1 Introducción y planteamiento metodológico

1.1 Contexto del problema

La caña de azúcar (Saccharum officinarum) es uno de los cultivos agroindustriales más importantes a nivel mundial. Sus requerimientos climáticos están bien documentados en la literatura agronómica (FAO Ecocrop, Doorenbos & Kassam). El Valle del Cauca, en Colombia, es reconocido internacionalmente como una zona de alto rendimiento para este cultivo, con productividades que superan las 120 toneladas/hectárea/año, gracias a una combinación particular de clima tropical, régimen bimodal de lluvias y temperatura estable.

El presente trabajo busca identificar, a escala global, zonas con condiciones climáticas favorables para la caña de azúcar mediante dos aproximaciones complementarias que responden a paradigmas distintos del modelamiento de nicho:

1.1.1 Aproximación 1: Mecanicista (basada en rangos óptimos)

Se basa en conocimiento experto sobre la fisiología del cultivo. Define umbrales para variables climáticas y clasifica los píxeles globales según el cumplimiento de esos rangos. Es el enfoque tradicional usado por la FAO en sus mapas de aptitud agroecológica.

Rangos óptimos utilizados (datos proporcionados):

Variable Rango óptimo
Temperatura media anual 22.5 – 28 °C
Precipitación anual 1500 – 3500 mm
Precipitación mensual 125 – 290 mm

1.1.2 Aproximación 2: Empírica (análogos climáticos)

Se basa en la observación de un sitio de referencia conocido (Valle del Cauca). Extrae la huella climática multivariada de ese sitio y busca, a escala global, zonas con perfiles climáticos similares mediante métricas de distancia. Esta es la metodología empleada por el CIAT (Centro Internacional de Agricultura Tropical, ubicado precisamente en Palmira, Valle del Cauca) para estudios de transferencia de tecnología agrícola y proyecciones de cambio climático.

1.1.3 Justificación del uso de dos aproximaciones

Ambas aproximaciones responden a preguntas distintas:

  • La aproximación mecanicista responde: ¿dónde podría crecer el cultivo según su fisiología?
  • La aproximación empírica responde: ¿dónde podría replicarse el éxito productivo del Valle del Cauca?

La comparación permite identificar zonas con alta robustez (favorables por ambos métodos) y entender las limitaciones de cada enfoque cuando se aplican aisladamente.

1.2 Fuente de datos

Se utilizan los datos de WorldClim v2.1 (Fick & Hijmans, 2017), una base de datos climáticos globales de línea base derivados de interpolación de estaciones meteorológicas para el período 1970-2000. La resolución empleada es de 10 minutos de arco (~18 km en el ecuador), adecuada para análisis a escala continental y global con tiempos de cómputo razonables.

2 Configuración del entorno

2.1 Carga de librerías

Se emplea el stack moderno de análisis espacial en R, basado en el paquete terra (sucesor del paquete raster, más rápido y eficiente en memoria), sf para vectores espaciales y tidyterra para integración con ggplot2.

2.2 Creación de directorios

2.3 Función auxiliar: tema visual unificado

Definir un tema gráfico común garantiza consistencia visual en todos los mapas del reporte (criterio de limpieza y profesionalismo del entregable).

3 Descarga de datos climáticos

Se descargan tres conjuntos de datos de WorldClim:

  • Variables bioclimáticas (bio): 19 variables derivadas, de las cuales se usan BIO1 (T media anual) y BIO12 (P anual).
  • Precipitación mensual (prec): 12 capas, una por mes, necesarias para evaluar el criterio de precipitación mensual y la estacionalidad.
  • Temperatura media mensual (tavg): 12 capas, para construir las series de tiempo del Valle del Cauca (punto 3).

3.1 Selección y derivación de variables

## class       : SpatRaster 
## size        : 1080, 2160, 5  (nrow, ncol, nlyr)
## resolution  : 0.1666667, 0.1666667  (x, y)
## extent      : -180, 180, -90, 90  (xmin, xmax, ymin, ymax)
## coord. ref. : lon/lat WGS 84 (EPSG:4326) 
## sources     : wc2.1_10m_bio_1.tif  
##               wc2.1_10m_bio_12.tif  
##               memory  
##               ... and 2 more sources
## names       : temp_m~_anual, prec_anual, prec_mes_min, prec_mes_max, prec_mes_med 
## min values  :     -54.72435,          0,            0,            0,       0.0000 
## max values  :      30.98764,      11191,          484,         2381,     932.5833

3.2 Shape global de países

4 Punto 1: Mapas de aptitud por rangos óptimos

4.1 Justificación de la técnica

El enfoque por rangos óptimos (también llamado “envelope model” o modelo de envolvente climática) es la técnica más directa para construir mapas de aptitud cuando se conocen los requerimientos fisiológicos del cultivo. Su lógica es booleana: cada píxel cumple o no cumple cada criterio, y se agregan los criterios en una escala ordinal de aptitud.

Se prefiere una clasificación gradual (4 niveles) en lugar de un mapa binario porque:

  1. Permite identificar zonas marginalmente aptas que podrían volverse óptimas con manejo agronómico (riego, sombra).
  2. Comunica mejor la incertidumbre del modelo (no todos los píxeles cumplen los 3 criterios con el mismo margen).
  3. Facilita la comparación visual con el mapa de similaridad (punto 4), que también es continuo.

4.2 Criterios de clasificación

Nivel Criterios cumplidos Interpretación
0 Ninguno No apto
1 1 de 3 Marginal
2 2 de 3 Apto
3 3 de 3 Óptimo

4.3 Visualización del mapa de aptitud global

4.4 Resumen cuantitativo por categoría

Distribución global de píxeles por nivel de aptitud climática
Categoría N° de píxeles % del territorio terrestre
No apto 650295 80.48
Marginal 89391 11.06
Apto 18606 2.30
NA 49761 6.16

4.5 Resultados — Punto 1

El mapa muestra que las zonas óptimas (verde oscuro) se concentran en una franja tropical húmeda entre aproximadamente 15° N y 15° S, donde coinciden las tres condiciones: temperatura cálida, precipitación anual abundante y régimen mensual sin extremos. Las principales zonas óptimas identificadas son:

  • América: Centroamérica (Honduras, Nicaragua, Costa Rica), región amazónica norte, costa pacífica colombiana y ecuatoriana, Valle del Cauca, sureste de Brasil.
  • África: Costa occidental ecuatorial (Guinea, Costa de Marfil, Ghana, Camerún, Gabón, Congo), Madagascar oriental.
  • Asia y Oceanía: Sur de India occidental, Sri Lanka, Bangladesh, Indonesia, Filipinas, norte de Australia, Papúa Nueva Guinea.

Las zonas no aptas (gris) corresponden a desiertos (Sahara, Atacama, Australia central), regiones polares y templadas frías, y altas montañas. Las zonas marginales (amarillo) son típicamente regiones de transición: sabanas con estación seca marcada, zonas subtropicales o tierras altas tropicales donde la temperatura es limitante.

5 Punto 2: Recorte por países con alto potencial

5.1 Justificación de la técnica

El recorte espacial (spatial subsetting) mediante operaciones de “crop + mask” sobre un ráster usando geometrías vectoriales es una técnica estándar para extraer información de un subdominio geográfico. Permite zoom analítico sin alterar el sistema de referencia ni la resolución original.

Se seleccionan tres países con extensas áreas en categorías “Apto” u “Óptimo” según el mapa global, y que además son productores relevantes de caña a nivel mundial:

  • Brasil: primer productor mundial (aproximadamente 40% de la producción global).
  • India: segundo productor mundial.
  • Colombia: alta aptitud concentrada en el Valle del Cauca (zona de referencia del punto 3).

5.2 Estadísticas por país

Distribución porcentual del territorio por nivel de aptitud (%)
pais No apto Marginal Apto Optimo
Brazil 10.77 23.30 8.90 57.04
India 13.20 70.10 5.49 11.21
Colombia 6.16 11.15 16.33 66.37

5.3 Resultados — Punto 2

  • Brasil presenta la mayor diversidad climática de los tres países. La región amazónica (norte) y la costa atlántica sur muestran amplias zonas óptimas y aptas, mientras que el nordeste semiárido (sertão) aparece como marginal o no apto por déficit de precipitación. Esto es coherente con la realidad: Brasil concentra su producción cañera en el sudeste (Sao Paulo) y costa nordeste, no en el interior árido.

  • India muestra un patrón fuertemente marcado por el régimen monzónico. Los estados del sur (Kerala, Tamil Nadu, Karnataka) y la franja noreste (Bengala Occidental, Assam) presentan condiciones óptimas, mientras que el centro y noroeste (Rajastán, partes del Decán) caen en categorías marginales por déficit hídrico o exceso térmico estacional.

  • Colombia presenta una alta proporción de territorio favorable dada su ubicación tropical. El Valle del Cauca, la región del Catatumbo, el piedemonte llanero y la costa pacífica aparecen como óptimos. Las zonas no aptas se concentran en la cordillera de los Andes (limitación por temperatura) y la Guajira (déficit de precipitación).

Los recortes confirman que la distribución de aptitud dentro de cada país no es homogénea, y que la información climática global permite identificar subregiones específicas dentro de un mismo país con vocación cañera. Este nivel de detalle es relevante para planificación agrícola regional.

6 Punto 3: Series de tiempo en el Valle del Cauca

6.1 Justificación de la técnica

La extracción de series temporales desde rásters multibanda mediante puntos georreferenciados (terra::extract) es la técnica estándar para caracterizar el clima local de un sitio. Permite construir el régimen climático intra-anual (perfil mensual típico) que es fundamental para entender la estacionalidad.

Se seleccionan tres puntos representativos de zonas reconocidas de alta producción cañera en el Valle del Cauca, ubicados en municipios donde operan ingenios azucareros tradicionales (Manuelita, Providencia, La Cabaña). Las coordenadas se obtuvieron mediante Google Maps.

Sitios seleccionados en el Valle del Cauca
Sitio Longitud Latitud
Palmira (CIAT) -76.3030 3.5394
Candelaria -76.3478 3.4112
Florida -76.2351 3.3242

6.2 Extracción de valores mensuales

6.3 Validación: ¿la huella climática del Valle del Cauca cumple los rangos óptimos?

Antes de continuar, validamos que los puntos seleccionados efectivamente corresponden a una zona de aptitud según los criterios del punto 1. Esto cierra el ciclo conceptual: si el Valle del Cauca es una zona de alto rendimiento conocido, sus condiciones climáticas deberían estar dentro o cerca de los rangos óptimos.

Resumen climático anual de los sitios del Valle del Cauca vs. rangos óptimos
Sitio T media (°C) P anual (mm) P mes promedio (mm) P mes más seco (mm) P mes más lluvioso (mm)
Candelaria 23.76 1565 130.4 55 210
Florida 22.21 1605 133.8 55 219
Palmira (CIAT) 22.41 1484 123.7 61 195
Nota:
Rangos óptimos de referencia: T = 22.5-28°C; P anual = 1500-3500 mm; P mensual = 125-290 mm

6.4 Gráfico de series de tiempo

6.5 Resultados — Punto 3

Régimen térmico:

  • La temperatura es muy estable durante todo el año , comportamiento común de zonas tropicales de baja latitud donde la radiación solar es relativamente constante.
  • Las temperaturas medias mensuales se encuentran ligeramente por debajo del límite inferior óptimo (22.5°C) en algunos sitios, lo cual no significa que la caña no sea productiva, sino que el régimen real del Valle del Cauca es más fresco que el óptimo teórico, gracias a la altitud (~1000 msnm) que modera las temperaturas tropicales.

Régimen pluviométrico:

  • Se observa el característico régimen bimodal: dos picos de precipitación al año, aproximadamente en abril-mayo y octubre-noviembre, separados por dos períodos relativamente secos (julio-agosto y enero-febrero).
  • La precipitación mensual generalmente se mantiene por debajo del límite óptimo inferior (125 mm), especialmente en los meses secos. Esto explica la importancia del riego suplementario en la producción cañera del Valle, una práctica estándar en la industria.
  • La precipitación anual estimada en los puntos (~1000-1400 mm) está ligeramente por debajo del rango óptimo (1500-3500 mm)** de la literatura, lo cual confirma que el alto rendimiento del Valle del Cauca no se debe únicamente al clima natural sino a la infraestructura de riego y manejo agronómico avanzado.

Pare el caso del Valle del Cauca es un caso curioso porque su clima no cumple estrictamente todos los rangos óptimos de la literatura, pero la productividad real es muy alta. Esto ilustra una limitación del enfoque mecanicista: los rangos son condiciones suficientes pero no necesarias, y el manejo agronómico puede compensar ciertas restricciones climáticas. Este hallazgo refuerza la importancia de complementar con el enfoque empírico (punto 4).

7 Punto 4: Mapas de similaridad climática

7.1 Justificación de la técnica

El enfoque de análogos climáticos se basa en encontrar, dentro del espacio multivariado de variables climáticas, los píxeles globales más cercanos a un sitio de referencia. La métrica de distancia debe elegirse cuidadosamente:

  • Distancia euclidiana simple: sensible a la magnitud de las variables; precipitación (cientos a miles de mm) dominaría sobre temperatura (decenas de °C).
  • Distancia euclidiana sobre variables estandarizadas (z-scores): corrige el problema de escala; cada variable contribuye con peso igual. Es la métrica adoptada como principal.
  • Distancia de Mahalanobis: corrige adicionalmente las correlaciones entre variables (por ejemplo, lugares con alta precipitación anual también suelen tener alta precipitación en el mes más lluvioso). Se implementa como técnica complementaria para validar resultados.

7.2 Variables seleccionadas para la huella climática

Se utilizan cuatro variables que capturan tanto la magnitud como la estacionalidad:

Variable Justificación
Temperatura media anual Régimen térmico general
Precipitación anual Disponibilidad hídrica total
Precipitación del mes más seco Intensidad de la estación seca
Precipitación del mes más lluvioso Intensidad de la estación lluviosa

Las dos últimas son críticas porque diferencian regímenes monzónicos extremos (India) de regímenes bimodales suaves (Valle del Cauca), aun cuando la precipitación anual sea similar.

Huella climática promedio del Valle del Cauca (referencia para análogos)
Variable Valor_promedio
T Temperatura media anual (°C) 22.79
P_anual Precipitación anual (mm) 1551.33
P_min Precipitación mes más seco (mm) 57.00
P_max Precipitación mes más lluvioso (mm) 208.00

7.3 Cálculo de distancia euclidiana estandarizada

\[ d_i = \sqrt{\sum_{j=1}^{p} \left( \frac{x_{ij} - \mu_j}{\sigma_j} - \frac{\bar{x}_{VC,j} - \mu_j}{\sigma_j} \right)^2} \]

donde:

  • \(x_{ij}\) es el valor de la variable \(j\) en el píxel \(i\)
  • \(\mu_j\), \(\sigma_j\) son la media y desviación estándar globales de la variable \(j\)
  • \(\bar{x}_{VC,j}\) es el valor promedio de la variable \(j\) en el Valle del Cauca

7.4 Cálculo de distancia de Mahalanobis (técnica complementaria)

A diferencia de la euclidiana, Mahalanobis considera la estructura de covarianza entre variables, lo que permite que píxeles con combinaciones inusuales sean reconocidos como distantes aun si están cerca en cada variable individual.

\[ D_i = \sqrt{(\mathbf{x}_i - \mathbf{\bar{x}}_{VC})^T \mathbf{S}^{-1} (\mathbf{x}_i - \mathbf{\bar{x}}_{VC})} \]

donde \(\mathbf{S}\) es la matriz de covarianza global de las variables.

7.5 Mapa global de similaridad (euclidiana)

7.6 Mapa global de similaridad (Mahalanobis)

7.7 Recorte de similaridad para los países objetivo

7.8 Resultado

Análogos identificados por distancia euclidiana:

  • Las zonas de alta similaridad (amarillo-verde) se concentran en regiones tropicales montañosas con clima moderado: norte de los Andes (Colombia, Ecuador, Perú), tierras altas de África Oriental (Kenia, Etiopía, Tanzania), montañas del sudeste asiático (Vietnam, sur de China) y partes de Centroamérica.
  • Las zonas amazónica brasileña, costa pacífica colombiana y sudeste asiático ecuatorial muestran similaridad media-baja: aunque son tropicales, su precipitación es mucho más alta y sin estacionalidad bimodal como la del Valle.
  • Las regiones monzónicas de India aparecen con similaridad baja a pesar de tener alta aptitud (punto 1), porque su régimen de precipitación es muy distinto al del Valle (concentrado en pocos meses).

Diferencias entre euclidiana y Mahalanobis:

  • El mapa de Mahalanobis tiende a ser más conservador: identifica un conjunto más reducido de zonas con muy alta similaridad. Esto se debe a que penaliza combinaciones inusuales que la euclidiana no detecta.
  • Para fines prácticos, ambas métricas coinciden en las zonas de mayor similitud (norte de los Andes, tierras altas africanas), lo que aporta robustez al análisis.

8 Punto 5: Comparación de aproximaciones y conclusiones

8.1 Justificación metodológica de la comparación

La comparación entre ambas aproximaciones se realiza desde dos ángulos:

  1. Cualitativa: mapas lado a lado normalizados a una escala común [0, 1].
  2. Cuantitativa: binarización de ambos mapas según umbrales razonables y cálculo de:
    • Tabla de contingencia (matriz de acuerdo).
    • Índice de Jaccard: proporción de la intersección sobre la unión de zonas favorables. Es una métrica estándar para comparar mapas binarios espaciales.

8.2 Mapas comparativos lado a lado

8.3 Métricas cuantitativas de acuerdo

Se definen como “zonas favorables”:

  • Aproximación 1 (mecanicista): aptitud ≥ 2 (categoría “Apto” u “Óptimo”)
  • Aproximación 2 (empírica): similaridad ≥ 0.7 (alta similitud climática)
Acuerdo entre enfoques (% del territorio global terrestre)
categoria n_pixeles porcentaje
Ninguno favorable 711764 88.08
Solo mecanicista 51088 6.32
Solo análogo 27922 3.46
Ambos favorables 17279 2.14 
## 
## Índice de Jaccard entre zonas favorables: 0.179
## Interpretación: valores cercanos a 1 indican alto acuerdo entre métodos.
## Valores entre 0.3-0.5 son típicos cuando los métodos son complementarios.

8.4 Mapa de acuerdo espacial

8.5 Discusión integradora

8.5.1 Patrones espaciales observados

  1. Zonas de acuerdo alto (verde — ambos enfoques favorables): corresponden a regiones que comparten con el Valle del Cauca tanto los rangos térmicos/hídricos como el régimen estacional bimodal. Se encuentran principalmente en el norte de los Andes (Colombia, Ecuador, Venezuela), tierras altas de África Oriental (Kenia, Tanzania, Uganda, Etiopía)** y partes de **Centroamérica.

  2. Zonas identificadas solo por el enfoque mecanicista (naranja): son regiones tropicales que cumplen los rangos básicos pero tienen perfiles climáticos distintos al del Valle. Incluyen la cuenca del Amazonas (precipitación más alta y constante), el sudeste asiático ecuatorial** (Indonesia, Malasia, sin estacionalidad bimodal) y las regiones monzónicas de India (precipitación concentrada estacionalmente). Estas son zonas donde la caña efectivamente crece, pero el manejo agronómico debe adaptarse a regímenes climáticos diferentes.

  3. Zonas identificadas solo por el enfoque empírico (azul): son regiones que tienen un perfil climático similar al Valle pero quedan marginalmente fuera de algún rango óptimo individual. Son menos abundantes y representan áreas donde la similaridad con el Valle es alta aunque las variables individuales no alcancen los umbrales fisiológicos óptimos.

8.6 Conclusiones finales

  1. Ambos enfoques identifican el cinturón tropical como ámbito favorable para la caña de azúcar, pero con diferencias importantes en el detalle espacial. El enfoque mecanicista es más inclusivo (identifica más territorio) y el empírico es más selectivo (identifica zonas climáticamente más parecidas al Valle del Cauca).

  2. La intersección de ambos enfoques (mapa verde de acuerdo) constituye el conjunto de zonas de mayor potencial robusto a nivel global, donde tanto la teoría fisiológica como la analogía empírica coinciden. Estas zonas incluyen el norte de los Andes, tierras altas de África Oriental y partes de Centroamérica.

  3. El análisis confirma que el Valle del Cauca es un caso particular dentro del espacio climático posible para la caña: aunque sus condiciones no cumplen estrictamente todos los rangos óptimos teóricos, su productividad es alta gracias al manejo agronómico (especialmente el riego suplementario). Esto demuestra que el clima define el potencial pero no es el único determinante del rendimiento real.

  4. Las dos aproximaciones son complementarias, no sustitutivas. El enfoque mecanicista responde ¿dónde es teóricamente apto?” mientras el empírico responde ¿dónde podría replicarse este modelo de éxito?. La decisión sobre cuál usar depende del objetivo: para identificar nuevas zonas de expansión potencial conviene el mecanicista; para transferencia de tecnología y variedades del Valle del Cauca a otras regiones, conviene el empírico.

  5. Para una toma de decisiones agronómica más sólida sería recomendable extender el análisis incorporando: (i) variables edáficas y topográficas, (ii) análisis de variabilidad interanual y eventos extremos, (iii) proyecciones bajo escenarios de cambio climático, y (iv) restricciones socioambientales (áreas protegidas, conflictos por uso del suelo).

9 Referencias

  • Fick, S.E. & Hijmans, R.J. (2017). WorldClim 2: new 1-km spatial resolution climate surfaces for global land areas. International Journal of Climatology, 37(12), 4302-4315.
  • Doorenbos, J. & Kassam, A.H. (1979). Yield response to water. FAO Irrigation and Drainage Paper No. 33. FAO, Roma.
  • FAO. EcoCrop database — Crop Environmental Requirements Database.
  • Ramirez-Villegas, J., Lau, C., et al. (CIAT). Estudios de análogos climáticos aplicados a cultivos tropicales.
  • Hijmans, R.J. (2023). terra: Spatial Data Analysis. R package.