Leyenda 1 - 45 46 - 90 91 - 135 136 - 180 181 - 225 226 - 270 271 - 319 Leyenda 1 - 55 56 - 110 111 - 165 166 - 220 221 - 275 276 - 330 331 - 388 Leyenda 1 - 9 10 - 19 20 - 28 29 - 37 38 - 46 47 - 55 56 - 67 RECRÍA NOVILLAS 0,00 0,10 0,20 0,30 0,40 0,50 12345 Rango dimensional Porcentaje de recría. T1 T2 T3 José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 78 menor nivel de potencia en las máquinas. Por otra parte, esta diferencia disminuye con la dimensión, lo cual es lógico ya que el manejo de rebaños de mayor tamaño implica necesariamente un mayor grado de automatización de los procesos, independientemente del sistema productivo. Grafica 2.3: Potencia media de los tractores referida a la SAU de la explotación. Finalmente, los distintos valores de mano de obra unitaria requerida en las explotaciones, también son indicativos de diferencias entre las tres tipologías de explotaciones, tal como se muestra en el gráfica 2.4. Estas diferencias son más notables en las pequeñas y medianas explotaciones que en las más grandes, en las cuales la mecanización de los procesos alcanza probablemente niveles similares, y por consiguiente, menor ocupación. Grafica 2.4: Mano de obra unitaria ocupada en las explotaciones, referida a las UGM totales. La metodología expuesta permite obtener tipologías de explotaciones en base a la combinación de los aprovechamientos que las integran. Para ello es necesario partir de algunos conocimientos de los procesos productivos característicos de los distintos aprovechamientos, lo cual sin embargo, ayuda a obtener resultados más realistas. Otras técnicas tales como el análisis de Conglomerados Jerárquicos combinadas con un análisis previo de Componentes Principales, permiten establecer POTENCIA DE TRACTORES 0,00 2,00 4,00 6,00 8,00 10,00 12,00 12345 Rango dimensional Potencia; (CV/ha SAU) T1 T2 T3 MANO DE OBRA 0,00 0,02 0,04 0,06 0,08 0,10 0,12 0,14 12345 Rango dimensional Mano de obra, (UTA). T1 T2 T3 José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO II 79 grupos de elementos (explotaciones) con un cierto grado de homogeneidad, que dependerá de las variables de agrupamiento consideradas. Estas técnicas sin embargo, no permiten abordar el problema de la tipificación de explotaciones en su raíz, es decir, según su sistema productivo. Conocido este, no solo se pueden analizar grupos de explotaciones, sino también simular diferentes situaciones que permitan establecer mejoras dirigidas a incrementar la eficiencia técnica y económica de esos sistemas productivos. Una importante ventaja de esta metodología deriva de su implementación mediante un modelo que permite interrelacionar distintas fases sucesivas de análisis de grupos de explotaciones, algunas de las cuales se exponen en otros capítulos. Los resultados obtenidos dependen en gran medida de la información de partida. En este sentido, se han detectado imprecisiones en los datos censales, relativas al registro de algunos cultivos o actividades ganaderas y algunos cultivos se presentan de forma agregada. Así por ejemplo todas las especies hortícolas aparecen en un mismo grupo, cuando existen notables diferencias entre ellas. CONCLUSIONES La metodología desarrollada a partir de los microdatos de los Censos Agrarios, permite agrupar explotaciones en tipologías representativas, a partir del análisis combinatorio de los cultivos que las integran. Las tipologías establecidas permiten realizar valoraciones y obtener indicadores propios para cada grupo, evitando enmascarar las distintas realidades, a diferencia de lo que ocurre frecuentemente cuando se realizan a partir de valores estadísticos medios. La metodología de obtención de “tipologías” expuesta, desarrollada específicamente para su utilización en estudios de Ordenación Productiva Agraria, puede servir de base para otros trabajos relacionados con la producción agraria, para los cuales se necesite diferenciar entre modelos productivos. La estructura de resultados permite el análisis evolutivo de tipologías representativas, a partir de los datos de los Censos que se realizan con una periodicidad de 10 años, con lo cual se puede valorar la evolución global del sector a lo largo del tiempo. La aplicación de esta metodología de tipificación por rangos dimensionales (estratos), permite establecer la posible vinculación entre determinadas tipologías de explotación y su dimensión productiva, lo cual resulta útil para el diseño de modelos productivos teóricos no lineales. El carácter abierto de la metodología y su implementación sobre hojas de cálculo, permite su utilización en diferentes trabajos en los cuales es necesario José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 87 RESUMEN La clasificación de las explotaciones agrarias según su Tipología y Dimensión es un paso importante para la diferenciación de los sistemas productivos. Sin embargo, en una región como Galicia, con una gran heterogeneidad en las circunstancias que marcan los factores condicionantes para las producciones agrícolas, cabe pensar en que la localización de estas producciones, guarda algún tipo de relación con diferentes escenarios consecuentes a esa heterogeneidad. Ante la búsqueda de esa diferenciación derivada de la localización de las explotaciones en los distintos escenarios, se realizó un análisis de la distribución espacial de las explotaciones, considerando unidades territoriales derivadas de la unión de municipios con valores para cada factor considerado, comprendidos en un determinado intervalo. Los resultados mostraron distintos grados de correlación en la localización de las explotaciones respecto de cada factor, dependiendo del aprovechamiento analizado. La existencia de estas correlaciones llevó a realizar un planteamiento propositivo acerca de los escenarios más adecuados para los distintos aprovechamientos, con base a las preferencias en las actuales localizaciones, mostradas en el análisis de distribución espacial. Los resultados, sujetos a algunas puntualizaciones, resultan interesantes para realizar análisis cualitativos sobre las diferencias entre las actuales localizaciones y las propuestas. Por otra parte, también se planteó la posibilidad de que además las explotaciones presentasen diferencias en sus sistemas productivos, en relación con la localización de las mismas y como adaptación a los condicionantes presentes en cada escenario. Para comprobarlo se realizó una zonificación del territorio en función de los valores de cada factor condicionante, analizando el comportamiento de las variables seleccionadas como indicadoras de diferencias en los sistemas productivos de vacuno lechero. Determinando la Media para algunas de estas variables que sirven para caracterizar el sistema productivo de las explotaciones de vacuno lechero, (S. Forrajera con Maíz/S.F. Total, Ud. Recría/V. Lechera, UGM/UTA, UGM Bovinos/S.F. Total, etc.), se pudo comprobar que esas diferencias existen y son relevantes. Por otra parte, los elevados valores normalmente obtenidos para la Desviación Estándar, dan muestra de una gran heterogeneidad en los sistemas productivos. En consecuencia, aunque esas diferencias sirven para identificar los distintos sistemas, no se estimó adecuado establecer modelos productivos característicos para las explotaciones de vacuno lechero, considerando la zonificación a partir de variables espaciales. Para la obtención de los resultados comentados, se recurrió a la utilización de hojas de cálculo, las cuales mediante la utilización de macros, permitieron el análisis sistemático de los datos de los Censos Agrarios y otras fuentes estadísticas. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 89 INTRODUCCIÓN La metodología de Tipificación y Clasificación de explotaciones desarrollada y expuesta en el capítulo II, permite diferenciar las explotaciones según su sistema productivo y tamaño. Ante esta estratificación de explotaciones, surgen dos interrogantes: ¿se corresponden las explotaciones de cada uno de los estratos obtenidos a emplazamientos territoriales concretos?; en tal caso, ¿cuál es el territorio que abarca cada espacio homogéneo?; si esto no se verifica, ¿existen diferencias relevantes entre las explotaciones de cada estrato, respecto de su localización espacial?. La determinación de áreas homogéneas respecto de cada aprovechamiento, Tipología de explotación o Clase dimensional (concebidas según lo expuesto en el capitulo II), presentaría grandes ventajas para el análisis técnicoeconómico y financiero de las explotaciones, así como en el establecimiento de prioridades para la localización espacial de aprovechamientos, especialmente en una región como la Gallega. Galicia presenta una notable heterogeneidad territorial en cuanto al grado de aptitud, para la acogida de las distintas actividades agrarias que se desarrollan en la región o son susceptibles de su implantación. Esta heterogeneidad, por lo que a clima y medio físico se refiere, viene dada principalmente de la mano de un reducido número de factores: temperatura (medias, mínimas, máximas), precipitación, pendiente y altitud, de los cuales se dispone de información a nivel municipal. Las temperaturas y otras variables relacionadas (integral térmica, periodo libre de heladas, …), son un buen indicador de aptitud territorial para actividades agrícolas. En Galicia, con un clima marcado por la influencia oceánica, se diferencian claramente tres zonas climáticas: una correspondiente al litoral, caracterizada por débiles oscilaciones climáticas; una zona con clima de montaña, caracterizada por veranos secos y calurosos e inviernos fríos y húmedos; y una tercera zona interior con una mayor diversidad climática, en la que se dan condiciones intermedias. La altitud, considerando un valor medio para cada municipio, no es como tal, un factor condicionante de la actividad agraria, pero naturalmente existe una relación entre los valores de la altitud y los de las temperaturas y pendiente del terreno, de modo que este factor, de algún modo está incluyendo particulares combinaciones de los dos citados. A modo de ejemplo, es habitual que las zonas de mayor altitud estén vinculadas a valores extremos de las temperaturas máxima y mínima, y pendientes elevadas. En Galicia se puede encontrar superficie de uso agrario, desde cotas a nivel del mar hasta casi 2.000 m. Sin embargo, la mayor parte de la superficie de la región se encuentra en municipios con cotas medias entre los 200 y los 600 m. La pendiente del terreno, cada vez más, resulta un factor condicionante en mayor o menor medida, según las necesidades y exigencias de mecanización de las José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 90 distintas actividades. La mayor parte de los municipios de Galicia presentan cotas medias inferiores al 11%, pero en algunos, este valor medio incluso supera el 20%. Otros muchos factores (estructurales, sociológicos, políticos, económicos, comerciales, etc.), han influido a lo largo del tiempo y van a influir en el futuro en la localización de la actividad agraria. Resulta difícil o incluso imposible en algunos casos, disponer de información o trasladar la información disponible a valores cuantitativos que permitan el análisis espacial. Así pues se intentará dar respuesta a los interrogantes planteados a partir de los factores considerados, es decir, los relacionados con localización espacial. Como consecuencia de esta heterogeneidad territorial, tiene lugar una gran diversidad de producciones agrarias y sistemas productivos. En el Capitulo II se presentaron la metodología genérica y los resultados relativos a la Tipificación y Clasificación, de los sistemas productivos en explotaciones de vacuno lechero, a partir de los datos de los Censos Agrarios. Estos resultados muestran tres tipologías diferenciadas de explotaciones de vacuno lechero, con cinco clases dimensionales representativas. Un adelanto de estos resultados se presentaba en el “World Congress: Agricultural Engineering for a Better World” (Álvarez et al, 2006), una comunicación al X Congreso Internacional de Ingeniería de Proyectos (Riveiro et al, 2006), y con anterioridad, otra comunicación al III Congreso Nacional de Agroingeniería (Álvarez et al, 2005). Trabajos anteriores como el presentado en el IX Congreso Internacional de Ingeniería de Proyectos (Álvarez et al, 2005), con un nivel mayor de desagregación, permitían agrupar las explotaciones de vacuno lechero en 5 grupos o tipologías. Todos estos trabajos partieron de un análisis previo que fue presentado en el VIII Congreso Internacional de Ingeniería de Proyectos (Álvarez et al, 2004). A partir de los datos del Censo Agrario, concretamente el realizado en 1999, y utilizando sencillos métodos, se analizaban las dimensiones características de las explotaciones, la combinación con otros aprovechamientos, su distribución espacial en torno a cada OTE2 o cultivo específico y la posible relación de esta distribución con los valores de algunos factores característicos del Medio Físico (temperaturas, precipitación, pendiente, altitud, amplitud térmica). La consideración conjunta de todos estos factores y la información extraída del Censo Agrario, permitía agrupar las explotaciones considerando rasgos comunes, en lo que ya entonces se denominaron Tipologías de Explotaciones. Sin embargo esta metodología, por su naturaleza, no resultaba eficiente cuando se pretendían analizar aprovechamientos u OTEs con un elevado grado de complejidad. De este modo se ideó una nueva metodología de agrupamiento basada en la consideración individual de los factores dimensionales 2OTE: Orientación Técnico-Económica. Una explotación determinada se encuadra dentro de una determinada OTE, cuando al menos los 2/3 de su renta procede de dicha orientación. Se define en función de la composición relativa, por actividad, del MBT. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 91 (dimensión de las explotaciones), estructurales (aprovechamientos que la integran) y espaciales (vinculados a la localización espacial de las explotaciones). Los dos primeros fueron tratados en el capítulo II, y el tercero es el que se aborda en este capítulo. Un trabajo relacionado es el de Stirm and St-Pierre (2003), quines analizan los factores que más influyen en la localización de las explotaciones de vacuno lechero en los Estados Unidos. Para ello realizan una encuesta a profesionales del sector, de los cuales casi el 75% son productores de leche, pidiéndoles que califiquen en una escala de 1 a 10, la importancia de cada uno de los 110 factores incluidos en el trabajo. Los resultados, además de identificar los principales factores, detectaron diferencias en la percepción de la importancia de los factores según regiones y niveles de actividad productora. Sobre la relación entre localización explotaciones y factores de entorno, un estudio realizado en la Bretaña Francesa, demostró que las características del territorio tenían un importante peso en la asignación de usos del suelo en la explotación (diferentes sistemas productivos), influyendo también en el paisaje y su dinámica ecológica asociada, (Thenail and Baudry, 2004). En esta misma línea, Schmit (2003), basándose en datos espaciales, analizó en que medida las tendencias a la imitación por parte de los agricultores, podrían incidir en los paisajes agrícolas, habiendo concluido que en la región de Bélgica estudiada, esta influencia no era significativa. Otro ejemplo de análisis espacial con fines ambientales es el realizado en Dinamarca por SKop and Schou (1999), quienes partiendo de diferentes tipos de explotaciones y suelos, analizaron los efectos contaminantes de la actividad agraria, basándose en la relación entre los datos de contabilidad y las pérdidas de nitrógeno en las explotaciones. Con otra perspectiva, en Estados Unidos, Brasier KJ (2005), utilizó el análisis espacial para detectar los principales factores espaciales que afectaron a la variación en el número de granjas durante una crisis. En Bélgica, Dendoncker et al (2007), recurrió a la modelización de la distribución de usos, mediante el análisis de regresión espacial de los patrones de utilización del suelo. Otros investigadores utilizan herramientas estadísticas más complejas para comparar variables espaciales, (Zhu, 2004). La Ordenación de Producciones Agrarias es una compleja labor que implica tener en consideración multitud de factores condicionantes, la medida y el modo en que cada uno participa. Si se parte de la hipótesis de que probablemente con el paso del tiempo, frente a los diversos factores del Medio Físico entre otros, los distintos aprovechamientos vinculados al uso de la tierra han ido ocupando aquellos espacios que se presentaban como más favorables. Así el contraste entre los factores climáticos y los requerimientos biológicos de los cultivos, relegaría a estos a los espacios más adecuados, tanto más cuanto más especializada la producción. Al José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 92 mismo tiempo, factores como la topografía del terreno (principalmente la pendiente), estructurales (dimensión y accesibilidad a las parcelas), económicos y comerciales (demanda del producto, rentabilidad), políticos (PAC) o sociológicos, se configurarían como elementos territorialmente condicionantes o estimulantes de cada actividad. Si se parte de la base de que a lo largo del tiempo, han sido estos factores los que han ido condicionando la actual disposición espacial de las explotaciones, el análisis de esta situación actual puede proporcionar una información que, directa o indirectamente, sea relevante en procesos de Ordenación Productiva. Los procedimientos teóricos de asignación de usos necesitan de restricciones y valores de ponderación para su adaptación a situaciones reales, los cuales se han de obtener del análisis y la valoración de estas situaciones. El estudio de la distribución espacial de las explotaciones, a partir de su localización a nivel municipal tomado como unidad de medida su dimensión (superficie de cultivo, número de cabezas de ganado, etc.), o simplemente el número de explotaciones presentes, permite ya comparar este resultado asociado a un determinado espacio territorial con los valores de las variables que lo caracterizan como tal (factores ambientales, territoriales, sociológicos, etc.). Los resultados de estos análisis, debidamente interpretados pueden ser utilizados para realizar planteamientos proposititos, relativos a posibles localizaciones de aprovechamientos y el grado de aptitud de cada espacio de acogida, lo que guarda cierta similitud con la modelización de usos. Desde una óptica diferente, Rounsevell, (2003), realizó un acercamiento a la modelización de la distribución espacial del uso del suelo a escala regional, basándose en los procesos socio-económicos y físicos que la controlan. Para ello, simula el proceso productivo a nivel de explotación y la respuesta de las producciones ante los factores del medio físico. Otro aspecto fundamental, en relación con la localización espacial de los distintos aprovechamientos agrarios, es el relativo a los sistemas productivos adoptados en cada zona del territorio. La adecuación a los condicionantes del medio, puede dar lugar a diferencias importantes entre los sistemas de explotación, que a su vez se pueden manifestar en la eficiencia productiva y en consecuencia, en los resultados económicos. Detectar estas posibles diferencias es de vital importancia para al análisis técnico-económico y financiero de las explotaciones, tanto para la comparación de las existentes como de los modelos teóricos representativos de cada zona. Así, resolver una metodología de Zonificación para agrupar espacios del territorio (zonas), dentro de los cuales, para cada aprovechamiento, las explotaciones de cada grupo (tipología y rango dimensional), presentasen características similares, permitiría un mayor grado de diferenciación que se traduciría en un tercer nivel de estratificación (tipología-rango-zona), generado a José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 93 partir de las diferencias derivadas de la adecuación de los sistemas productivos a la estructura del territorio y al valor de los factores que lo caracterizan en cada localización. La posibilidad de establecer unidades territoriales semejantes para cada aprovechamiento, supondría importantes ventajas. La caracterización de los sistemas de explotación correspondientes a cada tipología y rango, implica la recopilación de información en campo relativa a los procesos productivos. La zonificación permitiría reducir los tamaños de muestreo, y por tanto, los costes del proceso. Por otra parte, el análisis técnico-económico y financiero posterior, también permitiría asignar diferentes grados de aptitud a cada unidad territorial. Objetivo y desarrollo de los trabajos El objetivo principal de la investigación es el de obtener una metodología de análisis espacial de explotaciones y zonificación, estudiando la posibilidad de su aplicación de modo que permita agrupar espacios del territorio (zonas), dentro de los cuales, para cada aprovechamiento, las explotaciones de cada grupo (tipología y rango dimensional), presenten características similares y un mayor grado de diferenciación respecto de las restantes. Con la información disponible a partir del Censo Agrario y otras fuentes, se realizará un análisis de la distribución espacial de las explotaciones, tomando como unidad territorial mínima, el municipio. El máximo grado de desagregación posible con los datos disponibles es el municipal. Los aprovechamientos elegidos serán los cultivos de trigo y patata, y la producción de leche vinculada a la tierra. Los resultados de carácter cuantitativo de este primer análisis, con la debida prevención, permitirán realizar un planteamiento propositivo relativo a posibles localizaciones de aprovechamientos, en relación con las características de los espacios territoriales actualmente ocupados. La posibilidad de establecer unidades territoriales semejantes para cada aprovechamiento, se analizará a partir de la zonificación del territorio según distintos factores del Medio Físico. Esta zonificación se tendrá que realizar con la base de los datos municipales, sin embargo, no cabe duda de que en algunos casos en un mismo municipio existen zonas claramente diferenciadas, ante lo cual, lo más adecuado sería realizar la zonificación a partir de unidades territoriales menores tales como la Parroquia, pero ello no es posible. Un primer paso de esta zonificación consistirá en una discusión teórica sobre la influencia que cada factor pudiera tener sobre la actividad productiva a estudiar. Esto permitirá seleccionar los factores implicados. Para cada uno de los factores seleccionados, se establecen zonas consistentes en el agrupamiento de los municipios con valores del factor dentro de un determinado rango de valores predeterminado. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 94 A partir de los resultados de la tipificación y clasificación, cuya metodología general y resultados para vacuno de aptitud láctea, se expusieron en el capitulo II, se seleccionarán grupos de explotaciones correspondientes a cada combinación de tipología y clase o rango dimensional. Estos grupos se estratificarán separando en subgrupos, las explotaciones localizadas en cada zona correspondiente a un determinado factor del Medio Físico. Para cada subgrupo, se determinarán los valores de los estadísticos para las variables que se tomen como indicadoras de variabilidad en los sistemas productivos de las explotaciones. Estas variables se seleccionarán de entre las disponibles en los microdatos de los Censos Agrarios o aquellas externas que puedan ser relacionadas. Los resultados de estos análisis servirán para confirmar o descartar diferencias entre zonas, respecto de cada grupo de explotaciones (tipología – rango dimensional), proporcionar indicadores y otros valores necesarios para caracterizar los sistemas productivos y también han de servir para facilitar los trabajos de campo, reduciendo los tamaños de muestreo, y por tanto, los costes de este proceso imprescindible para la caracterización de los procesos productivos de las explotaciones. MATERIALES Y MÉTODOS Para desarrollar la metodología objetivo, será necesario disponer de datos de toda la población o una notable representación de la misma. En este sentido, los microdatos del Censo Agrario proporcionan información de todas las explotaciones, relativa a su localización municipal, dimensión, producciones, mano de obra, maquinaria y otras variables de menor interés para los objetivos de este trabajo. Análisis de la distribución espacial de explotaciones Con carácter particular, para la realización del análisis sobre la distribución espacial de las explotaciones y su relación con los factores del medio, se utilizan los datos con la configuración de la definida en el capítulo II como “Tabla Base”3, a la cual se le agregan campos con los valores de los factores del medio, a partir de los cuales se realiza el análisis. Los factores considerados son la precipitación anual acumulada, la altitud geográfica media, la pendiente media del terreno, la temperatura media anual y la amplitud térmica obtenida como diferencia de las 3 La denominada “Tabla Base” en el capítulo II, está formada por un total de 57 campos con información relativa a la localización e identificación de cada explotación y la dimensión de un total de 50 cultivos o actividades ganaderas, presentes en explotaciones seleccionadas a partir de una determinada actividad principal. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 95 temperaturas mínima y máxima anual, tomando los valores medios a nivel municipal. Los datos relativos a estos factores se obtuvieron del SIGA4 y del IGE5. Por otra parte, el número de registros de que consta esta tabla de datos, depende del número de explotaciones existentes en torno a cada actividad principal a analizar, con una dimensión mínima prefijada para estas explotaciones. La elección de la variable de la explotación a partir de la cual se efectuará el análisis de distribución espacial, depende de los objetivos del análisis. En la tabla de datos genérica se incluyen valores de las siguientes: número de explotaciones, superficie total media de la explotación, SAU media, número medio de parcelas, dimensión media de las parcelas, superficie media del cultivo de referencia (número medio de cabezas de la actividad considerada), UTAT6 medias, UTAF7 medias, UTAT medias por ha de SAU, UTAF medias por ha de SAU, potencia media de tractores propios por ha de SAU, porcentaje de la SAU ocupada por el cultivo de referencia, suma de la superficie del cultivo de referencia (suma del número de cabezas de la actividad ganadera considerada) y SAU total de la explotación. Respecto de cada factor, se calcula el valor de la variable considerada. Para ello, dado que los factores se pueden considerar variables continuas, se establecen 10 rangos de valores a partir de su valor máximo y mínimo. Para cada uno de estos rangos es para los cuales se determina el valor de la variable (media, suma, etc.). Con el objeto de obtener un indicador homogéneo, respecto de cada factor, previamente se calcula la SAU acumulada en cada uno de los diez rangos considerados, y se divide el valor máximo de la SAU por el obtenido en cada rango, obteniendo el valor para el coeficiente de corrección correspondiente a ese factor. El valor de la variable considerada para cada rango (ha de cultivo, número de vacas, etc.), se multiplica por dicho coeficiente de corrección, obteniendo un valor relativo, pero que trasladado a una escala de valores entre 0 y 100, resulta indicativo de la importancia de la variable respecto del factor considerado. Los valores obtenidos para cada combinación factor del medio-variable de la explotación, se presentan también mediante un gráfico (diagrama de columnas). Para el manejo de los datos, la obtención de resultados y su presentación grafica, se recurrió a la utilización de hojas de cálculo ya que permiten la 4SIGA. Sistema de Información Geográfica de datos Agrarios del Ministerio de Agricultura, Pesca y Alimentación. Proporciona datos termometritos y pluviométricos a nivel municipal mediante el tratamiento por métodos geoestadísticos de interpolación (KRIGING), de los datos obtenidos por varias Estaciones Meteorológicas, entre 1960 y 1996. 5IGE. Instituto Gallego de Estadística. De esta fuente se obtuvieron los datos de Pendiente Media y Altitud Geográfica o Cota medias a nivel municipal. 6UTAT. Según la metodología del Censo Agrario, las Unidades de Trabajo Anuales (UTA), expresan en número de jornadas completas o parciales realizadas por un trabajador. Una UTA equivale al trabajo que realiza una persona a tiempo completo a lo largo de un año. Las Unidades de Trabajo Anuales Totales, suponen la suma de las UTAs totales empleadas en la explotación. 7UTAF. Unidades de Trabajo Anuales Familiares. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 102 En relación con la pendiente de las zonas de su cultivo, por exigencias de mecanización, son preferenciales enclaves con pendientes medias reducidas, lo cual muestra claramente la gráfica 3.3. Según muestra la gráfica 3.4, los valores para la temperatura media anual más adecuados serían los intermedios. Finalmente, considerando la amplitud térmica, calculada esta como diferencia entre la temperatura máxima y mínima anual, los valores más elevados son los que se corresponden con los lugares de mayor presencia, tal como se muestra en la gráfica 3.5. Es necesario recordar que los valores para la superficie de cultivo (Sf. Cultivo), reflejados en las tablas adjuntas a las gráficas 3.1 a 3.5, se corresponden con los valores reales ponderados mediante el coeficiente de corrección, según se indicó anteriormente en la metodología. 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador Surf. Cultivo Gráfica 3.3: Distribución del cultivo del trigo según rangos de pendiente, (%). Pendiente, (%) Rango Mín Máx Sf. Cultivo (ha) Coef. Indicador 10 <2,9 2.225,79 2,73 89,8 22,9 <5,8 5.484,40 1,23 100,0 35,8 <8,7 756,44 1,00 11,2 48,7 <11,6 267,64 1,27 5,0 511,6 <14,5 5,04 1,45 0,1 614,5 <17,4 3,89 2,68 0,2 717,4 <20,3 0,00 5,61 0,0 820,3 <23,2 0,00 14,42 0,0 923,2 <26,1 0,00 13,59 0,0 10 26,1 d29,01 0,00 9,64 0,0 Gráfica 3.4: Distribución del cultivo del trigo según rangos de temperatura media, (ºC). Temp. Media, (ºC) Rango Mín Máx Sf. Cultivo (ha) Coef. Indicador 17,10 <7,99 0,00 67,94 0,0 27,99 <8,88 0,00 134,32 0,0 38,88 <9,77 24,76 7,85 2,9 49,77 <10,66 1.558,39 2,90 66,9 510,66 <11,55 4.472,68 1,51 100,0 611,55 <12,44 2.358,46 1,00 34,9 712,44 <13,33 270,92 1,27 5,1 813,33 <14,22 56,63 1,09 0,9 914,22 <15,11 1,36 6,06 0,1 10 15,11 d16,01 0,00 17,75 0,0 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador Surf. Cultivo José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 103 Según estos resultados, los espacios más adecuados para el cultivo del trigo serían aquellos con niveles bajos de precipitación (750 a 1.250 mm.), altitudes medias en torno a los 700 m., pendientes menores del 6%, valores de temperatura medios (10 a 13 ºC) y amplitudes térmicas elevadas (23 a 26 ºC). Si bien estos valores son concordantes con las exigencias del cultivo, algunos valores tal como el de la altitud son extremadamente limitantes. Esto es probablemente, una consecuencia de la reducida presencia de este cultivo en Galicia, habiendo sido desplazado por otras actividades, económicamente más viables en la actualidad. Si se recurre a la obra de Bohuier (2001), se observa como el cultivo de cereales (trigo y centeno), mediante “cavadas” o “estivadas” y hasta en torno a 1965, se encontraba ampliamente extendido por toda Galicia. Este hecho denota que las condiciones climáticas de la región no son un factor excluyente para su cultivo, pudiendo sin embargo resultar limitantes de su productividad. Otros factores tales como la ya considerada pendiente del terreno, o estructurales como la dimensión y accesibilidad de las parcelas, no considerados en este estudio, pueden tener una mayor relevancia en la actualidad. De hecho, el análisis de la distribución del cultivo de trigo a partir de los datos del Censo Agrario de 1999 (INE, 1999), muestra una elevada presencia en la comarca de la Limia y su entorno. Se trata de un enclave con una característica estructural; la existencia de parcelas de dimensiones considerables, consecuencia del inicio de la desecación de la “Lagoa de Antela” en 1956 y las posteriores actuaciones de Concentración Parcelaria. Otro aprovechamiento ampliamente extendido en Galicia, es el cultivo de la patata en terrenos de secano. Se han considerado 1.271 explotaciones con una superficie individual de cultivo igual o superior a los 4.000 m2, según los datos del Censo Agrario de 1999 (INE, 1999). Las gráficas incluidos no incorporan la correspondiente tabla de valores dado que estos, a excepción del correspondiente al indicador de superficie, son los mismos que los reflejados para sus homólogos en las gráficas 3.1 a 3.5. Los resultados expresados en la gráfica 3.6 muestran una mayor concentración de la superficie de cultivo en las zonas del territorio con niveles de precipitación más Gráfica 3.5: Distribución del cultivo del trigo según rangos de amplitud térmica, (ºC). Amplitud Térmica, (ºC) Rango Mín Máx Sf. Cultivo (ha) Coef. Indicador 115,00 <16,21 10,64 6,25 1,0 216,21 <17,42 17,78 2,29 0,6 317,42 <18,63 42,74 3,43 2,2 418,63 <19,84 67,02 1,77 1,8 519,84 <21,05 93,05 1,56 2,2 621,05 <22,26 220,28 1,85 6,2 722,26 <23,47 120,19 2,10 3,8 823,47 <24,68 1.456,64 1,32 29,1 924,68 <25,89 6.617,10 1,00 100,0 10 25,89 d27,11 97,76 2,98 4,4 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador Surf. Cultivo José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 104 bajos (menores de 1.300 mm.). Al considerar el factor temperatura, según se refleja en la gráfica 3.7, se observa una mayor concentración de superficie cultivada en lugares con valores de temperatura media anual intermedios. La producción de patata para su comercialización requiere de la utilización de maquinaria, y de ese modo tal como muestra la gráfica 3.8, las zonas preferenciales para su cultivo son aquellas con los valores de pendiente más bajos. En cuanto a la altitud, si bien se cultiva en todas las cotas, la gráfica 3.9 muestra una cierta preferencia por zonas del territorio con valores intermedios de cota. Finalmente, si se considera la amplitud térmica, bastante relacionada con la altitud geográfica, según se muestra en la gráfica 3.10, si bien parece existir una mayor superficie dedicada al cultivo de la patata en zonas con valores mayores de amplitud térmica, no parece ser un factor decisivo para su localización. Gráfica 3.8: Distribución del cultivo de patata en secano, por rangos de pendiente media, (%). Gráfica 3.9: Distribución del cultivo de patata en secano, según rangos de altitud, (m). 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador Surf. Cultivo 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador Surf. Cultivo Gráfica 3.6: Distribución del cultivo de patata en secano, según rangos de precipitación, (mm). Gráfica 3.7: Distribución del cultivo de patata en secano, según rangos de Tª. Media, (ºC). 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador Surf. Cultivo 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador Surf. Cultivo José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 105 Es popular el hecho de que el cultivo de patata para autoconsumo está extendido por todo Galicia, independientemente de su productividad, pero las localizaciones más adecuadas para su cultivo en secano, según se desprende es este análisis espacial, serían aquellas con reducidos niveles de precipitación (750 a 1.430 mm.), valores medios de temperatura (9 a 13 ºC), reducida pendiente (0 a 12 %), altitudes medias (150 a 980 m.) y amplitudes térmicas medias o altas (17 a 27 ºC). Todo ello es concordante con las exigencias teóricas para un correcto desarrollo y manejo del cultivo. Estos mismos análisis se realizaron con las explotaciones de vacuno lechero, una vez obtenidas las tres tipologías definidas en el capítulo II. Los resultados fueron muy similares para estas tres tipologías. Es por ello que solo se muestran son los correspondientes a las explotaciones encuadradas en la tipología 1, constituida por las 6.084 explotaciones registradas en el Censo Agrario de 1999 (INE, 1999), que cuentan con maíz forrajero y con un número máximo de cuatro cabezas de vacuno de carne. Los resultados expresados mediante gráficos, tampoco incorporan la correspondiente tabla de valores, dado que a excepción del correspondiente al indicador de superficie, son los mismos que los reflejados para sus homólogos en las gráficas 3.1 a 3.5. Respecto a este aprovechamiento, la variable utilizada para reflejar en términos relativos, la distribución espacial de las explotaciones es el número de cabezas (vacas de aptitud lechera), correspondiente al código de actividad 6308 del Censo Agrario de 1999. La explotación de ganado vacuno de aptitud lechera en Galicia es una actividad vinculada a la producción forrajera propia, siendo por ello por lo que las características del medio físico pueden influir en la localización de esta actividad. Las gráficas 3.11 y 3.12, muestran respectivamente una mayor concentración de esta actividad en zonas con valores intermedios de precipitación y temperatura media anual, los más adecuados para el manejo de praderas y cultivos forrajeros. Gráfica 3.10: Distribución del cultivo de patata en secano, por rangos de amplitud térmica, (ºC). 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador Surf. Cultivo José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 106 Los sistemas productivos actuales en explotaciones de vacuno lechero conllevan un alto grado de mecanización, no solo en el manejo del ganado sino también en la producción forrajera. La gráfica 3.13 refleja unos valores consecuentes con este hecho; la mayor presencia de vacuno de leche se da en zonas con valores de pendiente bajos, y probablemente, también consecuencia de ello según se muestra en la gráfica 3.14, en zonas de altitud moderada, dado que en Galicia, las zonas de mayor pendiente media coinciden normalmente con zonas montañosas de importante altitud. Finalmente, al considerar la relación entre la localización de las explotaciones y los valores de amplitud térmica, parece ocurrir una preferencia por las zonas con valores medios, propios del interior de la región. Gráfica 3.11: Distribución del vacuno lechero (T1), según rangos de precipitación, (mm). Gráfica 3.12: Distribución del vacuno lechero (T1), según rangos de temperatura media, (ºC). 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador de la distribución de las Explotaciones 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador de la distribución de las Explotaciones Gráfica 3.13: Distribución del vacuno lechero (T1), según rangos de pendiente media, (%). Gráfica 3.14: Distribución del vacuno lechero (T1), según rangos de altitud, (m). 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador de la distribución de las Explotaciones 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador de la distribución de las Explotaciones José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 107 Según se desprende es este análisis espacial, las localizaciones más adecuadas para el vacuno lechero serían aquellas con un amplio rango de niveles de precipitación (920 a 2.285 mm.), valores medios de temperatura (10 a 14 ºC), reducida pendiente (0 a 9 %), diferentes altitudes (150 a 1.1180 m.) y amplitudes térmicas (17 a 23 ºC). Estos valores muestran exigencias menos restrictivas y en consecuencia, una mayor superficie del territorio con aptitud para esta actividad, frente al cultivo de la patata o el trigo. Resultados del planteamiento propositivo Atendiendo a los valores mas adecuados de cada factor para cada actividad productiva, obtenidos del análisis anterior, se realiza un planteamiento propositivo sobre los enclaves preferenciales para cada uno de los aprovechamientos analizados, partiendo de la base de que todos los factores actúan simultáneamente. Con referencia al cultivo de trigo, se obtuvieron los resultados que se expresan gráficamente en los mapas de la figura 3.2 y la tabla 3.2. El mapa de la izquierda representa la distribución actual, contabilizando el número de explotaciones en cada municipio con un mínimo de 1 ha de trigo, según los datos del Censo Agrario de 1999 (INE 1999). El mapa de la derecha representa mediante tres niveles de idoneidad, los municipios que reúnen similares condiciones a las de aquellos en los cuales en la actualidad se está cultivando este cereal. Así pues, según estos resultados, el cultivo de trigo tendría amplias posibilidades de expansión (a mediados del siglo XX se cultivaba en casi todo Galicia), pero ha de tenerse en cuenta que para la construcción de este mapa, entre otros, no se han considerado factores estructurales tales como la estructura de la propiedad. Gráfica 3.15: Distribución del vacuno lechero (T1), según rangos de amplitud térmica, (ºC). 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 12345678910 Rango del factor Indicador de la distribución de las Explotaciones José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 108 Distribución actual Planteamiento propositivo Figura 3.3: Distribución actual del cultivo de patata en secano y propuesta de ocupación. Leyenda 1 – 74 75 – 147 148 – 221 Leyenda Mínima Media Máxima El mismo tipo de análisis se ha realizado para el cultivo de la patata en secano. En la actualidad (según los datos del Censo Agrario de 1999), se cultiva a nivel comercial en los municipios reflejados en el mapa de la figura 3.3. Atendiendo a los valores que en estos municipios presentan los factores del medio físico considerados, correspondientes a los indicados en la tabla 3.3, su cultivo podría extenderse con distintos grados de aptitud, a la casi totalidad de la región, lo cual es bastante concordante con las actuales áreas de cultivo. Rangos preferentes Nivel Precipitación (mm.) Cota (m.) Pendiente (%) Tra. Media (ºC) Ampl. Term. (ºC) 12 6 1, 2 4, 5 9 2(+) 1, 3 (+) 6 (+) 8 3(+) 4 - 7 (+) 1 - 5, 7, 8 (+) 3 - 6 (+) 3, 7 - 9 (+) 1 – 7, 10 Tabla 3.2: Rangos preferentes para cultivo del trigo relativos a las gráficas 3.1 a 3.5. Rangos preferentes Nivel Precipitación (mm.) Cota (m.) Pendiente (%) Tra. Media (ºC) Ampl. Term. (ºC) 11 - 3 5 - 7 1, 2 4 - 7 4 - 10 2(+) 4 (+) 2 - 4, 8 (+) 3, 4 (+) 3 (+) 3 3(+) 5, 6, 7 (+) 1, 9, 10 (+) 5 - 10 (+) 8 - 10 (+) 1, 2 Tabla 3.3: Rangos preferentes para cultivo de la patata en secano, relativas a las gráficas 3.6 a 3.10. Distribución actual Planteamiento propositivo Figura 3.2: Distribución actual del cultivo del trigo y propuesta de ocupación. Leyenda 1 – 195 196 – 389 390 – 584 Leyenda Mínima Media Máxima José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 109 Distribución actual Planteamiento propositivo Figura 3.4: Distribución actual de las explotaciones de vacuno lechero y propuesta de ocupación. Leyenda 1 – 106 107 – 212 213 – 319 Leyenda Mínima Media Máxima La misma metodología se aplicó a las explotaciones de vacuno lechero de la tipología T1. La comparación entre los mapas de la figura 3.4 muestra la posibilidad de su explotación en la inmensa mayoría de los municipios, pero las zonas de mayor aptitud, identificadas a partir de las preferencias mostradas en la tabla 3.4 coinciden en gran medida con las más vinculadas en la actualidad a la producción de leche. Se ha de tener presente que los valores utilizados para estos análisis, son valores medios a nivel municipal, pudiendo dentro del territorio de un municipio, existir espacios con valores muy discordantes con la media. Análisis de los resultados de Zonificación La Zonificación a partir de factores del Medio Físico como metodología para la diferenciación espacial de los sistemas de explotación, tiene un carácter genérico. En este capítulo, se evalúan respecto de esta zonificación genérica, las diferencias entre los sistemas productivos de las explotaciones de vacuno lechero, por su mayor representatividad numérica y económica, así como por su complejidad productiva. A partir de los datos obtenidos del IGE (IGE-TC, 2006) y del SIGA (MAPA, 2004), y siguiendo la metodología ya expuesta, se elaboran los mapas de las figuras 3.5 a 3.11, que representan las áreas que abarca cada rango de la variable (Zona), obtenidas por agrupamiento de los territorios municipales con valores comprendidos dentro de un mismo rango. Los mapas de la figura 3.5 relativos a la zonificación a partir de los valores de la temperatura media anual, muestran regiones muy homogéneas, especialmente para los intervalos medios. Estas características se hacen más acusadas al considerar solo tres intervalos de valores, siendo el correspondiente a los valores intermedios el Rangos preferentes Nivel Precipitación (mm.) Cota (m.) Pendiente (%) Tra. Media (ºC) Ampl. Term. (ºC) 14 - 9 3 - 5 1, 2 5, 6 5 - 7 2(+) 2, 3 (+) 2, 6 - 9 (+) 3 (+) 4, 7, 8 (+) 3, 4 3 (+) 1 (+) 4 - 9 (+) 1 - 3 (+) 1, 2, 8 - 10 Tabla 3.4: Rangos preferentes para explotación de vacuno lechero, relativas a las gráficas 3.11 a 3.15. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 110 que engloba una mayor fracción del territorio. Se ha de tener presente que la temperatura media anual por si sola, no es un buen indicador de la aptitud territorial para una determinada actividad agraria. Dos municipios pueden presentar valores similares a partir de amplitudes térmicas muy diferentes, y por tanto, diferentes aptitudes. Dependiendo del tipo de actividad a considerar, podría ser conveniente utilizar como indicadores, otros factores tales como la integral térmica, periodo libre de heladas, temperaturas mínimas o máximas, etc. Para la realización de los análisis que se presentan, a nivel municipal solo se dispone de datos relativos a temperaturas. Los valores de la temperatura mínima anual pueden guardar relación con limitaciones a las posibilidades de explotar ciertos cultivos. Al establecer tres intervalos en los valores medios municipales, se obtienen las tres regiones representadas en el mapa de la figura 3.6, muy compactas y relacionadas con las tres zonas climáticas anteriormente representadas en la figura 3.5. La temperatura máxima también puede tener influencia sobre algunas actividades agrarias. Al analizar la distribución espacial de zonas con valores similares también se obtienen áreas territoriales muy compactas y dos de ellas similares en cuanto a superficie, las cuales se muestran en los mapas de la figura 3.7. Diez intervalos Tres intervalos Figura 3.6: Zonificación de Galicia en base a la temperatura mínima anual por municipios, (ºC). Leyenda -0,9 – -0,1 0 – 0,7 0,8 – 1,6 1,7 – 2,4 2,5 – 3,3 3,4 – 4,2 4,3 – 5,0 5,1 – 5,9 6,0 – 6,7 6,8 – 7,7 Leyenda -0,9 – 1,9 2,0 – 4,7 4,8 – 7,7 Diez intervalos Tres intervalos Figura 3.5: Zonificación de Galicia en base a la temperatura media anual por municipios, (ºC). Leyenda 7,1 – 7,9 8,0 – 8,8 8,9 – 9,7 9,8 – 10,6 10,7 – 11,5 11,6 – 12,3 12,4 – 13,2 13,3 – 14,1 14,2 – 15,0 15,1 – 16,0 Leyenda 7,1 – 10,0 10,1 – 12,9 13,0 – 16,0 José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 111 La amplitud térmica se obtiene por diferencia entre la temperatura máxima y la mínima anual. Al igual que ocurría para las temperaturas máximas y mínimas, se obtienen áreas territoriales muy compactas, que marcan el distanciamiento con el litoral Cantábrico, tal como se muestra en la figura 3.8. Los mapas de la figura 3.9 que reflejan la zonificación realizada a partir de los valores de precipitación anual acumulada, muestran áreas muy compactas y a más del 85% del territorio con valores superiores a 1.000 mm. A pesar de la extensa red hidrográfica de Galicia, esta región cuenta tan solo con un 10% de superficie en regadío (INE, 1999). Ante esta circunstancia, los niveles de precipitación son relevantes para la actividad agraria. Si bien la precipitación acumulada no es un buen indicador de disponibilidad hídrica, a escala municipal si es un referente válido que puede guardar relación con localizaciones preferenciales de algunas actividades. Diez intervalos Tres intervalos Figura 3.8: Zonificación de Galicia en base a la amplitud térmica por municipios. Leyenda 15,0 – 16,1 16,2 – 17,3 17,4 – 18,5 18,6 – 19,7 19,8 – 21,0 21,1 – 22,2 22,3 – 23,4 23,5 – 24,6 24,7 – 25,8 25,9 – 27,1 Leyenda 15,0 – 18,9 19,0 – 23,0 23,1 – 27,1 Diez intervalos Tres intervalos Figura 3.7: Zonificación de Galicia en base a la temperatura máxima anual por municipios, (ºC). Leyenda 21,1 – 21,7 21,8 – 22,5 22,6 – 23,2 23,3 – 24,0 24,1 – 24,7 24,8 – 25,4 25,5 – 26,2 26,3 – 26,9 27,0 – 27,7 27,8 – 25,5 Leyenda 21,1 – 23,5 23,6 – 25,9 26,0 – 28,5 José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 118 Media Desviación Estandar Diferenciación Peso Grupo Variable Factor Z1 Z2 Z3 Z1 Z2 Z3 Z1_Z2 Z1_Z3 Z2_Z3 Z1_Z2 Z1_Z3 Z2_Z3 T1_R1 CV_Tr_Pr/SAU T_Med 6,971 11,457 13,219 6,513 9,380 10,044 1,772 1,325 5,512 48,7% 61,9% 14,3% T1_R1 OT_Pas/SFt Pendiente 0,042 0,055 0,000 0,142 0,162 0,000 11,972 1,686 1,477 26,2% 200,0% 200,0% T1_R1 SAU/ST Cota 0,693 0,757 0,845 0,200 0,176 0,132 2,951 1,094 1,749 8,8% 19,7% 11,0% T1_R1 SAU/ST Pendiente 0,720 0,663 0,513 0,192 0,225 0,197 3,702 0,939 1,399 8,1% 33,6% 25,6% T1_R1 SAU/ST Precipit_ 0,757 0,710 0,585 0,180 0,195 0,184 3,960 1,061 1,524 6,5% 25,6% 19,2% T1_R1 SAU/ST T_Med 0,845 0,726 0,675 0,132 0,191 0,201 1,356 0,977 3,817 15,2% 22,4% 7,3% T1_R1 SF_Maíz/SF_Tot Amplitud 0,286 0,213 0,163 0,160 0,139 0,121 2,053 1,148 2,628 29,2% 54,5% 26,3% T1_R1 SF_Maíz/SF_Tot Cota 0,238 0,161 0,116 0,147 0,113 0,087 1,682 0,956 2,207 38,6% 69,1% 32,6% T1_R1 SF_Maíz/SF_Tot Precipit_ 0,182 0,215 0,314 0,138 0,136 0,190 4,099 1,239 1,649 16,8% 53,4% 37,4% T1_R1 SF_Maíz/SF_Tot T_Med 0,116 0,200 0,257 0,087 0,129 0,172 1,285 0,921 2,656 53,2% 75,6% 24,8% T1_R1 SF_Maíz/SF_Tot T_Min 0,151 0,229 0,311 0,103 0,144 0,163 1,593 0,833 1,866 40,9% 69,3% 30,5% T1_R1 SF_Tot/SAU Cota 0,933 0,939 0,815 0,083 0,076 0,157 13,661 1,011 0,936 0,6% 13,6% 14,2% T1_R1 SF_Tot/SAU T_Med 0,815 0,936 0,933 0,157 0,078 0,090 0,968 1,047 26,043 13,9% 13,5% 0,3% T1_R1 UGM_Bov/SF_Tot Cota 2,539 2,221 1,487 1,138 1,130 0,757 3,571 0,901 1,285 13,3% 52,3% 39,6% T1_R1 UGM_Bov/SF_Tot T_Med 1,487 2,359 2,699 0,757 1,090 1,300 1,059 0,848 3,513 45,4% 57,9% 13,5% T1_R2 CV_Tr_Pr/SAU T_Med 7,371 9,740 11,299 3,140 6,040 7,640 1,937 1,372 4,387 27,7% 42,1% 14,8% T1_R2 SAU/ST Cota 0,762 0,815 0,863 0,183 0,156 0,096 3,186 1,384 2,639 6,8% 12,4% 5,7% T1_R2 SAU/ST Precipit_ 0,819 0,772 0,630 0,158 0,178 0,151 3,540 0,815 1,158 6,0% 26,2% 20,3% T1_R2 SAU/ST T_Med 0,863 0,797 0,728 0,096 0,169 0,185 2,036 1,046 2,557 7,8% 16,9% 9,1% T1_R2 SF_Maíz/SF_Tot Cota 0,249 0,182 0,125 0,150 0,131 0,084 2,099 0,939 1,870 31,0% 66,5% 37,4% T1_R2 SF_Maíz/SF_Tot T_Med 0,125 0,210 0,264 0,084 0,137 0,171 1,285 0,912 2,859 51,2% 71,8% 22,7% T1_R2 SF_Maíz/SF_Tot T_Min 0,175 0,238 0,350 0,131 0,142 0,192 2,160 0,924 1,495 30,5% 66,6% 38,0% T1_R2 SF_Tot/SAU Cota 0,968 0,966 0,843 0,054 0,054 0,199 29,887 1,018 1,030 0,2% 13,7% 13,6% T1_R2 SF_Tot/SAU T_Med 0,843 0,966 0,968 0,199 0,053 0,058 1,022 1,026 28,611 13,6% 13,8% 0,2% T1_R2 UGM_Bov/SF_Tot Cota 2,911 2,514 2,218 1,218 1,123 0,516 2,945 1,250 2,764 14,7% 27,1% 12,5% T1_R2 UGM_Bov/SF_Tot T_Med 2,218 2,664 3,076 0,516 1,178 1,209 1,896 1,004 2,898 18,3% 32,4% 14,3% T1_R2 UGM_Bov/SF_Tot T_Min 2,424 2,882 3,453 1,077 1,201 1,344 2,489 1,177 2,227 17,3% 35,0% 18,0% T1_R2 Vacas/UTAt T_Med 11,936 15,001 14,605 2,019 10,035 5,002 1,967 1,315 18,992 22,8% 20,1% 2,7% T1_R3 SAU/ST T_Min 0,869 0,805 0,769 0,125 0,163 0,168 2,271 1,473 4,596 7,6% 12,2% 4,6% T1_R3 SF_Maíz/SF_Tot Amplitud 0,349 0,257 0,223 0,150 0,156 0,166 1,665 1,255 4,703 30,3% 44,1% 14,2% T1_R3 SF_Maíz/SF_Tot T_Min 0,196 0,296 0,363 0,122 0,165 0,171 1,442 0,876 2,500 40,5% 59,6% 20,4% T1_R3 UGM_Bov/SF_Tot T_Min 2,569 3,297 3,709 1,057 1,194 1,697 1,545 1,207 3,510 24,8% 36,3% 11,8% T1_R4 UTAF/UTAT Amplitud 0,520 0,672 0,818 0,427 0,404 0,284 2,740 1,191 2,344 25,5% 44,6% 19,7% Tabla 3.8: Diferencias más relevantes entre zonas para explotaciones de la tipología 1. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 119 Media Desviación Estandar Diferenciación Peso Grupo Variable Factor Z1 Z2 Z3 Z1 Z2 Z3 Z1_Z2 Z1_Z3 Z2_Z3 Z1_Z2 Z1_Z3 Z2_Z3 T2_R1 OT_Pas/SFt Pendiente 0,092 0,137 0,000 0,235 0,287 0,000 5,844 1,279 1,049 39,1% 200,0% 200,0% T2_R1 SAU/ST Cota 0,668 0,747 0,839 0,219 0,193 0,131 2,626 1,023 1,747 11,1% 22,7% 11,7% T2_R1 SAU/ST Pendiente 0,719 0,667 0,552 0,205 0,230 0,214 4,194 1,254 1,927 7,5% 26,3% 18,9% T2_R1 SAU/ST Precipit_ 0,774 0,669 0,512 0,186 0,212 0,193 1,899 0,724 1,289 14,5% 40,7% 26,5% T2_R1 SAU/ST T_Med 0,837 0,728 0,614 0,131 0,202 0,224 1,531 0,798 1,874 13,9% 30,7% 16,9% T2_R1 SAU/ST T_Min 0,778 0,656 0,581 0,179 0,213 0,235 1,604 1,051 2,995 17,0% 29,0% 12,1% T2_R1 SF_Tot/SAU T_Min 0,928 0,872 0,755 0,092 0,158 0,242 2,235 0,967 1,711 6,2% 20,5% 14,4% T2_R2 Ud_Recr./Vaca Cota 0,258 0,252 0,119 0,205 0,172 0,144 31,909 1,258 1,186 2,3% 73,7% 71,7% T2_R2 Ud_Recr./Vaca T_Med 0,119 0,253 0,264 0,144 0,181 0,208 1,213 1,209 16,805 72,0% 75,8% 4,5% T2_R2 CV_Tr_Pr/SAU Cota 11,735 10,062 6,061 9,561 10,524 3,658 6,005 1,165 1,772 15,3% 63,8% 49,6% T2_R2 CV_Tr_Pr/SAU T_Med 6,061 10,502 11,591 3,658 10,483 7,612 1,592 1,019 8,309 53,6% 62,7% 9,9% T2_R2 SAU/ST Precipit_ 0,841 0,737 0,621 0,153 0,185 0,183 1,618 0,763 1,589 13,2% 30,1% 17,1% T2_R2 SAU/ST T_Min 0,838 0,737 0,709 0,153 0,185 0,211 1,680 1,414 7,103 12,8% 16,6% 3,9% T2_R2 SF_Tot/SAU T_Min 0,959 0,899 0,783 0,085 0,156 0,217 2,016 0,855 1,599 6,4% 20,2% 13,9% T2_R3 SAU/ST T_Min 0,872 0,800 0,653 0,132 0,166 0,245 2,065 0,861 1,400 8,6% 28,7% 20,2% T2_R3 SF_Tot/SAU T_Min 0,967 0,919 0,819 0,078 0,142 0,191 2,270 0,910 1,674 5,2% 16,6% 11,5% T2_R4 SF_Tot/SAU Amplitud 0,812 0,938 0,890 0,180 0,128 0,217 1,227 2,548 3,623 14,4% 9,2% 5,2% T2_R4 SF_Tot/SAU T_Med 0,994 0,936 0,775 0,003 0,122 0,273 1,074 0,630 1,229 6,0% 24,7% 18,8% T2_R4 UGM_Bov/SF_Tot Amplitud 6,528 3,344 3,272 4,492 3,209 1,774 1,209 0,962 34,598 64,5% 66,4% 2,2% T2_R4 UGM_Bov/SF_Tot T_Med 2,049 3,110 7,601 0,150 1,534 7,294 0,794 0,670 0,983 41,1% 115,1% 83,8% Tabla 3.9: Diferencias más relevantes entre zonas para explotaciones de la tipología 2. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 120 Media Desviación Estándar Diferenciación Peso Grupo Variable Factor Z1 Z2 Z3 Z1 Z2 Z3 Z1_Z2 Z1_Z3 Z2_Z3 Z1_Z2 Z1_Z3 Z2_Z3 T3_R1 CV_Tr_Pr/SAU Cota 10,246 9,412 5,263 6,973 8,768 2,725 9,439 0,973 1,385 8,5% 64,3% 56,5% T3_R1 CV_Tr_Pr/SAU T_Med 5,483 9,544 10,564 2,861 8,439 6,704 1,391 0,941 7,420 54,0% 63,3% 10,1% T3_R1 SAU/ST Cota 0,686 0,768 0,799 0,211 0,171 0,100 2,333 1,383 4,471 11,3% 15,1% 3,9% T3_R1 SAU/ST Precipit_ 0,774 0,712 0,545 0,174 0,194 0,170 2,967 0,750 1,088 8,3% 34,7% 26,6% T3_R1 SAU/ST T_Med 0,801 0,754 0,651 0,093 0,182 0,213 2,967 1,026 1,921 5,9% 20,5% 14,6% T3_R1 SAU/ST T_Min 0,777 0,694 0,607 0,166 0,204 0,225 2,211 1,152 2,497 11,4% 24,5% 13,2% T3_R1 SF_Maíz/SF_Tot Cota 0,111 0,026 0,026 0,142 0,062 0,047 1,197 1,118 73,468 124,5% 122,8% 2,8% T3_R1 SF_Maíz/SF_Tot Precipit_ 0,027 0,080 0,118 0,070 0,121 0,120 1,779 1,047 3,238 100,6% 126,3% 37,6% T3_R1 SF_Maíz/SF_Tot T_Min 0,026 0,094 0,083 0,063 0,132 0,137 1,429 1,758 11,732 113,7% 104,6% 13,0% T3_R1 UGM_Bov/SF_Tot Cota 2,939 2,306 1,549 2,103 1,921 0,402 3,178 0,901 1,535 24,1% 61,9% 39,3% T3_R1 UGM_Bov/SF_Tot T_Med 1,607 2,462 2,649 0,385 2,043 1,269 1,421 0,794 8,853 42,0% 49,0% 7,3% T3_R2 OT_Pas/SFt T_Med 0,025 0,044 0,000 0,025 0,120 0,000 3,768 0,500 1,356 55,6% 200,0% 200,0% T3_R2 SF_Maíz/SF_Tot Amplitud 0,212 0,073 0,060 0,206 0,116 0,153 1,158 1,179 10,194 97,5% 111,9% 19,8% T3_R2 SF_Maíz/SF_Tot T_Med 0,000 0,067 0,195 0,000 0,120 0,247 0,899 0,632 1,433 200,0% 200,0% 97,8% T3_R2 UGM_Bov/SF_Tot Amplitud 6,176 2,471 2,337 7,944 1,213 1,243 1,236 1,197 9,172 85,7% 90,2% 5,6% T3_R3 CV_Tr_Pr/SAU Amplitud 7,084 7,111 4,998 4,680 3,023 2,408 144,433 1,699 1,285 0,4% 34,5% 34,9% T3_R3 OT_Pas/SFt Amplitud 0,079 0,011 0,281 0,208 0,035 0,364 1,787 1,412 0,737 152,6% 112,5% 185,5% Tabla 3.10: Diferencias más relevantes entre zonas para explotaciones de la tipología 3. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 121 Si se realiza una representación gráfica de las medias de una determinada variable, respecto de cada combinación tipología-rango-zona, se observa como algunos de estos valores dependen en mayor medida de la tipología y rango considerados que de la zona en la cual se localiza el grupo. Las gráficas 3.16 y 3.17, en los cuales los grupos 1 a 120 corresponden a la tipología 1, los grupos 121 a 240 a la tipología 2, y 241 a 310 a la tipología 3, y rangos 1 a 5 sucesivamente según los distintos factores, muestra como las diferencias entre las medias son mayores entre tipologías o rangos que entre zonas, para algunas variables. Para otras sin embargo, tal como se muestra en la gráfica 3.18, estas diferencias guardan mayor relación con las distintas zonas. Gráfica 3.16: Valores de la Media para la variable, Ud en recría por vaca en producción. 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243 254 265 276 287 298 309 Grupo (Tipología-Rango-Zona) Ud de Recría / Vaca 0 5 10 15 20 25 30 1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243 254 265 276 287 298 309 Grupo (Tipología-Rango-Zona) CV_TR_Pr / SAU Gráfica 3.17: Valores de la Media para la variable, CV en tractores propios por cada hectárea de SAU. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 122 Por tanto, estos resultados muestran diferencias entre zonas, respecto de algunas variables. El problema que se plantea es definir cuales van a ser los distintos escenarios resultado de agrupar zonas homogéneas ya que cada una de estas zonas no es común a todos los Factores. Para cada factor se han establecido 3 zonas, ante lo cual combinando la zonificación realizada individualmente para cada uno de los siete factores (superposición de capas), se obtienen 96 escenarios diferenciados, de los cuales solo 59 cuentan con explotaciones de vacuno lechero. Al considerar conjuntamente las combinaciones de tipologías y rangos dimensionales, sobre cada escenario, se obtienen 487 grupos de explotaciones diferenciados (combinación tipología-rango- zona). La mitad de estos grupos (257), cuentan con un mínimo de 5 explotaciones y tan solo 42 cuentan con un mínimo de 100. En la tabla 3.11 se muestran los valores correspondientes a la Media, obtenidos para cada una de las variables de estos 42 grupos, en los cuales no aparece ninguno con explotaciones de rango 4 y 5. Ello es debido a que estos contienen un reducido número de explotaciones, menor de 100. El grado de diferenciación es similar para los grupos restantes. Como cabía esperar a partir de los análisis realizados sobre los resultados obtenidos individualmente respecto de cada factor, se mantiene la heterogeneidad y la diferenciación entre distintos grupos tipología-rango con escenarios territoriales comunes y entre escenarios para un mismo grupo tipología-rango. Gráfica 3.18: Valores de la Media para la variable, UGM bovinos / Superficie Forrajera Total. 0 2 4 6 8 10 12 14 16 18 20 1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243 254 265 276 287 298 309 Grupo (Tipología-Rango-Zona) UGM Bovinos / SF total José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 123 Tipo Rango Zona Nº Exp. V.1 V.2 V.3 V.4 V.5 V.6 V.7 V.8 T1 R1 1222121 195 14,257 0,972 2,101 0,744 11,617 92,1% 14,1% 17,9% T1 R1 1222221 179 13,334 0,970 2,011 0,713 9,060 94,7% 16,0% 20,2% T1 R1 1223121 151 12,819 0,960 2,130 0,690 9,656 93,8% 15,2% 23,7% T1 R1 1223221 205 13,227 0,944 2,178 0,743 10,753 93,7% 16,8% 19,1% T1 R1 1323121 159 25,828 0,989 2,065 0,696 9,909 93,4% 15,5% 24,1% T1 R1 2122211 447 10,965 0,984 2,469 0,736 12,378 92,6% 19,3% 20,3% T1 R1 2222211 1.075 12,378 0,985 2,445 0,737 11,932 93,9% 24,4% 18,2% T1 R1 2222221 238 15,741 0,971 2,572 0,745 11,747 96,5% 19,6% 23,8% T1 R1 2232211 436 12,377 0,988 2,514 0,744 12,103 94,0% 22,4% 23,0% T1 R2 1222121 125 24,127 0,936 2,381 0,725 9,765 96,6% 16,6% 29,7% T1 R2 1223121 114 25,211 0,970 2,556 0,678 9,583 95,2% 20,9% 29,5% T1 R2 2122211 142 18,554 0,976 2,971 0,718 10,383 96,1% 21,0% 31,4% T1 R2 2222211 335 20,947 0,971 2,775 0,735 10,358 97,0% 26,2% 25,0% T1 R2 2232211 151 20,144 0,976 2,982 0,732 11,007 96,7% 25,9% 29,9% T1 R3 2222211 108 27,620 0,887 3,272 0,737 8,937 97,6% 32,4% 29,3% T2 R1 1122111 220 13,442 0,990 2,868 0,788 14,173 93,5% 1,5% 15,2% T2 R1 1122121 422 13,707 0,985 2,525 0,765 12,255 93,3% 0,6% 17,0% T2 R1 1122221 137 13,172 0,991 1,948 0,734 10,467 96,6% 0,5% 20,5% T2 R1 1222121 568 14,695 0,981 2,433 0,744 12,881 93,8% 0,7% 19,2% T2 R1 1222221 387 12,103 0,987 2,044 0,754 10,032 94,9% 0,4% 16,5% T2 R1 1223121 635 28,687 0,964 2,501 0,710 11,796 91,7% 0,6% 22,2% T2 R1 1223221 252 11,443 0,962 2,517 0,785 12,276 89,9% 1,2% 15,4% T2 R1 1323121 307 21,251 0,979 2,524 0,708 11,138 92,3% 0,8% 24,6% T2 R1 2121211 137 14,747 0,971 3,476 0,745 12,738 84,3% 0,1% 23,8% T2 R1 2122112 107 12,112 0,955 3,069 0,776 12,135 90,9% 0,5% 16,1% T2 R1 2122211 643 11,402 0,990 4,067 0,753 14,683 79,7% 1,2% 16,9% T2 R1 2122221 206 12,325 0,986 2,473 0,750 17,954 92,8% 1,0% 20,3% T2 R1 2131111 110 11,858 0,970 3,489 0,830 15,731 95,7% 1,4% 12,9% T2 R1 2222121 147 16,298 0,988 2,357 0,712 10,875 92,6% 0,4% 19,5% T2 R1 2222211 605 12,006 0,990 2,943 0,768 13,054 89,8% 1,0% 17,0% T2 R1 2222221 207 13,243 0,965 2,821 0,775 12,736 94,5% 1,8% 20,7% T2 R1 2223221 136 13,238 0,981 4,625 0,791 20,994 90,3% 1,0% 15,3% T2 R1 2232211 284 10,900 0,984 4,347 0,773 15,956 82,6% 1,7% 18,2% T2 R1 3131211 101 16,500 0,998 36,522 0,787 23,083 79,1% 0,4% 14,1% T2 R2 1122121 189 20,350 0,930 4,626 0,756 10,982 96,8% 0,1% 26,5% T2 R2 1222121 252 25,450 0,967 3,207 0,746 11,428 96,6% 0,1% 26,9% T2 R2 1222221 120 19,541 0,960 2,608 0,764 9,619 97,5% 0,1% 23,2% T2 R2 1223121 193 20,965 0,942 2,677 0,717 9,363 94,5% 0,1% 27,2% T2 R2 2122211 143 18,794 0,980 5,074 0,757 12,622 79,2% 0,6% 23,9% T3 R1 1222121 147 17,920 0,976 2,466 0,495 10,595 93,0% 2,1% 13,3% T3 R1 1223121 206 14,687 0,963 2,271 0,489 9,434 92,2% 3,3% 15,5% T3 R1 2222211 109 13,647 0,984 2,808 0,528 10,559 89,1% 18,2% 14,5% Tabla 3.11: Diferenciación entre grupos con escenarios territoriales comunes a todos los factores. Leyenda para la tabla 3.11 V.1 UGT / UTAt V.2 UTAF / UTAT V.3 UGM_Bov / SF_Tot V.4 UGM_VL / UGT V.5 CV_Tr_Pr / SAU V.6 SF_Tot / SAU V.7 SF_Maíz / SF_Tot V.8 %_Recría Zona. Código de 7 dígitos, correspondiente cada uno ordenadamente a los siguientes factores: Tra. Mínima, Tra. Máxima, Tra. Media Anual, Amplitud Térmica, Precipitación Anual Acumulada, Altitud Geográfica y Pendiente Media del Terreno. Los valores 1, 2 y 3, indican cada una de las tres zonas establecidas para cada factor. Dado que este capítulo está dedicado al análisis espacial, se considera un último aspecto relacionado. Se han constatado diferencias significativas entre los José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 124 distintos grupos, a partir de los valores que toma la Media ante las distintas variables elegidas para caracterizar los sistemas productivos a partir de los datos de los Censos Agrarios. Para dar respuesta sobre como se distribuyen esos valores en el territorio, se determinó la vinculación municipal de cada valor característico y representaron los resultados mediante mapas. Los mapas de las figuras 3.12, 3.13 y 3.14, muestran los valores para tres variables, correspondientes a explotaciones de rango 2 y las tipologías T1, T2 y T3. En los tres casos se observa una asociación de determinados niveles de valores a zonas bastante homogéneas del territorio. CV Tr.Pr./SAU_T1-R2 CV Tr.Pr./SAU_T2-R2 CV Tr.Pr./SAU_T3-R2 Figura 3.12: Valores de la variable CV Tr.Pr./SAU, para las explotaciones de vacuno lechero de rango 2. Leyenda 3,6 – 7,5 7,6 – 11,6 11,7 – 15,7 Leyenda 2,7 – 6,8 6,9 – 10,9 11,0 – 15,1 Leyenda 1,4 – 5,3 5,4 – 9,2 9,3 – 13,2 UGT/UTAt_T1-R2 UGT/UTAt_T2-R2 UGT/UTAt_T3-R2 Figura 3.13: Valores de la variable UGT/UTAs totales, para las explotaciones de vacuno lechero de rango 2. Leyenda 9,7 – 16,7 16,8 – 23,8 23,9 – 31,0 Leyenda 11,9 – 21,5 21,6 – 31,2 31,3 – 41,0 Leyenda 15,9 – 25,9 26,0 – 35,9 36,0 – 46,0 UGB/SF Tot_T1-R2 UGB/SF Tot _ T2-R2 UGB/SF Tot _ T3-R2 Figura 3.14: Valores de la variable UGM Bov./SF Tot., para las explotaciones de vacuno lechero de rango 2. Leyenda 0,6 – 1,6 1,7 – 2,7 2,8 – 3,9 Leyenda 0,9 – 2,2 2,3 – 3,6 3,7 – 5,1 Leyenda 0,9 – 2,5 2,6 – 4,2 4,3 – 6,1 José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 125 Ante los resultados obtenidos, se puede concluir que para las explotaciones de vacuno lechero, no resulta viable establecer zonas en las cuales, las distintas variables adopten un valor común a todos los factores, sino que será más adecuado asignar a cada unidad mínima (municipio), el correspondiente valor. CONCLUSIONES El análisis de la distribución espacial de las explotaciones muestra preferencias por determinadas localizaciones, que se corresponden con unos intervalos de valores concretos para cada variable considerada. El grado de preferencia depende del aprovechamiento analizado y del factor considerado. La distribución espacial de las explotaciones de vacuno lechero confirma la diferenciación entre las tres tipologías, dado que quedan de manifiesto las diferencias en las localizaciones dominantes de las mismas. El planteamiento propositivo como aproximación a una modelización espacial de la localización de actividades productivas agrarias, muestra una buena aproximación a situaciones reales y atendiendo a la ocupación histórica del territorio por parte de las actividades analizadas. Esta aproximación a la situación actual es mayor en el caso de las explotaciones de vacuno lechero, dada su mayor implantación. Con carácter general, la zonificación realizada a partir de la graduación cuantitativa de factores del medio físico, sirve para detectar diferencias relevantes a distintos niveles, en el análisis de las explotaciones de vacuno lechero. Considerando todas las explotaciones en conjunto, se encontraron diferencias en los valores adoptados por una misma variable de explotación para las tres zonas correspondientes a un mismo factor del medio, siendo el grado de diferenciación muy variable. Con carácter particular, las diferencias también existen cuando para una misma variable de explotación y factor del medio, se comparan los valores correspondientes a distinta tipología, rango de explotación o combinación de ambos. El grado de diferenciación también es muy variable. A pesar de la diferenciación entre sistemas productivos, deducible a partir de los valores de la Media, los elevados valores que normalmente toma la Desviación Estándar, no aconsejan adoptar la Media como único estadístico para la caracterización de los modelos de explotaciones representativas de cada grupo. Dada la gran dispersión de explotaciones y la disparidad en los resultados de zonificación obtenidos para las explotaciones de vacuno de aptitud lechera, no será viable la agrupación de explotaciones según zonas, debiendo recurrir al municipio como unidad de análisis. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 126 En resumen, hay que indicar que las herramientas desarrolladas para el análisis espacial de las explotaciones, no nos permite extraer conclusiones específicas, básicamente debido a la poca precisión de las medidas de los factores climáticos y del medio físico y de la localización de las explotaciones (agregación de datos a nivel municipal). De todas formas, lo consideramos de interés para trabajos a menor escala de localizaciones potenciales y otros estudios, que aunque no se tratan en el trabajo, son interesantes, como por ejemplo, comparaciones espaciales de diferentes censos y proyecciones de localizaciones de cara al futuro. REFERENCIAS BIBLIOGRÁFICAS ÁLVAREZ, C.J.; MAREY, M.F.; RIVEIRO, J.A. (2006). "Model for classification and characterization of farms for agricultural production planning. Aplication in the Nortwest of Spain". En: VDI Verlag GmbH - Düsserdorf. (2006). World Congress: Agricultural Engineering for a Better World - Book of Abstracts. Bonn: Rheinische Friedrich-Wilhelms-Universität. Pp. 825-832. ÁLVAREZ, C.J.; RIVEIRO, J.A.; MAREY, M.F.; SÁNCHEZ DE DIOS, A. (2006)."Tipificación, Clasificación y Caracterización de Explotaciones Agrarias para la Ordenación Productiva Agraria". En: Sociedad Española de Agroingeniería. (2006). Resumenes del III Congreso Nacional de Agroingeniería. León: Universidad de León. ÁLVAREZ, C.J.; RIVEIRO, J.A.; RESCH, C. (2004). "Metodología para la caracterización y análisis espacial de explotaciones agroforestales en la Comunidad Gallega". En: AEIPRO. (2004). Resúmenes del VIII Congreso Internacional de Ingeniería de Proyectos. Bilbao: Universidad de Bilbao. ÁLVAREZ, C.J.; RIVEIRO, J.A.; RESCH, C. (2005). "Tipificación de Explotaciones Agrarias en Galicia: Metodología y Herramientas Informáticas". En: AEIPRO. (2005). Resumenes del IX Congreso Internacional de Ingeniería de Proyectos. Málaga: Universidad de Málaga. BOUHIER, A. (2001). Galicia. Ensaio Xeográfico de Análise e Interpretación dun Vello Complexo Agrario. Tomos I y II. (Traducción de Benxamin Casal Vila). Santiago de Compostela: Xunta de Galicia - Consellería de Agricultura, Gandería e Montes. Caixanova. BRASIER, K.J. (2005). "Spatial analysis of changes in the number of farms during the farm crisis". Rural Sociology, 70 (4). Pp. 540-560. DENDONCKER, N.; ROUNSEVELL, M.; BOGAERT, P. (2007). "Spatial analysis and modelling of land use distributions in Belgium". Computers Environment and Urban Systems, 31 (2). Pp. 188-205. José Antonio Riveiro Valiño Tesis Doctoral - CAPITULO III 127 IGE. Territorio e Climatoloxía. [En línea]. En: <http://www.ige.eu/ga/index.htm> (Consulta, 15 de septiembre de 2006). INE. Base de microdatos del Censo Agrario de 1999. [En línea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). MAPA. Sistema de Información Geográfica de datos agrarios (SIGA). [En línea]. En: <http://www.mapya.es/sig/pags/siga/intro.htm> (Consulta, 26 de julio de 2004). MICROSOFT. (2003). Microsoft Office Excel 2003. [CD-ROM]. Seatle: Microsoft Corporation. RIVEIRO, J.A.; MAREY, M.F.; RESCH, C.; ÁLVAREZ, C.J. (2006). "Análisis de Explotaciones de Vacuno Lechero para la Ordenación Productiva Agraria". En: AEIPRO. (2006). Actas del X Congreso Internacional de Ingeniería de Proyectos. Valencia: Editorial de la UPV. Pp. 179-190. ROUNSEVELL, M.D.A.; ANNETTS, J.E.; AUDSLEY, E.; MAYR. T.; REGINSTER, I. (2003)."Modelling the spatial distribution of agricultural land use at the regional scale". Agriculture Ecosystems & Environment, 95 (2-3). Pp. 465-479. SCHMIT. C.; ROUNSEVELL, M.D.A. (2006). "Are agricultural land use patterns influenced by farmer imitation?". Agriculture Ecosystems & Environment, 115 (1-4). Pp.113-127. SKOP, E.; SCHOU, J.S. (1999). "Modeling the effects of agricultural production. An integrated economic and environmental analysis using farm account statistics and GIS". Ecological Economics, 29 (3). Pp. 427-442. STIRM. J.; ST-PIERRE, N.R. (2003). "Identification and characterization of location decision factors for relocating dairy farms". Journal of Dairy Science, 86 (11). Pp. 3473-3487. THENAIL, C.; BAUDRY, J. (2004). "Variation of farm spatial land use pattern according to the structure of the hedgerow network (bocage) landscape: a case study in northeast Brittany". Agriculture, Ecosystems and Environment, 101. Pp. 53-72. ZHU, J.; MORGAN, G.D. (2004). "Comparison of spatial variables over subregions using a block bootstrap". Journal of Agricultural Biological and Environmental Statistics, 9 (1). Pp. 91-104. José Antonio Riveiro Valiño Tesis Doctoral – BIBLIOGRAFÍA 230 BIJL, R.; KOOISTRA, S.R.; HOGEVEEN, H. (2007). "The profitability of automatic milking on Dutch dairy farms". Journal of Dairy Science, 90 (1). Pp. 239-248. BLOCK, D.; DUPUIS, M. (2001). "Making the country work for the city: von Thünen's ideas in geography". American Journal of Economics & Sociology, 60 (1). Pp. 79-99. BOE. (1981, 8 de agosto). "Real Decreto 1776/1981, de 3 de agosto, por el que se aprueba el estatuto que regula las Sociedades Agrarias de Transformación". Boletín Oficial del Estado, núm 194. Pp. 18736-18738. BOE. (2005, 27 de mayo). "Real Decreto 620/2005, de 27 de mayo, por el que se aprueba el Plan de reestructuración del sector productor lácteo". Boletín Oficial del Estado, núm 127. P. 8781. BOE. (2005, 9 de junio). "Real Decreto 613/2001, de 8 de junio, para la mejora y modernización de las estructuras de producción de las explotaciones agrarias". Boletín Oficial del Estado, núm 138. Pp. 20405-20418. BOUHIER, A. (2001). Galicia. Ensaio Xeográfico de Análise e Interpretación dun Vello Complexo Agrario. Tomos I y II. (Traducción de Benxamin Casal Vila). Santiago de Compostela: Xunta de Galicia - Consellería de Agricultura, Gandería e Montes. Caixanova. BRASIER, K.J. (2005). "Spatial analysis of changes in the number of farms during the farm crisis". Rural Sociology, 70 (4). Pp. 540-560. CABALLER, V. (1993). Valoración agraria. Madrid: Mundi-Prensa. CABALLERO, P.; DE MIGUEL, M.D.; JULIA, J.F. (1992). Costes y precios en hortifruticultura. Madrid: Mundi-Prensa. CARSJENS, G.J.; VAN DER KNAAP, W. (2002). "Strategic land-use allocation: dealing with spatial relationships and fragmentation of agriculture". Landscape and Urban Planning, 58 (2-4). Pp. 171-179. CASTEL, J.M.; MENA, Y.; DELGADO-PERTINEZ, M.; CAMUNEZ, J.; BASULTO, J.; CARAVACA, F.; GUZMAN-GUERRERO, J.L.; ALCALDE, M.J. (2003). "Characterization of semi-extensive goat production systems in southern Spain". Small Ruminant Research 47 (2). Pp. 133-143. CONESA, E. (2006). "La Cuenta de Resultados como herramienta de ayuda en la toma de decisiones en explotaciones bovinas del sur de Lugo". Frisona Española, 99. Pp. 98-101. COOPER, K.; PARSONS, D.J. (1999). "An economic analysis of automatic milking using a simulation model". Journal of Agricultural Engineering Research, 73 (3). Pp. 311-321. José Antonio Riveiro Valiño Tesis Doctoral – BIBLIOGRAFÍA 231 CRECENTE, R.; ÁLVAREZ, C.; FRA, U. (2002). "Economic, social and environmental impact of land consolidation in Galicia". Land Use Policy, 19 (2). Pp.135-147. DASKALOPOULOU, I.; PETROU, A. (2002). "Utilising a farm typology to identify potential adopters of alternative farming activities in Greek agriculture". Journal of Rural Studies, 18 (1). Pp. 95-103. DAVIS, J.C.; HOLLY, B.P. (2006). "Regional analysis using Census Bureau microdata at the center for economic studies". International Regional Science Review, 29 (3). Pp. 278-296. De MIGUEL, J.C.; PEREZ, T.; RODRÍGUEZ, X.A. (2002). "Tendencias productivas en las explotaciones de leche gallegas". Revista Galega de Economía, vol. 12, núm. 1. Pp. 1-18. DEMIRCAN, V.; BINICI, T.; KOKNAROGLU, H.; AKTAS, A.R. (2006). "Economic analysis of different dairy farm sizes in Burdur province in Turkey". Czech Journal of Animal Science, 51 (1). Pp. 8-17. DENDONCKER, N.; ROUNSEVELL, M.; BOGAERT, P. (2007). "Spatial analysis and modelling of land use distributions in Belgium". Computers Environment and Urban Systems, 31 (2). Pp. 188-205. DHIMAN, T.R.; ANAND, G.R.; SATTER, L.D.; PARIZA, M.W. (1999). "Conjugated linoleic acid content of milk from cows fed different diets". Journal Of Dairy Science, 82 (10). Pp. 2146-2156. DIGCONA. (2002). Tercer Inventario Forestal Nacional, 1997-2007: Galicia. Madrid: Ministerio de Medio Ambiente. Dirección General de Conservación de la Naturaleza. DIRECCIÓN GENERAL DE CATASTRO. Catastro de Rústica. Año 1990. [En línea]. En: Internet <http://www.catastro.meh.es/> (Consulta, 25 de septiembre de 2006). DIRECCIÓN GENERAL DE CATASTRO. Catastro de Rústica. Año 1999. [En línea]. En: Internet <http://www.catastro.meh.es/> (Consulta, 25 de septiembre de 2006). DIRECCIÓN GENERAL DE CATASTRO. Catastro de Rústica. Año 2004. [En línea]. En: Internet <http://www.catastro.meh.es/> (Consulta, 25 de septiembre de 2006). DIVILA, E.; DOILICHA, T. (2005). "Typology and income situation of farm households in the Czech Republic". Politicka Ekonomie, 53 (4). Pp. 495-511. José Antonio Riveiro Valiño Tesis Doctoral – BIBLIOGRAFÍA 232 DRAGOSITS, U.; SUTTON, MA.; PLACE, C.J.; BAYLEY, A.A. (1998). "Modelling the spatial distribution of agricultural ammonia emissions in the UK". Environmental Pollution, 102 (1). Pp. 195-203. DUVERNOY, I. (2000). "Use of a land cover model to identify farm types in the Misiones agrarian frontier (Argentina)". Agricultural Systems, 64 (3). Pp. 137- 149. ERDOGAN, H.M.; CITIL, M.; GUNES, V. SAATCI, M. (2004). "Dairy cattle farming in Kars district, Turkey: I. Characteristics and production". Turkish Journal of Veterinary & Animal Sciences, 28 (4). Pp. 735-743. FANFANI, R.; BRASILI, C. (2003). "Regional differences in Chinese agriculture: Results from the 1997 first national agricultural census". Journal of Peasant Studies, 30 (3-4). P. 18. FOUZ, R.; ÓNEGA, F. (2007). "As tendencias da produción e índices técnicos nas explotacións lácteas". Revista Cooperación Galega, 82. Cadernillo de divulgación técnica. GIRARD, N.; BELLON, S.; HUBERT, B.; LARDON, S.; MOULIN, C.H.; OSTY, P.L. (2001). "Categorising combinations of farmers' land use practices: an aproach based on examples of sheep farms in the south of France". Agronomie, 21 (5). Pp. 435-459. GITSAKIS, N.; TZORTZIOS, S.; DALEZIOS, N. (1999) "The use of spreadsheet software programs in performing cluster analysis on agricultural multivariate data". Work Sciences in Sustainable Agriculture. Pp 179-186. GITTINGER, JP. (1987). Análisis Económico de Proyectos Agrícolas. Madrid: Tecnos. GLEN, J.J.; TIPPER, R. (2001). "A mathematical programming model for improvement planning in a semi-subsistence farm". Agricultural Systems, 70(1). Pp. 295-317. GROENENDAAL, H.; GALLIGAN, D.T.; MULDER, H.A. (2004). "An economic spreadsheet model to determine optimal breeding and replacement decisions for dairy cattle". Journal of Dairy Science, 87 (7). Pp. 2146-2157. HALLAM, D.; MACHADO, F. (1996). "Efficiency analysis with panel data: A study of Portuguese dairy farms". European Review of Agricultural Economics, 23 (1). Pp. 79-93. HARDIMAN, R.T.; LACEY, R.; YANG M.Y. (1990). "Use of cluster analysis for identification and classification of farming systems in Qingyang County, Central North China". Agricultural Systems, 33 (2). Pp. 115-125. José Antonio Riveiro Valiño Tesis Doctoral – BIBLIOGRAFÍA 233 HOWITT, R.E. (1995). "Positive Mathematical-Programming". American Journal of Agricultural Economics, 77 (2). Pp. 329-342 ICONA. (1974). Primer Inventario Forestal Nacional. (IFN1) 1965-1974. Madrid: Ministerio de Medio Ambiente. Instituto de Conservación de la Naturaleza. IGE. Enquisa de bovino. Ano 1993. [En línea]. En: Internet <http://www.ige.eu/ga/index.htm> (Consulta, 15 de septiembre de 2004). IGE. Enquisa de bovino. Ano 1999. [En línea]. En: Internet <http://www.ige.eu/ga/index.htm> (Consulta, 15 de septiembre de 2004). IGE. Enquisa de bovino. Ano 2003. [En línea]. En: Internet <http://www.ige.eu/ga/index.htm> (Consulta, 15 de septiembre de 2004). IGE. Galicia en Cifras. Anuario 2001. [En línea]. En: <http//www.ige.eu/ga/index. htm> (Consulta, 13 de febrero de 2004). IGE. Territorio e Climatoloxía. [En línea]. En: <http://www.ige.eu/ga/index.htm> (Consulta, 15 de septiembre de 2006). INE. (1962). Censo Agrario de 1962. Madrid: Instituto Nacional de Estadística. INE. (1972). Censo Agrario de 1972. Madrid: Instituto Nacional de Estadística. INE. (1982). Censo Agrario de 1982. Madrid: Instituto Nacional de Estadística. INE. (2005). Anuario Estadístico de España. Año 2004. Madrid: Instituto Nacional de Estadística. INE. Base de microdatos del Censo Agrario de 1989. [En línea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Base de microdatos del Censo Agrario de 1999. [En línea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Censo de Población.Padrón Municipal de Habitantes de 2005. [En línea]. En: <http//www.ine.es> (Consulta, 15 de septiembre de 2006). INE. Encuesta de Población Activa. Año 1982. [En línea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Encuesta de Población Activa. Año 1989. [En línea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Encuesta de Población Activa. Año 1999. [En línea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Encuesta de Población Activa. Año 2003. [En línea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). José Antonio Riveiro Valiño Tesis Doctoral – BIBLIOGRAFÍA 234 INE. Encuesta sobre la Estructura de las Explotaciones Agrícolas de 2003. [En línea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). INE. Metodología del Censo Agrario. [En línea]. En: Internet <http//www.ine.es> (Consulta, 28 de octubre de 2005). JUDEZ, L.; CHAYA, C.; MARTINEZ, S.; GONZALEZ, A.A. (2001). "Effects of the measures envisaged in "Agenda 2000" on arable crop producers and beef and veal producers: an application of Positive Mathematical Programming to representative farms of a Spanish region". Agricultural Systems, 67 (2). Pp. 121-138. JUST, R.E. (2003). "Risk research in agricultural economics: opportunities and challenges for the next twenty-five years". Agricultural Systems, 75 (2-3). Pp. 123-159. KHANAL, R.C.; DHIMAN, T.R.; URE, A.L.; BRENNAND, C.P.; BOMAN, R.L.; MCMAHON, D.J. (2005). "Consumer acceptability of conjugated linoleic acid-enriched milk and cheddar cheese from cows grazing on pasture". Journal Of Dairy Science, 88 (5). Pp. 1837-1847. KÖBRICH, C.; REHMAN, T.; KHAN, M. (2003). "Typification of farming systems for constructing representative farm models: two illustrations of the application of multi-variate analyses in Chile and Pakistan". Agricultural Systems, 76 (1). Pp. 141-157. KOMPAS, T.; CHE, T.N. (2006). "Technology choice and efficiency on Australian dairy farms". Australian Journal of Agricultural and Resource Economics, 50 (1). Pp. 65-83 KOSTOV, P.; MCERLEAN, S. (2006). "Using the mixtures-of-distributions technique for the classification of farms into representative farms". Agricultural Systems, 88 (2-3). Pp. 528-537. KRISTENSEN, S.P.; THENAIL, C.; KRISTENSEN, L. (2001). "Farmers' involvement in landscape activities: An analysis of the relationship between farm location, farm characteristics and landscape changes in two study areas in Jutland, Denmark". Journal of Environmental Management, 61. Pp. 301-318. KUHLMANN, D. (1998). "Financial analysis of different conventional and organic animal production systems". Deutsche Tierarztliche Wochenschrift, 105 (8). Pp. 324-327. LE BER, F.; BENOIT, M. (1998). "Modelling the spatial organization of land use in a farming territory. Example of a village in the Plateau Lorrain". Agronomie, 18 (2). Pp. 103-115. José Antonio Riveiro Valiño Tesis Doctoral – BIBLIOGRAFÍA 235 LEESON, J.Y.; SERRAD, J.W.; THOMAS, A.G. (1999). "Multivariate classification of farming systems for use in integrated pest management studies". Canadian Journal of Plant Science, 79 (4). Pp. 647-654. LOPES, J.D.S.; MANTOVANI, E.C.; PINTO, F.D.; DEQUEIROZ, D.M. (1995). "A computer-program development for farm machinery system economics selection". Pesquisa Agropecuaria Brasileira, 30 (4). Pp. 537-542. LOPEZ IGLESIAS, E. (2000). "O sector agrário galego ás portas do século XXI: Balance das suas trasnformacións recentes". Revista Galega de Economía, vol. 9, núm. 1. Pp. 167-196. LOUHICHI, K.M.; ALARY, V.; GRIMAUD, P. (2004). "A dynamic model to analyse the bio-technical and socio-economic interactions in dairy farming systems on the Reunion Island". Animal Research, 53 (5). Pp. 363-382. MALLER, C.J.; HEMSWORTH, P.H.; NG, K.T.; JONGMAN, E.J.; COLEMAN, G.J.; ARNOLD, N.A. (2005). "The relationships between characteristics of milking sheds and the attitudes to dairy cows, working conditions, and quality of life of dairy farmers". Australian Journal of Agricultural Research, 56 (4). Pp. 363-372. MAPA. Sistema de Información Geográfica de datos agrarios (SIGA). [En línea]. En: <http://www.mapya.es/sig/pags/siga/intro.htm> (Consulta, 26 de julio de 2004). MICROSOFT. (1998). Microsoft Visual Basic 6.0. [CD-ROM]. Seatle: Microsoft Corporation. MICROSOFT. (2003). Microsoft Office Access 2003. [CD-ROM]. Seatle: Microsoft Corporation. MICROSOFT. (2003). Microsoft Office Excel 2003. [CD-ROM]. Seatle: Microsoft Corporation. MIDMORE, P.; WHITTAKER, J. (2000). "Economics for sustainable rural systems". Ecological Economics, 35 (2). Pp. 173-189 . MOYANO, F.J.; DÍAZ, M.; MARTÍNEZ, T. (2002). Gestión técnica y económica en explotaciones ganaderas. Madríd: Élice. PARMAR, R.S.; MCCLENDON, R.W.; POTTER, W.D. (1996). "Farm machinery selection using simulation and genetic algorithms". Transactions of the ASAE, 39 (5). Pp. 1905-1909. PARSONS, R.L.; LULOFF, A.E.; HANSON, G.D. (2004). "Can we identify key characteristics associated with grazing-management dairy systems from survey data?". Journal of Dairy Science, 87 (8). Pp. 2748-2760. José Antonio Riveiro Valiño Tesis Doctoral – BIBLIOGRAFÍA 236 PAZ, P. (2006). "O gasto sanitario no gando vacún de leite". Revista Cooperación Galega, 78. Cadernillo de divulgación técnica. PEREIRA, J.M.; ÁLVAREZ, C.J.; BARRASA, M. (2003). "Prediction of dairy construction costs". Journal of Dairy Science, 86 (11). Pp 3536-3541. PEREIRA, J.M.; BARRASA, M.; ÁLVAREZ, C.J.; BUENO, J. (2005). "Prediction of dairy cattle housing costs with different cleaning systems". Transactions of the ASAE 48 (1). Pp 307-314. PIERANI, P.; RIZZI, P.L. (2003). "Technology and efficiency in a panel of Italian dairy farms: an SGM restricted cost function approach". Agricultural Economics, 29 (2). Pp. 195-209. PORRAS TEJEIRO, C.J. (2001). Estudio técnico económico de explotaciones ganaderas extensivas, 1997-1999. Sevilla: Junta de Andalucía. Consejería de Agricultura y Pesca. RIVEIRO, J.A.; ÁLVAREZ, C.J.; MIRANDA, D.; PEREIRA, J.M. (2005)."Profitability and production requirements for land use allocation of farming and forestry land". Biosystems Engineering, Vol. 90 (4). Pp. 477-484. RIVEIRO, J.A.; MAREY, M.F.; RESCH, C.; ÁLVAREZ, C.J. (2006). "Análisis de Explotaciones de Vacuno Lechero para la Ordenación Productiva Agraria". En: AEIPRO. (2006). Actas del X Congreso Internacional de Ingeniería de Proyectos. Valencia: Editorial de la UPV. Pp. 179-190. ROMAIN, R.; LAMBERT, R. (1995). "Technical Efficiency and Costs of Production in the Dairy Sector of Quebec and Ontario". Canadian Journal of Agricultural Economics-Revue Canadienne D' Economie Rurale, 43 (1). Pp. 37-55. ROMERO, C. (2000). "Risk programming for agricultural resource allocation: a multidimensional risk approach". Annals of Operations Research, 94. Pp. 57- 68. ROSSITER, D.G. (1996). "A theoretical framework for land evaluation". Geoderma, 72. Pp. 165–202. ROUNSEVELL, M.D.A.; ANNETTS, J.E.; AUDSLEY, E.; MAYR. T.; REGINSTER, I. (2003)."Modelling the spatial distribution of agricultural land use at the regional scale". Agriculture Ecosystems & Environment, 95 (2-3). Pp. 465- 479. SANTAROSSA, J.M.; STOTT, A.W.; WOOLLIAMS, J.A.; BROTHERSTONE, S.; WALL, E.; COFFEY, M.P. (2004). "An economic evaluation of long-term sustainability in the dairy sector". Animal Science, 79. Pp. 315-325. José Antonio Riveiro Valiño Tesis Doctoral – BIBLIOGRAFÍA 237 SCHMIT. C.; ROUNSEVELL, M.D.A. (2006). "Are agricultural land use patterns influenced by farmer imitation?". Agriculture Ecosystems & Environment, 115 (1-4). Pp.113-127. SINEIRO, F.; LÓPEZ, E.; LORENZANA, R.; VALDES, B. (2004). La tipología de las explotaciones en función de su viabilidad económica y demográfica; aplicaciones a las explotaciones de bovino en Galicia. Economía Agraria y Recursos Naturales, 4 (8). Pp. 63-86. SINGH, S. (2002). "Optimizing the spatial structure of the agricultural production function". Geographical Analysis, 34 (3). Pp. 229-244. SKOP, E.; SCHOU, J.S. (1999). "Modeling the effects of agricultural production. An integrated economic and environmental analysis using farm account statistics and GIS". Ecological Economics, 29 (3). Pp. 427-442. SOGAARD, H.T.; SORENSEN, C.G. (2004). "A model for optimal selection of machinery sizes within the farm machinery system". Biosystems Engineering, 89 (1). Pp. 13-28. SPAROVEK, G.; COOPER, M.; DOURADO-NETO, D.; MAULE, R.F.; VIDAL-TORRADO, P.; PIMENTA, L.F.D.; MARTINS, S.P.; TERAMOTO, E.R.; SILVIA, A.C.; VAN DE STEEG, J.; SCHNUG, E. (2002). "The land resource information and suitability system for family agriculture (LARISSA), developed for the Brazilian agrarian reform". Journal of Agriculture in the Tropics and Subtropics, 103 (1). Pp. 47-59. STEINWIDDER, A.; GREIMEL, M. (1999). "Economic valuation of longevity of dairy cows". Bodenkultur, 50 (4). Pp. 235-249. STIRM. J.; ST-PIERRE, N.R. (2003). "Identification and characterization of location decision factors for relocating dairy farms". Journal of Dairy Science, 86 (11). Pp. 3473-3487. ST-PIERRE, N.R.; SHOEMAKER, D.; JONES, L.R. (2000). "The next $120,000: A case study to illustrate analysis of alternative farm investments in fixed assets". Journal of Dairy Science, 83 (5). Pp. 1159-1169. TAUER, L.W.; MISHRA, A.K. (2006). "Dairy farm cost efficiency". Journal of Dairy Science, 89 (12). Pp. 4937-4943. TAVERNIER, E.A.; TOLOMEO, V. (2004). "Farm typology and sustainable agriculture: Does size matter?". Journal of Sustainable Agriculture, 24 (2). Pp. 33-46. José Antonio Riveiro Valiño Tesis Doctoral – BIBLIOGRAFÍA 238 THENAIL, C. (2002). "Relationships between farm characteristics and the variation of the density of hedgerows at the level of a micro-region of bocage landscape. Study case in Brittany, France". Agriculture Systems, 71. Pp. 207- 230. THENAIL, C.; BAUDRY, J. (2004). "Variation of farm spatial land use pattern according to the structure of the hedgerow network (bocage) landscape: a case study in northeast Brittany". Agriculture, Ecosystems and Environment, 101. Pp. 53-72. THOMSON, K.J. (2001). "Agricultural economics and rural development: marriage or divorce? Presidential address". Journal of Agricultural Economics, 52 (3). Pp. 1-10. USAI, M.G.; CASU, S.; MOLLE, G.; DECANDIA, M.; LIGIOS, S.; CARTA, A. (2006). "Using cluster analysis to characterize the goat fanning system in Sardinia". Livestock Science, 104 (1-2). Pp. 63-76. UTE EIDO-USC. (2004). Estudios Comarcales de Ordenación Productiva Agraria de 21 comarcas. Santiago de Compostela: Xunta de Galicia. Consellería de Política Agroalimentaria e Desarrollo Rural. WALTER, K.; BOCKISCH, F.J.; OHRTMANN, J.; THOMSEN, J. (2005). "Development of dairy cattle husbandry during the construction phase of the stable". Landbauforschung Volkenrode. 55 (2). Pp. 107-118. ZHU, J.; MORGAN, G.D. (2004). "Comparison of spatial variables over subregions using a block bootstrap". Journal of Agricultural Biological and Environmental Statistics, 9 (1). Pp. 91-104. ANEXO I MODELO DE CUESTIONARIO José Antonio Riveiro Valiño Tesis Doctoral – MODELO DE CUESTIONARIO 246 11._ Dimensión e tipología de los alojamientos para recría de novillas. Superficie total destinada a recría en las distintas fases................... m2 Alojamiento en la fase 1, (Nacimiento - Destete)........ Edificación cerrada m2 Cubículos exteriores Otro, especificar. Alojamiento en la fase 2, (Destete - Pastoreo)........... Edificación cerrada m2 Aire libre Aire libre con cobertizo Alojamiento den la fase3, (Pastoreo - Preñez)........... Edificación cerrada m2 Aire libre Aire libre con cobertizo Alojamiento en la fase 4, (Preñez - Parto).................. Edificación cerrada m2 Aire libre Aire libre con cobertizo *La duración de las distintas fases puede ser variable, sirviendo como referencia las siguientes, expresadas en meses: Fase 1, (0-2,5); Fase 2, (2,5 - 9); Fase 3, (9 - 18); Fase 4, (18 - 24). *En el caso de superficies edificadas, se indicará la superficie en planta destinada a cada fase. En el caso de no existir diferenciación de espacios, sólo se indicará la superficie total destinada a recría. 12._ Dimensión y tipología de los alojamientos para cebo de terneros. Superficie total destinada a cebo en las distintas fases.................... m2 Alojamiento en la fase 1, (Nacimiento - Destete)........ Edificación cerrada m2 Cubículos exteriores Otro, especificar. Alojamiento en la fase 2, (Crecimiento)...................... Edificación cerrada m2 Aire libre con cobertizo Alojamiento en la fase 3, (Terminación)...................... Edificación cerrada m2 Otra *En el caso de superficies edificadas, se indicará la superficie en planta destinada a cada fase. En el caso de no existir diferenciación de espacios, sólo se indicará la superficie total destinada a recría. 13._ Dimensión y tipología de la sala de ordeño. Superficie total de la sala de ordeño................ m2 Número de puestos de ordeño......................... Ud Tipología constructiva: Serie Paralelo Espina de pescado Rotativa Otra, ( ) *En el caso de estabulación atada, dado que seguramente no existirá sala de ordeño, la superficie de la sala será de 0 m2. 14._ Dimensión y tipología de la sala de espera. Superficie total de la sala de espera................ m2 Tipología constructiva: Abierta, (cobertizo) Cerrada * Por sala de espera abierta, se entenderá un patio cubierto y cercado perimetralmente. José Antonio Riveiro Valiño Tesis Doctoral – MODELO DE CUESTIONARIO 247 15._ Dimensión de la lechería. Superficie total de la lechería........................... m2 16._ Dimensiones de otras dependencias Superficie total de la sala de partos................. m2 Local para animales enfermos......................... m2 Local destinado a oficina y aseos.................... m2 Almacén de productos de limpieza y otros...... m2 Otros locales................................................. m2 17._ Dimensión y tipología de las fosas de purín. Capacidad total de todas las fosas.................. m3 Número de fosas de purín............................... Ud Tipología constructiva: Rectangular o cuadrada Circular Cerrada con forjado Cubierta Balsa con impermeabilizante Otra, ( ) *Se marcarán las características correctas, y en el caso de diferentes tipologías de fosas, indicar cuantas de cada tipología. 18._ Dimensión y tipología de los almacenes Superficie total de todos los almacenes........... m2 Número de almacenes.................................... Ud Tipología constructiva Cerrado Abierto Otra, (………………..………….) *Se indicará toda la superficie dedicada a almacén, entendiendo como tal todas las edificaciones que se utilizan como garaje de la maquinaria o acumulo de materias primas utilizadas en la explotación del ganado vacuno. Se indicará también el número de edificaciones o espacios separados, utilizados como almacén. * Como almacén abierto, se entenderá aquel que no presenta cierres en la mayor parte de las fachadas, con un menor costo de edificación. 19._ Dimensión y tipología de los silos de forraje. Capacidad total de todos los silos trinchera.... m3 Número de silos trinchera............................... Ud Número total de silos...................................... Ud Tipología constructiva Cubiertos Aire libre *Se indicará la capacidad total de todos los silos de tipo trinchera o semejante, entendiendo como tal los que están formados por una solera y paredes laterales de hormigón. 20._ Almacenamiento de concentrados Sistema de almacenamiento En silos metálicos En pilas en el almacén Otro, (…………………………...) Capacidad total de todos los silos................... m3 Número de silos................................... Ud José Antonio Riveiro Valiño Tesis Doctoral – MODELO DE CUESTIONARIO 248 21._ Instalación de limpieza del establo. Sistema de limpieza Manual, (emparrillado) Arrobadera Con agua, (ola) Apero o máquina específica, (señalar) Otro, ( …………………………………. ) Longitud total de patios con arrobadera........... m Número de arrobaderas........................ Ud Capacidad del tanque en el sistema de agua.. m3 *En el caso de instalaciones con emparrillado (estabulación libre o atada), el sistema de limpieza será seguramente manual, ayudado por pequeñas máquinas para limpieza con agua a presión. 22._ Instalación de ordeño. Sistema de ordeño Circuito, (estabulación trabada). Sala serie, paralelo, espina de pescado. Sala rotativa, serie o paralelo Robot Otro, (………………………………….. ) Número total de puntos de ordeño simultáneo Ud Longitud de la instalación, (circuitos)............... m 23._ Almacenamiento y refrigeración de la leche. Sistema da almacén Bañera Cisterna Otro, (………………………….. ) Capacidad de los tanques de almacenamiento L. Número de tanques.............................. Ud 24._ Composición de la cabaña ganadera. Nº Tipo y estadío productivo de los animales Cantidad 1. Vacas de aptitud lechera, (después 1er parto) 2. Recría de vacuno lechero, (animales <24 meses) 3. Vacas de aptitud cárnica, (después 1er parto) 4. Recría de vacuno de carne, (animales <24 meses) 5. Terneros de cebo 6. Sementales 7. 8. Porcentaje de recría de vacuno lechero destinada a reposición....... % Porcentaje de recría de vacuno de carne destinada a reposición..... % * Dado que en una explotación pueden existir variaciones importantes en el inventariado de ganado, el encuestador recogerá valores medios para un año de funcionamiento normal de la explotación. * Se considerarán vacas de aptitud lechera ya paridas, todos los animales destinados a la producción de leche, desde el momento del primer parto, independientemente de su estado productivo actual. * Se considerará recría de vacuno, todas las hembras destinadas a recría, desde el nacimiento hasta el momento del primer parto. Se recogerán valores para un año de funcionamiento normal. * Se considerarán vacas de aptitud cárnica ya paridas, todos los animales destinados a cría de terneros, desde el momento del primer parto. (Se excluirán los animales que siendo de razas de aptitud cárnica o cruces, son apartados de sus crías y se destinan a la producción láctea). * Se considerarán terneros en cebo, todos los machos o hembras destinadas a engorde. Se excluyen del cebo y de la recría, los animales que permanecen en la explotación solamente unos días desde el parto, y que finalmente no son destinados ni a cebo ni a recría en la propia explotación. José Antonio Riveiro Valiño Tesis Doctoral – MODELO DE CUESTIONARIO 249 25._ Operaciones rutinarias de manejo del ganado Indicar los tiempos empleados y el número de operarios implicados diariamente en cada labor rutinaria propia del manejo de la explotación. Descripción de la labor Tiempo (h) Nº Preparación, ordeño y limpieza de las instalaciones de ordeño. Preparación y distribución del alimento a todas las vacas Preparación y distribución del alimento a los terneros en cebo Dedicación media diaria a la recría de novillas Limpieza de los alojamientos Pastoreo; (cercado eléctrico y traslado de animales al pasto) Operaciones de revisión y control de los animales e instalaciones Aprovisionamiento diario de forraje verde. *En esta tabla se indicarán las distintas labores rutinarias, (sólo las rutinarias), llevadas a cabo todos los días (o que deberían ejecutarse todos los días), en la explotación. Para cada una, se indicará el tiempo total utilizado por todos los operarios y el número de operarios que intervienen. *En la preparación y distribución del alimento, se incluirán las operaciones de desensilado, traslado al establo, realización de la mezcla, distribución, etc. Si el ganadero proporciona un tiempo total para la alimentación de todos los animales, se intentará fraccionarlo y si no es posible, se indicará en el margen con el término "todas". * En el caso de alimentación con forraje verde (primavera-verano), se indicará separadamente el aprovisionamiento de forraje verde. * La limpieza de los alojamientos del ganado puede no ser una operación que se lleve a cabo todos los días. En tal caso, en base a la respuesta del ganadero, se contabilizará un tiempo medio diario. Esta observación es extensible a otras labores. 26._ Operaciones NO rutinarias en el manejo de la explotación. A. Ensilado de forrajes; praderas Maquinaria empleada: Segadora rotativa....................... Propia Ajena Hilerador.................................. Propia Ajena Autocargador............................ Propia Ajena Cosechadora de forrajes............ Propia Ajena Remolque de transporte............. Propia Ajena Camiones................................. Propia Ajena Rotoempacadora....................... Propia Ajena Encintadora............................... Propia Ajena Propia Ajena Operaciones de acondicionamiento de la hierba en el silo: Número de personas que colaboran...... Ud Número de remolques transportando.... Ud Cuantos microsilos (fardos) hace cada año........................... Ud Dimensiones de los fardos, (diámetro / ancho) en m.. / B. Ensilado de maíz forrajero. Maquinaria empleada: Cosechadora para el tractor....... Propia Ajena Cosechadora autopropulsada.... Propia Ajena Remolque de transporte............. Propia Ajena Camiones transporte.................. Propia Ajena Propia Ajena Operaciones de acondicionamiento del maíz en el silo: Número de personas colaborando......... Ud Número de remolques transportando.... Ud José Antonio Riveiro Valiño Tesis Doctoral – MODELO DE CUESTIONARIO 250 C. Recogida de heno, (hierba seca). Maquinaria empleada: Segadora rotativa....................... Propia Ajena Hilerador................................... Propia Ajena Remolque de transporte............. Propia Ajena Rotoempacadora....................... Propia Ajena Propia Ajena Cuantas rotopacas hace normalmente cada año................... Ud *En todos los casos, se indicarán las distintas máquinas que se utilizan y su titularidad, entendiendo como ajena aquellos casos en los que la labor se realiza mediante pago del servicio a un tercero, y propia en los demás casos, cualquiera que sea la modalidad de la titularidad. 27._ Producciones de la explotación. Descripción de la producción Cantidad Precio* Leche de vaca durante la campaña, (2004-05) Kg €. Vacas de leche para desvieje, (últimos 12 meses) Ud €. Vacas de carne para desvieje, (últimos 12 meses) Ud €. Novillas preñadas, (últimos 12 meses) Ud €. Vacas en producción, (últimos 12 meses) Ud €. Terneros de menos de 1 mes, (últimos 12 meses) Ud €. Terneros cebados, (últimos 12 meses) Ud €. Ud €. *En el caso de que el ganadero no recuerde con exactitud la cantidad de cada producción, antes que dejar en blanco ese registro, será preferible indicar una cantidad aproximada, haciéndolo constar con el símbolo (§). SOLO SE CONSIDERARÁN LOS ANIMALES VENDIDOS. *En cuanto al precio, se le preguntará al ganadero por un precio medio unitario, ponderado a lo largo del periodo señalado o un valor medio de todos los animales de un mismo tipo. Los precios podrán indicarse en Pts, indicándolo al margen. 28._ Coste de los servicios y productos adquiridos A. Alimentos destinados al alimento del ganado en los últimos 12 meses. Descripción del alimento Cantidad Período Precio* Paja, (pacas) Ud €. Alfalfa, (pacas) Ud €. Heno, (pacas o fardos) Ud €. Forrajes adquiridos en pié, de praderas ha €. Concentrados para vacas en producción Kg €. Concentrados para vacas en gestación Kg €. Lactorreemplazantes Kg €. Concentrados iniciación recría novillas Kg €. Concentrados novillas en crecimiento Kg €. Concentrados novillas en gestación Kg €. Concentrados cebo de terneros Kg €. Maíz para ensilado, adquirido en pié ha €. €. €. €. €. *En principio, se solicitarán las cantidades de cada alimento para un período de 12 meses (los últimos 12 meses). Si el ganadero tiene dificultad en recordar o proporcionar esa cantidad, podrán consignarse cantidades medias mensuales, indicándolo en la columna "Período" como mensual. *Tanto las cantidades como los precios, podrán reflejarse en otras unidades si se indican estas. Luego se codificarán en las unidades inicialmente previstas. *En cuanto a los forrajes adquiridos en pié (no procesados), no se contabilizarán los correspondientes a fincas en arriendo, por las que ya se paga una anualidad. José Antonio Riveiro Valiño Tesis Doctoral – MODELO DE CUESTIONARIO 251 B. Productos fitosanitarios y zoosanitarios adquiridos en los últimos 12 meses Descripción del producto Coste Período Medicamentos para el ganado € Limpieza y desinfección de ubres € Insecticidas y raticidas € Dosis de semen y otros para reproducción € Limpieza y desinfección instalaciones ordeño € Correctores vitamínicos € € € € € *En principio, se solicitarán las cantidades de cada producto para un período de 12 meses (los últimos 12 meses). Si el ganadero tiene dificultad en recordar o proporcionar esa cantidad, podrán consignarse cantidades medias mensuales, indicándolo en la columna "Período" como mensual. *En cuanto a las dosis de semen, medicamentos y otros productos suministrados directamente por los servicios veterinarios, no se contabilizarán en este apartado. *Si el ganadero desconoce el valor descompuesto para las distintas partidas y en su defecto nos suministra un valor global, lo anotaremos indicando las partidas que incluye. Si nos da valores aproximados, los acompañaremos con el símbolo (§). C. Energía y combustibles adquiridos en los últimos 12 meses Descripción del producto Coste Período Electricidad consumida en la explotación € Gas butano o propano € Gasóleo agua caliente € € Gasóleo consumido por la maquinaria L. 12 meses *Se considerarán únicamente las cantidades consumidas por la explotación, excluyendo las utilizadas por otros usos (calefacción de la vivienda, ...). Para separar el consumo eléctrico del correspondiente a la vivienda, se hará una estimación, preguntando por ejemplo si tiene sistema de calefacción eléctrica en la vivienda. D. Reparaciones y mantenimiento Descripción de la partida Coste Período Instalaciones de ordeño; gomas, testaje, etc. € Alojamientos; bebederos, emparrillados, etc. € Sistema de limpieza; cables, aceites, etc. € Edificaciones; cubierta, puertas, etc. € € Maquinaria agrícola € *Preferentemente, se indicarán valores medios de reparaciones y mantenimiento para un período de 12 meses, pero dado que algunas operaciones se hacen con intervalos mayores, podrá indicarse el coste para estos intervalos, indicando el período. E. Servicios profesionales, (período de 12 meses) Descripción del servicio Coste Período Servicios veterinarios, identificación animales € Servicios de substitución € Mano de obra contratada trabajos generales € Seguros agrarios, recogida animales, etc. € Otros servicios; control lechero, etc. € Asesoramiento jurídico; (gestorías, etc.) € € ANEXO II CURRICULUM VITAE José Antonio Riveiro Valiño Tesis Doctoral – CURRICULUM 255 DATOS PERSONALES. Apellidos: RIVEIRO VALIÑO Nombre: JOSE ANTONIO Lugar y Fecha de nacimiento: BALEIRA – LUGO, 27/01/1968 Dirección: ABRAIRAS Nº 3 – (27278 LUGO) Teléfonos: 616 60.77.55 982 16.49.81 E-mail: [email protected] FORMACIÓN ACADÉMICA. 2004 Diploma de Estudios Avanzados en Ingeniería Agroforestal. Programa: Ingeniería Avanzada para el Desarrollo Rural. Departamento de Ingeniería Agroforestal - Universidad de Santiago de Compostela. 2003 Triple Master en Prevención de Riesgos Laborales, Gestión de la Calidad y Gestión Medioambiental. Centro de Iniciativas Profesionales - Les Heures, Universidad de Barcelona. Duración de 1.100 horas. 2003 Técnico Superior en Prevención de Riesgos Laborales. Especialidades: Seguridad en el Trabajo, Higiene Industrial, Ergonomía y Psicosociología Aplicada Centro de Iniciativas Profesionales de Vigo – Reconocido oficialmente por la Xunta de Galicia. 2001 Ingeniero Agrónomo. Universidad de Santiago de Compostela. Proyecto Fin de Carrera: Tema: Industria para Elaboración Artesanal de Productos Cárnicos. Calificación: Notable. 1992 Ingeniero Técnico Agrícola. Especialidad: Mecanización Agraria y Construcción Rural Universidad de Santiago de Compostela. Proyecto Fin de Carrera: Tema: Centro de Recogida de Leche. Calificación: Sobresaliente. 1987 Técnico Especialista. Especialidad: Electrónica de Comunicaciones. Instituto Politécnico de Formación Profesional de Lugo. CURRICULUM VITAE José Antonio Riveiro Valiño Tesis Doctoral 263 Patentes. CRECENTE, R.; ÁLVAREZ, C.J.; RIVEIRO, J.A. (2004). GESTOP - Gestión de Estudios Técnico-económicos en Ordenación Productiva Agraria. [Aplicación Informática en CD-ROM]. [Asiento Registral 03/2004/299 - Registro Territorial de la Propiedad Intelectual de Galicia]. Santiago de Compostela: Universidad de Santiago de Compostela. Libros. MAREY, M.; GONZÁLEZ, X.P.; RIVEIRO, J.A.; LÓPEZ, C.A.; CELA, T.; ABUÍN, J. (2007). O sector agrogandeiro no concello de Paradela: Análise e proposta de desenvolvemento. 2005. Lugo: Deputación Provincial de Lugo. Servizo de Publicacións. Artículos. RIVEIRO, J.A.; ÁLVAREZ, C.J.; MIRANDA, D.; PEREIRA, J.M. (2005)."Profitability and production requirements for land use allocation of farming and forestry land". Biosystems Engineering, Vol. 90 (4). Pp. 477-484. ÁLVAREZ, C.; RIVEIRO, J.A.; MAREY, M.F. "Typology, Classification and Characterization of Farms for Agricultural Production Planning". Spanish Journal of Agricultural Research. (En revisión). Comunicaciones a Congresos. ÁLVAREZ, C.J.; MAREY, M.F.; RIVEIRO, J.A. (2006). "Model for classification and characterization of farms for agricultural production planning. Aplication in the Nortwest of Spain". En: VDI Verlag GmbH - Düsserdorf. (2006). World Congress: Agricultural Engineering for a Better World - Book of Abstracts. Bonn: Rheinische Friedrich-Wilhelms-Universität. Pp. 825-832. ÁLVAREZ, C.J.; RIVEIRO, J.A.; MAREY, M.F.; SÁNCHEZ DE DIOS, A. (2006)."Tipificación, Clasificación y Caracterización de Explotaciones Agrarias para la Ordenación Productiva Agraria". En: Sociedad Española de Agroingeniería. (2006). Resumenes del III Congreso Nacional de Agroingeniería. León: Universidad de León. José Antonio Riveiro Valiño Tesis Doctoral 264 ÁLVAREZ, C.J.; RIVEIRO, J.A.; RESCH, C. (2004). "Metodología para la caracterización y análisis espacial de explotaciones agroforestales en la Comunidad Gallega". En: AEIPRO. (2004). Resúmenes del VIII Congreso Internacional de Ingeniería de Proyectos. Bilbao: Universidad de Bilbao. ÁLVAREZ, C.J.; RIVEIRO, J.A.; RESCH, C. (2005). "Tipificación de Explotaciones Agrarias en Galicia: Metodología y Herramientas Informáticas". En: AEIPRO. (2005). Resumenes del IX Congreso Internacional de Ingeniería de Proyectos. Málaga: Universidad de Málaga. RIVEIRO, J.A.; MAREY, M.F.; RESCH, C.; ÁLVAREZ, C.J. (2006). "Análisis de Explotaciones de Vacuno Lechero para la Ordenación Productiva Agraria". En: AEIPRO. (2006). Actas del X Congreso Internacional de Ingeniería de Proyectos. Valencia: Editorial de la UPV. Pp. 179-190. ÁLVAREZ, C.J.; CRECENTE, R.; RIVEIRO, J.A. (2003). " Sistema de apoyo a la Ordenación Productiva Agraria: aplicación en la comunidad de Galicia". En: AEIPRO. (2003). Resúmenes del VII Congreso Internacional de Ingeniería de Proyectos. Pamplona: Universidad Pública de Navarra.