Para ilustrar la metodología del análisis del riesgo se presentan datos de 12 productores de café certificados (6) y no certificados (6) como orgánicos del Soconusco, Chiapas, México que participaron en el proyecto “Cambios Globales y Café” (Fig. 1). A nivel de campo los productores estuvieron dispuestos en parejas: uno certificado y otro, su vecino, no certificado; en total fueron seis parejas. Las primeras cuatro parejas (productores 1 a 8) fueron pequeños productores (ejidatarios) y las otras dos parejas (9 al 12) fueron grandes (finqueros). El objetivo del estudio fue determinar la importancia de la certificación como medida de adaptación ante la incertidumbre provocada por precios bajos del café, clima extremo y ataque de plagas. El ejemplo que aquí se presenta corresponde a calcular el riesgo (IHR) de estos productores ante la roya del café (Hemileia vastatrix). Para ello se siguen los siguientes pasos:
1.- Definición de las variables
Para cada uno de los componentes del riesgo hacia la roya del café se definen las variables.
En este caso, la amenaza (roya) estuvo representada por la infección de los cafetos (% de hojas con roya) (Fig. 2).
La vulnerabilidad se conformó por tres variables: altitud del cafetal (msnm), tasa de incremento de la roya (relación entre dos fechas de muestreo) y la superficie sembrada de café (hectáreas).
La capacidad de respuesta estuvo integrada también por tres variables: la ganancia neta del productor por venta de café, la participación del productor en un programa de certificación de café orgánico y si usaba o no fungicidas.
2.- Los datos de las variables
Una vez que se definen las variables, hay que obtener los datos. Como antes se explicó, los datos se pueden obtener mediante el Muestreo Agroecológico Rápido (MAR), o bien, recurriendo a la información que posee el agricultor o la organización de la cual es socio. En dado caso que no se disponga de datos reales para alguna o algunas de las variables, se pueden usar datos hipotéticos.
En el ejemplo, los datos recabados se presentan en el cuadro de abajo. Dado que los productores se encontraban en parejas (uno certificado y el otro no), uno fue vecino del otro. La infección de roya se puede expresar de varias formas; aquí se prefirió usar el porcentaje de hojas con roya por rama por cafeto. La tasa de incremento de roya se calculó a partir de dos muestreos, uno realizado en septiembre y el otro en diciembre. En el caso de los productores grandes, las ganancias por el total de café producido son hipotéticas. Con respecto a la certificación y el uso de fungicidas, el “1” significa que sí era certificado o que sí aplicaba fungicidas; el “0” significa lo contrario.
3.- Relación de las variables con la roya
Establecer la relación entre las variables bajo estudio y la amenaza, en este caso la roya del café, es un aspecto fundamental del análisis del riesgo. Ello requiere conocer el comportamiento de la enfermedad bajo diversas situaciones. De preferencia, estas relaciones deben estar fundamentadas en información procedente de investigación científica o conocimiento empírico; en último caso, se pueden establecer relaciones hipotéticas. Como se puede apreciar más abajo, en el ejemplo algunas relaciones fueron lineales positivas (más daño de roya conforme la variable se incrementó) o negativas (menos daño); solo en el caso de la altitud del predio se estableció una relación curvilínea con la roya. (Fig. 3)
4.- Conversión de los datos a escala 1-100 (estandarización)
Con base en las relaciones establecidas entre las variables y la roya, se procede a convertir los datos originales en una escala de 1 a 100. Así, como se puede apreciar más abajo en esta página, el efecto negativo de la roya fue mayor en la escala conforme se incrementó la infección. Un caso diferente fue la altitud, donde la vulnerabilidad a la roya tuvo valor de 100 en la zona media y valores menores en las zonas baja (50), alta (75) o muy alta (25). En la certificación del café y el uso de fungicidas, cuyas variables tuvieron solo dos opciones, correspondió valor de “0” para el “no” y “100” para el “sí” (Cuadro 2).
5.-Importancia de las variables
Considerando que unas variables pueden ser más importantes que otras, es deseable determinar el grado que cada una de ellas contribuye en explicar la variabilidad observada del sistema bajo estudio (en este ejemplo los 12 productores).
Para ello, se recomienda usar algún método multivariado como puede ser un análisis factorial.
En caso de no disponer de los medios para hacer este tipo de análisis estadístico, los pesos o importancia de las variables se pueden suponer (en el último de los casos se puede partir de que las variables tienen el mismo peso).
Como se puede apreciar en el cuadro de abajo, un análisis factorial aplicado a los datos del ejemplo indica que las variables bajo estudio se agruparon en dos factores que en total explicaron el 71% y 29% de la variabilidad observada. Las variables más importantes que agrupó el factor 1 fueron superficie sembrada de café, ganancia neta por la venta del café y el uso o no de fungicidas. El factor 2 agrupó las otras variables (Cuadro 3).
6.- Cálculo de valores de componentes del riesgo
Los datos originales convertidos a la escala 1-100 se multiplican por las constantes del análisis factorial para calcular los componentes del riesgo. Por ejemplo, en el caso del productor “Certificado01” se procede de la siguiente manera:
7.- Cálculo del riesgo
Los datos del cuadro de la página anterior se transforman en porcentaje para calcular el Índice Holístico de Riesgo (IHR).
Por ejemplo, en el caso del productor “Certificado01” se procede multiplicando el valor ajustado del componente “x” mediante la constante del análisis factorial por 100 entre la suma de los valores ajustados de todos los componentes:
