Valor económico del agua en el Distrito de Riego 100, Alfajayucan, Hidalgo

Economic value of water in the Alfajayucan (100) district of irrigation, Hidalgo

Domingo Martínez-Luna1 , José S. Mora-Flores1‡ , Adolfo A. Exebio-García1 ,

Oscar A. Arana-Coronado1 y Enrique Arjona-Suárez1

1
Colegio de Postgraduados, Campus Montecillo. Carretera México-Texcoco km 36.5, Montecillo. 56230 Texcoco, Estado de México, México.
‡
Autor para correspondencia ([email protected])

RESUMEN SUMMARY

El agua para consumo humano se distribuye entre Water for human consumption is supplied for
los f ines que la demandan: doméstico, agropecuario different demanded uses: domestic, agriculture and
e industrial. De acuerdo a lo reportado por la FAO y industry. According to what has been reported by
UNESCO la agricultura consume 69%, el consumo FAO and UNESCO, agriculture consumes 69% of
doméstico utiliza 10% y la industria el 21%. Dada water; domestic purposes consume 10% and industry
la importancia del agua en la agricultura se requiere 21%. Given the importance of water in agriculture
conocer la asignación óptima del recurso dado un and crop pattern, knowledge on the optimal allocation
patrón de cultivos, así como el valor económico del and economic value of the resource is required.
líquido. El objetivo de este trabajo fue el obtener un The objective of our study was to obtain an optimal
patrón óptimo de cultivos en el Distrito de Riego (DR) crop pattern in the Irrigation District 100 (ID 100)
100 Alfajayucan Hidalgo, así como el de estimar el Alfajayucan Hidalgo, as well as to estimate the
precio económico del agua ante distintos escenarios. economical price of water under different scenarios.
La hipótesis establece que las tarifas pagadas por los
The hypothesis states that the fees paid by farmers
agricultores en el DR 100 no reflejan su verdadero
in ID 100 do not reflect their true scarcity value.
valor de escasez. Se instrumentó un modelo de
A linear programming model was implemented to
programación lineal para maximizar el ingreso neto de
maximize the net income of farmers with 17 cyclical
los agricultores con 17 actividades agrícolas cíclicas y
and perennial agricultural activities, subject to 57
perenes, sujetas a 57 restricciones de superf icie, agua,
surface restrictions, water, labor and machinery. The
mano de obra y maquinaria. Los resultados indican
que el ingreso neto del DR 100 se incrementaría en results indicate that the net income of ID 100 would
273 millones de pesos si se establece el patrón óptimo increase by $273 million if the optimal crop pattern is
de cultivos, en comparación con el obtenido en el established, compared to that obtained in the 2015‑2016
ciclo agrícola 2015-2016. El precio económico del agricultural cycle. The economical price of the water
agua arrojado por el modelo fue de $1.44 m-3, muy according to the model was $1.44 m-3, much higher
superior al pagado actualmente por las cuotas de riego than that currently paid (irrigation fees = $0.02 m-3),
($0.02 m‑3), se conf irma la existencia de un fuerte conf irming the existence of a strong subsidy to the
subsidio al consumo de agua: por lo que se recomienda water supply. Thus, in light our results, the water fees
se incrementen las cuotas pagadas por los agricultores. paid by farmers should increase.

Palabras clave: optimización, precio económico del Index words: optimization, economic price of water,
agua, programación lineal. linear programming.

Cita recomendada:
Martínez-Luna, D., Mora-Flores, J. S., Exebio-García, A. A., Arana-Coronado O. A. y Arjona-Suárez, E. 2021. Valor económico del agua en el Distrito de Riego
100, Alfajayucan, Hidalgo. Terra Latinoamericana 39: 1-12. e544. https://doi.org/10.28940/terra.v39i0.544

Recibido: 02 de mayo de 2019. Aceptado: 01 de septiembre de 2020.

Artículo. Volumen 39, febrero de 2021.
2 TERRA LATINOAMERICANA VOLUMEN 39, 2021. e544

INTRODUCCIÓN poco ef iciente y subvencionado; estudios realizados a

lo largo de los años ochenta revelan que los derechos
La República Mexicana recibe anualmente un que se pagan por el riego representan menos del 8 por
promedio de 1 449 471 millones de metros cúbicos ciento del valor de los benef icios que la agricultura
(Mm3) de agua en forma de precipitación pluvial, aporta (Martín de Santa Olalla et al., 2005). Estudiar
de acuerdo con cálculos de 2015, 72.5% de esa agua el agua desde el punto de vista económico permite la
se evapotranspiró y regreso a la atmosfera; 21.2% toma de decisiones en lo referente a su suministro a
escurrió por ríos y arroyos y el restante 6.3% se inf iltro los distintos sectores productivos y no productivos. El
y recargo los acuíferos (CONAGUA, 2016). cálculo del valor económico del líquido implica obtener
De acuerdo con las entradas y salidas de agua, el valor del producto marginal, es decir, su contribución
México cuenta al año con 446 777 Mm3 de agua al valor total de la producción. El benef icio marginal
dulce renovable, la cual al dividirse entre la población equivale a la cantidad máxima que el usuario estaría
proyectada para 2015 se contaba con una disponibilidad dispuesto a pagar por el agua (su disposición al pago),
per cápita de 3692 m3/habitante/año; esa disponibilidad lo que da una medida de su demanda y el valor que se
media no permite contemplar los valores regionales, obtendría en una condición de escasez (Garrido et al.,
los cuales son de 18 852 m3/habitante en la Frontera 2004)
Sur; y de 148 m3/ habitante en el Valle de México Los distritos de riego son proyectos hidroagrícola
(CONAGUA, 2016). Al estimar la disponibilidad per desarrollados por el Gobierno Federal a partir de 1926,
cápita, es posible conocer la disponibilidad regional a con el f in de distribuir el agua para uso agrícola:
partir de la población de la zona; lo anterior muestra las en México existen 112 Distritos de Riego (DR).
disparidades regionales que existen en la disponibilidad Estos distritos buscan modernizar y rehabilitar la
de agua para las poblaciones de diferentes regiones; y infraestructura hidroagrícola para llevar un control en
el Valle de México presenta una disponibilidad similar lo referente a la extracción, conducción, distribución y
a la región del estado de Hidalgo, sobre todo en la zona entrega a los usuarios de riego, así como para tecnif icar
árida del Mezquital. el sistema de riego y, con ello, reducir el consumo de
Pronósticos realizados para el año 2030, indican agua parcelario (CONAGUA, 2016).
que la sobreexplotación del agua puede conllevar al El Distrito de Riego (DR) 100 Alfajayucan tiene
abatimiento de los niveles freáticos, hundimiento del una  superf icie de 26 016 hectáreas (ha), localizados
terreno y causar afectaciones difícilmente reversibles entre los paralelos 20° 18’ y 23° 33’ N, entre los
a los ecosistemas y a la sociedad, particularmente, meridianos 99° 01’ y 99° 17’ O y a una altitud promedio
a la población rural que vive en zonas áridas y que de 1950 m. El DR está conformado por tres Unidades
depende de manera signif icativa del agua subterránea de Riego, Chilcuautla, Alfajayucan e Ixmiquilpan,
(CONAGUA, 2016). Por lo anterior, las decisiones sobre que abarcan los municipios de Tula, Tezontepec,
el manejo de los recursos hidráulicos deben tomarse Mixquiahuala, Tepetitlan, Alfajayucan, Chilcuautla,
a partir del costo económico o valor del agua, dado Ixmiquilpan, Tasquillo del Estado de Hidalgo
que cuando es escasa y cara en relación a los costos de (CONAGUA, 2016). Las fuentes de abastecimiento
manejo y distribución en los Distritos de Riego DRs de agua en el DR 100 son las aguas superf iciales que
(Palacios, V. y G. A. Exebio. 1989). escurren en las presas de almacenamiento Endho, Lic.
El porcentaje de agua dulce disponible para el Javier Rojo Gómez, Lic. Vicente Aguirre, y las presas
consumo humano se distribuye entre las actividades de derivación, Chilcuautla, Felipe Ángeles, el Maye, El
que la demandan: doméstica, agropecuaria e industrial Tecolote, Pallares, Xotho; cuyo volumen útil promedio
(Caballer y Guadalajara, 1998). De estos sectores, la es de 260 738 mm3, en los últimos diez ciclos agrícolas
agricultura es el que consume más agua, representando (CONAGUA, 2016).
globalmente alrededor de 69%, el consumo doméstico El DR 100 Alfajayucan presenta un problema sobre
alcanza aproximadamente 10% y la industria 21% (FAO, cómo establecer tarifas con componentes variables
2002; UNESCO, 2003). A pesar de que la agricultura asociados realmente al volumen consumido, ya que
es el sector que consume más agua en términos de aún no se cuenta con sistemas de medición y control
volumen, el uso del líquido es de bajo valor económico, del uso predial similar a los que existen en consumo
 MARTÍNEZ-LUNA ET AL. ESTIMACIÓN DEL PRECIO ECONÓMICO DEL AGUA 3

domiciliario. En los sistemas de irrigación, el agua se Un enfoque de valoración del agua sería el de
maneja mayormente en sectores por turnos en secciones los precios hedónicos, esto es a satisfacción, como
del sistema de riego, y no es factible medir o controlar un método de valoración indirecta. Determina de
el agua que ingresa a cada uno de los predios agrícolas qué manera el uso de un recurso el agua, influye en
del sector. A lo más, la autoridad que distribuye el agua el precio de un mercado bien def inido como el precio
puede medir y controlar el agua que entra a un sector, y de la tierra y, está basado en comparaciones entre
en niveles superiores del sistema, pero no al interior de cultivos de regadío con precios de f incas de regadío
cada predio. Las cuotas en pesos por hectárea por riego de similares características, de forma que al calcular la
son de $20 sin importar el cultivo (CONAGUA, 2016). diferencia se puede obtener el valor del agua (Young,
Esta situación limita las posibilidades de establecer 2005).
un plan de tarifas por componentes variables para los Una respuesta completa del método simplex
agricultores y establecer un esquema que asocie el valor consta de cuatro partes: a) el valor de la función
real del agua a la extensión de tierra regada, poseída o objetivo, que indica la máxima ganancia o mínimo
sembrada por los agricultores, y en este último caso, costo; b) la base solución, que indica las actividades
puede haber un pago contrastado entre cultivos si hay que se deben llevar a cabo para cumplir con la función
mucha diferencia en la intensidad en el consumo de objetivo especif icada (pueden aparecer recursos no
agua. Así, el esquema de tarifas en el sector de riego utilizados en el resultado); c) reducción en el valor de
tiene una relación indirecta con el consumo de agua la función objetivo por la incorporación forzosa en la
de los agricultores, en la medida en que este se asocia, base de la solución de una actividad no considerada
más o menos proporcionalmente a la extensión de inicialmente; d) reducción en el valor de la función
tierras y de los cultivos instalados (CONAGUA, 2016). objetivo por restricciones en los recursos, es decir,
El objetivo de este trabajo es optimizar el patrón de valor que se pierde en la función objetivo por disponer
cultivos en el DR 100, ubicado en Alfajayucan, estado de una unidad menos de recurso restrictivo (Hurtado-
de Hidalgo, mediante un modelo de programación Huamán, 1994).
lineal, y calcular el valor económico del agua mediante El modelo de programación lineal con el que se
diferentes escenarios de escasez, de acuerdo con el desarrolló este trabajo tiene como objetivo maximizar
patrón de cultivos de los ciclos agrícolas de diez años el ingreso neto total (valor bruto de la producción por
(2005-2015). La hipótesis de la investigación es que unidad menos los costos de producción de esa unidad)
las tarifas actuales pagadas por los agricultores en el de los productores del DR100, sujeto a restricciones
DR100 no reflejan su verdadero valor de escasez del de superf icie, disponibilidad de agua, mano de obra,
agua de riego. maquinaria y de superf icie máxima y mínima sembrada
de los cultivos.
MATERIALES Y MÉTODOS Los datos que se utilizaron en los modelos de
programación lineal se obtuvieron de dos fuentes: a)
La investigación se realizó con información del la primera consistió en la revisión de documentos y
Distrito de Riego 100 (DR100) Alfajayucan, Hidalgo. bases de datos generados por la Comisión Nacional
El Distrito de Riego se creó of icialmente mediante un del Agua (CONAGUA), la Secretaría de Agricultura,
acuerdo con fecha 17 de enero de 1976, publicado en el Ganadería, Desarrollo Rural, Pesca y Alimentación
Diario Of icial de la Federación. (SAGARPA), el Fideicomisos Instituidos en Relación
Algunos autores (Florencio et al., 2002; Godínez con la Agricultura (FIRA) y; b) la segunda fuente se
et al., 2007; Ortega, 2013) indican que el uso de un obtuvo de entrevistas a los productores de los diferentes
modelo de programación lineal es un medio adecuado cultivos que se consideraron en el modelo. Es pertinente
para obtener el valor económico del agua. Los modelos señalar que el análisis de programación lineal es un
de programación permiten calcular funciones de estudio de corte transversal, que utiliza información
demanda de agua mediante relaciones matemáticas, de fuentes secundarias para un año específ ico, en este
asumen que el agricultor busca maximizar los caso 2015-2016, la información de campo obtenida
benef icios de su explotación teniendo en cuenta una de los productores fue sólo para complementar la
serie de restricciones como agua, tierra, maquinaria y primera; por lo mismo, no es un modelo probabilístico
mano de obra (Varela-Ortega et al., 1998). cuya información se obtenga por muestreo.
4 TERRA LATINOAMERICANA VOLUMEN 39, 2021. e544

El modelo abarcó 17 actividades (Cuadro 1), 𝐼𝐼 𝐽𝐽 𝐾𝐾

y 57 restricciones a saber: superf icie disponible 𝑀𝑀𝑀𝑀𝑀𝑀 𝐼𝐼𝐼𝐼𝐼𝐼 = ∑ 𝑐𝑐𝑖𝑖 𝑥𝑥𝑖𝑖 + ∑ 𝑐𝑐𝑗𝑗 𝑥𝑥𝑗𝑗 + ∑ 𝑐𝑐𝑘𝑘 𝑥𝑥𝑘𝑘 
mensualmente, 12; requerimiento unitario de riego
𝑂𝑂−𝐼𝐼 𝑃𝑃−𝑉𝑉 𝑃𝑃𝑃𝑃𝑃𝑃 𝑖𝑖=1 𝑗𝑗=1 𝑘𝑘=1 (1)
mensual para los cultivos en el año agrícola, 12;
suma de volumen de agua requerido anualmente, La función objetivo está sujeta a las siguientes
1; maquinaria requerida por los cultivos de manera restricciones:
mensual en el año agrícola, 12; superf icie (ha) máxima
y mínima sembrada por cultivo en el ciclo agrícola, 17. 𝐼𝐼 𝐽𝐽 𝑘𝑘

El modelo de referencia o base MPL00 se construyó ∑ 𝑎𝑎𝑖𝑖 𝑥𝑥𝑖𝑖 + ∑ 𝑎𝑎𝑗𝑗 𝑥𝑥𝑗𝑗 + ∑ 𝑎𝑎𝑘𝑘 𝑥𝑥𝑘𝑘 ≤ 𝑆𝑆𝑡𝑡 
(2)
con actividades y restricciones en el cual se optimiza el 𝑖𝑖=1 𝑗𝑗=1 𝑘𝑘=1

patrón de cultivos, durante el año agrícola 2015-2016.
El modelo está compuesto por i (1, 2,…, I) 𝐼𝐼 𝐽𝐽 𝑘𝑘

actividades producidas en el ciclo Otoño-Invierno (O- ∑ 𝑏𝑏𝑖𝑖 𝑥𝑥𝑖𝑖 + ∑ 𝑏𝑏𝑗𝑗 𝑥𝑥𝑗𝑗 + ∑ 𝑏𝑏𝑘𝑘 𝑥𝑥𝑘𝑘 ≤ 𝑉𝑉𝑡𝑡 
I), j (1, 2,…, J) para el ciclo Primavera-Verano (P-V) y k 𝑖𝑖=1 𝑗𝑗=1 𝑘𝑘=1 (3)
(1, 2,…, K) para cultivos perennes. La función objetivo
optimiza el ingreso neto total de los productores del 𝐼𝐼 𝐽𝐽 𝑘𝑘

DR100. Con la metodología de Programación lineal ∑ 𝑑𝑑𝑖𝑖 𝑥𝑥𝑖𝑖 + ∑ 𝑑𝑑𝑗𝑗 𝑥𝑥𝑗𝑗 + ∑ 𝑑𝑑𝑘𝑘 𝑥𝑥𝑘𝑘 ≤ 𝑀𝑀𝑀𝑀𝑡𝑡 
(Hillier y Liberman, 1997) el modelo matemático se 𝑖𝑖=1 𝑗𝑗=1 𝑘𝑘=1 (4)

establece de la siguiente manera:
𝐼𝐼 𝐽𝐽 𝑘𝑘

∑ 𝑒𝑒𝑖𝑖 𝑥𝑥𝑖𝑖 + ∑ 𝑒𝑒𝑗𝑗 𝑥𝑥𝑗𝑗 + ∑ 𝑒𝑒 𝑥𝑥𝑘𝑘 ≤ 𝑀𝑀𝑀𝑀𝑡𝑡 

Cuadro 1. Siembra y cosecha de cultivos agrícolas objeto de 𝑖𝑖=1 𝑗𝑗=1 𝑘𝑘=1 (5)
estudio para la estimación del Modelo de Programación Lineal.
Table 1. Sowing and harvesting of agricultural crops under
𝐼𝐼
study for the estimation of the Linear Programming Model.
∑ 𝑎𝑎𝑖𝑖 𝑥𝑥𝑖𝑖 ≤ 𝑆𝑆𝑂𝑂−𝐼𝐼

𝑖𝑖=1 (6)
Ciclo Actividades 
Avena forrajera (Avena sativa) 𝐽𝐽

∑ 𝑎𝑎𝑗𝑗 𝑥𝑥𝑗𝑗 ≤ 𝑆𝑆𝑃𝑃−𝑉𝑉

Cebada (Hordeum vulgare)

𝑗𝑗=1 (7)
Coliflor (Brassica oleracea L.) 
Otoño-Invierno
Haba (Vicia faba) 𝑘𝑘

Trigo grano (Triticum) ∑ 𝑎𝑎𝑘𝑘 ≤ 𝑆𝑆𝑃𝑃𝑃𝑃𝑃𝑃

𝑘𝑘=1 (8)
Otros cultivos 
Calabacita (Cucurbita pepo) 𝑥𝑥𝑖𝑖 , 𝑥𝑥𝑗𝑗 , 𝑥𝑥𝑘𝑘 ≥ 0 (9)
Chile (Capsicum annuum) 
Donde la función objetivo (Ecuación 1) maximiza
Frijol (Phaseolus vulgaris)
el ingreso neto total del DR100, optimizando las
Coliflor (Brassica oleracea L.) actividades i, j y k; donde ci, cj, ck, representan el
Primavera-Verano ingreso neto de los cultivos y xi, xj, xk, la superf icie (ha)
Siembra y cosecha maíz (Zea mays)
óptima para cada cultivo.
Jitomate (Solanum lycopersicum)
Las ecuaciones 2, 3, 4 y 5 simbolizan las
Tomate (Solanum lycopersicum) restricciones de superf icie, agua, mano de obra y
Otros cultivos maquinaria demandadas de manera unitaria por cada
actividad; St, Vt, MOt, MQt, indica la disponibilidad
Alfalfa (Medicago sativa) mensual de superf icie, volumen de agua, mano de obra
Perennes Frutales asociados y maquinaria; ai, bi, di, ei, representan coef icientes de
Otros pastos superf icie, requerimiento de riego, coef icientes de
 MARTÍNEZ-LUNA ET AL. ESTIMACIÓN DEL PRECIO ECONÓMICO DEL AGUA 5

mano de obra y maquinaria para el ciclo OI; aj, bj, dj, ej, acuerdo con las estadisticas del DR, como se muestra
son coef icientes de superf icie, requerimiento de riego, en la Figura1.
coef icientes de mano de obra y maquinaria para el ciclo Con base en la información recabada se establece
PV; ak, bk, dk, ek, simbolizan coef icientes de superf icie, el análisis del ciclo agrícola 2015-2016 del DR100,
requerimiento de riego, coef icientes de mano de obra y Alfajayucan. Partiendo de esta información se construye
maquinaria para el ciclo perennes. el Modelo Base (MPL00 Base), a partir de este modelo,
Las ecuaciones 6, 7, y 8 constituyen la superf icie se derivan 7 escenarios: MPL01, reducción del 25%
máxima y mínima permitida por sembrar en los ciclos de la disponibilidad de volumen de agua; MPL02,
OI, PV y perennes; SO-I, SP-V, SPER, es el límite de reducción del 50% de la disponibilidad de volumen de
superf icie sembrada para cada cultivo, en cada ciclo agua; MPL03, reducción del 75% de la disponibilidad
O-I, P-V y perennes. de volumen de agua; MPL04, disponibilidad uniforme
Los cultivos que conformaron el modelo se de agua todos los meses del año (41 666.6 Mm3);
seleccionaron a partir del patrón histórico de cultivos MPL05, disminución del 20% en la superf icie y 20%
de los últimos 10 años agrícolas reportados por el DR en la disponibilidad de agua, simulando un crecimiento
100, los cuales son para el ciclo O-I (avena, cebada, poblacional y una disminución de la superf icie agrícola;
coliflor, haba, trigo, otros cultivos), para el ciclo P-V MPL06, modelo sin restricciones de máximo y mínimo
(calabacita, chile, frijol, coliflor, maíz, jitomate, tomate, para la superf icie de los cultivos perenes; MPL07,
otros cultivos) y cultivos perennes (alfalfa, frutales y elimina las restricciones de máximos y mínimos por
otros pastos). cultivo, permitiendo que el modelo asigne la superf icie
El benef icio neto para cada cultivo se obtuvo con base en el ingreso neto.
como la diferencia entre el ingreso bruto menos los
costos de producción, con precios para el año 2015 RESULTADOS Y DISCUSIÓN
(CONAGUA, 2016). Los coef icientes técnicos de
tierra, agua, mano de obra y maquinaria se obtuvieron A partir de la metodología utilizada, los resultados
de los datos registrados en instituciones agropecuarias hacen referencia al análisis del modelo de optimización
como SAGARPA y CONAGUA. Las restricciones y modelo de simulación, productividad del agua.
de máximos y mínimos se establecieron con base en
el patrón histórico de cultivos de diez años, según la Modelo Base contra Situación Actual
información recabada en el DR100. La disponibilidad
de agua es el volumen bruto extraido (mm3) y El modelo de programación lineal se estimó con
consumido por mes en el año agricola 2015-2016, de información del ciclo agrícola 2015-2016, el cual

70,000
Consumo mensual bruto

60,000
50,000
(mm3)

40,000
30,000
20,000
10,000
0

Meses de año agrícola 2015-2016

 Figura 1. Consumo de agua por mes en el ciclo agrícola 2015-2016 (Mm3). Fuente: Elaborado
con información de la jefatura del Distrito de Riego 100, Alafajayucan (CONAGUA, 2018).
Figure 1. Water consumption per month in the 2015-2016 agricultural cycle (Mm3). Source:
Prepared with information from the headquarters of the Irrigation District 100, Alafajayucan
(CONAGUA, 2018).
6 TERRA LATINOAMERICANA VOLUMEN 39, 2021. e544

consiste en determinar el patrón óptimo de cultivos los cultivos se obtiene un ingreso de la optimización
que se deberían sembrar en el DR 100, Alfajayucan, de los cultivos $16.10 millones. Los resultados
haciendo que se obtenga el mayor ingreso posible con anteriores concuerdan con los obtenidos por Godínez
base en la disponibilidad de recursos (tierra, agua, et al. (2007), donde el ingreso de los productores en
mano de obra y maquinaria). la Comarca Lagunera se incrementó en un 17% con la
Utilizando los precios del año agrícola 2015-2016 asignación óptima, versus el escenario real. De igual
el modelo de programación lineal estimo el patrón forma, Zetina et al. (2013), encontraron en el DR 044
óptimo de cultivos, en el cual los productores obtienen en Jilotepec Estado de México, que el ingreso con el
un ingreso máximo de $1213 millones. Teniendo modelo óptimo se incrementaría en 25% en relación a
en cuenta el patrón de cultivos del año agrícola los la situación real.
productores obtuvieron en 2016, un ingreso total de En el año agrícola 2015-2016 en el ciclo O-I se
$939.741 millones; es así que los productores dejaron de sembraron 1312 ha de avena forrajera, 35 ha de cebada,
percibir $273.441 millones (22% menos de su ingreso) 840 ha de coliflor, 118 ha de haba, 215 ha de trigo. En
al no aplicar de manera óptima la producción. Los contraste, el modelo de programación lineal indica que
resultados anteriores concuerdan con los reportados se debe sembrar 993 ha de avena, 35 ha de cebada,
por Ortega (2013) para el DR 005, Delicias, Chihuahua, incrementar a 1329 ha de coliflor, 118 ha de haba,
en donde con una asignación óptima de los recursos en disminuir a 155 ha de trigo (Cuadro 2). Lo anterior

Cuadro 2. Comparación del patrón actual de cultivos, ciclo agrícola 2015-2016 con el patrón óptimo de cultivos del modelo base MPL00.
Table 2. Comparison of the current crop pattern, 2015-2016 agricultural cycle with the optimal crop pattern of the MPL00 base model.

Cultivo Año agrícola 2015-2016 Patrón óptimo

ha % ha %
Ciclo: Otoño-Invierno
Avena forrajera 1312 4.53 993 3.57
Cebada forrajera 35 0.12 35 0.13
Coliflor 840 2.9 1329 4.77
Haba 118 0.41 118 0.42
Trigo grano 215 0.74 155 0.56
Otros cultivos 63 0.22 0 0.00
Ciclo: Primavera-Verano 
Calabacita (calabacín) 331 1.14 1415 5.08
Chile 834 2.88 1486 5.34
Frijol (alubia) 271 0.93 208 0.75
Coliflor 1208 4.17 1868 6.71
Maíz grano 9551 32.95 7750 27.83
Jitomate (tomate rojo) 5 0.02 42 0.15
Tomate de cáscara (tomatillo) 412 1.42 916 3.29
Otros cultivos 62 0.21 0.00 0.00
Cultivos Perennes
Alfalfa 13 468 46.46 11147 40.03
Frutales asociados 186 0.64 313 1.12
Otros pastos 74 0.26 74 0.27
Total 28 985 100 27 849 100
Fuente: Elaboración propia en base a los resultados del modelo base.
Source: Own elaboration based on the results of the base model.
 MARTÍNEZ-LUNA ET AL. ESTIMACIÓN DEL PRECIO ECONÓMICO DEL AGUA 7

muestra como la asignación óptima preferencia debido a la época de lluvias; la mayor de manda de
los cultivos de mayor densidad económica (de acuerdo agua se da en abril y mayo 51 754 y 68 441 Mm3,
con el ingreso neto), como las hortalizas (coliflor) y respectivamente.
disminuye aquellos de menor ingreso neto como la La mano de obra es un recurso abundante, el cual
avena y el trigo. Los resultados anteriores concuerdan no se agota; el mes con menor demanda es septiembre
con los obtenidos por Zetina et al. (2013) en el DR con 1870 jornales, esto se debe a que en ese mes se
044 de Jilotepec Estado de México donde el plan tiene la menor superf icie sembrada. El mes de mayor
óptimo incrementa sustancialmente la superf icie de demanda de jornales es abril con 13 132; esta es la razón
avena forrajera y frutales, y disminuye la superf icie del inicio del ciclo P-V, en el cual se deben realizar las
destinada a un cultivo básico como maíz, de menor labores de cultivo iniciales.
densidad económica. De igual forma, Godínez et al. Por otro lado, durante mayo, junio, julio y diciembre
(2007), en la Comarca Lagunera constató que el plan no se utiliza maquinaria, debido a que en estos meses
óptimo disminuyó la superf icie cultivada con avena. no hay labores culturales previas a la siembra. En
En el año agrícola 2015-2016 con el patrón óptimo contraste, en marzo se utiliza la mayor cantidad de
de cultivos, para el ciclo P-V, se incrementan 1084 ha tractores debido a las labores culturales que se realizan
de calabacita, 652 ha de chile, 660 ha de coliflor, a inicio del ciclo P-V.
37 ha de jitomate, 506 ha de tomate. Los cultivos
que disminuyen la superf icie sembrada son frijol con Escenarios Construidos a Partir del Modelo Base
63 ha y maíz con 1800 ha (Cuadro 2). Los cultivos MPL00
de los que se obtiene mayor ingreso neto en el ciclo
PV son coliflor que aporta 53%, maíz aporta 21.08% Una vez establecido el modelo de programación
y chile 16%. lineal base MPL00 se establecieron escenarios en
En el año agrícola 2015-2016 el modelo óptimo los cuales la función objetivo utiliza los precios
disminuyó la superf icie de alfalfa en 2320 ha e correspondientes a 2015, y se obtuvieron los siguientes
incrementó en 127 ha los frutales, contrario a la resultados:
situación real; lo anterior muestra como las asignaciones Escenario MPL01, reducción del 25% de la
óptimas favorecen a los cultivos de mayor ingreso neto, disponibilidad de volumen de agua anual: el ingreso
contrario a los de menor densidad económica, como la neto disminuye en 16% (Cuadro 4), la superf icie
alfalfa, la cual, incluso, consume mayor cantidad de sembrada disminuye en 33%, la disponibilidad de
agua. Los resultados anteriores concuerdan con los agua es un recurso que se agota, la cual presenta en
obtenidos por Godínez et al. (2007), de la Comarca pesos un precio sombra de 2.15 $/m3 (Cuadro 5). En
Lagunera aseveraron que el modelo óptimo disminuyó cuanto a mano de obra y maquinaria, son recursos que
la siembra de alfalfa, como consecuencia de su baja no se agotan, dadas las restricciones impuestas en el
rentabilidad y su mayor demanda de agua. modelo. Los cultivos seleccionados en comparación
con el modelo base, se deja de producir maíz debido
Uso de los Recursos en el Modelo de Programación a la alta demanda de agua y a la baja rentabilidad del
Lineal Base (MPL00) cultivo (Cuadro 3).
Escenario MPL02, reducción del volumen
Las restricciones de recursos a las cuales se disponible de agua en 50%, en comparación con el
encuentra sujeta la función objetivo son superf icie, modelo base MPL00: el ingreso disminuye en 16%
agua, mano de obra y maquinaria. Los resultados que (Cuadro 4), la superf icie sembrada se reduce en 43%,
se obtienen del modelo de programación lineal base la disponibilidad de agua se manif iesta como un
indican para superf icie lo siguiente: los meses con recurso escaso, teniendo un precio sombra de 2.11 $/m3
menos ha sembradas fueron septiembre y febrero con (Cuadro 5), mano de obra incrementa la demanda en
11 534 y 11 842, respectivamente. El mes con mayor 8% y el uso de maquinaria disminuye en 43% (gráf ica
superf icie sembrada fue abril con 25 409 hectáreas. 5.7 y 5.8). Debido a la alta demanda de agua, la alfalfa
En cuanto a volumen de agua mensual utilizado no es un cultivo seleccionado por el modelo ante este
por los cultivos en septiembre no se presentan riegos escenario (Cuadro 3).
8 TERRA LATINOAMERICANA VOLUMEN 39, 2021. e544

Cuadro 3. Superficies sembradas para cada escenario (ha).

Table 3. Sown areas for each scenario (ha).

Escenarios
Ciclo agrícola
Cultivos
2015-2016
MPL00 MPL01 MPL02 MPL03 MPL04 MPL05 MPL06 MPL07

Ciclo: Otoño Invierno

Avena 1312 993 993 993 993 993 993 993 0
Cebada 35 35 35 35 35 87 35 35 0
Coliflor O-I 840 1329 1329 1329 1329 673 184 1329 10 498
Haba 118 118 118 118 118 118 118 118 1 706
Trigo Grano 215 155 155 155 155 155 155 155 0
Otros Cultivos O-I 63 0 0 0 0 0 0 0 0
Ciclo: Primavera Verano
Calabacita 331 1415 331 1116 331 331 331 331 0
Chile 834 1486 1486 1486 885 542 542 542 0
Frijol 271 208 208 208 208 208 208 208 0
Coliflor P-V 1208 1 868 1868 1868 1868 1868 828 1868 11 423
Maíz grano 9 551 7750 0 7231 0 0 7231 7231 0
Jitomate 5 42 5 5 5 5 5 5 0
Tomate 412 916 564 916 412 412 412 412 0
Otros cultivos P-V 62 0 0 0 0 0 0 0 0
Cultivos perenes  
Alfalfa 13 468 11 147 11 147 0 0 11 147 11 147 0 0
Frutales asociados 186 313 313 313 313 184 184 10 462 0
Otros pastos 74 74 0 0 0 0 0 0 0
TOTAL 28 985 27 849 18 552 15 773 6652 16 723 22 373 23 689 23 627

Fuente: Elaborado con la información de las salidas de los MPL en Excel (2018).
Source: Prepared with the information of the MPL outputs in Excel (2018).

Escenario MPL03, disminución en el volumen De la misma forma, Ortega (2013), para el DR005
de agua en 75% de acuerdo con el modelo base en Delicias Chihuahua constató que al disminuir el
(MBPL00): el ingreso disminuye en 34% (Cuadro 4), volumen de agua se dejan de sembrar cultivos menos
solo se permite sembrar 6652 ha de las 27 849 ha rentables y de mayor consumo del líquido: como la
sembradas en el MPL00. Se agota el volumen de agua, alfalfa.
el precio sombra es de 4.20 $/m3 (Cuadro 5), la mano Escenario MPL04, disponibilidad uniforme de agua
de obra y la maquinaria se presentan como recursos todos los meses del año (41 666 Mm3) en comparación
disponibles. Debido a la poca disponibilidad de agua el con MPL00: el ingreso disminuye 36% (Cuadro 4), la
modelo no selecciona a los cultivos con alta demanda superf icie sembrada es de 16 723 ha. La disponibilidad
de agua (maíz y alfalfa) (Cuadro 3). Los resultados de agua se establece como un recurso escaso, dado
anteriores coinciden con los obtenidos por Zetina et al. que en mayo se demanda la mayor cantidad de agua.
(2013), los cuales, en el DR 044 de Jilotepec Estado El precio sombra del agua en pesos es de 40.85 $/m3
de México, donde al haber una mayor escasez de (Cuadro 5). La mano de obra y maquinaria son recursos
agua, se da una reconversión productiva hacia cultivos disponibles. Dado que la disponibilidad de agua es
de mayor densidad económica como frutales y trigo. uniforme de manera mensual, hay meses en los que
 MARTÍNEZ-LUNA ET AL. ESTIMACIÓN DEL PRECIO ECONÓMICO DEL AGUA 9

Cuadro 4. Resultados obtenidos en el Modelo de Programación Lineal para el año 2015.

Table 4. Results obtained in the Linear Programming Model for the year 2015.

Escenarios
Modelo
MPL00 MPL01 MPL02 MPL03 MPL04 MPL05 MPL06 MPL07

Disponibilidad de agua (M m3) 500 000 375 000 250 000 125 000 41 667 400 000 500 000 500 000
Ingreso neto (mill. de pesos) 1213 1020 1025 804 781 608 2245 4660
Variación (%) con el MPL00 -16 -16 -34 -36 -50 85 284
Superficie sembrada (Ha) 27 849 18 552 15 773 6652 16 723 22 373 23 689 23 627
Variación (%) con el MPL00 -33 -43 -76 -40 -20 -15 -15
Consumo de agua (M m ) 3
500 000 375 000 250 000 125 000 332 330 400 000 500 000 500 000
Variación (%) con el MPL00 -25 -50 -75 -34 -20 0 0
Mano de obra (Mhr jornal) 15 12 8 4 11 12 13 17
Variación (%) con el MPL00 -21 -50 -72 -30 -23 -16 12
Maquinaria (Khr-maq) 424 288 243 109 260 338 357 354

Variación (%) con el MPL00 -32 -43 -74 -39 -20 -16 -16
Fuente: Elaborado con la información de las salidas de los MPL en Excel (2018).
Source: Prepared with the information of the MPL outputs in Excel (2018).

la demanda de agua es mayor que en otros, dando como un precio en sombra de pesos 4.69 $/m3 (Cuadro 5).
resultado un decremento de 673 ha para el cultivo La maquinaria y mano de obra son recursos que no
coliflor O-I; el maíz no es un cultivo seleccionado por se agotan. La siembra de cultivos que se modif ican
el modelo, debido a la alta demanda de agua y la baja durante P-V ante este escenario son: calabacita
rentabilidad, dado que la función objetivo maximiza el disminuye de 1 415 a 331 ha, chile reduce de 1486 a
ingreso neto, y ante este escenario hay actividades que 542 ha y tomate de 916 a 412 ha. Al quitar la restricción
se dejan de producir, lo anterior denota que ya no son de los cultivos perenes la producción de alfalfa no es
rentables (Cuadro 3). un cultivo seleccionado debido a su alta demanda de
Escenario MPL05, disminución del 20% en agua y baja rentabilidad. En este escenario se genera
la superf icie y 20% en la disponibilidad de agua, un incremento en el ingreso, pero en la comunidad
simulando un crecimiento poblacional y una reducción es necesaria la producción de alfalfa, debido a la alta
de la superf icie agrícola y comparándolo con el demanda (Cuadro 3).
MPL00: el ingreso disminuye en 50% (Cuadro 4), la Escenario MPL07, se elimina las restricciones
superf icie sembrada se reduce a 23 689 ha, el volumen de máximos y mínimos por cultivo, permitiendo que
de agua es un recurso que se agota, arrojando en pesos el modelo asigne la superf icie con base en el ingreso
un precio sombra de 13.72 $/m3 (Cuadro 5). La mano neto: el ingreso se incrementa 4660 millones de pesos
de obra y maquinaria son recursos que no se agotan. (Cuadro 4). Se siembran 23 687 ha. El volumen de
Disminuye de 1329 a 184 ha la producción de coliflor agua es un recurso que se agota, dando en pesos un
O-I, la producción de chile reduce la superf icie precio sombra de 0.11 $/m3 (Cuadro 5). La maquinaria
sembrada de 1486 a 542 ha y la calabaza disminuye su y mano de obra son recursos disponibles. Al no
área sembrada de 1415 a 331 ha (Cuadro 3). presentarse restricciones en cuanto a la superf icie
Escenario MPL06, sin restricciones de máximo sembrada máxima y mínima, el modelo seleccionó
y mínimo para la superf icie de cultivos perenes en los cultivos más rentables y con menos demanda
contraste con el MPL00: el ingreso se incrementa en de agua, para el ciclo otoño-invierno, seleccionó
85% (Cuadro 4), se asigna una superf icie sembrada de 10 498 ha de coliflor y 1706 ha de haba para O-I y,
23 689 ha, el agua es un recurso que se agota, teniendo para P-V eligió 11 423 ha de coliflor (Cuadro 3).
10 TERRA LATINOAMERICANA VOLUMEN 39, 2021. e544

Cuadro 5. Valor del precio sombra del agua de riego para cada escenario.
Table 5. Value of the shadow price of irrigation water for each scenario.

Escenarios (MPL)
Modelo
00 01 02 03 04 05 06 07
Superficie sembrada 27 849 18 552 15 773 6652 16 723 22 373 23 689 23 627
Disponibilidad de agua 500 000 375 000 250 000 125 000 41 667 400 000 250 000 500 000
Precio sombra 1.44 2.15 2.11 4.2 40.85 13.72 4.69 0.11
Superficie sembrada se expresa en ha, la disponibilidad de agua en Mm3, y el precio sombra en pesos $/m3. Fuente: Elaborado con la información de las salidas
de los MPL en Excel (2018).
Sown area is expressed in ha, water availability in Mm3, and shadow price in pesos $/m3. Source: Prepared with the information from the MPL outputs in Excel
(2018).

Los resultados concuerdan con los encontrados por agrícola, según fuente por CONAGUA (2015) fueron
Zetina et al. (2013), cuyo modelo cuando se quitan de $0.02/m3. Al comparar el precio sombra del agua
las restricciones de superf icies máximas a asignar, el para riego que se obtuvo 1.44 $/m3 (máxima disposición
maíz es excluido del plan de producción, debido a que a pagar por parte de los productores agrícolas por
aporta un ingreso neto menor al productor. En el mismo tener una unidad de agua adicional de agua en el
sentido, Florencio et al. (2002), indican que, ante una proceso productivo) con la cuota por la conservación y
reducción en la disponibilidad de agua, los cultivos con mantenimiento de los canales, se observa que el valor
baja rentabilidad y alto consumo de agua reducirán su económico del agua es 72 veces mayor. Al comparar
superf icie cultivada. estas evidencias, en el DR 100, los usuarios, pagan
cuotas que no reflejan su verdadero valor de escasez
Precio Sombra del Agua (valor económico), ya que pueden pagar más por cada
unidad adicional del recurso, hasta el valor del precio
El precio sombra es aquel que refleja la escasez sombra.
de los resultados tomando en cuenta el equilibrio
de las fuerzas de oferta y demanda en un mercado CONCLUSIONES
competitivo; es llamado también precio social, precio
económico y precio que refleja el costo de oportunidad De acuerdo con el análisis de programación
(Hurtado-Huamán, 1994). lineal, los recursos productivos (tierra, agua, mano de
El precio sombra representa el valor en que se obra y maquinaria) están subutilizados en el DR100
incrementaría el ingreso neto si se dispusiera de una de Alfalayucan, Hidalgo. Una asignación óptima
unidad adicional de agua, siempre y cuando se lleva a incrementaría en un 22% el ingreso de los productores,
cabo el patrón de cultivos propuesto por el modelo. El al aumentar la superf icie sembrada con hortalizas
precio sombra del agua toma el valor de cero cuando (calabacita coliflor y brócoli), y disminuiría la siembra
este no se emplea en toda su disponibilidad, es decir, el de cultivos básicos o forrajeros (maíz y alfalfa).
agua para riego sobrante habrá de considerarse como Con la eliminación de las restricciones de máximos
una mercancía abundante. y mínimos para cultivos que se introducen en el modelo
En el Cuadro 5 se presentan los precios sombra como necesarios a producir, el ingreso del productor
del agua de riego para los escenarios establecidos, se incrementa sustancialmente en más del 400%; y
estos simbolizan el precio máximo que los agricultores los cultivos que se eligen son los más rentables como
estarían dispuestos a pagar por cada m3 adicional de coliflor y haba, y se eliminan cultivos menos rentables
agua en un año agrícola. Estos precios varían de 0.11 a y con mayor consumo de agua como maíz y alfalfa.
40.11 $/m3 en los distintos escenarios. Los precios económicos del agua estimados por
En el DR Alfajayucan, las cuotas de riego promedio su valor marginal ($1.44/m3) son sustancialmente
y el precio que los usuarios pagan por el agua del sector mayores a los efectivamente pagados por la cuota de
 MARTÍNEZ-LUNA ET AL. ESTIMACIÓN DEL PRECIO ECONÓMICO DEL AGUA 11

riego ($0.02 /m3), por lo que se conf irman los subsidios AGRADECIMIENTOS

que reciben los productores vía el pago del agua. Por
lo que se recomienda incrementar paulatinamente las Se agradece al Jefe del Distrito de Riego 100 de
cuotas, lo que redundaría en mayor disponibilidad de Alfajayucan, así como al personal técnico del mismo,
recursos para dar mantenimiento a la infraestructura de por el apoyo otorgado para la consecución de la
riego. información con la que se elaboró el trabajo.

DECLARACIÓN DE ÉTICA LITERATURA CITADA

No aplicable. World Bank. 2005. Shaping the future of water for agriculture: A
sourcebook for investment in agricultural water management.
Agriculture and Rural Development. World Bank©
CONSENTIMIENTO PARA PUBLICACIÓN
Washington, DC, USA. https://openknowledge.worldbank.
org/handle/10986/7298 License: CC BY 3.0 IGO. (Consulta:
No aplicable. abril 21, 2019).
Caballer-Mellado, V. y N. Guadalajara-Olmeda. 1998. Valoración
económica del agua de riego. Mundi-Prensa. España. ISBN:
DISPONIBILIDAD DE DATOS
9788471147295.
CONAGUA (Comisión Nacional del Agua). 2015. Estadísticas
Los datos utilizados o analizados durante el Agrícolas de los Distritos de Riego. 2013-2014. CONAGUA.
estudio actual están disponibles con el principal autor México, D. F.
del trabajo (Domingo Martínez Luna), a solicitud CONAGUA (Comisión Nacional del Agua). 2016. Atlas del Agua
en México. CONAGUA. México, D. F.
razonable. FAO (Organización de las Naciones Unidas para la Agricultura y la
Alimentación). 2002. Agua y cultivos: logrando el uso óptimo
CONFLICTO DE INTERESES del agua en la agricultura. http//www.fao.org/docrep/005/
Y3918S/y3918s.htm. FAO. Roma, Italia. (Consulta: abril 21,
2019).
Los autores declaran que no tienen intereses en Florencio Cruz, V., R. Valdivia Alcalá y C. A. Scott. 2002.
competencia. Productividad del agua en el distrito de riego 011, Alto Río
Lerma. Agrociencia 36: 483-493.
FONDOS Garrido, C. A., E. Palacios V., J. Calatrava L., J. Chávez M. y A.
Exebio G. 2004. La importancia del valor, costo y precios
de los recursos hídricos en su gestión. Proyecto Regional
La investigación reportada fue f inanciada con de Cooperación Técnica para la formación de Economía y
los recursos de investigación que el Colegio de Políticas Agrarias y de Desarrollo Rural en América Latina.
Postgraduados les asigna a sus estudiantes de Maestría. FODEPAL. Colaboración de Universidad Politécnica de
Madrid – Colegio de Postgraduados en Ciencias Agrícolas -
Universidad Politécnica de Cartagena. Madrid, España.
CONTRIBUCIÓN DE LOS AUTORES Godínez-Montoya, L., J. A. García-Salazar, M. Fortis-Hernández,
J. S. Mora-Flores, M. Á. Martínez-Damián, R. Valdivia-
Desarrolló la parte sustantiva de la investigación Alcalá y J. Hernández-Martínez. 2007. Valor económico del
agua en el sector agrícola de la Comarca Lagunera. Terra
referente a la metodología, consecución de la
Latinoamericana 25: 51-59.
información y estimación de los modelos: D.M.L. Hillier, F. S. y G. J. Lieberman. 1997. Introducción a la investigación
Dirigió la investigación y la estructura del trabajo, de operaciones. Mc Graw-Hill Interamericana Editores S.A. de
así como la redacción y las correcciones del mismo: C.V. México, D. F.
J.S.M.F. Apoyó en la def inición del problema, así como Hurtado-Huamán, F. 1994. Programación lineal multiobjetivo
aplicado a sistemas campesinos: simulación de efectos
en la canalización al área de estudio y la consecución de medioambientales. Instituto de Investigación Universidad y
la información: A.A.E.G. Ayudó en el manejo teórico Región. Cusco, Perú.
de la metodología: O.A.A.C. Apoyó en los aspectos Martín de Santa Olalla M., F., P. López F. y A. Calera B. 2005. Agua
teóricos y matemáticos de la metodología: E.A.S. y agronomía. Mundi-Prensa. España.
12 TERRA LATINOAMERICANA VOLUMEN 39, 2021. e544

Ortega-Gaucin, D. 2013. Factores socioculturales que limitan la Varela-Ortega, C., J. M. Sumpsi, A. Garrido, M. Blanco, and E.
gestión y el uso sustentable del agua: el caso del Distrito de Iglesias. 1998. Water pricing policies, public decision making
Riego 005 Delicias, Chihuahua. Art. Ensayos Sociol. Rural 8: and farmer´s response: Implications for water policy. Agric.
7-19. Econ.19: 193-202. doi: https://doi.org/10.1016/S0169-
Palacios. V. y G. A. Exebio. 1989. Introducción a la teoría de la 5150(98)00048-6.
operación de Distritos y Sistemas de Riego. Colegio de Young, R. A. 2005. Determining the economic value of water:
Postgraduados, Centro de Hidrociencias. Montecillo, Edo. de Concepts and methods. Routledge. Washington, DC, USA.
México, México. ISBN: 9688390828. ISBN: 1-891853-98-8.
UNESCO (Organización de las Naciones Unidas para la Educación Zetina-Espinosa, A. M., J. S. Mora-Flores, M. Á. Martínez-Damián,
y la Cultura). 2003. Agua para todos, agua para la vida. Informe J. Cruz-Jiménez, y R. Téllez-Delgado. 2013. Valor económico
de las Naciones Unidades sobre el desarrollo de los recursos del agua en el Distrito de Riego 044, Jilotepec, Estado de
hídricos en el mundo. UNESCO. http://unesdoc.unesco.org/ México. Agric. Soc. Desarr. 10: 139-156.
images/0012/001295/129556s.pdf. Washington, DC, USA.
(Consulta: abril 21, 2019).