Deja de dedicarle tanto tiempo a la selección de componentes
Los efectos de los biocombustibles en la seguridad ...En primer lugar debo dedicarle esta tesis a...
Transcript of Los efectos de los biocombustibles en la seguridad ...En primer lugar debo dedicarle esta tesis a...
Los efectos de los biocombustibles en la seguridad alimentaria en
Colombia: Una aproximación con Dinámica de Sistemas.
Juan Esteban Martínez Jaramillo
Universidad Nacional de Colombia
Facultad de Minas, Departamento de Ciencias de la Computación y de la Decisión
Medellín, Colombia
2015
The effects of biofuels in food security in Colombia: A system
dynamic approach.
Juan Esteban Martínez Jaramillo
Tesis presentada como requisito parcial para optar al título de:
Magister en Ingeniería – Ingeniería de Sistemas
Director:
Ph.D Santiago Arango Aramburo
Codirectora:
Ph.D Diana Patricia Giraldo Ramírez
Línea de Investigación:
Investigación de Operaciones
Grupo de Investigación:
Ciencias de la Decisión
Universidad Nacional de Colombia
Facultad de Minas, Departamento de Ciencias de la Computación y de la Decisión
Medellín, Colombia
2015
En primer lugar debo dedicarle esta tesis a
Dios por darme la vida y guiarme a lo largo de
mi caminar.
A Luisa Jaramillo Q.E.D. por mostrarme cuál
es el secreto de la felicidad y en donde radica
la verdadera sabiduría.
A mis padres, por creer en mí y apoyarme en
mi deseo de hacer la diferencia desde la
educación.
A mi hermana y mi primo JF cuya compañía
ha sido fundamental en los momentos de
dificultad.
Agradecimientos
En primer lugar debo agradecerle al profesor Santiago Arango Aramburo, director de
este trabajo, por haber creído en mí, por su apoyo incondicional, por el valor agregado
expresado en la ética de trabajo y humanidad que transmite con su ejemplo al tratar a
sus estudiantes, por motivarme y preocuparse porque sea un profesional integral que
busque darle siempre lo mejor a la sociedad.
A la universidad Nacional de Colombia, que me otorgó la Beca de Facultad, con la cual
pude ayudarme a financiar el posgrado.
A Diana P. Giraldo por el apoyo en la construcción de esta tesis, apoyando el desarrollo
de esta tesis aportando sus conocimientos en Seguridad Alimentaria y por su dirección
como codirectora.
A Luisa Diez, por todo el apoyo incondicional, su amistad durante todos estos semestres,
su apoyo académico y motivación en los momentos de crisis.
A la profesora Gloria Patricia Jaramillo Álvarez por compartir su conocimiento en el área
de decisiones.
VIII Los efectos de los biocombustibles en la seguridad alimentaria en Colombia: Una
aproximación con Dinámica de Sistemas
Resumen
En esta tesis se evalúan los efectos que tiene la producción de biocombustibles en la
seguridad alimentaria en Colombia, donde la decisión en el uso de la tierra y el uso final
de la materia prima agrícola son las variables clave para analizar los efectos que tiene la
política de producción de biocombustibles sobre la seguridad alimentaria. Para la
evaluación se construyó un modelo partiendo del desarrollado por Girlado (2013). El
modelo desarrollado considera la interacción por el uso de la tierra entre la producción
alimentaria, biocombustibles y ganadería. Las simulaciones muestran como los efectos
que tienen los biocombustibles en la Seguridad Alimentaria están sobrevalorados. Para
el caso del uso de la tierra el modelo arroja un aumento del 12,4%, para el precio de los
alimentos un incremento del 3,3% y para la proporción de población vulnerable NBA un
crecimiento del 1,59%. Por último los resultados muestran como una política en el uso
eficiente de la tierra en el caso pecuario puede tener un mayor impacto en el desempeño
tanto en la seguridad alimentaria como en la producción de biocombustibles en
Colombia.
Palabras clave: Seguridad Alimentaria, Biocombustibles, Modelo, Dinámica de
Sistemas, Simulación, Escenarios
Resumen y Abstract IX
Abstract
In this thesis is evaluated the effects of biofuel production on food security in Colombia. A
revision of the literature allowed us to identify the decision of use of land use and the final
use of agriculture commodities as key variables to analyze the effect of biofuel production
policies on food security. A model was constructed for the evaluation based on a previous
one developed by Giraldo (2013). The model developed model takes into account the
interaction on the use of land between food production, biofuel production and livestock
farming. The simulations show that the effects of biofuels in Food Security are
overestimated. The model shows an increase in land use of 12.4%, food prices grows in
3.3% and the proportion of vulnerable population in food basic needs rises in 1.59%. At
the same time, results shows how a policy focused on the efficient use of land for
livestock policies could have a larger impact on performance, in terms of food security
and biofuel production in Colombia.
Keywords: Food Security, Biofuels, Model, System Dynamics, Simulation,
Scenarios
Contenido XI
Contenido
Pág.
Introducción .................................................................................................................... 1
1. El mercado de los biocombustibles y la seguridad alimentaria ........................... 5 1.1 Antecedentes de la seguridad alimentaria en el mundo ..................................... 5
1.1.1 Políticas públicas en seguridad alimentaria tomadas por algunos países de América Latina y el Caribe ......................................................................................... 9 1.1.2 Antecedentes de la seguridad alimentaria en Colombia ................................... 9
1.2 Antecedentes de los biocombustibles en el mundo .......................................... 12 1.2.1 Antecedentes de los biocombustibles en Colombia ....................................... 15 1.2.2 Políticas públicas en el sector de biocombustibles en Colombia .................... 17
2. El problema de la cuantificación de los efectos de la producción de BC en la SA: Antecedentes, teoría y propuesta de investigación............................................. 21
2.1 Estado del arte y marco teórico ........................................................................ 21 2.2 Modelos usados para el entendimiento en las relaciones existentes entre BC y SA ......................................................................................................................... 23
2.2.1 Statistical time series models: ........................................................................ 24 2.2.2 Economic cost-benefit analysis: ..................................................................... 25 2.2.3 Perfect Storm ................................................................................................. 26 2.2.4 Framework for ecological-economic world food system analysis (OFID-IIASA)26 2.2.5 Modelos de simulación .................................................................................. 28
2.3 Problema de investigación ............................................................................... 29 2.4 Objetivos de la investigación estudio ................................................................ 31
2.4.1 Objetivo general............................................................................................. 31 2.4.2 Objetivos específicos ..................................................................................... 31
2.5 Hipótesis de investigación ................................................................................ 31
3. Metodología ............................................................................................................ 33 3.1 Selección de la metodología de investigación .................................................. 33 3.2 Método de simulación en Dinámica de Sistemas.............................................. 35 3.3 Proceso de modelación en dinámica de sistemas ............................................ 36
4. Modelo propuesto en dinámica de sistemas para analizar los efectos de los BC en la SA en Colombia .................................................................................................... 39
4.1 Formulación de la hipótesis dinámica ............................................................... 39 4.1.1 Seguridad alimentaria en Colombia ............................................................... 40 4.1.2 Producción de biocombustibles en Colombia ................................................. 43
XII Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
4.1.3 Relación entre el sistema alimentario y el sistema de biocombustibles en Colombia ..................................................................................................................46
4.2 Descripción del modelo formal de simulación ................................................... 48 4.2.1 Producción de materia prima para biocombustibles .......................................51 4.2.2 Producción de biocombustibles ......................................................................52 4.2.3 Decisión del uso de las materias primas.........................................................53 4.2.4 Sistema de tierras agrícolas ...........................................................................54 4.2.5 Costos de producción biocombustibles ..........................................................55
4.3 Validación del modelo planteado ...................................................................... 56 4.3.1 Validación de la estructura .............................................................................58 4.3.2 Validación del comportamiento .......................................................................62
5. Simulación de escenarios y análisis .....................................................................65 5.1 Introducción de biocombustibles en el sistema agroalimentario (BC) ................ 65 5.2 Simulación de escenarios en el sistema agroalimentario-biocombustibles en Colombia ..................................................................................................................... 69 5.3 Resultados de la simulación de escenarios....................................................... 71
6. Conclusiones y recomendaciones ........................................................................77
Bibliografía .....................................................................................................................81
A. Anexo: Datos adicionales de soporte a la descripción del problema. ................91
B. Anexo: Parámetros, ecuaciones del modelo y diagrama de flujos y niveles del modelo. 101
C. Anexo: Soporte para las pruebas de validación ................................................. 131
Contenido XIII
Lista de figuras
Pág.
Figura 1-1. Personas subnutridas en 2013 por regiones en el mundo (en millones) ......... 6
Figura 1-2. Índice de Producción Agrícola en el Mundo 2000-2012 (2004-2006 = 100) .... 8
Figura 1-3. Variación anual del IPC alimentos en Colombia ........................................... 11
Figura 1-4. Producción y consumo de biocombustibles en el mundo 2000-2011 ............ 14
Figura 1-5. Evolución de las hectáreas cultivadas de caña de azúcar y palma de aceite en
Colombia. ....................................................................................................................... 16
Figura 1-6. Evolución en la producción de biodiesel en Colombia. ................................. 16
Figura 1-7. Evolución en la producción de alcohol anhidro de caña ............................... 17
Figura 1-8. Evolución precio del etanol y biodiesel en Colombia por galón. .................... 19
Figura 2-1. Resumen del modelo Perfect Storm, perspectiva de Headey & Fan (2010). 26
Figura 2-2. Framework for ecological-economic world food system analysis .................. 27
Figura 4-1. Diagrama causal del modelo global de la seguridad alimentaria en Colombia
....................................................................................................................................... 43
Figura 4-2. Diagrama causal del modelo global de la producción de biocombustibles en
Colombia. ....................................................................................................................... 45
Figura 4-3. Diagrama causal de la relación del sistema alimentario y la producción de
biocombustibles. ............................................................................................................. 47
Figura 4-4. Pruebas para la validación formal de un modelo en Dinámica de Sistemas. 57
Figura 4-5. Prueba de condiciones extremas. Cuotas de Mezcla = 0 ............................. 60
Figura 4-6. Prueba de valores extremos. Rentabilidad Biocombustibles = 0................... 61
Figura 4-7. Resultado pruebas extremas sobre la población. ......................................... 61
Figura 4-8. Comparación área sembrada caña de azúcar histórico vs. simulado ........... 63
Figura 4-9. Comparación productos agricultura histórico vs. simulado ........................... 63
Figura 5-1. Comportamiento del escenario base v.s Giraldo (2013) para Tierra en uso
agrícola, ......................................................................................................................... 66
Figura 5-2. Comportamiento del escenario base v.s Giraldo (2013) para precio percibido
de los alimentos ............................................................................................................. 67
Figura 5-3. Comportamiento del escenario base v.s Giraldo (2013) para proporción de
población vulnerable al acceso de NBA ......................................................................... 68
Figura 5-4. Tierra en uso biomasa escenario BC y producción de biocombustibles ....... 69
Figura 5-5. Comparación entre escenarios. Tierra en uso agrícola................................. 72
Figura 5-6. Comparación entre escenarios. Producción biodiesel .................................. 73
Figura 5-7. Comparación entre escenarios. Producción etanol ....................................... 74
Figura 5-8. Comparación entre escenarios. Tierra en uso biomasa ................................ 74
Figura 5-9. Comparación entre escenarios. Precio percibido de los alimentos ............... 75
XIV Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Figura 5-10. Comparación entre escenarios. Proporción población vulnerable NBA ....... 76
Contenido XV
Lista de tablas
Pág. Tabla 1-1. Tasa de crecimiento del PIB agropecuario y nacional a precios constantes.
Base 2005 ...................................................................................................................... 10
Tabla 3-1. Comparación de diferentes técnicas de simulación ....................................... 34
Tabla 4-1. Resultados de validación del comportamiento. .............................................. 64
Tabla 5-1. Parámetros usados para los escenarios optimista BC y pesimista BC .......... 70
Tabla 5-2. Parámetros usados para los escenarios optimista agro y pesimista agro ...... 70
Tabla 5-3. Parámetros para el escenario ganadería. ...................................................... 71
Contenido XVI
Lista de abreviaturas
Abreviatura Término
ACPM Diésel
ALC América Latina y el Caribe
BC Biocombustibles
CEPAL Comisión Económica para Ámerica Latina y el Caribe
CO2 Dióxido de carbono
COP Peso colombiano
CORPOICA Corporación Colombiana de Investigación Agropecuaria
DANE Departamento Administrativo Nacional de Estadística
DC Diagrama causal
DNP Departamento Nacional de Planeación
DS Dinámica de sistemas
E10 Mezcla del 10% de biocombustible
E7 Mezcla del 7% de biocombustible
E8 Mezcla del 8% de biocombustible
EE.UU. Estados Unidos
EIA Agencia Internacional de la Energía
FAO
Organización de las Naciones Unidas para la Alimentación
y la Agricultura
FAOSTAT División estadística de la FAO
FEDEBIOCOMBUSTIBLES Federación Nacional de Biocombustibles de Colombia
FIDA Fondo Internacional de Desarrollo Agrícola
Resumen y Abstract XVII
Ha Hectáreas
ICBF Instituto Colombiano de Bienestar Familiar
IIASA International Institute for Applied Systems Analysis
IICA Instituto Interamericano de Cooperación para la Agricultura
IPC Índice de precios al consumidor
IPCC Panel Intergubernamental del Cambio Climático
IVA Impuesto de valor agregado
Lt Litro
Mb Miles de barriles
MMb Millones de barriles
NBA Necesidades básicas alimenticias
PIB Producto interno bruto
PROCIANDINO
Programa para la cooperación para la investigación
agrícola y la transferencia tecnológica en la subregión
andina
SA Seguridad alimentaria
SMMLV Salario mínimo mensual legal vigente
Ton Tonelada
Introducción
Los precios de los commodities, entre ellos los alimentos, presentan comportamientos
inestables y volátiles (Arango, 2006). Un ejemplo fue el alza en los índices de los precios
de los alimentos en la primera década del tercer milenio. La comunidad científica ha
estado preocupada por explicar este fenómeno por lo que nuevas teorías han surgido
tratando de entender estas dinámicas. Algunos estudios muestran los comportamientos
cíclicos y la correlación entre los mercados energéticos y la cadena de producción de los
alimentos (Deaton & Laroque, 1992; IEA, 2003). Los precios de los alimentos y los
energéticos, desde el año 2000, se han incrementado sostenidamente y algunos autores
han propuesto que este comportamiento podría indicar correlación entre estos
commodities (Kim, 2009). Al mismo tiempo se ha experimentado un alza en la demanda
de energéticos sustitutos a derivados del petróleo, en especial para el sector transporte,
en este caso se ha visto como la producción de biocombustibles de primera generación
se ha incrementado significativamente (Acosta, 2008; Acosta & Chapparro, 2009; Rosillo-
Calle & Walter, 2006). Este comportamiento incremental en el nivel de producción de
combustibles podría persistir en el futuro; de hecho, las proyecciones a nivel global
muestran que para el año 2050 podrían llegar a ser 5 veces el registrado en el año 2005
(Demirbas, 2008). Los factores asociados a que se multiplique la producción se asocian
a: políticas gubernamentales, volatilidad en los precios del petróleo, seguridad
energética, el ser un recurso renovable amigable con el ambiente, entre otros (Demirbas,
2008; Liao, Heijungs, & Huppes, 2012; Sandvik, 2008).
Para que los biocombustibles sean competitivos y poder cumplir los objetivos que los
gobiernos se han trazado en el nivel de producción, se requiere de políticas públicas que
incentiven a los productores. Los incentivos más comunes son: incentivos financieros,
fijación de precios y exenciones en impuestos (Demirbas, 2008; Sorda, Banse, &
Kemfert, 2010). Estas políticas han llevado al aumento a nivel global de biodiesel y
bioetanol, aumentando el área cultivada, trayendo como efecto el cambio en el uso final
de los bienes agrícolas, pasando de alimentación a la producción de biocombustibles.
2 Introducción
Los biocombustibles han servido como alternativas económicas y de desarrollo social en
el sector agrícola en los países en vía de desarrollo. Sin embargo, no es claro el impacto
social que ha tenido (Peters & Thielmann, 2008), algunos sectores han denunciado
problemas sociales derivados de estas políticas. Algunos de los efectos colaterales que
han sido denunciados están en el orden laboral y de violencia (Altieri & Bravo, 2012).
Por el otro lado, la Seguridad Alimentaria es un aspecto crítico para la población, esto
debido a que es un estado necesario para alcanzar el bienestar general de la población.
Sin Seguridad Alimentaria, el tejido social es vulnerable a tal punto que corre un alto
riesgo de disolverse. Este tema es de suma importancia para las políticas
gubernamentales, donde se han desarrollado diferentes definiciones y perspectivas de
esta condición. De hecho, desde la Conferencia Mundial de la Alimentación de 1974 se
han desarrollado un poco más de 200 diferentes aproximaciones y definiciones para la
Seguridad Alimentaria, mostrando que es un tema complejo y controversial (Carr, 2006;
Smith, Pointing, & Maxwell, 1992). La FAO (The Food and Agriculture Organization of
The United Nations) ha venido publicando los datos de las personas que están
clasificadas en subnutrición. Las tendencias se han revertido mientras que en el periodo
1989-2009 se aumentó en un 37% las personas sub alimentadas, pasando de 744,5
millones de personas a 1020 millones (Godfray et al., 2010), en los años 2009-2013 se
disminuyó en un 16,8% llegando a una cifra de 848 millones de subnutridos. A pesar de
las disminuciones en los últimos años, la cantidad de personas en esta condición es un
13,8% superior a la registrada en el año 1989 (FAO, FIDA, & PMA, 2013).
Según Rena (2005) la Seguridad Alimentaria posee 4 dimensiones (disponibilidad de
alimentos, acceso a los alimentos, utilización de los alimentos y estabilidad). En este
sentido, es posible tener la cantidad suficiente de alimentos para cumplir la demanda
pero por cuestiones de precio, distribución, limitación de ingresos u otros factores pueden
no ser accesibles. Adicional, se puede acceder a la cantidad de alimentos para no sentir
hambre pero no garantizan que tengan los nutrientes necesarios para una buena
alimentación (utilización de los alimentos) mientras que la estabilidad permite que haya
seguridad en la producción (FAO et al., 2013; Rena, 2005).
La disponibilidad de alimentos enfrenta actualmente grandes retos debido a varios
factores. En primer lugar, se cuenta con una población creciente en el mundo que
Introducción 3
requiere que se produzcan más alimentos para poder suplir la demanda que representa
la nueva población. Adicionalmente, la degradación de la tierra y el cambio climático ha
perjudicado la producción de alimentos (Fischer, Hizsnyik, Prieler, Shah, & van
Velthuizen, 2009). Otro factor clave es el aumento en el poder adquisitivo lo que
representa un aumento en la demanda de alimentos de origen vegetal, materias primas y
carne. Especialmente, el aumento en el consumo de carne trae consecuencias como la
sustitución en la tierra destinada para la agricultura, transformada en tierra dedicada a la
ganadería (Godfray et al., 2010; Latham, 2000). La mayor demanda por alimentos,
impone presión sobre los recursos necesarios para la producción tales como las tierras
arables, el agua, la energía, el capital de trabajo y las áreas naturales (FAO, 2003;
Gerbens-Leenes, Nonhebel, & Krol, 2010; Hoekstra & Chapagain, 2007; WWF, 2007).
La necesidad de buscar soluciones a la seguridad energética (Kuchler & Linnér, 2012),
han transformado a los biocombustibles en una de las alternativas. Los cultivos de
biomasa entran a competir por los factores de producción usados por la agricultura y
también por el uso final de las materias primas, por un lado se demanda para la
producción de biocombustibles y por el otro lado la alimentación humana (Nonhebel,
2005, 2012).
En los últimos años la comunidad científica y los tomadores de decisión (a nivel
gubernamental) han tenido dentro de su agenda la necesidad de estudiar el posible
efecto que trae el cambio en el uso que tradicionalmente se le había dado a los
productos agrícolas, pasando de alimentación a la generación de combustibles (Kim,
2009). Algunos autores han afirmado que el conflicto por los bienes de producción
comunes necesarios para la fabricación de biocombustibles y alimentos ha generado un
aumento en la productividad agraria, un cambio en la vocación del suelo y un incremento
en los índices de precios de los commodities1 (Falcon & Naylor, 2005; Godfray et al.,
2010; IICA, 2009; Nonhebel, 2012; Sandvik, Moxnes, & Group, 2008).
El incremento de los precios de los alimentos y el de la producción de biocombustibles ha
traído preocupación a los gobiernos alrededor del mundo. Esto se da por los altos precios
1 Commodities: Mercancia de uso comercial, son productos genéricos, básicos y sin
diferenciación.
4 Introducción
de los alimentos, que genera barreras de acceso a bienes de primera necesidad,
especialmente para el grupo de personas que se encuentra en situación de pobreza.
Adicional, el aumento de la producción de biocombustibles genera conflictos por tierras
siendo un factor que agravaría la disponibilidad de alimentos por el cambio del uso final
de estos bienes. Estos dos factores generan carencia de Seguridad Alimentaria.
En la literatura se han propuesto varios modelos para explicar las relaciones entre la
Seguridad Alimentaria y los Biocombustibles; sin embargo, los casos de aplicación en
Latinoamérica son escasos y para Colombia se han enfocado en estudiar por separado
estos dos sistemas por aparte. Estos sistemas, al usar factores de producción común,
deben ser analizados de manera conjunta. En esta investigación se propone analizar las
relaciones existentes entre estos dos sistemas y evaluar las políticas actuales que tiene
Colombia en el sector de biocombustibles. Para en esta investigación se parte de un
modelo nacional de Seguridad Alimentario desarrollado por Giraldo (2013) al que se le
agrega el módulo de biocombustibles. Este modelo permitir la evaluación del
comportamiento de la Seguridad Alimentaria con la actual política en Biocombustibles,
además de proponer políticas que equilibren estos sistemas.
En el capítulo 1 se presenta una revisión de los antecedentes de la Seguridad
Alimentaria y de los Biocombustibles en Colombia y el mundo. En el capítulo 2 se hace
una revisión a la literatura, la definición del problema, el planteamiento de objetivos. En el
capítulo 3 se describe el proceso en la selección de la metodología y el proceso para su
uso. En el capítulo 4 se mostrará el modelo, sus componentes y el proceso de
modelación. En el capítulo 5 se hará un análisis de resultados y por último en el capítulo
6 se discutirá las conclusiones y el trabajo futuro.
1. El mercado de los biocombustibles y la seguridad alimentaria
En este capítulo se mostrará la revisión del estado del arte sobre los mercados de
biocombustibles (BC) y la seguridad alimentaria (SA). Luego, con el análisis de la
literatura se identifica y se delimita el problema de investigación para así plantear los
objetivos que la tesis aborda.
1.1 Antecedentes de la seguridad alimentaria en el mundo
La Seguridad Alimentaria (SA) ha sido un tema que ha estado en la agenda internacional
desde la década de 1960, debido a la alta proporción de personas que viven en
desnutrición alrededor del mundo. En 2009 se alcanzó las 1.020 millones de personas
subnutridas alrededor del mundo, mientras que para el 2013, 848 millones de personas
estaban en estado de subnutrición (FAO et al., 2013).
En cuanto a la SA existen diversos métodos de cuantificación, lo que hace que no haya
una manera uniforme de medirla alrededor del mundo. Un indicador comúnmente
utilizado es el número total de personas subnutridas, es decir las personas que no están
consumiendo el nivel energético definido para considerarse que están ingiriendo
alimentos que les proporcionen los nutrientes adecuados para tener una buena salud
(Rena, 2005).
En el 2013 el 98,1% de los subnutridos vivían en países en vía de desarrollo, mientras
que el 1,8% restante habitaban países desarrollados. El mayor porcentaje se concentra
en Asia y en África en donde están el 92,4% del total de personas reportadas como
subnutridas. En la figura 1-1 se puede observar las personas subnutridas en el mundo
por región en el año 2013.
6 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
Figura 1-1. Personas subnutridas en 2013 por regiones en el mundo (en millones)
Fuente (FAO et al., 2013)
América Latina ha tenido una leve mejoría a lo largo de los años, teniendo una tendencia
decreciente en el periodo 1990-2012, pasando de 57 millones de personas en
desnutrición a 42 millones de personas siendo aproximadamente una disminución de
26,3% con respecto al año de 1990 (FAO, 2012).
Para entender la SA hay que analizarla como una variable multidimensional en la que se
interrelacionan el acceso, la disponibilidad, la utilización y la estabilidad en el suministro.
El acceso se relaciona con la capacidad de adquirir los bienes alimentarios, la
disponibilidad responde a la cantidad de alimentos producidos, la utilización es la
adecuada preparación y la calidad nutricional de lo consumido y por último la estabilidad
en el suministro responde por la variación en los inventarios o los eventos cíclicos en la
agricultura (Giraldo, 2013).
La variación en el número de personas en el mundo que viven en inseguridad alimentaria
responden a dinámicas en los factores estructurales, estos factores son socio-
económicos, ambientales y políticos (Ericksen, Ingram, & Liverman, 2009; Giraldo, 2013)
así mismo de factores coyunturales como: precio de divisas, especulación en los
mercados alimentarios, precio de los insumos, variación en los precios de los energéticos
como es el petróleo, entre otros (Barrett, 2010; Falcon & Naylor, 2005; IICA, 2009). Estos
factores afectan los ingresos que a su vez son causantes de la pobreza. La pobreza trae
239
563
42 7 1 16 0
100
200
300
400
500
600
África Asia AméricaLatina
El Caribe Oceanía Paisesdesarrollados
Mill
on
es
de
pe
rso
nas
El mercado de los biocombustibles y la seguridad alimentaria. 7
como repercusión dificultades para el acceso a los alimentos, afectando la seguridad
alimentaria de la población (Pineda, Pérez-Caldentey, & Titelman, 2009).
El precio afecta tanto a productores como a consumidores, a productores porque son la
señal del mercado para producir más o en menor cantidad. Mientras que para los
consumidores estos son la barrera para el consumo. Los productos alimentarios tienen
una elasticidad del precio baja con respecto a la oferta, , por lo que la variación en el
precio responde a ciclos biológicos (IICA, 2009). Esta baja elasticidad produce que no
haya equilibrios en el corto plazo debido a que no hay una respuesta al cambio de
precios en el corto plazo.
El índice en los precios de los alimentos es una variable crucial para el análisis de la SA
a nivel nacional y mundial, en los últimos 14 años el índice global de los alimentos
registrados por la FAO ha tenido una tendencia creciente llegando a su pico en el 2011.
Para 2014 el índice era 123,1% superior al registrado en 2000, aunque 11,5% inferior al
pico visto en el año 2011 (FAO, 2014). En la figura A-1 se puede observar la evolución de
los índices de los grupos de productos alimenticios básicos y el índice promedio en el
periodo 2000-2014.
Se pueden clasificar variables que afectan la variación de los precios de los alimentos en
estructurales y coyunturales. Dentro de las variables estructurales se encuentran (Alfaro
& Olivera, 2009; IICA, 2009; Lambert & Miljkovic, 2010; Zilberman, Hochman, Rajagopal,
Sexton, & Timilsina, 2013): i) La variabilidad climática, ii) concentración de los mercados
de alimentos en pocos países, iii) factores limitantes en la productividad y iv) políticas de
protección en el agro en los países desarrollados. Todos estos factores distorsionan el
mercado, generando efectos como limitaciones en la entrada de nuevos países que
podrían tener ventajas competitivas en la producción.
Dentro de las variables coyunturales están (Alfaro & Olivera, 2009; IICA, 2009; Lambert &
Miljkovic, 2010): i) Nivel de existencia de los alimentos, ii) valor de las divisas (dólar), iii)
variación en el precio del petróleo, iv) especulación en los mercados de commodities y v)
aumento en la sustitución del uso final de cultivos tradicionales alimenticios a
biocombustibles.
8 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
Por el lado del consumidor un factor importante son los ingresos, el aumento de ellos
incrementa la demanda por alimentos considerados bienes de lujo. El consumo de carne
aumenta cuando la renta se incrementa, esta tendencia se ha observado en los últimos
años en Asia (FAO, 2013). Para satisfacer la demanda por carne se genera un conflicto
por el uso de la tierra entre agricultura y ganadería, la literatura indica que con la misma
área se podrían alimentar más personas con productos vegetales que con carne
(Godfray et al., 2010). En figura A-2 muestra la evolución del número en la cabeza de
búfalos y de res en los años 1990-2010 destacándose una tendencia incremental,
especialmente después del año 2000. El incremento en el periodo 1990-2010 fue de
12,4%.
La producción de alimentos es fundamental para la SA. La producción ha tenido una
tendencia incremental en los años 2000-2012, en los que creció un 24 % según la FAO.
En la (figura 1-2) se puede observar el crecimiento del índice bruto en la producción
alimentaria en el mundo.
Figura 1-2. Índice de Producción Agrícola en el Mundo 2000-2012 (2004-2006 = 100)
Fuente (FAOSTAT, 2014)
La variabilidad climática incluye incertidumbre en la producción; variaciones extremas en
el clima tales como grandes inundaciones o periodos largos de sequía afectan
negativamente la producción, mientras que un buen clima potencia la producción. Estas
dinámicas generan ineficiencias en el ciclo productivo, en la distribución y en la
0
20
40
60
80
100
120
140
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
(20
04
-20
06
= 1
00
)
El mercado de los biocombustibles y la seguridad alimentaria. 9
generación de inventarios (Ericksen et al., 2009; Falcon & Naylor, 2005; Godfray et al.,
2010; Lambert & Miljkovic, 2010).
La producción agrícola tiene factores de producción que son limitantes como son la tierra,
el agua y la energía (Gerbens-Leenes et al., 2010; Kim, 2009), estos son agotables y no
presentan la misma calidad por lo que afectan la productividad. Cuando se agotan las
tierras arables, es necesaria la adecuación de nuevas tierras que pueden traer como
efecto menos eficiencia en el proceso (Smith, 2011). El uso de la tierra y el agua están en
conflicto con otros usos cómo son la minería, la ganadería, vivienda, biocombustibles, por
lo que hay una fuerte presión para la adecuación de nuevas tierras para suplir la
demanda que existe por cada uno de los bienes producidos por estas actividades
económicas (Demirbas, 2008; Godfray et al., 2010).
1.1.1 Políticas públicas en seguridad alimentaria tomadas por algunos países de América Latina y el Caribe
Cómo se detalló en la sección anterior, son los países en vía de desarrollo los que más
sufren del fenómeno de la inseguridad alimentaria. América Latina y el Caribe (ALC)
hacen parte de este grupo de países y son altamente vulnerables a los cambios
económicos en el mundo, por lo cual han adoptado variadas políticas que tratan de
disminuir el número de personas que carecen de SA. Las medidas más comunes están
enfocadas en mitigar el incremento en los precios finales para los consumidores, precios
para la producción y el comercio. A pesar de esto, estas medidas han sido insuficientes
para mejorar la SA en el largo plazo (Giraldo, 2013). En la tabla A-1 se resumen las
políticas que han tomado algunos países de ALC para afrontar la crisis alimentaria a nivel
nacional.
1.1.2 Antecedentes de la seguridad alimentaria en Colombia
En Colombia se determinó que para el año 2010 el 42,7% de los hogares sufren de
carencias de SA, de los cuales el 27,9% lo sufre de manera leve, 11,9% moderada y el
3% severa. Se encontró que hay una mayor prevalencia en las áreas rurales que en las
áreas urbanas (ICBF, 2011). Este indicador se ha incrementado, la misma encuesta para
el 2005 reveló que la carencia de SA en el país era del 40.8% en los hogares,
distribuidos en 26,1% leve, el 11.2% moderada y 3.6% inseguridad severa (ICBF, 2006).
10 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
Para analizar las causas en Colombia de la carencia de SA, es necesario analizar cada
uno de los factores que conforman la SA. Los 4 factores son:
a) Inestabilidad en la oferta alimentaria
El sector agrícola ha tenido un bajo crecimiento en el PIB sectorial en los últimos años.
La tabla 1-1 muestra el crecimiento porcentual a precios constantes (base 2005) del PIB
nacional y del PIB agropecuario entre los años 2001 – 2012. En este periodo de tiempo el
PIB nacional tuvo un crecimiento promedio anual de 4,3% a comparación del
agropecuario que fue de 2,1 % anual (DANE, 2014a).
Tabla 1-1. Tasa de crecimiento del PIB agropecuario y nacional a precios constantes. Base 2005
Año 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Agropecuario 1,7 2,5 3,9 5,3 4,7 6,7 6,9 3,5 1,7 4,0 6,6 4,0
PIB Nacional 1,8 4,6 3,1 3,0 2,8 2,4 3,9 -0,4 -0,7 0,2 2,1 2,5
Fuente. (DANE, 2014a)
El PIB agropecuario refleja la producción de los bienes agrícolas y el precio que está
recibiendo el productor. Para la producción hay varios factores que afectan el volumen,
primero son bienes de producción cíclica (cultivos permanentes), mientras que los
estacionales vienen determinados por la rentabilidad que los productores perciben del
mercado. El precio viene determinados para Colombia en los mercados internacionales
de alimentos y en la volatilidad de los precios en las divisas.
La autosuficiencia alimentaria en Colombia se calcula con el consumo aparente,
analizando cuanto de este consumo se satisface con la oferta nacional. La
autosuficiencia descendió en la primera década del siglo XXI; pasando de 94,6% en el
año 2000 a 82,2% en el año 2012. Esta caída es producto del aumento en un 70,6% en
las importaciones de alimentos entre los años 2000-2012.
b) Limitación en el acceso a los alimentos
El acceso a los alimentos se asocia al ingreso y al precio de los alimentos (Smith et al.,
1992). En Colombia se tienen dos indicadores para calcular el poder adquisitivo; el
desempleo y el porcentaje de personas que viven en situación de pobreza e indigencia.
El mercado de los biocombustibles y la seguridad alimentaria. 11
La tasa de desempleo ha venido decreciendo, pasando del 18% en el 2003 al 10,4% en
el 2012. Es importante este indicador, dado que refleja el nivel de ingresos y este es un
limitante para el acceso a una canasta básica de alimentos que cumpla con los nutrientes
necesarios (DANE, 2011).
La pobreza nacional ha decrecido en un 24,3% entre 2002 y 2010, mientras que la
indigencia en el mismo periodo pasó de un 17,6% a 12,3%. Se destaca que la pobreza
extrema tiene una mayor incidencia en la población rural, en el 2010 el 25,5% de la
población se clasificó en pobreza extrema en contraste con el 8,11% en las zonas
urbanas. En la clasificación de pobreza, para el 2010 el 50,3% de la población rural era
pobre, mientras que la urbana fue de 33% (DNP & DANE, 2012).
Las variables más influyentes para la formación de los precios son: los costos de
producción, la volatilidad del precio del petróleo y los precios internacionales de los
alimentos. En la figura 1-3 se observa la evolución del IPC de los alimentos desde el
2005 hasta el 2013.
Figura 1-3. Variación anual del IPC alimentos en Colombia
Fuente. (DANE, 2014b)
c) Aprovechamiento y uso biológico de los alimentos
El consumo de alimentos por parte de la población colombiana cuenta con varias
deficiencias. El ICBF caracterizó en el año 2010 el consumo, encontrando que hay un
consumo incompleto, insuficiente, inadecuado de los nutrientes. En la población
colombiana se evidencia un bajo consumo diaria de lácteos, frutas hortalizas, verduras,
alimentos ricos en fibra. Además se evidencia que 1 de cada 7 colombianos no consume
-2
0
2
4
6
8
10
12
14
2005 2006 2007 2008 2009 2010 2011 2012 2013
% v
aria
ció
n a
nu
al
12 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
ningún producto cárnico al día, por el otro lado se observa un alto consumo de cereales,
carbohidratos, endulzantes, grasas saturadas, azucares. Hay un déficit de consumo
calórico, un 62% de la población no consume la cantidad calórica necesaria al día (ICBF,
2011).
d) Estabilidad en el suministro
La variabilidad en la producción es producto de la variación en los factores de
producción: tierra, capital y trabajo. En cuanto al uso de la tierra se calcula que el
potencial para la vocación agrícola está en 10,4 millones de ha, forestal 21,6 millones de
ha y ganadería 10,2 millones de ha. Para el año 2012 se registraron 4,2 millones de ha
en uso agrícola, 9,9 millones de ha en el sector forestal y 41,7 millones de ha en uso
pecuario (Ministerio de Agricultura y Desarrollo Rural, 2012), existiendo una
sobreexplotación pecuaria a consta de la agricultura y el sector forestal (Restrepo, 2010).
Analizando el factor trabajo, la población rural se ha reducido, debido a la violencia, la
búsqueda de servicios y mejor remuneración económica. Para el año 2000 el porcentaje
de población rural del total nacional ascendía a 28,1%, mientras que para el 2012 llegó a
representar el 22,6% del total (DANE, 2009).
Por último el desempeño del factor capital se ve reflejado en el bajo incremento del PIB
sectorial, causas como la inseguridad, la inadecuada infraestructura, falta de acceso a
financiamiento, poco desarrollo e innovación a nivel general en el país dificultan el
crecimiento del agro en Colombia (CEPAL, 2004; DANE, 2014a).
1.2 Antecedentes de los biocombustibles en el mundo
“Biofuels are commonly produced from plants, animals, and microorganisms but also from
organic wastes. They can be solid like biochar, liquid like biodiesel and bioethanol, or
gaseous like biogas, biosyngas and biohydrogen.” (Liao et al., 2012)
Los biocombustibles (BC) son producto de plantas, animales, microorganismos o
desechos, algunos autores los clasifican dependiendo del proceso utilizado y los
El mercado de los biocombustibles y la seguridad alimentaria. 13
materiales usados para su producción en 3 generaciones (Escobar et al., 2009; Goldstein
& Gutman, 2010). La primera generación es globalmente más difundida, usa métodos
tradicionales e insumos usados para la alimentación animal o humana (Goldstein &
Gutman, 2010). La segunda usa insumos no alimentarios como los desechos orgánicos,
cascarillas, entre otros. Hay dos principales métodos de producción, termoquímicos y
bioquímicos (Naik, Goud, Rout, & Dalai, 2010). La tercera generación usa algas y micro
algas y los procesos son similares a los de segunda generación (Nigam & Singh, 2011).
Los BC no son una alternativa energética nueva; el bioetanol era usado sustituto al aceite
de ballena, y como combustible en los primeros motores de combustión interna (Kovarik,
1998; Songstad et al., 2009). Algunos autores sugieren que el impuesto que tenía el
bioetanol en la guerra civil estadounidense y que permaneció hasta 1906 fue el causante
de que fuera mucho más atractivo el uso del petróleo frente al bioetanol (Dimitri &
Effland, 2007).
El biodiesel se puede rastrear hasta los inicios del siglo XX, en los que se usaba aceites
vegetales para impulsar motores (Knothe, 2001), la dificultad de los aceites fue la
necesidad de combinarlos con derivados del petróleo y en sus inicios los niveles de
producción no eran los suficientes. Al igual que el bioetanol el automóvil fue un driver
que llevo a que el diésel derivado del petróleo generara que los aceites vegetales se
estancaran en su producción (Songstad et al., 2009).
La producción de BC se ha incentivado cuando han existido crisis energéticas, tales
como sucedieron en las guerras mundiales y también a raíz del embargo petrolero por
parte de los países de la OPEP en 1974 y con la subida de los precios del petróleo en la
primera década del siglo XXI. Otro factor que ha motivado la ampliación en la capacidad
instalada son las políticas públicas en las diferentes naciones alrededor del globo (Kim,
2009; Sandvik et al., 2008; Songstad et al., 2009; Timilsina, Mevel, & Shrestha, 2011).
Mientras que a bajo precio del petróleo se desacelera la ampliación de la capacidad
instalada y la producción de estos combustibles de origen vegetal (Horta & Silva, 2013).
La producción de biocombustibles tuvo un incremento acelerado en la primera década
del siglo XXI. Los factores que motivaron este crecimiento están: i) necesidad de
diversificar la matriz energética para tener una mayor seguridad energética; ii) la presión
14 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
internacional por la producción de energía limpia; iii) la alta volatilidad del petróleo; iv)
políticas públicas para el desarrollo agrario y v) la demanda de los biocombustibles desde
el sector transporte (Demirbas, 2009; Liao et al., 2012; Sandvik et al., 2008).
La figura 1-4 muestra la evolución de la producción mundial de los BC, como su
demanda entre 2000-2011. La producción de BC creció en 2011 un 503% con respecto al
2000 (EIA, 2014; Goldstein & Gutman, 2010). Los países / regiones que lideran la
producción de bioetanol son EE.UU (maíz), Brasil (caña de azúcar), la Unión Europea
(maíz, caña de azúcar, trigo), China (maíz y trigo), mientras que los líderes en producción
de biodiesel son: Unión Europea (canola y soya), Estados Unidos (Soya), Brasil (Soya)
(Goldstein & Gutman, 2010; Janssen & Rutz, 2011).
Figura 1-4. Producción y consumo de biocombustibles en el mundo 2000-2011
Fuente (EIA, 2014)
Desagregando los BC, para el 2011 el 78,7% de la producción correspondía al etanol y el
21,3% restante era biodiesel. El bioetanol entre los años 2000-2010 tuvo un crecimiento
exponencial de aproximadamente de 398%. Mientras el biodiesel tuvó un crecimiento
exponencial entre los años 2000-2011, pasando de producir 15.200 barriles diarios a
403.739 barriles diarios (EIA, 2014).
En el mundo existen diversas políticas públicas para incentivar la producción de BC.
Estas políticas están enfocadas a la reducción de impuestos y de incentivos financieros
para estimular la producción. Razones para estas políticas pueden ser: incremento en la
seguridad energética, reducción de la huella de carbono, incremento en los retornos
0
500
1000
1500
2000
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Mile
s d
e b
arri
les
día
rio
s
Producción
Consumo
El mercado de los biocombustibles y la seguridad alimentaria. 15
económicos en los bienes agrícolas, desarrollo rural, ahorro en las reservas de divisas,
entre otras (Demirbas, 2008; Janssen & Rutz, 2011; Matsumoto, Sano, & Elder, 2009).
En la tabla A-2 se resume algunas políticas en varios países del mundo.
1.2.1 Antecedentes de los biocombustibles en Colombia
La historia de los BC en Colombia no es reciente, el Congreso de la República
reglamentó, sancionó e implementó la ley 693 de 2001 con la cual dio un marco legal
para los BC en el país (Fedebiocombustibles, 2011; Garzón & Hernández, 2009).
Para la producción nacional de aceite vegetal se pueden usar la palma de aceite,
higuerilla, jatropha, colza, maní, soya y girasol; de estos cultivos el que más rendimiento
ha mostrado es la palma africana (5.550 lt/ha/año). La palma ha sido el cultivo de mayor
crecimiento destinado para la biomasa, pasando de 18.000 ha cultivadas en la década de
los 60 a 476.782 ha en cultivo para el año 2013 (Fedebiocombustibles, 2014a; IICA,
2010). En la figura 1-5 se muestra la evolución en las ha cultivadas de palma en
Colombia.
Para el etanol se puede usar para su producción cultivos de caña de azúcar, papa, maíz,
yuca y remolacha. Para la producción industrial el más usados es la caña de azúcar
debido a su rendimiento, calculado en 9.000 Lt/ha/año (CORPOICA, IICA, &
PROCIANDINO, 2010). La figura 1-5 muestra la evolución en las ha cultivadas de caña
de azúcar en la que se destaca que entre los años 2008-2013 se ha incrementado el
área en un 9,7% (Fedebiocombustibles, 2014d).
16 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
Figura 1-5. Evolución de las hectáreas cultivadas de caña de azúcar y palma de aceite en
Colombia.
Fuente: elaboración propia basado en (Fedebiocombustibles, 2014a, 2014b)
En la producción de BC, las plantas de biodiesel entraron en operación a finales de 2008.
La producción de biodiesel en el año 2009 fue de 250.662 ton, aumentándose en un 77%
para el 2011 llegando a 443.037 ton de biodiesel (Fedebiocombustibles, 2012). En la
figura 1-6 se observa la producción mes a mes desde el año 2009 hasta octubre de
2014, observándose una tendencia logarítmica en el crecimiento de la producción.
Figura 1-6. Evolución en la producción de biodiesel en Colombia.
Fuente: elaboración propia basado en (Fedebiocombustibles, 2014c)
La capacidad instalada de biodiesel actual en el país se calcula en 591.000
toneladas/año distribuidas en 10 plantas (ver tabla A-3) de producción de biodiesel, el
porcentaje de utilización para el año 2013 fue del 85,16% (Fedebiocombustibles, 2014a).
0
50
100
150
200
250
300
350
400
2005 2006 2007 2008 2009 2010 2011 2012 2013
mile
s d
e h
a
Palma en desarrollo
Palma en Producción
Caña de azúcar
-10
0
10
20
30
40
50
60
Jan
-20
09
Ap
r-2
00
9
jul-
09
oct
-09
Jan
-20
10
Ap
r-2
01
0
jul-
10
oct
-10
Jan
-20
11
Ap
r-2
01
1
jul-
11
oct
-11
Jan
-20
12
Ap
r-2
01
2
jul-
12
oct
-12
Jan
-20
13
Ap
r-2
01
3
jul-
13
oct
-13
Jan
-20
14
Ap
r-2
01
4
jul-
14
oct
-14
Kto
n
El mercado de los biocombustibles y la seguridad alimentaria. 17
Los principales productores de etanol en el país son los ingenios azucareros. En la figura
1-7 se observa la evolución de la producción de etanol en el país desde enero de 2008 a
octubre de 2014, mostrando una tendencia lineal, creciendo un 51,9% entre 2008 y 2013.
Figura 1-7. Evolución en la producción de alcohol anhidro de caña
Fuente: elaboración propia basado en (Fedebiocombustibles, 2014b)
La capacidad instalada para el año 2013 estaba calculada en 1.250.000 litros/día
distribuidas en 6 plantas localizadas en 3 departamentos (Cauca, Risaralda y Valle del
Cauca), (ver tabla A-4) la utilización de estas plantas está actualmente en un 86,18% de
su capacidad teórica (Fedebiocombustibles, 2014d).
1.2.2 Políticas públicas en el sector de biocombustibles en Colombia
La producción de BC en el país ha sido motivada desde la política pública, por medio de
incentivos a los agricultores y a los productores de los BC, causando un incremento en el
área destinada para el cultivo de biomasa y al incremento de la capacidad de producción
de los BC. La tabla A-5 hace un recuento de las principales normativas de los BC.
En el caso de los agricultores se les da una exención en la renta líquida para los cultivos
de palma de aceite por 10 años, mientras que para la caña de azúcar hay exclusión en el
cobro del IVA. Por el lado de los productores se tiene los siguientes incentivos: i)
exención del impuesto a las ventas al biodiesel y al etanol; ii) exención del impuesto
global dentro del ACPM, excluyendo el porcentaje de mezcla destinado de biodiesel; iii)
0
5
10
15
20
25
30
35
40
Jan
-20
08
Ap
r-2
00
8
jul-
08
oct
-08
Jan
-20
09
Ap
r-2
00
9
jul-
09
oct
-09
Jan
-20
10
Ap
r-2
01
0
jul-
10
oct
-10
Jan
-20
11
Ap
r-2
01
1
jul-
11
oct
-11
Jan
-20
12
Ap
r-2
01
2
jul-
12
oct
-12
Jan
-20
13
Ap
r-2
01
3
jul-
13
oct
-13
Jan
-20
14
Ap
r-2
01
4
jul-
14
oct
-14
mill
on
es
de
litr
os
18 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
exención de pago del impuesto global y la sobretasa de alcohol carburante mezclado con
la gasolina motor; iv) Renta del 15% (vs. 33%) a proyectos que tengan una inversión
superior a 75 smmlv o que tengan más de 500 empleados; v) control de precios de venta
del etanol y el biodiesel y vi) garantía en la demanda determinada por mezclas fijadas por
el gobierno tanto de biodiesel como de bioetanol (Fedebiocombustibles, 2011).
La demanda de BC en Colombia depende en gran medida del consumo de gasolina
motor y de diésel para el sector automotriz, debido a la fijación de cuotas por el Ministerio
de Minas y Energía. Para 2014 la mezcla del bioetanol se fijó en E8 para el centro,
oriente y norte del país, mientras que en el sur y el occidente se fijó en E102. Por el otro
lado el biodiesel está entre E7 y E10 en el país (Fedebiocombustibles, 2014h; Ministerio
de Minas y Energía, 2011).
La formación de precios de los BC está regulada por medio de resoluciones mensuales
expedidas por el Ministerio de Minas y Energía. Con el decreto Nº 18 1966 del 24 de
noviembre de 2011 se definió la ecuación con la que se fijan los ingresos del productor
de biodiesel, esta ecuación se describe en el anexo A. La resolución 40 266 del 27 de
febrero de 2015, fijó el precio del galón de Biodiesel en $9.821,42 COP. La figura 1-8
muestra la dinámica del precio del biodiesel desde enero de 2009 hasta diciembre de
2014. El pico en el precio se logró en marzo de 2011 ($10.334,1 COP por galón),
mientras que el precio mínimo fue de $7.148,1 COP/galón alcanzado en enero de 2013.
El Ministerio de Minas y Energía mediante la resolución Nº 180643 del 27 de abril de
2012 definió la ecuación para calcular el precio del alcohol carburante (ver anexo A). La
resolución 91 347 del 28 de Noviembre de 2014, fijó el precio del galón de Etanol
en $6.604,4 COP. La figura 1-8 muestra la dinámica del precio del bioetanol desde
febrero de 2009 hasta diciembre de 2014. El pico en el precio se logró en marzo de 2012
($8.811,6 COP por galón), mientras que el precio mínimo fue de $5.903,3 COP/galón
alcanzado en mayo de 2009 (Fedebiocombustibles, 2014f).
2 El porcentaje de mezclas de los biocombustibles se denotan con la letra E seguido de un
número. Este número indica el % de biocombustibles mezclados con los combustibles fósiles. Por ejemplo E10 significa que el combustible tiene 10% de biocombustibles.
El mercado de los biocombustibles y la seguridad alimentaria. 19
Figura 1-8. Evolución precio del etanol y biodiesel en Colombia por galón.
Fuente: Elaboración propia basado en (Fedebiocombustibles, 2014f, 2014g)
La política de mezclas ha tenido que ser redefinida debido a que la oferta no ha podido
suplir la demanda. En la resolución 18 0687 de 2003 estableció una mezcla de E10 para
el etanol, pero para 2004 se modificó debido a que no había suficiente producción.
Debido a la falta de producción actualmente las mezclas oscilan entre E8 y E10 en el
país. Actualmente para el biodiesel se tiene mezclas entre E7 y E10 en el país (García &
Calderón, 2012).
Proyecciones hechas por la UPME muestran que para el 2030 en el país se podría
demandar entre 150 millones de galones/año y 450 millones de gal/año por parte del
etanol y entre 292 millones y 594 millones gal/año de biodiesel las proyecciones. Según
la UPME teniendo estos escenarios para ambos combustibles habría déficit en el país de
estos energéticos (Ministerio de Minas y Energía, 2010).
0
2000
4000
6000
8000
10000
12000
feb
.-0
9
jul.-
09
dic
.-0
9
may
.-1
0
oct
.-1
0
mar
.-1
1
ago
.-1
1
ene
.-1
2
jun
.-1
2
no
v.-1
2
abr.
-13
sep
.-1
3
feb
.-1
4
jul.-
14
CO
P/g
al
Precio Etanol
Precio Biodiésel
2. El problema de la cuantificación de los efectos de la producción de BC en la SA: Antecedentes, teoría y propuesta de investigación.
En este capítulo se presenta el problema en la cuantificación de los efectos que tiene la
producción de los BC en la SA. En la sección 2.1 se presenta el estado del arte y el
marco teórico que se ha trabajado en la comunidad científica. En la sección 2.2 se
discuten los modelos usados para el estudio de las relaciones presentes entre BC y SA.
En la sección 2.3 se introduce el problema de investigación. La sección 2.4 se presentan
los objetivos de este estudio y por último la sección 2.5 detalla la hipótesis de
investigación que se tiene con respecto al problema descrito anteriormente.
2.1 Estado del arte y marco teórico
El desarrollo en el estado del arte sobre la dependencia de los alimentos en los
mercados energéticos ha pasado por 3 fases: 1) consolidación, 2) modificación del
discurso y 3) discontinuidad en el discurso.
Dentro de la consolidación, el enfoque está en la integración de políticas envolventes
entre la producción alimentaria y de BC. La FAO desde 1992 ha hablado de la necesidad
de desarrollar aproximaciones más integradas del panorama energético y alimenticio en
el mundo, concentrando los esfuerzos en el desarrollo de técnicas que mejoren los
rendimientos en la producción alimentaria y de bioenergía (FAO, 1992, 1994). Para la
Agencia Internacional de Energía (IEA) los “biocombustibles son una oportunidad para
los países de sintetizar políticas agrícolas y energéticas” (IEA, 1997). Por último el Panel
Intergubernamental del Cambio Climático (IPCC) sugiere la importancia de hacer
políticas integrales que enlacen los sectores energéticos y alimenticio para así poder
22 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
mitigar el cambio climático (IPCC, 2001). Los supuestos de esta aproximación se
justifican en los beneficios macro socio-económicos que trae la combinación de estos
sistemas, en los que se citan el empleo rural, la generación de ingresos, reducción de la
pobreza y el desarrollo rural (Cohen, Tirado, Aberman, & Thompson, 2008; FAO, 1994;
Jürgens, Best, & Lipper, 2004; Mabee, Gregg, & Saddler, 2004). El concepto desarrollado
por esta corriente parte de la premisa que el desarrollo de la biomasa podría
contrarrestar la tendencia negativa de los precios reales de los commodities que había
llevado al estancamiento en el desarrollo rural. El desarrollo de los BC haría atractivo el
sector para la inversión, creando nuevas oportunidades y un desarrollo sostenible (FAO,
2008).
Posterior a este acercamiento se llegó a una modificación del discurso debido a dos
razones: 1) las condiciones naturales de los países industrializados que limitan el
incremento de la producción de biocombustibles, lo que impide que estos no puedan
suplir la demanda fijada por los planes nacionales. Y 2) Los países industrializados al
alcanzar precios finales bajos para la biomasa, esta entraría a competir con éxito con las
fuentes de energía convencionales, lo que podría ser contraproducente para la seguridad
energética.
A pesar de estas limitaciones la FAO, la IEA y el IPCC sugieren que para superar estos
percances es necesario el incremento de los rendimiento de los cultivos, producción a
escala de los cultivos y el desarrollo tecnológico (FAO, 2008; IEA, 2006; IPCC, 2007). En
esta aproximación sigue la convicción en la agregación de la producción alimenticia y de
biomasa y que es posible tener más bioenergía conservando los mismos niveles de
producción de alimentos.
Por último se llega a la discontinuidad en el discurso, el cual entiende el problema al
agregar la bioenergía con la agricultura, enfocando el análisis en la demanda de factores
de producción comunes; capital, trabajo y tierra (Kuchler & Linnér, 2012). Esta
aproximación se desarrolló con el aumento en los precios de los commodities
experimentado en el 2006. Conllevó a analizar las relaciones que tiene los diferentes
mercados que interaccionan entre sí, entre estos están los mercados energéticos,
alimenticios y otros commodities. Varias posturas se han publicado en la comunidad
El problema de la cuantificación de los efectos de la producción de BC
en la SA: Antecedentes, teoría y propuesta de investigación.
23
científica acerca de los posibles efectos de los mercados de energía con la disponibilidad
y accesibilidad de los alimentos a nivel mundial (de Gorter, Drabik, & Just, 2013).
Para la explicación de este boom en el precio de los commodities se ha analizado varios
factores, en especial el efecto que tiene el aumento del precio del petróleo como
incentivo en la producción de nuevas fuentes de energía en las que se encuentran los
BC. El precio del petróleo y otros factores tales como el aumento en los ingresos de los
países en desarrollo, una población creciente, políticas energéticas ha llevado a una
revolución en los mercados agrícolas (Godfray et al., 2010; Meyer & Thompson, 2010).
Otros autores han mencionado como las principales causantes de la carencia de SA:
aumento en la población, cambio climático, poco desarrollo tecnológico (Pruyt & Sitter,
2008).
La literatura no desconoce el efecto que puede tener el aumento en la producción de los
BC en la SA, el problema existente es tratar de cuantificarlo, debido a que son muchas
las posibles causas que pueden generar el aumento en los precios, el cambio en el uso
de la tierra y la disponibilidad de alimentos (Headey & Fan, 2010). Aun así varios autores
recalcan en la necesidad del análisis de las políticas actuales en seguridad energética,
debido a que no se conoce en totalidad el efecto que estas puedan tener en mercados
fuertemente conectados como los alimenticios (de Gorter et al., 2013; Demirbas, 2008;
Kgathi, Mfundisi, Mmopelwa, & Mosepele, 2012).
2.2 Modelos usados para el entendimiento en las relaciones existentes entre BC y SA
Los modelos arrojan información que mejoran el entendimiento de los sistemas, sirviendo
como herramientas de apoyo para la toma de decisiones. Los modelos no son 100%
verídicos, son más bien útiles, dependen básicamente del propósito por el cual se
diseñaron (Sterman, 2002). La utilidad de experimentar con los modelos se encuentra en
poder analizar en ellos políticas y escenarios y de esa manera evitar los altos costos
económicos y en tiempo en los que se incurrirían probarlos en la realidad. Otra utilidad es
poder evitar los efectos colaterales que pueden tener las políticas implementadas si no
se tiene un conocimiento adecuado sobre el sistema intervenido.
24 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
Con respecto a los modelos que se pueden usar, hay diferentes clasificaciones que
dependen básicamente de la persona que los clasifica, una posible clasificación están los
mentales, los formales, optimizadores, simuladores, estáticos, dinámicos, con
incertidumbres o sin incertidumbre (Dyner, 1993).
Para este análisis de los modelos que se han usado en SA y BC se parte del desarrollo
de modelos de mercados de alimentos. En la literatura se puede rastrear el primer
estudio formal que analizó el estado de los alimentos en el mundo. En este caso fue
Malthus el que cuantificó la necesidad de producción de alimentos para suplir la
demanda de la población global. Luego se desarrolló otra línea de investigación en la que
se debatía el aumento de la población y su relación con la tierra disponible.
Posteriormente se introdujo conceptos de necesidades alimentarias, revolución verde,
límites al crecimiento, variación en los precios, competencia por los factores de
producción (minería, ganadería, BC). Actualmente se discute las interconexiones que
existen entre los mercados energéticos y alimenticios y de ahí surge la necesidad de
analizar los efectos que trae el desarrollo de los BC en la SA.
Para el caso de la relación entre alimentos y biocombustibles, los avances en el estado
del arte se han enfocado en el desarrollo de modelos que permita el análisis de la
transmisión de costos entre los mercados energéticos y alimenticios. Debido a que los
sistemas que abarcan la SA y de BC tienen una alta complejidad (presenta
realimentaciones, retardos y relaciones no lineales) en los que participan la política,
variables socio-económicas, ambientales, culturales, entre otros, los estudios deben
tratar de analizar de manera holística ambos sistemas. Dentro de la literatura se han
hecho los siguientes modelos para el análisis de ambos sistemas:
2.2.1 Statistical time series models:
Se han desarrollado modelos en los que se investiga la relación entre la comida, los
mercados de energía y los posibles impactos que tienen los BC en los precios de los
alimentos, encontrando las correlaciones y los equilibrios entre las variables estudiadas,
uno de los estudios muestra como los precios de los BC están determinados por
El problema de la cuantificación de los efectos de la producción de BC
en la SA: Antecedentes, teoría y propuesta de investigación.
25
diferentes factores en EE.UU. y adicionalmente sugiere como el etanol en su formación
de precios está relacionado fuertemente por los alimentos y los precios de los
combustibles (Zilberman et al., 2013).
Otros estudios como el realizado por Lambert & Miljkovic (2010), recolectan 39 años de
datos (1970-2009) para observar los factores endógenos que afectan la variabilidad en
los precios de los alimentos para EE.UU. y concluyen que en el largo plazo estos son:
precios de insumos, salarios, combustibles y costos de la energía son cruciales (Lambert
& Miljkovic, 2010).
Timmer & Dawe (2010) en su modelo concluyen que toda la crisis alimentaria tienen una
explicación por los mecanismos de mercado tradicionales. Aunque destaca un nuevo
orden en estos mercados, en el que la energía y las políticas en cuestiones ambientales
ha generado relaciones entre energía, BC y precios de los alimentos (Timmer & Dawe,
2010). De estos modelos una de las preguntas que sale es cuál es el efecto que está
teniendo las políticas energéticas en los precios de los alimentos (de Gorter et al., 2013).
2.2.2 Economic cost-benefit analysis:
Varios estudios se han hecho realizando un análisis económico sobre las implicaciones
que trae la producción de BC en la SA, teniendo como referencia como el nivel de
producción de los BC tiene un efecto en el precio, aplicando curvas de oferta y demanda
de los alimentos usados para la producción de combustibles. Dentro de estos análisis
económicos se encuentra el realizado por de Gorter & Just (2010), en el cuál plantean
diferentes metas ambientales, de seguridad económica y alimentaria. En este análisis se
altera subsidios, tarifas, reducción de impuestos para la producción de BC, modificando
las curvas de oferta y demanda. Las conclusiones de este análisis son: i) las políticas de
incentivos en la producción de BC trae efectos colaterales, ii) deficiencias en la
cuantificación de los efectos de los BC en el precio del maíz histórico, iii) si se altera el
precio del petróleo, la producción de BC podría tener un alto impacto en el precio del
maíz en EE.UU, iv) la baja efectividad en la combinación de políticas para la producción
de BC y los altos costos económicos por la reducción de impuestos para los productores
(de Gorter & Just, 2010).
26 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
2.2.3 Perfect Storm
Este tipo de modelos ve el aumento de los precios de los alimentos como una causalidad
de múltiples factores y es imposible cuantificar por separado la contribución de cada uno
de estos para la formación de precios de la canasta de alimentos. Analiza el efecto
combinado de factores como el precio del petróleo, la tasa cambiaria, la demanda de BC,
la reducción del stock, la demanda de alimentos por parte de Asia, especulación
financiera, las tasas de interés, las restricciones a las importaciones, los cambios
climáticos, los precios de los alimentos de los granos (arroz, maíz, trigo) y los efectos
colaterales de un aumento en los precios de la energía (Headey & Fan, 2010). La figura
2-1 muestra la estructura global del modelo desarrollado por Headey & Fan (2010).
Figura 2-1. Resumen del modelo Perfect Storm, perspectiva de Headey & Fan (2010).
Traducción de Headey & Fan (2010).3
2.2.4 Framework for ecological-economic world food system analysis (OFID-IIASA)
Los modelos desarrollados por IIASA han sido usados para analizar espacialmente los
alimentos y el sistema alimentario mundial y las implicaciones de las políticas en la
agricultura. Estos modelos han sido ampliados para poder incorporar de manera
3 Las cajas en gris son asumidas por los autores como causas con menor significancia que las
demás en los precios de los granos, el dólar y el petróleo se muestran juntos debido a que hay varios factores que pueden estar relacionados entre ellos para la variación del precio del petróleo y el valor del dólar.
El problema de la cuantificación de los efectos de la producción de BC
en la SA: Antecedentes, teoría y propuesta de investigación.
27
desagregada las políticas en el desarrollo de los BC. El modelo está basado en la
aproximación de un modelo ecológico-económico incorporando el FAO/IIASA Agro-
ecological Zone model y el IAASA global food system model como componentes básicos.
Así mismo incluye escenarios climáticos, información espacial agro-ecológica, drivers
socio-económicos, producción, consumo y las dinámicas de mercado global de
alimentos. La macro estructura del modelo es presentado en la figura 2-2 en el cuál
muestra 6 elementos que se consideran esenciales para el análisis.
Figura 2-2. Framework for ecological-economic world food system analysis
Adaptado y traducido de (Fischer, Hizsnyik, Prieler, Shah, & van Velthuizen, 2009b)
Dentro del escenario de desarrollo se tienen proyecciones de crecimiento económico en
los sectores no agrícolas, así como el crecimiento poblacional. Otra información dentro
del escenario de desarrollo son las configuraciones internacionales (tratados de libre
comercio, migración), este módulo cuantifica variables ambientales (concentraciones
atmosféricas de CO2 o las emisiones de gases de efecto invernadero). Además define
demandas para los BC de primera y segunda generación. El siguiente módulo, el modelo
climático simula las trayectorias de las emisiones asociadas al escenario de desarrollo y
lo hacen coincidir con las salidas de simulación de los modelos de circulación general
(GCMs). Definiendo así los escenarios climáticos para el modelo. Está información se
28 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
incorpora en el Sistema de Información Geográfico de la productividad y adecuación de
la tierra agro-ecológica y estima los impactos climáticos en el sector agrícola e identifica
posibles medidas de adaptación.
En el módulo de impactos climáticos se toma como entrada los impactos en el
rendimiento de los cultivos y los parametriza en los modelos nacionales de producción de
cultivos. Los cuales se usan para el sistema global alimenticio-biocombustible se usa un
modelo global alimentario de equilibrio. Por último con la información de producción se
puede cuantificar el cambio en el uso de la tierra y los efectos de la producción de
biocombustibles ( Fischer et al., 2009).
2.2.5 Modelos de simulación
Se han realizado diversos modelos de simulación para el estudio de estos sistemas
complejos, una metodología usada ha sido la dinámica de sistemas. Esta ha sido usada
para tratar de explicar las relaciones que existen entre las variables de los sistemas
energéticos y alimenticios (Kim, 2009; Pruyt & Sitter, 2008; Sandvik, 2008), la cuestión de
estos modelos es que lo realizan de manera agregada y existe la necesidad de realizar
modelos regionales que tengan en cuenta las condiciones de cada país. Para Colombia
se ha desarrollado un modelo de Seguridad Alimentaria en dinámica de sistemas y es
desde este modelo que se parte, fue desarrollado por Giraldo (2013) y en este se tiene
varias consideraciones entre las que están: (1) análisis de la dinámica de la
disponibilidad, (2) el acceso y (3) la estabilidad alimentaria; todos estos factores desde
una perspectiva nacional (Giraldo, 2013).
Este modelo adicionalmente tiene las siguientes características: Considera retardos,
entre los cuales están los que permiten la formación de precios, erogación de recursos,
cambios tecnológicos endógenos. Uno de los puntos cruciales de este modelo son las
reglas de decisión modelada, debido a que no está basada en la economía tradicional
sino en reglas de racionalidad limitada. Toma varios sectores como son el ganadero y el
agrícola además que permite la importación y exportación de los alimentos (Giraldo,
2013). La carencia de este modelo nacional es que no incluye el subsector de BC, por lo
El problema de la cuantificación de los efectos de la producción de BC
en la SA: Antecedentes, teoría y propuesta de investigación.
29
que es un modelo que servirá como punto de partida para análisis con mucho mayor
grado de precisión en el cálculo de la SA del país.
2.3 Problema de investigación
En el primer capítulo se hizo énfasis en la evolución que ha tenido tanto la SA y el
mercado de BC, la relación que tienen estos sistemas y como podrían competir por
factores de producción poniendo en riesgo tanto la SA como la seguridad energética.
Para el caso de la SA se ha evidenciado la problemática en el país y como diferentes
organismos tienen como prioridad atacar los problemas de hambre y desnutrición a nivel
global y nacional. Mientras que por el lado de los BC en Colombia ha mostrado ciertas
dificultades en alcanzar los objetivos planteados por el Ministerio de Minas y Energía en
cuanto a las cuotas que se deben cumplir en cuanto a la mezcla en los combustibles
fósiles.
Estos sistemas se han intervenido de manera aislada, sin tener en cuenta los efectos
colaterales que medidas que quieran corregir problemas coyunturales a corto plazo
pueden tener en el otro sistema a largo plazo. Todavía no se evidencia grandes efectos
de la producción de BC en la SA, pero esto no quiere decir que no pueda tener efectos
en el futuro. Es necesario el estudio holístico de estos sistemas que den herramientas
para la planificación agraria en el país para evitar que las medidas aisladas traigan
consecuencias sociales, económicas y energéticas severas (FAO, 2009; IICA, 2009; Kim,
2009; Nonhebel, 2012).
Al ser dos sistemas que involucran variables sociales y económicas estos tienen un
comportamiento complejo y dinámico, la SA ha sido estudiada a lo largo del tiempo
desde diversas perspectivas. Para Colombia apenas ha empezado la discusión con
enfoques sistémicos, el cual en vez de pronosticar valores futuros, explique las causas
del comportamiento de las variables de interés, estudiar las conexiones y entender cuál
es el papel del gobierno y la sociedad en los sistemas (Dyner, Peña, & Arango, 2008;
Ericksen et al., 2009; Sterman, 2000).
30 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
Aunque se ha avanzado en el estudio de la SA en el país, Giraldo (2013) quedó con
algunos casos que analizar. El problema de investigación se centra en proponer un
modelo que integre el modelo desarrollado por Giraldo (2013) con el sector de BC en el
país. Se pretende analizar los efectos que trae la introducción de los BC en el país,
estudiar las interacciones que se presentan entre la producción agroalimentaria y de BC.
Se debe tener en cuenta que la SA no es solo un fenómeno en el que intervengan
variables que actúan con incertidumbre como son las variaciones climáticas, sino que
tienen factores que se asocian a la interacción de mecanismos socio-económicos que
afectan y que generan tendencias en el sistema, generando desequilibrios (Saeed,
1987).
Es importante anotar que el objeto de estudio son sistemas complejos, por lo que es
necesario tener una visión holística de todo el conjunto que permita entender los retardos
dentro de los sistemas, las causas y los efectos (Morecroft, 2007; Sterman, 2000).
Además es necesario poder contar con metodologías que puedan analizar a largo plazo
la estructura actual y poder anticipar las posibles problemáticas para poder proponer
nuevas políticas y analizar si tienen una mayor efectividad.
Teniendo como base el estado del arte y haber dado los antecedentes que posibilitan la
identificación del problema es necesario evidenciar que este estudio se enfoca en 4
aspectos fundamentales para ser llevados a cabo. i) Analizar de manera conjunta y
holística los sistemas alimentarios y de BC, para analizar los efectos que tiene la
producción de etanol y biodiesel sobre la disponibilidad, acceso y estabilidad alimentaria.
ii) Estudiar las consecuencias de las decisiones de los agricultores y del gobierno en el
largo plazo. iii) Identificar variables claves, llamadas puntos de apalancamiento, los
cuales dan luces para el diseño de políticas, debido a que con un esfuerzo reducido
aplicado en estas variables pueden producir grandes cambios dentro del sistema. iv)
Analizar escenarios para poder cuantificar la reacción de los sistemas a condiciones
optimistas y pesimistas en sus variables claves.
El problema de la cuantificación de los efectos de la producción de BC
en la SA: Antecedentes, teoría y propuesta de investigación.
31
2.4 Objetivos de la investigación estudio
En esta sección se presenta el objetivo general y los objetivos específicos que se
plantearon para el desarrollo de esta investigación y los que guiarán la metodología y los
resultados que se esperan luego del proceso investigativo.
2.4.1 Objetivo general
Evaluar la interacción entre el desarrollo de biocombustibles y la seguridad alimentaria
por medio de un modelo de simulación, de manera agregada en Colombia.
2.4.2 Objetivos específicos
i. Realizar una revisión de la literatura en la que se diferencien los diferentes
modelos que relacionen los biocombustibles con la seguridad alimentaria.
ii. Identificar las principales variables de los sistemas estudiados, y las principales
relaciones relevantes los biocombustibles y el sector de alimentos.
iii. Desarrollar un modelo de simulación validado que permita describir las
interacciones para la formación de precios de los alimentos, biocombustibles y la
decisión para la producción de estos bienes.
iv. Realizar simulaciones que permitan identificar posibles efectos, comportamientos
contra intuitivos, puntos de palanca de los sistemas antes descritos.
v. Proponer escenarios de políticas que encaminen a los sistemas a comportarse de
manera que lleve a mejorar el bienestar social y económico de las comunidades
afectadas por estos sistemas.
2.5 Hipótesis de investigación
Las hipótesis de investigación que tiene este trabajo son:
32 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
i. Existe una relación sistémica, entre la producción de BC y la SA, especialmente
en 3 dimensiones de esta (disponibilidad de alimentos, acceso y estabilidad en el
suministro).
ii. Es posible representar los sistemas de BC y alimenticio de Colombia que
permita analizar las interrelaciones, retardos en los sistemas, ciclos de
realimentación, para tener una mayor comprensión del fenómeno.
iii. Al analizar conjuntamente los BC con los factores de la SA, se facilita hacer un
estudio para detectar las políticas que pueden deteriorar variables sociales, al
mismo tiempo que se pueden detectar variables críticas o puntos de palanca que
guíen la formulación y la ejecución de políticas.
Este estudio se enfocará en 3 factores de la seguridad alimentaria: disponibilidad,
acceso y estabilidad, el foco del estudio es la decisión del productor, determinada por
la rentabilidad que este percibe del mercado y esta se refleja en el uso de la tierra.
3. Metodología
En el capítulo anterior se describió el problema de investigación, con el cual se formuló
los objetivos para esta tesis. En este capítulo se presenta la selección de la metodología
a usar. Cabe resaltar que este estudio parte de un modelo del sistema agroalimentario
del país, este modelo fue desarrollado y validado por Giraldo (2013). En la selección de
la metodología se explica el método seleccionado y por último se mostrará el proceso de
modelación usado en esta tesis.
3.1 Selección de la metodología de investigación
Se debe puntualizar que esta tesis parte de un modelo ya existente del sistema
agroalimentario de Colombia. Este modelo desarrollado por Giraldo (2013) fue realizado
bajo la metodología de Dinámica de Sistemas. Se eligió este modelo debido a que
muestra de manera desagregada el sistema agroalimentaria. Describe la estructura,
respondiendo las causas del comportamiento. Otro de los elementos para la selección de
este modelo es que permite el análisis dinámico de las variables de SA en Colombia. Es
un modelo amigable y transparente que fue validado por lo que le da robustez a la
construcción del módulo de BC para la evaluación de los efectos que estos tienen al ser
introducidos en el sistema agroalimentario.
El modelo de Giraldo (2013) es un modelo de simulación, por lo que hay que entender
que toda simulación parte del desarrollo de un modelo que pueda reproducir de manera
aproximado el mundo real. Este proceso se realiza mediante la selección de las partes
que el investigador crea significativas, acoplándolas para reproducir el comportamiento
(Friedman & Cassar, 2004). Las ventajas de simular son: i) Comprender un problema real
y se hace necesaria cuando las soluciones analíticas son inviables (Vennix, 1996); ii)
reduce los problemas de la capacidad limitada de la mente humana cuando se hacen
34 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
simulaciones mentales, por lo que los modelos computaciones se vuelven en una
herramienta útil para estudiar estructuras complejas (Forrester, 1971; Sterman, 1991) y
iii) analizar diferentes políticas sobre las variables clave dentro de los modelos y formular
estrategias que puedan ser aplicadas en el mundo real para tomar decisiones más
acertadas que lleven a un mejor comportamiento del sistema (Sterman, 2000).
La selección de la metodología de simulación depende de la utilidad que tenga el modelo
y de las características que tengan los sistemas. Es prioritario conocer las características
del problema dentro del sistema a estudiar y cada una de las herramientas de simulación
y sus aplicaciones para poder seleccionar el más adecuado para el problema a estudiar
(Dyner et al., 2008; Dyner, 1993). En esta sección se describirá la metodología
seleccionada. Sin embargo cabe describir las características del modelo, es de tipo
dinámico debido a que se analizará los efectos en el tiempo, es continuo debido a: i) Se
pueden utilizar aproximaciones continuas en su representación, ii) la aleatoriedad solo
puede explicar el comportamiento en el corto plazo, iii) las no-linealidades de los
sistemas socio-económicos, iv) las aproximaciones lineales se dan en el corto plazo y v)
los retardos en el sistema y los ciclos de realimentación juegan un papel fundamental
dentro del problema. En la tabla 3-1 se muestra la comparación entre diferentes técnicas
de simulación que pueden ser usadas en este estudio.
Tabla 3-1. Comparación de diferentes técnicas de simulación
Técnica Tipo de
Modelo
Preguntas de
Investigación
Enfoque de la
modelación
Clasificación
de los
modelos
Supuestos
Dinámica de
Sistemas
(Dyner et al.,
2008;
Sterman,
1991)
Top-down ¿Cuáles son las
causas de
inestabilidad
dentro del
sistema?
Estructura del
sistema, se
busca el
entendimiento
del
comportamiento
desde la
estructura
Continuo Población
Homogénea
Agentes
(Rahmandad
& Sterman,
2004)
Botton-up ¿Cuáles son las
reglas de
decisión que
llevan al
comportamiento
Reglas de
decisión y
entendimiento
del
comportamiento
Continuo o
discreto
Población
Heterogénea
Metodología 35
de agentes
heterogéneos?
del agente
Econometría
(Sterman,
1991)
Botton-up Pronóstico de
variables
partiendo de
información
pasada.
¿Los inputs son
los responsables
del
comportamiento?
Predicción de
variables para
la toma de
decisiones.
Continuo o
discreto
Población
Homogénea
Supuestos
estadísticos
como la
normalidad y
la
independencia
de los errores
Algoritmos
genéticos
(Lomi &
Larsen,
1996)
Botton-up ¿Qué lleva al
cambio en las
tasas de
adaptación?
¿Cuándo
emerge un
agente óptimo?
Adaptación de
agentes por
medio de
aprendizaje
para llegar al
óptimo
Continuo o
discreto
Agentes con
genes
Adaptaciones
evolutivas
Cambios por
mutaciones
Retención por
copia
Fuente. Adaptado de (Davis, Eisenhardt, & Bingham, 2007)
3.2 Método de simulación en Dinámica de Sistemas
La metodología seleccionada es la Dinámica de Sistemas (DS), enfocada en la
simulación de flujos continuos tanto de material como de información. DS cuenta para la
simulación dos objetos fundamentales: los niveles (variables de estado) que se ocupan
de la acumulación de la información o de material y los flujos que son los inputs y outputs
de los niveles. El trasfondo matemático de estas estructuras son ecuaciones diferenciales
formuladas representadas como ecuaciones diferenciales de primer orden, no lineales.
( ) ( ) (1)
Además de estos objetos usa elementos como los ciclos de realimentación, relaciones no
lineales y retardos. Para dicha formulación es necesario seguir un proceso iterativo que
consta de los pasos que se describen en la siguiente sección (Morecroft, 2007).
36 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
3.3 Proceso de modelación en dinámica de sistemas
El proceso de modelación es iterativo y cuenta con 5 pasos, no quiere decir que se
deban llevar a cabo en un orden específico dado que se puede pasar de uno a otro en
cualquier momento de la modelación (Sterman, 2000).
Articulación del problema: Para empezar el proceso de modelación es
necesario tener claro un objetivo o una pregunta para guiar la investigación. En
primer lugar se debe identificar el problema, su comportamiento y sus variaciones
en el tiempo. Para cumplir este fin se pueden usar series de tiempo o
descripciones del problema y a este proceso se le llama “modo de referencia”.
Para el proceso de validación en el que se le da confianza al modelo es necesario
que la simulación sea capaz de replicar el comportamiento descrito en los modos
de referencia. En esta etapa de la modelación también se debe identificar los
límites del modelo, el tiempo de simulación adecuado para observar los
comportamientos y el marco donde la aplicación es funcional.
Planteamiento de una hipótesis dinámica: Es necesario explicar el
comportamiento del sistema, para ello se fórmula una hipótesis dinámica. En este
paso se analizan las relaciones causales existentes en las variables que se han
identificado como significativas para el modelo. Para poder realizar este paso es
necesario definir cuáles son endógenas (variables explicativas y que cambiarán
durante el modelo de la simulación debido a las dinámicas existentes dentro del
modelo), exógenas (variables de entrada, parámetros y que no se ven afectadas
por la simulación). Una herramienta útil para este proceso son los Diagramas
Causales, ya que permite observar de manera gráfica las relaciones existentes
entre las variables, indicando ciclos y retardos y a partir de estos elementos
explicar el comportamiento del sistema estudiado.
Formulación del modelo matemático: En esta etapa, se convierte la hipótesis
dinámica en un diagrama de flujo en el que se formulan las expresiones
matemáticas que describa las relaciones entre las variables (Dyner et al., 2008;
Morecroft, 2007; Sterman, 2000). En esta etapa se estiman los parámetros y los
Metodología 37
valores iniciales de los niveles, para ello existen diferentes metodologías para
esta estimación (Dyner, 1993; Richardson & Pugh, 1989) . Para poder simular se
debe calibrar el modelo para que pueda representar de manera adecuado el
modo de referencia.
Validación del modelo: La Dinámica de Sistemas no es exigente de información
histórica, es más se pueden hacer supuestos subjetivos, aunque debe anotar las
limitaciones que esto conlleva e indicar que se debe revisar cuando se cuente con
datos relevantes. Esto se debe a que los modelos bajo esta metodología no
pretenden proyectar y pronosticar los valores exactos de las variables, sino que
es una herramienta para probar políticas y entender el comportamiento desde la
estructura (Dyner, 1993). En esta etapa se busca darle confianza y robustez al
modelo, aunque cabe anotar que el modelo solo sirve para la utilidad con la que
se diseñó (Forrester & Senge, 1980; Sterman, 2002). Se busca validar tanto la
estructura como el comportamiento (Barlas, 1996). Brindándole confianza a la
estructura garantiza que la hipótesis dinámica planteada describe de manera
adecuada el sistema real, mientras que la validación en el comportamiento trata
de darle robustez a la captura de la dinámica del sistema estudiado (Barlas &
Carpenter, 1990; Sterman, 2000). En este punto de la modelación se realiza
análisis de sensibilidad para tener un mayor entendimiento de las dinámicas del
modelo y poder identificar a que parámetros es más sensible. Los resultados de
este análisis permiten la identificación de posibles puntos de apalancamiento en
el mundo real o posibles debilidades en la estimación de parámetros.
Análisis de políticas: El análisis se centra en los nodos de decisión del modelo y
estudiar los efectos producidos por los cambios estructurales y paramétricos
propuestos en las políticas. Una buena política es aquella que sea insensible a los
cambios en el modelo, que den una solución al problema y que evite
comportamientos contra intuitivos (Forrester, 1971). En este punto se analiza el
modelo bajo diferentes escenarios y el objetivo es que estos conlleven a la
estabilidad y mejor comportamiento del sistema.
4. Modelo propuesto en dinámica de sistemas para analizar los efectos de los BC en la SA en Colombia
En este capítulo se propone el modelo de simulación. El modelo parte de la investigación
realizada por Giraldo (2013) en la que desarrollo un modelo en Dinámica de Sistemas
para el análisis de la dinámica de la disponibilidad, el acceso y la estabilidad alimentaria
en Colombia. En esta investigación se introduce la producción de biocombustibles, el uso
de la tierra para el uso de los cultivos de biomasa, la decisión en la inversión para la
producción de alimento, ganadería o cultivos para la producción de biocombustibles.
Para el desarrollo de este capítulo se expondrá en la sección 4.1 la hipótesis dinámica
del sistema expresada en diagramas causales, en la sección 4.2, se transformará la
hipótesis dinámica en un modelo matemático, en esta sección se describe las ecuaciones
principales del modelo, los supuestos que se tuvieron en cuenta y los valores de los
parámetros usados dentro de la simulación. En la sección 4.3 se expondrá la validación
que se realizó al modelo y por último en la sección 4.4 se muestra los escenarios
propuestos y los resultados de las simulaciones.
4.1 Formulación de la hipótesis dinámica
El modelo busca tener una mirada holística sobre las relaciones existentes entre la SA y
los BC. La aproximación holística permite a pesar de la complejidad de estos sistemas la
identificación de interdependencias entre los elementos que componen los sistemas que
se están analizando.
Debido a que se parte de que el comportamiento de los sistemas complejos es producto
de la estructura en la cual están enmarcados (Morecroft, 2007; Sterman, 2000; Stroh,
40 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
2009), está puede ser expresada mediante relaciones causales que generen ciclos de
realimentación. De esta manera, se pueden encontrar ciclos de realimentación que no
son obvios ni directos, permitiendo entender los comportamientos contra intuitivos que
ocurren al implementar políticas (Forrester, 1971; Sterman, 2000).
Los diagramas causales son herramientas comunicativas que permiten además la
identificación de variables claves que pueden ser puntos de palanca, los cuales pueden
ser usadas para con poco esfuerzo generar comportamientos esperados (Senge, 1990).
Los elementos en estos diagramas son flechas que indican la causalidad, la cola de la
flecha indica la causa y la cabeza el efecto. Otro de los elementos es la polaridad que
indica el tipo de relación existente entre dos variables. Las relaciones causales se
denotan mediante las siguientes ecuaciones:
⇒
⇒
(2),
Donde;
X: es la variable causal; y
Y: es la variable efecto.
El efecto que se tiene sobre una variable es positivo si a un incremento de la causa
genera un incremento en su efecto y, es negativo si al incrementarse produce un
decremento en la variable efecto.
4.1.1 Seguridad alimentaria en Colombia
En el sistema alimentario colombiano, Giraldo (2013) plantea la disponibilidad alimentaria
desde la suficiencia alimentaria y la evaluación del estado real del mercado de alimentos.
Se evalúa la disponibilidad alimentaria per cápita, el consumo mínimo requerido por
persona y una brecha en el stock de alimentos disponibles El stock de alimentos es
función de la producción de alimentos, inventario de alimentos y la demanda total de
alimentos. En la figura 4-1 se observa el ciclo negativo (B1), el cual regula la producción
alimentaria. La variable de control en este ciclo es la brecha alimentaria, debido a que si
está aumenta genera un aumento en las tierras usadas, aumentando la producción de los
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
41
alimentos lo que a su vez reduciría la brecha alimentaria, balanceando el
comportamiento.
Cuando la demanda de los alimentos aumenta debido al aumento poblacional se genera
una presión para que el sistema alimentario pueda ofertar la cantidad necesaria para
suplir la demanda. Hay dos posibles soluciones para suplir la brecha (Bach & Saeed,
1992), la primera es a corto plazo reduciendo el déficit de alimentos, importando lo que
falte, aumentando la disponibilidad alimentaria y reduciendo la brecha alimentaria,
formando un ciclo de balance (B2). La segunda opción es a largo plazo (Stephenne &
Lambin, 2001) e implica el aumento de la capacidad de producción del sistema. De esta
manera se incrementa las tierras en uso y la intensidad de estas, trayendo degradación
de la tierra que reduce la producción alimentaria (Oldeman, Hakkeling, & Sombroek,
1990) generando un ciclo de refuerzo (R1). Este ciclo genera en el largo plazo una mayor
brecha alimentaria.
El mercado regula los precios de los alimento, incentivando la producción nacional. Al ser
rentable la producción agrícola se aumenta el volumen de alimentos producidos,
aumentando los factores de producción como el uso de la tierra. Si la oferta aumenta
pero la demanda es estable, se genera una sobreoferta disminuyendo los precios,
incentivando la demanda pero reduciendo la atractividad por la producción (Thomson &
Metz, 1999). La relación existente entre el precio interno, la demanda total, la brecha
alimentaria, la producción de alimentos y la disponibilidad de ellos forman un ciclo
positivo (R2), el cual incentiva la producción alimentaria nacional.
Al aumentar los precios, se aumenta la proporción de población vulnerable a las NBA
(Giménez & Peabody, 2008; Thomson & Metz, 1999), debido a que se pierde el poder
adquisitivo de un sector de la población. El poder adquisitivo es función de los ingresos y
de los precios. La población vulnerable al no consumir los nutrientes necesarios es
propensa a tener problemas de salud en términos de mortalidad. Esto reduce la
población, al tiempo que reduce la demanda alimentaria, disminuyendo la brecha
alimentaria, desincentivando la producción alimentaria, aumentando los precios y así
generando un ciclo positivo (R3).
42 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
La población regula el nivel de ingresos, si los ingresos no aumentan a una tasa superior
al crecimiento poblacional, el ingreso per cápita se reduce al tener que distribuirse entre
más personas, aumentando a su vez las personas que son vulnerables, esta relación
forma un ciclo de balance (B3).
Para mejorar la SA a nivel macro, es indispensable el desarrollo económico. Si aumenta
la producción agrícola, se incrementa el valor total de los productos agrícolas generando
un mayor ingreso per cápita. Esta situación se da debido a que se necesita mayor fuerza
laboral agrícola para aumentar la producción. A un mayor ingreso se disminuye la
población vulnerable a las NBI reduciendo el efecto que tiene la mala alimentación en las
muertes, lo que generaría un ciclo positivo (R4).
Al aumentarse los ingresos, se incentiva la creación de capital industrial donde parte de
los ingresos se destina para el aumento de la capacidad de producción. El porcentaje de
inversión en capacidad futura depende de las restricciones políticas y económicas. Un
aumento en el capital aumenta la producción, incrementando el valor de la producción y
los ingresos generando un ciclo positivo (R5).
El ciclo positivo (R6) es explicado como al aumento de la producción debido al aumento
de la capacidad de producción. Esto trae más alimento disponible, reduciendo los precios
de los alimentos, disminuyendo la población vulnerable, disminuyendo las muertes por
desnutrición, existiendo más población rural en condiciones de trabajar, incrementando el
factor trabajo que a su vez aumenta la producción de alimentos.
Por último el ciclo positivo (R7) es formando por la interacción entre los precios de los
alimentos y la población vulnerable al acceso de NBA, esto debido a que al aumentar la
proporción de la población vulnerable se reduce la demanda (Thomson & Metz, 1999),
disminuyendo la brecha, por lo que se reduce la importación de alimentos, disminuyendo
la disponibilidad de alimentos que trae consigo un aumento en los precios, aumentando
así las personas que no pueden acceder a los alimentos, aumento la proporción de
personas vulnerables.
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
43
Figura 4-1. Diagrama causal del modelo global de la seguridad alimentaria en Colombia
Fuente (Giraldo, 2013)
4.1.2 Producción de biocombustibles en Colombia
Para el caso de la producción de biocombustibles en Colombia, hay una decisión
económica racional en la que compara que producto es más atractivo analizando las
rentabilidades que le genera la producción de alimento y la producción de biomasa
(Demirbas, 2008). Si la rentabilidad de los BC es mayor que la rentabilidad de los
alimentos, se necesitará más tierra para la cultivar biomasa (Giraldo, Arango, & Martínez,
2014). Al cambiar el uso de la tierra, se reduce la diferencia de tierras entre lo que se
necesita para la producción de BC y lo que se destina actualmente. A su vez, esta
diferencia que en este caso se llamará ajuste de tierras para BC, es la variable que
considera el gobierno para incentivar el cambio en el uso de la tierra. A un mayor ajuste
de tierras se aumentan los incentivos fiscales para los cultivos, lo que genera una mayor
rentabilidad en los cultivos de biomasa. Al aumentarse la rentabilidad de los BC se
aumenta la rentabilidad relativa de este producto frente a los bienes alimenticios,
generando así un ciclo de balance (B5). Ver figura 4-2.
44 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
El aumento en la tierra destinada para la producción de BC, aumenta la materia prima
disponible para el proceso productivo. Al incrementarse la producción de BC, se reduce
su déficit, el cuál actúa como variable de control, indicando la necesidad de ampliar la
capacidad instalada de producción. Si aumenta el déficit, habrá una mayor capacidad
deseada en el país. La capacidad deseada se compara con la que existe actualmente en
el país y así se calcula cual es la necesidad real de ampliación de la capacidad de
producción, en este caso en el modelo se llama ajuste de capacidad. Si el ajuste de
capacidad aumenta se motiva a la inversión en nueva capacidad de producción (Berrío,
2011). Cuando se aumenta la inversión habrá luego de un retardo nueva capacidad
instalada. La capacidad instalada de producción actual sirve como señal para saber
cuántas hectáreas de cultivos son necesarias para poder suplir la demanda de materia
prima del proceso productivo. Un aumento en la capacidad instalada de BC implica un
aumento en el requerimiento en el área dedicada a los cultivos de biomasa y esta a su
vez genera un mayor ajuste de tierras para BC, entrando en el ciclo (B5), este proceso de
tierras capacidad de producción genera un ciclo de balance (B6).
Un aumento en la capacidad instalada de biocombustibles, se reduce el ajuste de
capacidad, minimizando la inversión en nueva capacidad, habiendo una tasa de
construcción menor en nueva capacidad, formando un ciclo de balance (B4).
En el ciclo de inversiones (B3), el gobierno nacional interviene con incentivos fiscales
cuando el ajuste de capacidad se incrementa. Estos incentivos fiscales generan una
mayor rentabilidad en el sector, atrayendo nueva inversión en nueva capacidad
(Demirbas, 2008).
La demanda final de BC depende de la demanda de combustibles fósiles y de las
mezclas obligatorias. Estas mezclas responden a planes nacionales (Ministerio de Minas
y Energía, 2007, 2009) para la seguridad energética, desarrollo rural y mitigación en las
emisiones de gases de efecto invernadero. El gobierno toma la decisión de variar el
porcentaje de mezcla analizando si la oferta suple a la demanda, de esa manera se
controla la demanda formando un ciclo de balance (B2).
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
45
El ciclo de balance (B1) responde a la dinámica de control de la oferta. Al haber más
producción se reduce el déficit, afectando la necesidad de construir nueva capacidad. Al
decrecer la inversión en capacidad disminuye la tasa de crecimiento de la producción de
BC. El ciclo de balance (B7) es la relación entre la oferta de biomasa con sus incentivos y
la oferta de BC con sus incentivos. Al aumentar la capacidad de los cultivos y la
capacidad instalada de producción se relajan los incentivos que hace el gobierno,
generando un ciclo de balance.
Por último el ciclo de balance (B8) es el control que tiene la producción en la asignación
de la tierra para la producción de materia prima. Este ciclo comprende la producción que
disminuye el déficit energético, esta a su vez determina el área necesaria de cultivos de
biomasa. Este requerimiento de área es una señal para los agricultores y así cultivar
biomasa para poder suplir la demanda de materias primas, entrando al ciclo B5,
aumentando los cultivos de biomasa, aumentando así la producción.
Figura 4-2. Diagrama causal del modelo global de la producción de biocombustibles en Colombia.
46 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
4.1.3 Relación entre el sistema alimentario y el sistema de biocombustibles en Colombia
La producción de alimentos y de BC comparten factores de producción comunes (tierra,
capital, mano de obra, agua, energía, entre otros), lo cual genera un conflicto por su uso.
En esta tesis se plantea la discusión sobre el uso final que se le da a los bienes
producidos, es decir cuál es la vocación de la tierra. La tierra es un recurso limitado. Se
parte de la premisa que el productor toma decisiones racionales, tratando de maximizar
su utilidad. El productor se basa en las rentabilidades que generan estos dos tipos de
bienes, que a su vez son función del precio en el mercado de los alimentos y de los
biocombustibles. Esta es la variable decisoria del modelo, las rentabilidades a su vez se
generan por los precios, en el caso de los alimentos el precio depende como se habló
antes de la interacción de la oferta y la demanda en el mercado, mientras que en el caso
de los biocombustibles como está intervenido, depende del gobierno.
El esquema que se genera al juntar los dos sistemas es cercano al arquetipo de escalada
(Senge, 1990) formado por los ciclos de balance (B11 y B12). Este arquetipo de escalada
genera un conflicto entre alimentos y BC, perjudicando a los consumidores finales por
medio de alzas de precios escalados. Esta alza de precios limita el acceso a los
alimentos y genera carencia en la SA en el país (Giraldo, Arango, & Martínez, 2014;
Senge, 1990).
El ciclo (B12) es la respuesta del sistema alimentario a la atractividad de la producción de
BC. Cuando se vuelve más atractivo cultivar biomasa se hace un cambio en el uso de la
tierra. La reducción del uso de la tierra en alimento conlleva a una reducción de la
producción de alimentos, disminuyendo la disponibilidad de los alimentos. La disminución
en la oferta aumenta los precios de los alimentos, lo que trae un aumento en la
rentabilidad de la agricultura. Al aumentarse la rentabilidad en la agricultura se disminuye
la atractividad que existe en la producción de BC. Ver figura 4-3.
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
47
Figura 4-3. Diagrama causal de la relación del sistema alimentario y la producción de
biocombustibles.
48 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
4.2 Descripción del modelo formal de simulación
En el capítulo 3 se describió el proceso de modelación, en esta sección se centrara en la
formulación matemática del modelo, usando como elementos flujos y niveles y las
ecuaciones que lo componen. Se parte de la hipótesis dinámica expresada en los
diagramas causales para construir la estructura del modelo formal.
El modelo global de las relaciones entre la seguridad alimentaria y la producción de
biocombustibles fue desarrollado en Vensim DSS V.5.7a; el horizonte de tiempo que se
define es 1990-2030. Se seleccionó este periodo de tiempo para poder calibrar las tierras
en sus diferentes usos Otra razón es poder analizar la introducción de los BC y
cuantificar a largo plazo los efectos de las políticas en el país en torno a los BC.
El modelo desarrollado es la continuación del desarrollado por Giraldo (2013).En este
modelo se plantea el sistema agroalimentario de Colombia. El modelo en su forma macro
tiene 10 variables de estado: población, otros ingresos, productos de la agricultura,
capital, importaciones de alimentos, tierras en uso agrícola, tierra potencial arable, tierra
degradada agrícola, tierra en uso pecuario y tierra pecuaria. El supuesto es poder
explicar la SA en Colombia desde una perspectiva macro y para ello este modelo plantea
los siguientes subsistemas:
Población: Es presentado por medio de una estructura endógena las principales
variables contempladas en este subsistema son la población, los nacimientos, las
muertes y la migración neta. Cabe resaltar que el modelo afecta la mortalidad
debido al efecto que tiene la desnutrición en la expectativa de vida sobre las
muertes, mientras que las tasas de natalidad y de migración neta son
relacionadas con el comportamiento histórico visto en Colombia entre los años
1990-2005, por lo que estas variables son dependientes del tiempo.
Acceso a los alimentos: En este subsistema se analiza la relación que existe
entre el nivel de ingreso y la posibilidad de acceder a los alimentos. Es decir en
este subsistema se parte de la premisa que el ingreso es un factor que determina
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
49
el acceso a los alimentos. Para el análisis del ingreso, Giraldo (2013) basa este
subsector en la evaluación de varios factores como son los ingresos totales
(ingreso medio, otros ingresos, ingreso real), coeficiente de GINI, línea de
pobreza y así poder calcular la proporción de población vulnerable al acceso de
necesidades básicas alimentarias.
Producción de alimentos: Los factores importantes analizados en la producción
de alimentos son los factores de producción (capital, tierra, trabajo) y la eficiencia
en el uso de los factores de producción (cambio tecnológico). Para este análisis
se plantea el capital y el trabajo como variables exógenas, mientras que la tierra y
la productividad son variables endógenas. La producción se calcula al final como
una relación entre los factores de producción y la productividad. Un efecto de
cambio climático y malas prácticas productivas se analizó en el modelo en un
parámetro denominado perdidas pos cosecha.
Capital: La premisa del modelo es que el capital para la producción de alimentos
es una estructura exógena, relacionando la formación bruta de capital y una tasa
de crecimiento neta del capital. La tasa de crecimiento neta del capital fue
calculada mediante el uso de datos históricos comparándola con la variación de la
inflación.
Productividad: La productividad se desarrolló de manera endógena, calculada
relacionando infraestructura vial, adecuaciones en riego y drenaje, productividad
laboral asociada al acceso de los alimentos necesarios, entrenamiento de
productores en términos de artes y oficios y el precio de los combustibles.
Además de estos factores se considera una variable llamada perdida pos cosecha
que contempla los efectos del cambio climático y pérdidas por malas prácticas
productivas.
Consumo de alimentos y precios: El subsistema se genera de manera
endógena el principio del consumo de los alimentos parte de la demanda efectiva
de los alimentos producidos por el sistema y de los que son importados. Además
50 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
la demanda total se calcula como el consumo interno de alimentos más la
demanda de los alimentos para otros usos. La demanda es afectada por el efecto
que tiene los ingresos en la demanda y el efecto que tiene los precios sobre la
demanda, para calcular estos efectos se tiene en cuenta las respectivas
elasticidades que tienen con la demanda. El precio dentro del subsistema se
calcula usando el precio doméstico que está determinado por un precio de
referencia y la cobertura que tiene el inventario y la porción que la producción
interna cubre a las ventas. El otro factor usado es el precio internacional y se
calcula teniendo en cuenta los aranceles y la TRM. Al final el cálculo del precio
final se hace con una ponderación de estos dos precios.
Importación de alimentos: La importación aumenta los suministros de los
alimentos y se calcula de acuerdo a dos factores: acuerdos internacionales de
comercio (en el modelo en cuanto a los cereales) y la brecha alimentaria existente
en el país. Para el precio de importación Giraldo (2013) usa una ponderación de
los commodities que aportan la mayor porción en las importaciones. Para los
costos de aranceles el modelo usa está variable como un análisis de políticas del
gobierno.
Suficiencia alimentaria: En el modelo se representa la suficiencia alimentaria
como una variable auxiliar, relacionando la diferencia entre el consumo mínimo
per cápita y los alimentos disponibles per cápita. Para el modelo desarrollado la
disponibilidad de alimentos se asume la sumatoria de los productos producidos
por la agricultura y las importaciones y se le resta los productos no alimentarios y
los que se destinan para otros usos. Mientras que el consumo mínimo es una
canasta normativa relacionando el consumo calórico recomendado para las
personas. Para el cálculo de los nutrientes el modelo hace una conversión de los
alimentos producidos en granos equivalentes basándose en el contenido calórico
de cada producto.
Tierras en uso agropecuario: El uso de la tierra se ve influenciado por la
demanda de alimentos, en el modelo se desagregan en dos el uso de la tierra;
uso agrícola y el uso pecuario. Este subsistema descansa sobre el principio de la
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
51
conservación de la materia, no se genera nueva tierra ni desaparece, el supuesto
es que hay una transformación en el uso. El uso de la tierra agrícola se
desagrega en tierras potenciales a usar, las tierras que actualmente están en
producción y las tierras degradadas. Por el otro lado las tierras pecuarias se
desagregan en las tierras que actualmente están en uso para la ganadería y las
tierras degradadas. El cambio en el uso de la tierra responde a la brecha
alimentaria, los precios de los alimentos y políticas gubernamentales. A este
subsistema, se le hará unas modificaciones que se explicarán en el uso de tierras
por parte de los BC.
4.2.1 Producción de materia prima para biocombustibles
La producción de materia prima en el país, se da mediante la disponibilidad de tierras
adecuadas para la siembra de cultivos. El modelo usa los dos cultivos que tienen mayor
rendimiento para producción de bioetanol (caña de azúcar) y de biodiesel (palma de
aceite). Dentro del subsistema se expresa por separado cada ecuación diferencial de
cada cultivo debido a que la palma de aceite y la caña de azúcar tienen ciclos
productivos diferentes. Las ecuaciones 3 a 5 describen de manera particular las
ecuaciones relevantes de del subsistema de producción de materia prima para BC.
Donde las Hectáreas Sembradas de Caña de Azúcar (HSCA) se ven incrementadas por
la Siembra de Caña de Azúcar (SCA) y se disminuyen por el Corte Caña (CC). Mientras
que en la palma de aceite esta pasa por dos etapas, Hectáreas en Desarrollo Palma de
Aceite (HDPA) que se incrementa cuando hay Siembras de Palma de Aceite (SPA) y se
disminuyen cuando estas tienen un proceso de Maduración (M). Las Hectáreas en
Producción Palma de Aceite (HPPA) y estas se incrementan cuando hay Maduración de
las HPDA y se disminuyen cuando su ciclo productivo se agota y hay Corte (C).
( )
(3)
( )
(4)
52 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
( )
(5)
(6)
(7)
(
) (8)
( ) (9)4
4.2.2 Producción de biocombustibles
La producción de biocombustibles en el país depende de la cantidad de materia
disponible y de la capacidad de producción. Se realiza una desagregación de la
capacidad de producción del bioetanol y biodiesel, adicional se separa la capacidad que
está en construcción y la capacidad construida actualmente.
En las ecuaciones 10 a 13 se tienen las ecuaciones que describen la dinámica de la
capacidad de producción de los BC. Donde la Capacidad en Construcción Bioetanol
(CCB) se ve incrementada por la Capacidad a Construir Bioetanol (CCBE) y se reduce
por la Nueva Capacidad Instalada Bioetanol (NCIB). El siguiente paso es la Capacidad
Instalada Bioetanol (CIB) es aumentada por la NCIB y se reduce por la Capacidad
Instalada Obsoleta Bioetanol (CIOB).
Por el lado del biodiesel, la Capacidad en Construcción Biodiesel (CCBD), se aumenta
por la Capacidad a Construir Biodiesel (CCBD) y se reduce por la Nueva Capacidad
Instalada Biodiesel (NCIBD). La NCIBD aumenta la Capacidad Instalada Biodiesel
(CIBD), mientras que la Capacidad Instalada Obsoleta Biodiesel (CIOBD) reduce la
CIBD.
4 PMPPA: Producción Materia Prima Palma de Aceite, RHP: Rendimiento por Hectárea Palma.
PMPC: Producción Materia Prima de Caña, RHC: Rendimiento por Hectárea Caña. EPC: Excedente Producción Caña, 0,101: factor de conversión de ton. de caña a ton. de azúcar EPP: Excedente Producción Palma, 0,22: factor de conversión de ton. de aceite a ton. de racimo de palma (Consorcio Cue, 2012).
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
53
( )
(10)
( )
(11)
( )
(12)
( )
(13)
Por el lado de la producción se tienen las siguientes ecuaciones 14 a 17 en donde se
describen la dinámica de los niveles. Donde el Suministro de Bioetanol (SB) es el
inventario que hay de bioetanol en el país y se aumenta con la Producción de Bioetanol y
se reduce por las Ventas de Bioetanol (VB). Otro nivel calculado en el modelo es la
Producción Acumulada de Bioetanol (PAB) que se utilizará para el cálculo de costos del
modelo y solo se incrementa con la Producción Anual de Bioetanol (PABE).
Mientras que el Suministro de Biodiesel (SBD) se incrementa con la Producción de
Biodiesel (PBD) y se disminuye con las Ventas de Biodiesel (VBD). Al igual que en el
bioetanol, se calcula la Producción Acumulada de Biodiesel (PABD) como un acumulador
de la Producción Anual de Biodiesel (PABID).
( )
(14)
( )
(15)
( )
(16)
( )
(17)
4.2.3 Decisión del uso de las materias primas
Para la decisión en el uso de las materias primas el productor se pregunta cuál es el
producto que le genera mayor productividad para ello hace una comparación de la
54 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
rentabilidad en el mercado entre la exportación del azúcar y bioetanol y la rentabilidad
entre la exportación del aceite de palma y el biodiesel.
La Rentabilidad Relativa Bioetanol frente a Exportación (RRBE) se calcula como la
probabilidad de producir bioetanol frente a la exportación de azúcar, comparando las
rentabilidades de cada producto y una elasticidad existente entre el cambio de un
producto por el otro (alfa). De la misma forma se calcula la Rentabilidad Relativa
Biodiesel frente a la Exportación (RRBDE), es decir se calcula como la probabilidad de
producir biodiesel frente a la exportación de productos de palma, comparando las
rentabilidades de cada producto y una elasticidad por la sustitución en las materias
primas(beta). En las ecuaciones 18 a 23 se describe las funciones de rentabilidad usadas
dentro del modelo:
(18)
(19)
(20)
(21)
(22)
(23)5
4.2.4 Sistema de tierras agrícolas
En este sistema se hace un cambio en el esquema mostrado por Giraldo (2013),
agregando una nueva variable de nivel (Tierra en uso biomasa), se conserva los demás
niveles mostrados por Giraldo (2013). Las ecuaciones 24 a 28 describen las variables de
5 CTPB: Costos totales de producción bioetanol, PE: Precio Bioetanol,
REA: Rentabilidad exportación azúcar, RB: Rentabilidad bioetanol, RBD: Rentabilidad biodiesel, REPP: Rentabilidad exportación productos de palma, CPBD: Costos de producción biodiesel, PBD: Precio Biodiesel, CTA: Costos totales aceite de palma, PIAC: Precio internacional aceite de palma.
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
55
nivel. Donde Tpa, Tua, Tda,Tup y Tub son variables de nivel que representa la tierra
potencial arable, la tierra de uso agrícola, la tierra degradada, la tierra de uso pecuario y
la tierra de uso biomasa respectivamente.
La Tpa depende en el cambio de uso de tierra agrícola a pecuaria (Cap), la tasa de
regeneración (tr) y la adecuación de nuevas tierras (An), La Tua está dada en términos
de adecuación de nuevas tierras, la tasa de degradación y la conversión a biomasa. La
Tda relaciona la Conversión a vocación agrícola, la tasa de degradación y la tasa de
regeneración. La Tup por otro lado depende de la Cap, la tasa de regeneración y la tasa
de degradación. Por último la Tub está dada entre la conversión a biomasa y la
conversión a vocación agrícola.
( )
(24)
( )
(25)
( )
(26)
( )
(27)
( )
(28)
4.2.5 Costos de producción biocombustibles
Para el cálculo de la rentabilidad de los biocombustibles es necesario calcular los costos
totales de producción de los biocombustibles. Se parte del supuesto de una curva de
aprendizaje para el etanol del 10% y para el biodiesel del 5%, lo cual indica la reducción
porcentual en los costos de producción por cada vez que se multiplica la unidad de
producción. Las ecuaciones 29 y 30 muestran cómo se calculan los costos totales en la
producción de BC. Los Costos Totales de Producción del Etanol (CTPE) es función de la
unidad de producción, los costos iniciales de producción etanol (CIPE), los costos de la
materia prima etanol (CMPE) y de la curva de aprendizaje. Mientras que los Costos de
Producción Biodiesel (CPBD) depende de la unidad de producción, los costos iniciales de
56 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
producción biodiesel (CIPB), los costos materia prima biodiesel (CMPB) y la curva de
aprendizaje.
{
(29)
{
(30)6
Las estructura de todos los subsistemas planteados pueden verse en las figuras B-1-10,
mientras que las ecuaciones de cada variable del modelo se pueden consultar en la tabla
B-1.
El modelo final tiene 273 elementos de las cuales 25 son niveles, 39 son flujos y el
restante son variables y parámetros. Para llegar al modelo formal final se usó un proceso
iterativo de modelamiento. Este proceso considera desde el principio la validación, en la
que se compara el diseño de la estructura con la literatura, además de que cada
ecuación y parámetros tienen un sentido real. De hecho el proceso de validación permite
la construcción de confianza en el modelo y se describe en la sección a continuación.
4.3 Validación del modelo planteado
Antes de poder experimentar con los modelos, es necesario hacer la validación y evaluar
la robustez a la representación desarrollada. Para ello se busca que los modelos
representen adecuadamente el mundo real y que reproduzcan el comportamiento del
mundo real (Barlas, 1996; J.D. Sterman, 2000). Los modelos en DS no pretenden
proyectar con alta precisión sino que su finalidad es ser instrumentos para el análisis de
políticas, su validación puede ser lograda por componentes formales y subjetivos (Barlas
& Carpenter, 1990; Barlas, 1996; Forrester & Senge, 1980).
6 -0,152 es el resultado de ; -0,074 es el resultado de ,
1.871.200 es la unidad de producción del etanol, debido a que es la producción anual del primer año (Fedebiocombustibles, 2014b). 1.172.300 es la unidad de producción del biodiesel, es lo que se produjo históricamente en el primer año de producción (Fedebiocombustibles, 2014c).
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
57
Dentro de la discusión sobre la validación de los modelos de DS, se puntualiza la
necesidad de combinar pruebas subjetivas y formales, además de enfocarse en la
utilidad del modelo construido (Barlas & Carpenter, 1990; Forrester & Senge, 1980;
Sterman, 2002). En este caso, ha de ser dejado claro el objeto del modelo ya que un
modelo en DS solo es válido en el contexto de su objeto final, esto es, saber cuál es la
pregunta que busca responder o el problema de estudio (Barlas, 1996; Sterman, 2000).
Los modelos en DS, al ser modelos causales-descriptivos, buscan responder el por qué
se da cierto comportamiento en particular. Lo primordial es validar la estructura por
encima del comportamiento. Los modelos en DS tratan de explicar el comportamiento
desde una hipótesis de cómo es la estructura del mundo real. El proceso de validación
más aceptado en DS es el que tiene como base el proceso sugerido por Barlas (1996) y
Forrester & Senge (1980). El proceso se ilustra en la figura 4-4.
Figura 4-4. Pruebas para la validación formal de un modelo en Dinámica de Sistemas.
Basado en Barlas (1996) y Forrester & Senge (1980)
58 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Este proceso recalca la validación de la estructura para poder validar el comportamiento,
a continuación se mostrará la validación realizada a la estructura y al comportamiento del
modelo desarrollado en esta tesis.
4.3.1 Validación de la estructura
En esta sección se muestran algunas de las pruebas que se realizaron con respecto a la
validación de la estructura. Es importante considerar que algunas de ellas. Por ejemplo la
consistencia dimensional se realizaron desde la primera ecuación del modelo. A
continuación se describe este proceso:
i. Pruebas de valoración de la estructura:
Este tipo de pruebas trata de analizar la consistencia de la estructura planteada
con el sistema real, es decir busca que el modelo represente de manera
adecuada el mundo real. Otra pregunta que se hace es si el modelo es
consistente con las leyes básicas de la física, es decir que se busca que no viole
leyes como la conservación de materia y energía (Sterman, 2000), bajo este
supuesto no podrían haber variables con valores negativos en las que en el
mundo real no ocurre (ej. Población, área cultivada, capacidad instalada, etc.).
Por último se debe responder si el nivel de agregación del modelo es adecuado
para poder responder la pregunta de investigación y si las reglas de decisión
modeladas son adecuadas para representar el sistema real.
Para analizar pruebas de valoración de la estructura, fueron modelados de
manera desagregada la producción de materia prima para biocombustibles y la
producción industrial de los biocombustibles, la decisión del productor por el cual
determina cuál es el uso final de la materia prima se usa usando el principio de la
maximización de la utilidad, para ellos se modelo los factores importantes para el
cálculo del rendimiento y se desagrego los costos en materia prima y los costos
derivados de la producción. En el módulo de biocombustibles otras variables
fueron asumidas exógenas, como el precio internacional para la exportación de
usos sustitutos de la materia prima.
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
59
En el módulo alimentaria al usarse el modelo de Giraldo (2013) hay que anotar
que la investigadora modelo de manera endógena, la productividad de la tierra, el
uso de las tierras, la disponibilidad alimentaria, el acceso a los alimentos producto
de los precios. Mientras que otros factores los uso como variables exógenas
como el índice de GINI, precios internacionales y variables demográficas. En
ambos módulos se agregó a los consumidores en el sentido que no se analizó la
preferencia por que alimentos consumir y a los agricultores y sus preferencias por
cultivos, sino que se asumió que tenían como referente la maximización de su
utilidad.
Para responder la pregunta si el modelo viola las leyes de la conservación de la
materia, se realizó una inspección sobre las ecuaciones del modelo no
encontrándose ninguna que violará las leyes físicas de la conservación de la
materia y la energía. Se describe a continuación a manera de ejemplo las pruebas
que se hicieron sobre variables claves en las que no se podía presentar no
negatividades. Las variables seleccionadas son Déficit Bioetanol y Brecha
Alimentaria
Déficit Bioetanol = MAX(Demanda Etanol-Producción Bioetanol,0) (31)
Unidades: barril bioetanol/year
Brecha alimentaria= MAX(Demanda total de alimentos-
disponibilidad productos alimentarios,0) (32)
Unidades: ton granos equiv/year
Estas dos variables deben ser positivas en todo momento debido a su definición,
como se observa en las ecuaciones 34 y 35 siempre tomarán valores positivos ya
que el valor mínimo que pueden tomar es 0. Se puede concluir que no se
presenta negatividades en la brecha alimentaria y en el déficit bioetanol,
cumpliendo el principio de la conservación de la materia y la energía.
60 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
ii. Pruebas de condiciones extremas:
El modelo debe ser consistente y robusto cuando se le aplican valores extremos.
Lo que se busca es que al aplicar estos valores se refleje un comportamiento
similar a la realidad, bajo este criterio se aplica valores extremos a las siguientes
variables:
Cuotas Mezcla Bioetanol= 0 (Ver figura 4-5)
Figura 4-5. Prueba de condiciones extremas. Cuotas de Mezcla = 0
En un mercado regulado, si el gobierno fija las cuotas de mezcla en 0, la
demanda por etanol sería igual a 0, por lo que no podría existir déficit de este
producto.
Rentabilidad Biodiesel y Rentabilidad Bioetanol= 0
Si la rentabilidad que tienen los productores de BC es 0, no hay incentivo
para la producción, por lo que deciden no producir. (ver figura 4-6)
-20
0
20
40
60
80
100
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
20
20
20
22
20
24
20
26
20
28
20
30
Mb
Producción Biodiesel Producción Bioetanol
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
61
Figura 4-6. Prueba de valores extremos. Rentabilidad Biocombustibles = 0
Al no producir estos combustibles, no hay asignación de las tierras para la
producción, por lo que las hectáreas destinadas a los cultivos de biomasa
serían iguales a 0.
Población reduciéndose: Se deja la natalidad en 0 y las muertes a una
tasa de 10% de la población, se puede observar cómo se afecta el
consumo interno de alimentos. Ver figura 4-7.
Figura 4-7. Resultado pruebas extremas sobre la población.
-20
0
20
40
60
80
100
-20
0
20
40
60
80
100
1990 1995 2000 2005 2010 2015 2020 2025 2030
mile
s d
e h
a
MB
Producción Biodiesel Producción Bioetanol Ha cultivadas de biomasa
00,20,40,60,811,21,41,61,82
0
1
2
3
4
5
6
7
2005 2010 2015 2020 2025 2030
Mill
on
es
Ton
eq
uiv
/añ
o
Mill
on
es
de
pe
rso
nas
Población Consumo Interno
62 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Luego de analizar las pruebas de valores extremos y ver que el modelo respondía a lo
que se espera si estas ocurrieran en el mundo real, se puede decir que el modelo es
robusto y su comportamiento imita al sistema real.
iii. Confirmación de parámetros:
Según (Barlas, 1996) se debe darle confiabilidad a los parámetros como las
variables exógenas usados en la construcción del modelo, para ellos se usó
bases de datos confiables e información en la literatura. (Ver tablas B-2-10).
iv. Pruebas de consistencia dimensional:
Para hacer esta prueba es necesario revisar una a una las ecuaciones para
garantizar que se cumpla la consistencia unidimensional de las variables que
forman el modelo. Para ello se muestra en la (tabla B-1) las ecuaciones usadas
dentro del modelo, adicionalmente el software utilizado hace pruebas de unidades
y el modelo supero esta evaluación.
v. Errores de integración
Para este tipo de pruebas se analizó que tan sensible es el modelo al cambio en
los métodos de integración. Cambiando el método de integración, en las (figura C-
1 y C-2) se observa los resultados de esta prueba, concluyendo de estas gráficas
que el modelo no es sensible al método de integración.
4.3.2 Validación del comportamiento
Para validar el comportamiento en la presente tesis se propone hacer las pruebas de
reproducción del comportamiento. Para ello se hace una comparación entre los valores
históricos y los arrojados por la simulación del modelo base. Las variables a las que se le
hará la evaluación será Tierra en uso agrícola, Total Hectáreas Sembradas Palma,
Hectáreas Sembradas de Caña de Azúcar, Productos Agricultura, Producción de
Bioetanol, Producción de Biodiesel. Para ello se hará uso de las siguientes herramientas
estadísticas mostradas en la tabla C-1.
Modelo propuesto en dinámica de sistemas para analizar los efectos de los
biocombustibles de primera generación en la seguridad alimentaria en
Colombia
63
Para la inspección gráfica se presentan en esta sección las variables área sembrada de
caña de azúcar y productos agricultura (ver figuras 4-8 y 4-9), mientras que en las
figuras C-3 a C-8 están la comparación entre los datos históricos y simulados de las
variables de interés.
Figura 4-8. Comparación área sembrada caña de azúcar histórico vs. simulado
Figura 4-9. Comparación productos agricultura histórico vs. simulado
La inspección gráfica señala que tanto para el área sembrada de caña de azúcar como
los productos agrícolas conservan la tendencia de las variables históricas, por lo que se
complementa con el análisis estadístico que se muestra en la tabla 4-1.
140
160
180
200
220
240
1990 1995 2000 2005 2010
Mile
s d
e h
a
Histórico Simulado
10
15
20
25
30
35
40
1990 1995 2000 2005Mill
on
es
Ton
gra
no
eq
uiv
/añ
o
Histórico Simulado
64 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Tabla 4-1. Resultados de validación del comportamiento.
Variables
Theil
R MSE U
M (dmnl) U
S (dmnl) U
C
(dmnl) (unit2)
Producción Biodiesel
0,994 41.315.459.118 0,658 0,127 0,276
Producción Bioetanol
0,975 20.728.754.378 0,009 0,095 0,956
Hectáreas sembradas Caña de Azúcar
0,952 47.250.457 0,085 0,095 0,846
Total Hectáreas Sembradas Palma
0,998 60.407.121 0,368 0,006 0,651
Tierra en uso
agrícola 0,899 4.236.919.510.631 0,487 0,001 0,533
Productos agricultura
0,924 7.142.399.521.606 0,061 0,139 0,859
Para que el modelo sea confiable el error debe estar concentrado en la varianza y
la covarianza, esto se refleja en el ( ) y en el ( ), ya que si el porcentaje de
mayor error está en la media se cometen errores sistemáticos (Sterman, 1984).
De la tabla anterior, se puede concluir que el mayor porcentaje de los errores se
encuentran en la varianza y en la covarianza, excepto para la producción de
biodiesel, a pesar de esto si se compara gráficamente y el coeficiente de Pearson,
podemos afirmar que es válido asumir que la representación es coherente con la
realidad. En cuanto al coeficiente de correlación, el más bajo calculado fue de
0,899 en el caso de las tierras de uso agrícola, este coeficiente mide el grado de
relación entre dos variables, en este caso los datos históricos vs. simulados y
podemos concluir luego de estas pruebas que se puede concluir que se las
simulaciones se ajustan a los valores históricos capturando la tendencia de los
datos.
5. Simulación de escenarios y análisis
En esta sección se presentan los resultados de simulación al introducir BC en el sistema
agroalimentario del país. Las simulaciones tiene como referencia el estado del sistema
sin BC, los cuales son basados presentados con el modelo del sistema agroalimentario
de Colombia desarrollado por Giraldo (2013). Los escenarios considerados son optimista
BC y pesimista BC, los cuales consideran la variación en variables que afecten la
demanda de los BC; escenarios optimista agro y pesimista agro, que varían el
desempeño del sector agroalimentario del país. El último escenario es el de ganadería el
cual presenta una tecnificación en el sector pecuario y el desarrollo del mercado de BC.
Luego se presentan los resultados de las simulaciones de los escenarios y se hace un
análisis sobre el efecto que tienen estos sobre la SA y de producción de BC en el país.
5.1 Introducción de biocombustibles en el sistema agroalimentario (BC)
La introducción de los BC en el modelo agroalimentario de Giraldo (2013) se hizo
mediante la construcción del módulo de producción de BC y la relación en el cambio del
uso de la tierra. La formulación y estructura se describió en el capítulo 4. Las variables de
interés para analizar el efecto que tiene la introducción de los BC en el sistema
agroalimentario del país son: tierra en uso agrícola, proporción de población vulnerable al
acceso de NBA, precio de los alimentos, tierra en uso biomasa y producción de BC.
En el caso de la tierra en uso agrícola, la simulación se muestra en la figura 5-1. Los
resultados indican que la introducción de BC en el país lleva a la reducción de la tierra en
uso agrícola. La tierra que deja de tener vocación alimentaria para el 2030 es un 12,39%
menor en comparación con el modelo sin BC. Esta reducción se debe al cambio en la
vocación en el uso del suelo. Esta transformación en el uso del suelo es la respuesta del
66 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
sistema al introducir la producción de BC, la cual necesita la tierra para el cultivo de
materia prima para el proceso de producción.
Figura 5-1. Comportamiento del escenario base v.s Giraldo (2013) para Tierra en uso agrícola,
En la figura 5-2 se muestra los resultados en la variable precios percibidos de los
alimentos. Con la introducción de los BC, se observa que el cambio es casi imperceptible
de manera visual hasta el año 2025. Para el año 2030 se observa un aumento del 3,28%
en los precios percibidos de los alimentos con respecto al escenario donde no está
incluida la producción de BC. El aumento en los precios responde a las dinámicas en el
mercado, en el cuál debido a que hay una menor producción de alimentos y se debe
suplir la demanda importando granos el precio aumenta. Este cambio que se da a largo
plazo podría ser igual en ambos escenarios debido a las incertidumbres que no considera
el modelo como es el cambio climático, o cambios en las políticas arancelarias.
2
2,2
2,4
2,6
2,8
3
3,2
3,4
3,6
2005 2010 2015 2020 2025 2030
Mill
on
es
ha
Giraldo (2013) BC
Simulación de escenarios y análisis 67
Figura 5-2. Comportamiento del escenario base v.s Giraldo (2013) para precio percibido de los
alimentos
En la figura 5-3 se puede analizar el efecto que se tiene en la proporción de población
vulnerable al acceso de NBA al introducir los BC en Colombia. El modelo muestra que se
produce un aumento porcentual para el 2030 del 1,59% en la proporción de población
vulnerable al acceso de NBA. Este aumento es explicado por la reducción en las tierras
en uso agrícola (disminuyendo la producción de alimentos) y el aumento en los precios
percibidos de los alimentos.
La proporción de población vulnerable al acceso de NBA es crucial porque denota a la
población que tiene dificultades en el acceso de los alimentos. Este modelo muestra
como la introducción de los BC tiene un aumento en la población con restricciones al
acceso. La inspección visual muestra que el cambio es a largo plazo y el efecto debe ser
analizado teniendo en cuenta que debido a la incertidumbre podría no ser significativo.
150
200
250
300
350
400
450
500
550
2005 2010 2015 2020 2025 2030
Mile
s d
e C
OP
/to
n g
ran
o e
qu
iv
Giraldo (2013) BC
68 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Figura 5-3. Comportamiento del escenario base v.s Giraldo (2013) para proporción de población
vulnerable al acceso de NBA
Para las tierras de uso de biomasa y la producción de BC, en la figura 5-4 se observa
una tendencia creciente. La tierra en uso de biomasa pasa de ocupar 4.544 ha en 2006 a
364.940 ha para el año 2030. Para el caso de BC la producción de biodiesel en el año
2009 fue de 1,26 MMb, aumentando para el año 2030 a 7,51 MMb. Con respecto al
bioetanol, se pasa de producir 1,68 MMb en 2006 a 7,75 MMb para el 2030. Este
comportamiento responde a que la demanda actual por BC está ligada a los
combustibles fósiles, en este caso el supuesto de la simulación del escenario BC es
mantener las tendencias de variables exógenas del modelo. En particular, se conservan
las tendencias crecientes de variables como la demanda interna por azúcar, demanda
interna por productos de palma, importaciones de alimentos, entre otros se extrapolan en
los años de simulación.
0,55
0,6
0,65
0,7
0,75
0,8
2005 2010 2015 2020 2025 2030
Giraldo (2013) BC
Simulación de escenarios y análisis 69
Figura 5-4. Tierra en uso biomasa escenario BC y producción de biocombustibles
5.2 Simulación de escenarios en el sistema agroalimentario-biocombustibles en Colombia
A partir de la introducción de los biocombustibles en el sistema agroalimentario, se
plantean dos escenarios enfocados en la demanda de biocombustibles, dos escenarios
orientados en el desempeño del sistema agroalimentario y por último un escenario
centrado en el sector pecuario del país.
Para la demanda de biocombustibles están los escenarios optimista BC y pesimista BC.
La demanda viene dada por dos variables, las mezclas ordenadas por el gobierno y por
la demanda de combustibles fósiles. Estos dos escenarios parten del supuesto que el
gobierno fija las mezclas futuras como lo muestra la tabla 5-1. En el caso del escenario
optimista BC las mezclas responden a estrategias de mitigación ambiental debido al
aumento acelerado de la demanda por combustibles fósiles. Para el caso del escenario
pesimista BC la oferta no puede suplir la demanda por lo que el gobierno relaja las
mezclas haciendo que el aumento en el porcentaje de las mezclas sea más lento. Para el
caso de la demanda de diésel y gasolina motor, se utilizan los escenarios optimista BC y
pesimista consistente con el escenario alto y bajo respectivamente de la UPME (2010).
Por último para el escenario pesimista BC se plantea la reducción de la rentabilidad. Esta
reducción responde a variables exógenas como el aumento en el costo de transporte y
de insumos.
En la tabla 5-1 se presentan los parámetros que se van a cambiar para los escenarios
optimista BC y pesimista BC.
0
2
4
6
8
10
0
50
100
150
200
250
300
350
400
2006 2008 2010 2012 2014 2016 2018 2020 2022 2024 2026 2028 2030
MM
b
Mile
s d
e h
a
Tierra uso biomasa Bioetanol Biodiesel
70 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Tabla 5-1. Parámetros usados para los escenarios optimista BC y pesimista BC
Parámetros Unidad Optimista BC Pesimista BC
Cuotas planeadas biodiesel
%
2020 : 15%
2025: 20%
2030: 25%
2020 : 10%
2025: 15%
Cuotas planeadas etanol
%
2020 : 20%
2025: 25%
2020 : 12%
2025: 15%
Demanda Diesel
bbl Proyección escenario alto (UPME, 2010)
Proyección escenario bajo (UPME, 2010)
Demanda Gasolina
bbl Proyección escenario alto (UPME, 2010)
Proyección escenario bajo (UPME, 2010)
Rentabilidad BC
% Base – 20%
Para los dos escenarios orientados en el desempeño del sistema agroalimentario
(optimista agro y pesimista agro) se seleccionó parámetros con base en las perspectivas
del sector agroalimentario en la economía mundial. Estas perspectivas muestran las
posibles trayectorias en el sector agroalimentario. Las variables y los cambios que se
seleccionaron se expresan en la tabla 5-2. Estas fueron seleccionadas por ser variables
exógenas que afectan el sistema agroalimentario nacional e internacional (FAO et al.,
2013; Rosegrant, Paisner, Meijer, & Witcover, 2001).
Tabla 5-2. Parámetros usados para los escenarios optimista agro y pesimista agro
Parámetros Unidad Optimista Agro
Pesimista Agro
Precio internacional cereales
USD/ton grano equiv.
Base + 10% Base + 60%
Porcentaje de demandas de otros usos
% Base + 20% Base + 70%
Simulación de escenarios y análisis 71
Pérdidas en cosecha
% Base + 10% Base + 20%
Otros Ingresos
COP Base + 5% Base - 5%
Precios del petróleo
USD/bbl Base + 10% Base + 50%
Por último en el escenario centrado en el sector pecuario (ganadería) se plantea el
análisis de cambios en el uso de la tierra. Para ello se tomó las metas propuestas en el
plan estratégico de ganadería sostenible en Colombia. Este plan tiene como objetivo
reducir en 10 millones de hectáreas para el 2020 que actualmente están dedicadas a la
ganadería (FEDEGAN, 2013). Para cumplir este objetivo FEDEGAN plantea estrategias
para el desarrollo de sistemas silvopastoriles intensivos para el mejor aprovechamiento
de la tierra. También se tomaron los parámetros del escenario optimista BC para el
sector BC. Por el lado pecuario, este escenario. En este escenario se considera
recuperan 5 millones de hectáreas para la agricultura en el periodo 2015-2020. Los datos
de los cambios en este escenario están resumidos en la tabla 5-3.
Tabla 5-3. Parámetros para el escenario ganadería.
Parámetros Unidad Ganadería
Tierra en uso pecuario Ha -2,3% anual (2015-2020)
Biocombustibles
Parámetros del
escenario
optimista BC
5.3 Resultados de la simulación de escenarios
La simulación del escenario de ganadería muestra cómo se tiene el mayor impacto en el
uso de tierras agrícolas, donde se observa un aumento en las tierras usadas para la
producción alimentaria en 3,19 millones de ha (un aumento de 158,36%) para el año
2030. Este cambio en las tierras responde a las políticas de conversión de tierra
planteado en este escenario. Por el contrario los escenarios enfocados en los
72 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
biocombustibles (optimista BC y pesimista BC) presentan una variación entre el 5,11%
(pesimista BC) y -6,76% (optimista BC) en el uso de las tierras agrícolas para el año
2030. El cambio en el escenario pesimista BC se debe a la respuesta del sistema a una
menor demanda por los BC, por lo que se necesita menos tierra para el cultivo de la
materia prima. Por el otro lado el escenario optimista BC al necesitar más materia prima
para suplir la demanda, la tierra de uso agrícola se reduce debido al cambio en el uso.
Por último, los escenarios enfocados en el sistema alimentario (optimista agro y
pesimista agro) no presentan ninguna variación con respecto al escenario BC, debido a
que la demanda de BC se mantiene constante, por lo que el cambio en el uso para el
cultivo de biomasa se mantiene constante. Los resultados de la tierra de uso agrícola
para todos los escenarios se puede observar en la Ver figura 5-5.
Figura 5-5. Comparación entre escenarios. Tierra en uso agrícola
Con respecto a la producción de biodiesel, las simulaciones muestran que los escenarios
que mejoran la producción de BC son el de ganadería y el optimista BC, con aumentos
en el nivel de producción de biodiesel en 56,44%. Este incremento responde al aumento
en la demanda de BC, debido al aumento en la demanda de diésel. El escenario que
peor resultado tuvo para la producción de biodiesel fue el pesimista BC, donde la
producción decreció la producción para el año final de la simulación en 25,13% para el
año 2030 con respecto al escenario BC. Este decremento responde a una menor
demanda por biodiesel debido a que el país demanda menos diésel. Por último, los
escenarios que no presentan variaciones en la producción de biodiesel con respecto al
1
2
3
4
5
6
7
8
2005 2010 2015 2020 2025 2030
Mill
on
es
de
ha
BC Pesimista agro Optimista agro
Optimista BC Ganadería Pesimista BC
Simulación de escenarios y análisis 73
escenario BC son el optimista agro y pesimista, debido a que la demanda por BC
permanece igual que en el escenario BC. Los resultados para la producción de biodiesel
para todos los escenarios se muestran en la figura 5-6.
Figura 5-6. Comparación entre escenarios. Producción biodiesel
Para el bioetanol se presenta una situación similar al de biodiesel. Los escenarios que
incentivan la producción de bioetanol son el de ganadería y el optimista BC. El
incremento que presentan estos dos escenarios con respecto al BC para el año 2030, es
de 43,07%. Este incremento se da debido a que se supone que la demanda de gasolina
motor corresponde al escenario alto desarrollado por la UPME (2010) y al aumento en las
cuotas de mezcla de los BC. El escenario con peor desempeño en la producción de
bioetanol fue el pesimista BC. En este escenario se obtuvo una reducción con respecto al
escenario BC en la producción de etanol para el 2030 de 53,40%. Esta reducción se
explica por el supuesto de que la demanda de gasolina motor se basa en el escenario
bajo desarrollado por la UPME (2010) y por las mezclas de combustibles definidas en la
sección 5.2. Por último los escenarios enfocados en el agro (optimista agro y pesimista
agro) no presentan variaciones en la producción de bioetanol con el escenario BC. Cómo
se indicó antes estos escenarios tienen la demanda de BC igual que en el escenario BC.
Los resultados se muestran en la figura 5-7.
0
2
4
6
8
10
12
2005 2010 2015 2020 2025 2030
MM
b
BC Pesimista agro Optimista agro
Optimista BC Ganadería Pesimista BC
74 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Figura 5-7. Comparación entre escenarios. Producción etanol
Las simulaciones (ver figura 5-8) muestran que los escenarios que traen un mayor uso de
la tierra para biomasa son los de ganadería y optimista BC. Estos escenarios presentan
un aumento del 45,15% para el año 2030. Los escenarios pesimista agro y optimista agro
no presentan variaciones en la tierra en uso de biomasa, porque la demanda de BC no
presenta variaciones con respecto al escenario BC El escenario que trae un menor uso
de la tierra para biomasa es el pesimista BC, el cual para el año 2030 tiene un
decremento del 31,78% con respecto al escenario BC.
Figura 5-8. Comparación entre escenarios. Tierra en uso biomasa
0
2
4
6
8
10
12
2005 2010 2015 2020 2025 2030
MM
b
BC Pesimista agro Optimista agro
Optimista BC Ganadería Pesimista BC
0
100
200
300
400
500
600
2005 2010 2015 2020 2025 2030
Mile
s d
e h
a
BC Pesimista agro Optimista agro
Optimista BC Ganadería Pesimista BC
Simulación de escenarios y análisis 75
La variable de precios percibidos de los alimentos es fundamental para la SA, debido a
que limita el acceso de los alimentos. Dentro de las simulaciones se encontró que el que
trae una mayor disminución en los precios es el de ganadería. Este escenario reduce
$155.282 pesos por ton grano equivalente para el 2030. Esta reducción del 30,57%, se
debe a que hay una mayor producción de alimentos porque hay más tierras en uso
agrícola. Por otro lado los escenarios pesimista agro, optimista agro y pesimista BC
reducen el precio percibido en 7,31%, 2,88% y 1,27% respectivamente. Por último el
escenario optimista BC aumenta los precios en un 1,46% con respecto al escenario BC
debido a que hay menos tierra en uso agrícola al haber una mayor sustitución en el uso
de la tierra para la producción de biomasa. Los resultados en la variable precio percibido
de los alimentos para cada escenario se puede observar en la figura 5-9.
Figura 5-9. Comparación entre escenarios. Precio percibido de los alimentos
La proporción población vulnerable NBA, es la variable que indica cuál es la proporción
de la población que presenta dificultades para el acceso a los alimentos. El escenario
que presenta el mejor desempeño, es decir el que presenta la mayor reducción de esta
proporción es el de ganadería, con una disminución en un 23,13% para el año 2030. Los
otros dos escenarios que presenta una mejoría en este indicador son optimista agro y
pesimista BC, reduciendo este indicador en un 6,70% y 0,79% respectivamente. Por el
contrario los escenarios pesimista agro y optimista BC empeoran este indicador
aumentando en un 4,87% y 0,75% para el año 2030 con respecto al escenario BC. En la
figura 5-10 se muestran la proporción población vulnerable NBA para cada escenario.
150
200
250
300
350
400
450
500
550
2005 2010 2015 2020 2025 2030
Mile
s d
e C
OP
/To
n g
ran
o e
qu
iv
BC Pesimista agro Optimista agro
Optimista BC Ganadería Pesimista BC
76 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Figura 5-10. Comparación entre escenarios. Proporción población vulnerable NBA
El análisis de los escenarios de manera global, se observa como el de ganadería se es la
mejor alternativa. Este escenario permite una mejora de manera conjunta las variables de
la producción de BC y los indicadores de SA. Por el lado de los BC, la producción de
biodiesel y de bioetanol se aumentó en un 56,44% y 43,07% respectivamente. Los
precios percibidos en este escenario se redujeron en una proporción de 30,57% y la
proporción población vulnerable NBA se redujo en 23,13%.
Para los escenarios de BC, las simulaciones mostraron que tienen efectos en la
proporción de población vulnerable y en el precio percibido de los alimentos. Sin
embargo, el impacto es pequeño con aumentos en la población vulnerable del orden del
0,75% para el optimista BC y una reducción de 0,79% para el pesimista BC. En los
precios percibidos de los alimentos, el escenario optimista BC conlleva a un aumento de
los precios en 1,46% y el pesimista BC los reduce e 1,27%. Para los indicadores de BC
el escenario optimista BC mejora la producción de biodiesel para el 2030 en 56,44% y de
bioetanol de 43,07%, mientras que el escenario pesimista BC reduce la producción de
biodiesel y de bioetanol en 25,13% y 53,40% respectivamente.
0,4
0,5
0,6
0,7
0,8
0,9
1
2005 2010 2015 2020 2025 2030
BC Pesimista agro Optimista agro
Optimista BC Ganadería Pesimista BC
6. Conclusiones y recomendaciones
Esta tesis evalúa las posibles consecuencias que tienen los biocombustibles en la
seguridad alimentaria en un país. Para esto se analiza la contribución que tiene en los
precios de los alimentos, la sustitución en el uso de la tierra y el efecto en la producción
de alimentos. El análisis de los efectos que tiene la producción de BC en la SA se
tomaron como dimensiones de interés: la disponibilidad y el acceso a los alimentos.
Estas dos variables medidas en la producción de alimentos y en la proporción población
vulnerable a las necesidades básicas alimentarias respectivamente.
La evaluación se realizó con un modelo en dinámica de sistemas que involucrará los
sistemas agroalimentarios del país y el sistema de producción de BC. Este modelo
permite analizar lo ocurrido entre 1990 y 2014 y poder proyectar los comportamientos de
las variables de interés hasta el año 2030. El modelo es una expansión del modelo del
sistema agroalimentario de Colombia desarrollado por Giraldo (2013), al que se le agregó
el módulo de BC. La metodología usada en el proceso de modelación y simulación fue la
dinámica de sistemas para permitir un análisis causal descriptivo del comportamiento
integrado de la producción de BC y el sistema agroalimentario.
Los resultados de la simulación del escenario base muestran que la producción de BC
tiene efectos en variables de SA. El análisis muestra que para caso del cambio en el uso
del suelo se encontró que hay una diferencia de 12,4% en la tierra de uso agrícola con
respecto con el escenario sin BC, y los precios percibidos de los alimentos se aumentan
del orden del 3,3%. Adicional, el modelo muestra que se produce un aumento porcentual
para el 2030 del 1,59% en la proporción de población vulnerable al acceso de NBA. De
78 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
esta manera, a pesar de que la introducción de BC en el sistema agroalimentario
desmejora los indicadores de SA, estos indicadores no tienen un aumento mayor del 4%.
Los BC pueden contribuir a la degradación de la SA, pero su efecto no es el único con
influencia.
Las simulaciones se hicieron considerando escenarios de BC (optimista BC y pesimista
BC). Se observa que al aumentar la producción de BC (escenario optimista BC) se
degradaba los indicadores de SA, mientras que si se reducía la producción (escenario
pesimista BC) se mejoraban los indicadores de SA. Este comportamiento responde a que
al aumentarse la producción de BC se cambia el uso de la tierra dedicado a los
alimentos. Al reducirse la producción alimentaria se encarecen los precios de los
alimentos provocando un alza en la proporción de la población vulnerable NBA. Mientras
que en la producción de BC las variaciones mostradas por el modelo para el biodiesel
son 56,44%, (optimista BC) y -25,13% (pesimista BC). Para el bioetanol el escenario
optimista BC aumenta la producción en 43,07% y el pesimista BC reduce la producción
en un 53,40%. Los resultados muestran un cambio en la proporción de población
vulnerable NBA de 0,75% y de -0,79% para los escenarios optimista BC y pesimista BC
respectivamente. Por lo que se puede concluir que la variación en la producción de BC
no afectan significativamente a los indicadores de SA no son significativos.
Los resultados sugieren que políticas enfocadas en la mejor utilización de las tierras, en
especial las usadas por la ganadería, conllevaría a la mejora en indicadores de SA y en
la producción de BC. En este caso el escenario de ganadería mostró una mejoría para el
año 2030 en la producción de biodiesel y de bioetanol de 45,15% y 43,07%
respectivamente. Por el lado de la producción agrícola se observó que la tierra en uso
agrícola aumenta un 158,36%. Los precios percibidos de los alimentos se redujeron en
30,57% y la proporción de población vulnerable a NBA se redujo en un 23,13% para el
2030.
Trabajo futuro
A partir de este estudio se puede generar diferentes investigaciones futuras. Un posible
estudio se puede enfocar en la integración de este modelo con modelos espaciales,
Conclusiones y recomendaciones 79
usando sistemas de información geográfica (SIGs). Este tipo de modelos integrados
permitiría tener una mayor precisión en variables como el rendimiento de la tierra.
Además permite la identificación de la vocación real que tiene la tierra para que se
puedan desarrollar escenarios donde se analice el uso actual de la tierra y el potencial
para sus diferentes usos.
Otra línea de investigación nace de la necesidad de analizar el caso en el que el mercado
de BC en Colombia se desregularice y dependa de factores netamente del mercado. Bajo
esta perspectiva se debe hacer un estudio más profundo en la manera en que factores
como el precio de los combustibles fósiles afectan la demanda de BC.
Por último se debe analizar el costo beneficio que trae la introducción de BC en temas de
mitigación ambiental y los costos que esta política le ha traído al país en temas de
regulación del precio y de la demanda.
Bibliografía
Acosta, A. D. (2008). Los Biocombustibles: Oportunidad o Amenaza. Revista VirtualPro.
Acosta, O., & Chapparro, A. (2009). Biocombustibles, Seguridad Alimentaria y Cultivos Transgénicos. Revista Salud Pública, 11(2), 290–300.
Alfaro, D., & Olivera, M. (2009). Las Políticas Comerciales de América Latina ante las variaciones de precios de alimentos. Uruguay.
Altieri, M. A., & Bravo, E. (2012). La tragedia social y ecológica de la producción de agrocombustibles en el continente Americano, 2006(Pimentel 2003).
Arango, S. (2006). Essays on commodity cycles based on expanded Cobweb experiments of electricity markets. The University of Bergen.
Bach, N. L., & Saeed, K. (1992). Food self-sufficiency in Vietnam: A search for a viable solution. System Dynamics Review, 8(2), 129–148. doi:10.1002/sdr.4260080203
Barlas, Y. (1996). Formal aspects of model validity and validation in system dynamics. System Dynamics Review, 12(3), 183–210. doi:10.1002/(SICI)1099-1727(199623)12:3<183::AID-SDR103>3.0.CO;2-4
Barlas, Y., & Carpenter, S. (1990). Philosophical roots of model validation : two paradigms. System Dynamics Review, 6(2), 148–166.
Barrett, C. B. (2010). Measuring food insecurity. Science (New York, N.Y.), 327(5967), 825–8. doi:10.1126/science.1182768
Berrío, A. M. (2011). Modelo regional de producción y transporte de biocombustibles en Colombia. Universidad Nacional de Colombia.
Carr, E. (2006). Postmodern conceptualizations, modernist applications: Rethinking the role of society in food security. Food Policy, 31(1), 14–29.
CEPAL. (2004). Infraestructura, transporte e integración: La relación con el desarrollo productivo y la competitividad regional. Washington, DC: CEPAL.
Cohen, M. J., Tirado, C., Aberman, N.-L., & Thompson, B. (2008). Impact of Climate Change and Bioenergy on Nutrition. IFPRI and FAO, Rome.
82 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Consorcio Cue. (2012). Evaluación del ciclo de vida de la cadena de producción de
biocombustibles en Colombia. Retrieved from http://www.minminas.gov.co/documents/10180/488888/Capitulo_3_GIS_final.pdf/e4202204-a82b-4204-8012-9773ee6aee73
CORPOICA, IICA, & PROCIANDINO. (2010). La Agroenergía en la Región Andina: situación actual y perspectiva. Bogotá.
DANE. (2009). Proyecciones Nacionales y Departamentales de Población 2005-2020.
DANE. (2011). Información Estadística. Encuesta Continua de Hogares. Retrieved from http://www.dane.gov.co/index.php/mercado-laboral/empleo-y-desempleo
DANE. (2014a). Cuentas Nacionales Anuales de Colombia. Retrieved from http://www.dane.gov.co/index.php/es/pib-cuentas-nacionales/investigaciones-especiales/77-cuentas-nacionales/cuentas-anuales/5153-cuentas-de-bienes-y-servicios-base-2005
DANE. (2014b). ÍNDICE DE PRECIOS AL CONSUMIDOR -IPC-. Retrieved from http://www.dane.gov.co/index.php/es/indices-de-precios-y-costos/indice-de-precios-al-consumidor-ipc/111-boletines/indice-de-precios-y-costos/4972-comunicados-boletines-2006-2013-ipc
Davis, J. P., Eisenhardt, K. M., & Bingham, C. B. (2007). DEVELOPING THEORY THROUGH SIMULATION METHODS, 32(2), 480–499.
De Gorter, H., Drabik, D., & Just, D. R. (2013). How biofuels policies affect the level of grains and oilseed prices: Theory, models and evidence. Global Food Security, 2(2), 82–88. doi:10.1016/j.gfs.2013.04.005
De Gorter, H., & Just, D. R. (2010). The Social Costs and Benefits of Biofuels The Intersection of Environmental, Energy and Agricultural Policy. Applied Economic Perspectives and Policy, 32(1), 4–32.
Deaton, A., & Laroque, G. (1992). On the behaviour of commodity prices. Review of Economic Studies, 59, 1–24.
Demirbas, A. (2008). Biofuels sources, biofuel policy, biofuel economy and global biofuel projections. Energy Conversion and Management, 49(8), 2106–2116. doi:10.1016/j.enconman.2008.02.020
Demirbas, A. (2009). Political, economic and environmental impacts of biofuels: A review. Applied Energy, 86, S108–S117. doi:10.1016/j.apenergy.2009.04.036
Dimitri, C., & Effland, A. (2007). Fueling the automobile: An economic exploration of early adoption of gasoline over ethanol. Journal of Agricultural & Food Industrial Organization, 5, 1–17.
Bibliografía 83
DNP, & DANE. (2012). Niveles de pobreza y desigualdad con la nueva metodología. In Pobreza monetaria en Colombia: Nueva metodología y cifras 2002-2010 (pp. 57–64). Bogotá, Colombia: Dirección de Difusión, Mercadeo y Cultura Estadística del DANE.
Dyner, I. (1993). Dinámica de Sistemas y Simulación Continua en el Proceso de Planificación. Medellín: Copilito.
Dyner, I., Peña, G. E., & Arango, S. (2008). Modelamiento para la Simulación de Sistemas Socio-Económicos y Naturales (p. 385). Medellín: Universidad Nacional de Colombia Sede Medellín.
EIA. (2014). International Energy Statistics. Retrieved from http://www.eia.gov/cfapps/ipdbproject/iedindex3.cfm?tid=79&pid=79&aid=2&cid=regions&syid=2000&eyid=2011&unit=TBPD
Ericksen, P. J., Ingram, J. S. I., & Liverman, D. M. (2009). Food security and global environmental change: emerging challenges. Environmental Science & Policy, 12(4), 373–377. doi:10.1016/j.envsci.2009.04.007
Escobar, J. C., Lora, E. S., Venturini, O. J., Yáñez, E. E., Castillo, E. F., & Almazan, O. (2009). Biofuels: Environment, technology and food security. Renewable and Sustainable Energy Reviews, 13(6-7), 1275–1287. doi:10.1016/j.rser.2008.08.014
Falcon, W. P., & Naylor, R. L. (2005). Rethinking Food Security for the Twenty-First Century. American Journal of Agricultural Economics, 87(5), 1113–1127.
FAO. (1992). Biogas Processes for Sustainable Development. FAO Agricultural Services Bulletin #95. FAO, Rome.
FAO. (1994). Bioenergy for Development: Technical and Environmental Dimensions. Prepared by Woods, J., Hall, D.O. FAO Environment and Energy Paper #13. FAO, Rome.
FAO. (2003). In J. Bruinsma (Ed.), World Agriculture.Towards 2015/2030.An FAO Perspective.London: EarthscanPublications.
FAO. (2008). Bioenergy, Food Security and Sustainability: Towards an International Framework. High-Level Conference on Food Security: The Challenges of Climate Change and Bioenergy, Rome, 3–5 June 2008. HLC/08/ INF/3. FAO, Rome. FAO.
FAO. (2009). The state of food insecurity in the world. Economic crises - impacts and lessons learned. Rome: Communication Division.
FAO. (2012). La subnutrición en el mundo en 2012. Retrieved from http://www.fao.org/docrep/017/i3027s/i3027s02.pdf
FAO. (2013). Feeding the world. In FAO Statiscal Book 2013. World Food and Agriculture (pp. 123–199). Rome.
84 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
FAO. (2014). FAO Food Price Index. World Food Situation. Retrieved from
http://www.fao.org/worldfoodsituation/foodpricesindex/en/
FAO, FIDA, & PMA. (2013). El estado de la inseguridad alimentaria en el mundo. Las múltiples dimensiones de la seguridad alimentaria. Roma: FAO.
FAOSTAT. (2014). Production Indices. Retrieved from http://faostat.fao.org/site/612/DesktopDefault.aspx?PageID=612#ancor
Fedebiocombustibles. (2011). Mitos y Realidades de los Biocombustibles (pp. 1–26). Bogotá. Retrieved from http://www.fedebiocombustibles.com/files/REVISTA MITOS Y REALIDADES(2).pdf
Fedebiocombustibles. (2012). Cifras Informativas del Sector Biocombustibles.
Fedebiocombustibles. (2014a). Biodiesel de Palma de Aceite. Estadísticas. Retrieved from http://www.fedebiocombustibles.com/v3/estadistica-mostrar_info-titulo-Biodiesel.htm
Fedebiocombustibles. (2014b). Estadísticas Producción y Venta Alcohol Carburante (Etanol). Estadísticas. Retrieved from http://www.fedebiocombustibles.com/v3/estadistica-produccion-titulo-Alcohol_Carburante_(Etanol).htm
Fedebiocombustibles. (2014c). Estadísticas Producción y Venta Biodiesel. Estadísticas. Retrieved from http://www.fedebiocombustibles.com/v3/estadistica-produccion-titulo-Biodiesel.htm
Fedebiocombustibles. (2014d). Etanol Anhidro de Caña. Estadísticas. Retrieved from http://www.fedebiocombustibles.com/v3/estadistica-mostrar_info-titulo-Alcohol_Carburante_(Etanol).htm
Fedebiocombustibles. (2014e). Normatividad. Retrieved from http://www.fedebiocombustibles.com/v3/main-pagina-id-29.htm
Fedebiocombustibles. (2014f). Precios de Alcohol Carburante (Etanol). Estadísticas. Retrieved from http://www.fedebiocombustibles.com/v3/estadistica-precios-titulo-Alcohol_Carburante_(Etanol).htm
Fedebiocombustibles. (2014g). Precios del biodiesel. Estadísticas. Retrieved from http://www.fedebiocombustibles.com/v3/estadistica-precios-titulo-Biodiesel.htm
Fedebiocombustibles. (2014h). Preguntas Frecuentes de los Biocombustibles. ¿Cómo se distribuyen los biocombustibles en Colombia? Retrieved from http://www.fedebiocombustibles.com/v3/nota-web-id-923.htm#sthash.rz2DmFV2.dpuf
Bibliografía 85
FEDEGAN. (2013). Ganaderia Colombiana Sostenible. Retrieved April 10, 2015, from http://www.iica.int/Esp/regiones/andina/colombia/Documentos de la Oficina/TallerGanaderia/9 Andres ZuluagaTaller Política Ganadería.pdf
Fischer, G., Hizsnyik, E., Prieler, S., Shah, M., & van Velthuizen, H. (2009a). Biofuels and Food Security. Vienna, Austria: OFID IIASA.
Fischer, G., Hizsnyik, E., Prieler, S., Shah, M., & van Velthuizen, H. (2009b). Biofuels and food security. OFID and IIASA report (Vol. 1, pp. 1–223). International Institute for Applied Systems Analysis (IIASA) for OPEC Fund for International Development (OFID). doi:10.1111/j.1467-9353.2008.00425.x
Forrester, J. W. (1971). Counterintuitive behavior of social systems. Theory and Decision, 2(2), 109–140. doi:10.1016/S0040-1625(71)80001-X
Forrester, J. W., & Senge, P. (1980). Tests for building confidence in system dynamics models. TIMS Studies in the Management Sciences, 14, 209 – 228.
Friedman, D., & Cassar, A. (2004). Economic Lab: An Intensive Course in Experimental Economics (p. 233). London: Routledge.
García, H., & Calderón, L. (2012). Evaluación de la política de Biocombustibles en Colombia. Retrieved from http://www.fedesarrollo.org.co/wp-content/uploads/2011/08/Evaluación-de-la-política-de-Biocombustibles-en-Colombia.pdf
Garzón, S. C., & Hernández, C. (2009). Estudio comparativo para la producción de etanol entre Saccharomyces cerevisiae silvestre, Saccharomyces cerevisiae ATCC 9763 Y Candida utilis ATCC 9950. UNIVERSIDAD TECNOLÓGICA DE PEREIRA. Retrieved from http://recursosbiblioteca.utp.edu.co/tesisdigitales/texto/66182G245.pdf
Gerbens-Leenes, P., Nonhebel, S., & Krol, M. (2010). Food consumption patterns and economic growth.Increasing affluence and the use of natural resources. Appetite, 55(3), 597–608.
Giménez, E., & Peabody, L. (2008). From Food Rebellions to Food Sovereignty: Urgent call to fix a broken food system. Institute for Food and Development Policy, 14(1).
Giraldo, D., Arango, S., & Martínez, J. E. (2014). Efectos de los Biocombustibles en la Seguridad Alimentaria en Colombia: Una Aproximación Sistémica. Revista Facultad Nacional De Agronomía - Medellín, 67(2), 7375–7385.
Giraldo, D. P. (2013). Análisis de la dinámica de la seguridad alimentaria en un país en desarrollo -caso colombiano-. Universidad Pontificia Bolivariana.
Godfray, H. C. J., Beddington, J. R., Crute, I. R., Haddad, L., Lawrence, D., Muir, J. F., … Toulmin, C. (2010). Food security: the challenge of feeding 9 billion people. Science (New York, N.Y.), 327(5967), 812–8. doi:10.1126/science.1185383
86 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Goldstein, E., & Gutman, G. E. (2010). Biocombustibles y biotecnología . Contexto
internacional , situación en Argentina.
Headey, D., & Fan, S. (2010). Reflections on the Global Food Crisis: How Did It Happen? How Has It Hurt? And How Can We Prevent the Next One? (Research m.). Washington, DC: IFPRI.
Hoekstra, A., & Chapagain, A. K. (2007). Water footprints of nations.Water use by people as a function of their consumption pattern. Water Resource Management, 21(1), 35–48.
Horta, L. A., & Silva, R. (2013). Biofuels in Brazil: Evolution, achievements and perspectives on food security. Global Food Security, 2(2), 117–125. doi:10.1016/j.gfs.2013.04.001
ICBF. (2006). Encuesta Nacional de la Situación Nutricional de Colombia 2005 –ENSIN. Bogotá, Colombia: Oficina de comunicaciones.
ICBF. (2011). Encuesta Nacional de la Situación Nutricional en Colombia 2010 ENSIN. Bogotá, Colombia: Da vinci Editores & Cía. S N C.
IEA. (1997). Biomass Energy: Key Issues and Priority Needs. Conference Proceedings, 3–5 February 1997, Paris.
IEA. (2003). Power Generation Investment in Electricity Markets. International Energy Agency, OECD, 104 p.
IEA. (2006). Renewable Energy: RD&D Priorities – Insights from IEA Technology Programmes. IEA, Paris.
IICA. (2009). Crisis Alimentaria en América Latina y el Caribe. Propuesta de acciones a nivel regiona.
IICA. (2010). Atlas de la Agroenergía y los biocombustibles en las Américas. San José.
IPCC. (2001). Climate change 2001: synthesis report. In R. T. Watson & The Core Writing Team (Eds.), A Contribution of Working Groups I, II, and III to the Third Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, UK and New York: Cambridge University Press.
IPCC. (2007). Cambio climático 2007: Base de ciencia física. Contribución del Grupo I de trabajo al cuarto informe de evaluación del IPCC. Cambridge, UK and New York, USA: Cambridge University Press.
Janssen, R., & Rutz, D. D. (2011). Sustainability of biofuels in Latin America: Risks and opportunities. Energy Policy, 39(10), 5717–5725. doi:10.1016/j.enpol.2011.01.047
Bibliografía 87
Jürgens, I., Best, G., & Lipper, L. (2004). Bioenergy projects for climate change mitigation: eligibility, additionality and baselines. 2nd World Conference on Biomass for Energy, Industry and Climate Protection, 10–14 May 2004, Rome, Italy.
Kgathi, D. L., Mfundisi, K. B., Mmopelwa, G., & Mosepele, K. (2012). Potential impacts of biofuel development on food security in Botswana: A contribution to energy policy. Energy Policy, 43, 70–79. doi:10.1016/j.enpol.2011.12.027
Kim, G. R. (2009). Analysis of Global Food Market and Food-Energy Price Links - Based on System Dynamics Approach -. In 27th International Conference of the System Dynamics Society (pp. 1–18). Albuquerque, New Mexico, USA.
Knothe, G. (2001). Historical Perspective on vegatl oil- based diesel fuels. AOCS Inform, 12, 1103–1007.
Kovarik, B. (1998). Henry Ford, Charles Kettering and the Fuel of the Future. Automotive History Review, 32, 7–27.
Kuchler, M., & Linnér, B.-O. (2012). Challenging the food vs. fuel dilemma: Genealogical analysis of the biofuel discourse pursued by international organizations. Food Policy, 37(5), 581–588. doi:10.1016/j.foodpol.2012.06.005
Lambert, D. K., & Miljkovic, D. (2010). The sources of variability in U.S. food prices. Journal of Policy Modeling, 32(2), 210–222. doi:10.1016/j.jpolmod.2010.01.001
Latham, J. R. (2000). There’s enough food for everyone, but the poor can’t afford to buy it. Nature, 404(6775), 222.
Liao, W., Heijungs, R., & Huppes, G. (2012). Natural resource demand of global biofuels in the Anthropocene: A review. Renewable and Sustainable Energy Reviews, 16(1), 996–1003. doi:10.1016/j.rser.2011.09.022
Lomi, A., & Larsen, E. (1996). Interacting locally and evolving globally: A computational approach to the dynamics of organizational populations. Academy of Management Journal, 39, 1287–1321.
Mabee, W. E., Gregg, D. J., & Saddler, J. N. (2004). Ethanol from lignocellulosics: Views to implementation. IEA Bioenergy Task 39. IEA, Paris.
Matsumoto, N., Sano, D., & Elder, M. (2009). Biofuel initiatives in Japan: Strategies, policies, and future potential. Applied Energy, 86(2009), S69–S76. doi:10.1016/j.apenergy.2009.04.040
Meyer, S., & Thompson, W. (2010). Handbook of Bioenergy Economics and Policy, 133–148. doi:10.1007/978-1-4419-0369-3
Ministerio de Agricultura y Desarrollo Rural. (2012). Anuario Estadístico del Sector Agropecuario. Bogotá, Colombia: YER Impresos. Retrieved from http://agronet.gov.co/www/htm3b/anuario2012/index.html#page/1
88 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Ministerio de Minas y Energía. (2007). El programa de biocombustibles en Colombia.
Retrieved September 31, 2012, from http://www.minminas.gov.co/minminas/downloads/UserFiles/File/hidrocarburos/Programa.pdf
Ministerio de Minas y Energía. (2009). Biocombustibles fuentes de desarrollo sostenible para Colombia. Retrieved from http://www.minminas.gov.co/minminas/downloads/archivosEventos/4828.pdf
Ministerio de Minas y Energía. (2010). Transporte de Biocombustibles en Colombia. Retrieved from http://www.minminas.gov.co/minminas/downloads/archivosEventos/6403.pdf
Ministerio de Minas y Energía. (2011). Decreto 4892 del 23 de diciembre de 2011. Retrieved from http://www.minminas.gov.co/minminas/downloads/archivosSoporteRevistas/8302.pdf
Morecroft, J. (2007). Strategic Modelling and Business Dynamics: A Feedback Systems Approach (p. 464). John Wiley & Sons.
Naik, S. N., Goud, V. V., Rout, P. K., & Dalai, A. K. (2010). Production of first and second generation biofuels: A comprehensive review. Renewable and Sustainable Energy Reviews, 14(2), 578–597. doi:10.1016/j.rser.2009.10.003
Nigam, P. S., & Singh, A. (2011). Production of liquid biofuels from renewable resources. Progress in Energy and Combustion Science, 37(1), 52–68. doi:10.1016/j.pecs.2010.01.003
Nonhebel, S. (2005). Renewable energy and food supply: will there be enough land? Renewable and Sustainable Energy Reviews, 9(2), 191–201. doi:10.1016/j.rser.2004.02.003
Nonhebel, S. (2012). Global food supply and the impacts of increased use of biofuels. Energy, 37(1), 115–121. doi:10.1016/j.energy.2011.09.019
Oldeman, L. R., Hakkeling, R. T., & Sombroek, W. G. (1990). World map of the status of human-induced soil degradation: An Explanatory note. Wageningen, Netherlands.: ISRIC.
Peters, J., & Thielmann, S. (2008). Promoting biofuels: Implications for developing countries. Energy Policy, 36(4), 1538–1544. doi:10.1016/j.enpol.2008.01.013
Pineda, R., Pérez-Caldentey, E., & Titelman, D. (2009). The current financial crisis: old wine in new goatskins or is this time different for Latin America? Santiago: ECLAC.
Pruyt, E., & Sitter, G. De. (2008). “ Food or Energy ?” Is that the question ? In 26th International Conference of the System Dynamic Society (pp. 1–20).
Bibliografía 89
Rahmandad, H., & Sterman, J. (2004). Heterogeneity and Network Structure in the Dynamics of Diffusion: Comparing Agent-Based and Differential Equation Models. MIT Sloan Working Paper, 4512-04.
Rena, R. (2005). Challenges for Food Security in Eritrea: A Descriptive and Qualitative Analysis. African Development Review, 17(2), 193–212.
Restrepo, J. C. (2010). Una Política Integral de Tierras para Colombia. Bogotá.
Richardson, G., & Pugh, I. A. (1989). Introduction to system dynamics modeling. Waltham: Pegasus Communications.
Rosegrant, M., Paisner, M., Meijer, S., & Witcover, J. (2001). 2020 Global Food Outlook. Trends,Alternatives, and Choices. International Food Policy Research Institute. Washington,D.C, 18 p.
Rosillo-Calle, F., & Walter, A. (2006). Global market for bioethanol: historical trends and future prospects. Energy for Sustainable Development, 10(1), 20–32. doi:10.1016/S0973-0826(08)60504-9
Saeed, K. (1987). World Hunger: Do we understand it? System Dynamics Review, 3(1), 36–44.
Sandvik, S. (2008). Impacts of peak oil and food based biofuel production on long-term food security a dynamic policy model. University of Bergen.
Sandvik, S., Moxnes, E., & Group, S. D. (2008). Peak oil , biofuels , and long-term food security.
Senge, P. (1990). The Fifth Discipline: the art & practice of the learning organization. (Doubleday.).
Smith, A. (2011). An Inquiry Into the Nature and Causes of the Wealth of Nations. New York, NY: Cosimo, Inc.
Smith, M., Pointing, J., & Maxwell, S. (1992). Household Food Security, Concepts and Definitions: An annotated bibliography Brighton: IDS, University of Sussex.
Songstad, D. D., Lakshmanan, P., Chen, J., Gibbons, W., Hughes, S., & Nelson, R. (2009). Historical perspective of biofuels: learning from the past to rediscover the future. In Vitro Cellular & Developmental Biology - Plant, 45(3), 189–192. doi:10.1007/s11627-009-9218-6
Sorda, G., Banse, M., & Kemfert, C. (2010). An overview of biofuel policies across the world. Energy Policy, 38(11), 6977–6988. doi:10.1016/j.enpol.2010.06.066
Stephenne, N., & Lambin, E. (2001). A dynamic simulation model of land-use changes in the Sudano-Sahelian countries of Africa. Agriculture, Ecosystems and Environment, 85, 145–161.
90 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Sterman, J. D. (1984). Appropiate summary statistics for evaluating the historical fit of
system dynamics models.pdf. DYNAMICA, 10(2), 51–66.
Sterman, J. D. (1991). A Skeptic’s Guide to Computer Models. In G. P. RICHARDSON (Ed.), Modelling for Management. Aldershot, UK: Dartmouth Publishing Company.
Sterman, J. D. (2000). Business Dynamics (McGraw Hil.). New York.
Sterman, J. D. (2002). All models are wrong: reflections on becoming a systems scientist. System Dynamics Review, 18(4), 501–531. doi:10.1002/sdr.261
Stroh, D. (2009). A system view of the economic crisis. The Systems Thinker, 20(1), 10–12.
Thomson, A., & Metz, M. (1999). Implications of Economic Policy for Food Security: A Training Manual. Roma : FAO, 365 p.
Timilsina, G. R., Mevel, S., & Shrestha, A. (2011). Oil price, biofuels and food supply. Energy Policy, 39(12), 8098–8105. doi:10.1016/j.enpol.2011.10.004
Timmer, P., & Dawe, D. (2010). Food crises past, present (and future?) Will we ever learn? In D. Dawe (Ed.), The Rice Crisis: Markets, Polices and Food Security. London: Food and Agriculture Organization Rome and Earthscan Publishing.
UPME. (2010). Proyecciones de Demanda de Energía en Colombia. Retrieved from http://www.upme.gov.co/Docs/Energia/PROYECC_DEMANDA_ENERGIA_OCTUBRE_2010.pdf
Vennix, J. (1996). Group Model-Building: Facilitating Team Learning Using System Dynamics. Chichester: John Wiley & Sons.
Wiesenthal, T., Leduc, G., Christidis, P., Schade, B., Pelkmans, L., Govaerts, L., & Georgopoulos, P. (2009). Biofuel support policies in Europe: Lessons learnt for the long way ahead. Renewable and Sustainable Energy Reviews, 13(4), 789–800. doi:10.1016/j.rser.2008.01.011
WWF. (2007). Allocating scarce water. A WWF primer on water allocation, water rights and water markets.Godalming, UK.: WWF-UK,.
Zilberman, D., Hochman, G., Rajagopal, D., Sexton, S., & Timilsina, G. (2013). The Impact of Biofuels on Commodity Food Prices: Assessment of Findings. American Journal of Agricultural Economics, 95(2), 275–281. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&db=bth&AN=84950760&lang=es&site=ehost-live
A. Anexo: Datos adicionales de soporte a la descripción del problema.
Ecuación para el cálculo del ingreso al productor de biodiesel
El Ministerio de Minas y Energía definió en el decreto Nº 18 1966 del 24 de noviembre de
2011 la ecuación con la que se fijan los ingresos del productor de biodiesel, está
ecuación se muestra a continuación:
* ,( ) ( )-+ (33);
donde:
: Ingreso al productor del biocombustible por venta del biodiesel en condiciones
estándar.
: Precio internacional del aceite de palma ajustado por calidad expresado en dólares
por galón.
: Factor de producción eficiente del biocombustible correspondiente a factores de
producción de origen extranjero. (US$ /t) y fijado en 35 dólares por tonelada.
: Precio internacional del metanol.
: Factor de conversión de toneladas métricas a barriles. En este caso son (7, 217
barriles por tonelada métrica).
: Factor de conversión de barril a galón
92 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
: Promedio de la tasa representativa del mercado, vigente para los cinco días hábiles
anteriores a la fecha del cálculo.
: Factor de producción eficiente del biocombustible correspondiente a factores de
producción de origen colombiano y expresado en pesos colombianos por tonelada de
biocombustible ($/t).
Ecuación para el cálculo del ingreso al productor de etanol en Colombia
El Ministerio de Minas y Energía mediante la resolución Nº 180643 del 27 de abril de
2012 definió la ecuación que permite el cálculo del precio del alcohol carburante,
mostrada a continuación.
( ) ( ( ) ) ( )
( ) (34);
donde:
( ): Valor equivalente del alcohol carburante, expresado en pesos por galón, para el
periodo t.
( ): Promedio móvil de las cotizaciones de cierre de la posición más cercana del
azúcar blanco refinado, correspondiente al Contrato No. 5 de la Bolsa de Londres en los
anteriores 6 meses, expresado en dólares por tonelada (US$ /Ton).
: Son los gastos de exportación promedio del azúcar refinado. Fijado en 26 US$ / Ton.
( ) : Flete de transporte promedio del azúcar refinado entre el centro de producción y
el puerto de exportación (Cali-Buenaventura), el cual se fija a partir del SICETAC.
: Promedio de la tasa representativa del mercado, vigente para los 25 días hábiles
anteriores a la fecha del cálculo.
: Factor de producción entre producción de etanol por quintal de ázucar. 29.22
litros/quintal.
Anexo A: Datos adicionales de soporte a la descripción del problema 93
: Factor de corrección por menor recuperación de sacarosa. 0.97 litros / quintal.
: Factor asociado a los costos de transformación del azúcar en etanol anhidro. 6.378
litros/quintal.
: Factor asociado al ahorro de los costos de refinación y blanqueo del azúcar. 2.025
litros/quintal.
: Factor de conversión entre quintales de azúcar y toneladas de azúcar, el cual es de
veinte (20).
: Factor de conversión de galones a litros. (3.785).
Es el ahorro en pesos por galón ($/galón), que se obtiene al utilizar la vinaza
generada en el proceso de producción del alcohol carburante dentro de las actividades
agrícolas para la obtención de las respectivas materias primas. Fijado en (22.39) pesos
por galón.
94 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Figura A - 1. Evolución de los índices de precios anuales de la FAO de grupos de productos
alimenticios básicos
Fuente (FAO, 2014)
Figura A - 2. Número de cabezas de res y búfalo en el mundo en millones. 1990-2010
Fuente (FAO, 2013)
0
50
100
150
200
250
300
350
400
Indice Prom
Carne
Lácteos
Cereales
Aceites
Ázucar
13500,00
14000,00
14500,00
15000,00
15500,00
16000,00
16500,00
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010
Anexo A: Datos adicionales de soporte a la descripción del problema 95
Tabla A - 1. Políticas públicas para afrontar la inseguridad alimentaria en países de ALC
País Políticas
México Liberalización de importaciones, control de precios y subsidio a los insumos
Rep. Dominicana Subsidio a los insumos
Costa Rica Subsidio a los insumos
El Salvador Liberalización de importaciones y subsidio a los insumos
Guatemala Liberalización de importaciones y subsidio a los insumos
Honduras Liberalización de importaciones, subsidio a los insumos, control de precios
y control del stock
Nicaragua Liberalización de importaciones, subsidio a los insumos, reducción en el
IVA, subsidio a los precios del consumidor
Panamá Control de precios
Argentina Restricción de importaciones, impuestos a las exportaciones y control de
precios
Bolivia Restricción de importaciones, liberalización de importaciones, subsidios a
los insumos, control de precios y subsidio a los precios del consumidor
Brasil Liberalización de las importaciones, control del stock
Chile Subsidio a los insumos
Colombia Control de stock
Ecuador Restricción de exportaciones, subsidio en los insumos, control de precios,
reducción en el IVA, subsidio a los precios del consumidor
Paraguay Liberalización de importaciones y control de precios
Perú Liberalización de importaciones
Uruguay Liberalización de importaciones, control de precios y reducción en el IVA
Venezuela Reducción en el IVA y subsidio a los precios del consumidor
Fuente (IICA, 2009)
96 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Tabla A - 2. Políticas públicas en torno a los biocombustibles en el mundo.
País Política
China Impuso una meta de 10 millones de toneladas
de etanol y de 2 millones de toneladas de
biodiesel para 2020.
El precio del bioetanol está controlado por el
gobierno.
Japón Se introdujo mezclas en la gasolina en el 2007.
Reducción de impuestos en la importación.
Exenciones en los impuestos para el bioetanol.
Ayudas financieras para biocombustibles de 2°
y 3° generación.
Australia Subsidios para los programas de
biocombustibles, reflejados en dinero por cada
litro producido.
Niveles de producción fijado por el gobierno.
Cada ciudad fija los porcentajes de mezcla en
los combustibles fósiles.
Unión Europea Reducción en los impuestos
Fijación de la reducción de los niveles de GHG
para el transporte para el 2020.
Los cultivos están subsidiados.
Canadá Mezclas obligatorias desde 2012 E5 para
gasolina motor y E2 para el diésel.
Exenciones tributarias para el etanol.
Algunas provincias tienen reducción en los
impuestos de venta en los combustibles.
Cambio de reducción de impuestos por pago a
los productores.
Anexo A: Datos adicionales de soporte a la descripción del problema 97
Estados Unidos Subsidios volumétricos.
Impuestos especiales en los créditos fiscales
para el biodiesel y bioetanol.
Meta de reducción en el consumo de la
gasolina motor en 30% para el 2030
(comparado con el nivel de 2004).
Protección de la industria nacional con
impuestos a la importación.
Argentina Mezclas de E5 para el etanol desde 2010.
Precios controlados.
Ayudas financieras para la producción para el
mercado interno.
Brasil Brasil lleva un programa nacional de etanol
desde 1975, por lo que es el más competitivo
en función del precio. Mercado abierto.
Mezclas de E25 en etanol.
Fuente (Sorda et al., 2010; Wiesenthal et al., 2009)
Tabla A - 3. Capacidad de producción biodiesel por empresa
Empresa Capacidad (gal/año)
Año de entrada de Operación
Oleoflores 18.180.000 2008
Ecodiésel S.A 34.845.000 2009
Romil de la Costa 3.030.000 2012
Odin Energía 10.908.000 2013
Biodiesel de la Costa 3.030.000 2012
Biocombustibles sostenibles del caribe 30.300.000 2009
Bio D 34.845.000 2009
Ecodiesel de Colombia 36.360.000 2008
Biocastilla 4.545.000 2014
Aceites Manuelita 36.360.000 2009
Fuente Fedebiocombustibles (2014)
98 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Tabla A - 4. Plantas productoras de etanol en Colombia.
Empresa Capacidad (l/día)
Incauca 350.000
Providencia 300.000
Manuelita 250.000
Mayagüez 250.000
Ingenio Risaralda 100.000
GPC 25.000
Fuente Fedebiocombustibles (2014)
Tabla A - 5. Normativa colombiana con respecto a los biocombustibles
Biocombustible Normativa Contenido regulatorio
Biodiesel Resolución
90963 de 2014
Criterios de calidad de los biocombustibles para el uso en
motores diésel (mezcla con diésel fósil).
Biodiesel y
bioetanol
Ley 1715 de
2014
Regulación para la integración de las energías renovables
no convencionales en el Sistema Energético Nacional.
Biodiesel Resolución
91664 de 2012
Modificación en la mezcla de biocombustibles para
motores diésel.
Biodiesel y
bioetanol
Decreto 4892 de
2011
Se regula el uso de alcoholes carburantes y
biocombustibles para uso en el sector automotor.
Biodiesel Decreto 181556
de 2010
Establece la estructura de precios de ACPM y la mezcla
de biocombustibles para uso en motores diésel.
Biodiesel Resolución
181120 de 2010
Modificación en la mezcla de biocombustibles para
motores diésel.
Biodiesel Concepto 87246
de 2009
Reducción en la retención en la fuente en la renta con
respecto de los biocombustibles
Biodiesel Decreto 180462
de 2009
Establece disposiciones con respecto a la estructura de
precios de ACPM y la mezcla con biocombustibles
Biodiesel y
bioetanol
Conpes 3510 de
2008
Lineamientos de la política para la promoción de la
producción sostenible de biocombustibles
Biodiesel Resolución
182142 de 2007
Normativa que regula el registro de productores y/o
importadores de biocombustibles para motores diésel.
Biodiesel Resolución
182087 de 2007
Modificación en los criterios de calidad de los
biocombustibles para uso en motores diésel.
Anexo A: Datos adicionales de soporte a la descripción del problema 99
Bioetanol Resolución
90932 de 2013
Establece el % de mezcla de alcohol carburante con la
gasolina (E10).
Bioetanol Resolución
181555 de 2010
Modificación en la estructura de precios de la gasolina
motor corriente y corriente oxigenada.
Bioetanol Decreto 1135 de
2009
Modificación de los lineamientos para el uso de alcoholes
carburantes en el país para los vehículos automotores
que usen gasolina.
Bioetanol Resolución 2200
de 2005
Modificación de los criterios ambientales de calidad de los
combustibles líquidos y sólidos.
Bioetanol Resolución
180687 de 2003
Regulación técnica en la producción, acopio, distribución
y puntos de mezcla de alcoholes carburantes.
Fuente. Adaptado de (Fedebiocombustibles, 2014e)
B. Anexo: Parámetros, ecuaciones del modelo y diagrama de flujos y niveles del modelo.
Tabla B- 1. Definición de variables y parámetros del modelo.
Nombre Variable
Unidad Definición
Adecuacion ha/year min(cambio deseado en la tierra,Tierra potencial arable)/tiempo promedio de conversion tierra
agricultural land share
dmnl 1-capital share-labor share
alfa dmnl 0,8
Arancel Maiz
dmnl (IF THEN ELSE(cif maiz(Time)<=300, 0.42, (IF THEN ELSE(cif maiz(Time)<=355, 0.08,-0.34))))
Arancel Soya
dmnl (IF THEN ELSE(cif soya(Time)<=100, 1.13, (IF THEN ELSE(cif soya(Time)<=255, 0.31,0))))
Arancel Trigo
dmnl IF THEN ELSE(cif trigo(Time)<=300, 0.51, (IF THEN ELSE(cif trigo(Time)<=477, 0.13,0)))
area irrigada
ha Tierra en uso agricola*porcentaje de area con mejoras en riego y draje
Área máxima caña
ha 1,92E+07
Área Máxima Palma
ha 1,53E+07
Área Necesaria para suplir demanda de Caña
ha/year Área para suplir demanda ázucar+Hectareas Necesarias de Caña para suplir déficit
Área necesaria para suplir demanda de palma
ha/year Área para suplir demanda materia prima palma+Hectareas Necesarias de Palma
102 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Área para suplir demanda ázucar
ha/year ((IF THEN ELSE(Rentabilidad Exportación Ázucar<0.11,Demanda Interna Ázucar,IF THEN ELSE(Rentabilidad Exportación Ázucar>=0.11 :AND: Rentabilidad Exportación Ázucar<=0.3,Demanda Interna Ázucar*1.05,Demanda Interna Ázucar*1.1)))/0.101)/Rendimiento por Hectárea Caña
Área para suplir demanda materia prima palma
ha/year ((IF THEN ELSE(Rentabilidad Exportación Productos Palma<0.11,Demanda Interna Productos Palma(Time)+Exportación Productos de Palma,IF THEN ELSE(Rentabilidad Exportación Productos Palma>=0.11 :AND: Rentabilidad Exportación Productos Palma<=0.3,Demanda Interna Productos Palma(Time)*1.1+Exportación Productos de Palma,Demanda Interna Productos Palma(Time)*1.3+Exportación Productos de Palma)))/0.22)/Rendimiento por Hectárea Palma
beta dmnl 0,7
brecha alimentaria1
ton granos equiv/year
MAX(demanda total de alimentos-disponibilidad productos alimentarios,0)
Cambio millones $/year
otros ingresos*tasa de crecimiento otros ingresos
Cambio Cuotas Biodiesel
dmnl/year IF THEN ELSE (Time<=2014,Cuotas biodiesel planeada(Time)-Cuotas de Mezcla Biodiesel,IF THEN ELSE(Cubrimiento de Cuotas Biodiesel/Cuotas de Mezcla Biodiesel>0.7,Cuotas biodiesel planeada(Time)-Cuotas de Mezcla Biodiesel,0))
Cambio Cuotas Bioetanol
dmnl/year IF THEN ELSE(Cubrimiento de Cuotas Bioetanol/Cuotas de Mezcla Bioetanol>0.7,Cuotas etanol planeada(Time)-Cuotas de Mezcla Bioetanol,0)
cambio de uso
ha/year Tierra potencial arable*tasa de cambio de uso
cambio deseado en la tierra
Ha (brecha alimentaria1*porcentaje de adecuación de la tierra/rendimiento)*precios relativos de los alimentos^elasticidad del uso de la tierra a precios alimentos
Capacidad a construir Biodiesel
barril biodiesel/year
IF THEN ELSE(Time >2005:AND:Time<=2013, Plantas Biodiesel Históricas(Time),Inversión en Capacidad Biodiesel)
Capacidad a construir Bioetanol
barril bioetanol/year
IF THEN ELSE(Time >=2002:AND:Time<=2010, Plantas construidas históricas(Time),Inversión en Capacidad Bioetanol)
Capacidad deseada Biodiesel
barril biodiesel/year
IF THEN ELSE(Rentabilidad Biodiesel<0.11,0,IF THEN ELSE(Rentabilidad Biodiesel>=0.11:AND:Rentabilidad Biodiesel<=0.3,360000,IF THEN ELSE(Rentabilidad Biodiesel>0.3:AND:Rentabilidad Biodiesel<=0.5,720000,IF THEN ELSE(Rentabilidad Biodiesel>0.5:AND:Rentabilidad Biodiesel<=0.7,1.44e+006,2.88e+006))))
Capacidad deseada Bioetanol
barril bioetanol/year
IF THEN ELSE(Rentabilidad Bioetanol<0.11,0,IF THEN ELSE(Rentabilidad Bioetanol>=0.11:AND:Rentabilidad Bioetanol<=0.3,107000,IF THEN ELSE(Rentabilidad Bioetanol>0.3:AND:Rentabilidad Bioetanol<=0.5,322000,IF THEN ELSE(Rentabilidad Bioetanol>0.5:AND:Rentabilidad Bioetanol<=0.7,645000,1.289e+006))))
Capacidad en Construcción Biodiesel(0)
barril biodiesel
0
Capacidad barril 0
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
103
en Construcción Bioetanol(0)
bioetanol
Capacidad Instalada de Biodiesel(0)
barril biodiesel
0
Capacidad Instalada de Bioetanol(0)
barril bioetanol
0
Capacidad Instalada Obsoleta Biodiesel
barril biodiesel/year
Nueva Capacidad Instalada Biodiesel,Vida Útil Plantas Biodiesel,0
Capacidad Instalada Obsoleta Bioetanol
barril bioetanol/year
Nueva Capacidad Instalada Bioetanol , Vida Útil Plantas Bioetanol , 0
Capital(0) millones $ Capital inicial
capital inicial
millones $ 348000
capital share
dmnl 0,25
coeficiente GINI
dmnlo coeficiente GINI time series(Time)
consumo interno poblacion
ton granos equiv/year
Poblacion*consumo interno real pc(Time)
consumo minimo requerido pc
ton granos equiv/(year*person)
0,18
Conversión a biomasa
ha/year Has
Conversión a vocación alimentaria
ha/year Hac
Corte ha/year IF THEN ELSE(Time<=2002,Corte Histórico(Time),CorteR)
Corte Caña ha/year IF THEN ELSE(Time=2008,178000,DELAY1(Siembra de Caña de Ázucar,Tiempo de Corte))
CorteR ha/year Maduración,Tiempo Productivo Palma,5793
Costo de producción ázucar
$/ton IF THEN ELSE(Rendimiento por Hectárea Caña<=120,358,IF THEN ELSE(Rendimiento por Hectárea Caña<=99.26,414,IF THEN ELSE(Rendimiento por Hectárea Caña<=80.35,490,572)))
Costo Inicial de Producción Biodiesel
$/barril biodiesel
23,3
Costo Inicial de Producción Etanol
$/ barril bioetanol
30,16
104 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Costo Total Aceite
$/ton IF THEN ELSE(Rendimiento por Hectárea Palma> 0 :AND:Rendimiento por Hectárea Palma<=13.94,887.2,IF THEN ELSE(Rendimiento por Hectárea Palma>13.94 :AND: Rendimiento por Hectárea Palma<=17.07,774.2,IF THEN ELSE(Rendimiento por Hectárea Palma>17.07:AND:Rendimiento por Hectárea Palma<=21.28,619.2,IF THEN ELSE(Rendimiento por Hectárea Palma>21.28:AND:Rendimiento por Hectárea Palma<=25,543,0))))
Costos de Producción Biodiesel
$/barril biodiesel
IF THEN ELSE((Producción Acumulada Biodiesel/1.17236e+006)<1,120,((Costo Inicial de Producción Biodiesel*((Producción Acumulada Biodiesel/1.17236e+006)^(-0.074)))+Costos Materia Prima Biodiesel))
Costos Materia Prima Biodiesel
$/barril biodiesel
IF THEN ELSE(Rendimiento por Hectárea Palma=25,93,IF THEN ELSE(Rendimiento por Hectárea Palma=21.28,95.8,IF THEN ELSE(Rendimiento por Hectárea Palma=17.07,136.1,167)))
Costos MP Etanol
$/barril bioetanol
IF THEN ELSE(Rendimiento por Hectárea Caña<=120,47,IF THEN ELSE(Rendimiento por Hectárea Caña<=99.26,52,IF THEN ELSE(Rendimiento por Hectárea Caña<=80.35,57,63)))
Costos Totales de producción Bioetanol
$/barril bioetanol
IF THEN ELSE((Producción Acumulada Bioetanol/1.6012e+006)<1,78,((Costo Inicial de Producción Etanol*((Producción Acumulada Bioetanol/1.8712e+006)^(-0.152)))+Costos MP Etanol))
Cubrimiento de Cuotas Biodiesel
Dmnl Producción Biodiesel/Demanda Diesel(Time)
Cubrimiento de Cuotas Bioetanol
Dmnl Producción Bioetanol/Demanda Gasolina(Tima)
cubrimiento de importaciones
Dmnl cubrimiento inicial de importaciones a la brecha alim*relative food import prices^elasticidad de la importación a los precios
cubrimiento inicial de importaciones a la brecha alim
Dmnl 1
Cuotas de Mezcla Biodiesel(0)
Dmnl 0
Cuotas de Mezcla Bioetanol(0)
Dmnl 0
Deficit Biodiesel
barril biodiesel/year
MAX(Demanda Biodiesel-Producción Biodiesel,0)
Deficit Bioetanol
barril bioetanol/year
MAX(Demanda Etanol-Producción Bioetanol,0)
Deficit potencial Biodiesel
barril biodiesel/year
MAX(Demanda Etanol-Producción Potencial Bioetanol,0)
Deficit potencial
barril bioetanol/
MAX(Demanda Etanol-Producción Potencial Bioetanol,0)
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
105
Bioetanol year
Demanda Biodiesel
barril biodiesel/year
Cuotas de Mezcla Biodiesel*Demanda Diesel(Time)
Demanda Etanol
barril bioetanol/year
IF THEN ELSE(Time<2005,0,Cuotas de Mezcla Bioetanol*Demanda Gasolina(Time))
Demanda Interna Ázucar
ton azucar/years
Poblacion*0,036
demanda total de alimentos
ton granos equiv/year
porcentaje de demanda otros usos(Time)*disponibilidad productos alimentarios+consumo interno poblacion
desired stock coverage
year 0,5
disponibilidad alimentaria pc
ton granos equiv/(year*person)
disponibilidad productos alimentarios*(1-porcentaje de demanda otros usos(Time))/Poblacion
disponibilidad productos alimentarios
ton granos equiv/year
Productos agricultura*(1-porcentaje de productos no alimentarios)+importaciones realizadas
efecto de la expectativa de vida sobre las muertes
Dmnl efecto de expectativa de vida sobre la tasa de mortalidad tabla(expectativa de vida)
efecto de la irrigacion sobre la tierra
dmnl/year relative irrigation/vida promedio tierra en agricultura
efecto de los alimentos sobre expectativa de vida
Dmnl efecto de la suficiencia alim sobre la expectativa de vida tabla(proporcion de suficiencia alimentaria)
efecto del acceso a los alimentos a la expectativa de vida
Dmnl (proporcion de poblacion vulnerable al acceso de NBA/proporción inicial de población vulnerable al acceso de NBA)^elasticidad de tasa de muerte a la disponibilidad de alimentos
efecto del acceso a los alimentos en la productividad laboral
Dmnl (proporcion de poblacion vulnerable al acceso de NBA/proporción inicial de población vulnerable al acceso de NBA)^elasticidad de ftp a la disponibilidad de alimentos
effect of Dmnl delay n(precio relativo combustible^elasticidad de ftp a los precios del
106 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
average oil price on tfp
combustible,time for oil price changes to affect tfp,1,1)
effect of irrigation on tfp
Dmnl relative irrigation^elasticidad de ftp a la irrigacion
effect of roads infraestructure on tfp
Dmnl relative road density^elasticidad de ftp a la infraestructura vial
effecto of trainning on tfp
Dmnl relative trainning^elasticidad de ftp a la capacitacion
elasticidad de ftp a la capacitacion
Dmnl 0,11
elasticidad de ftp a la disponibilidad de alimentos
Dmnl -0,1
elasticidad de ftp a la infraestructura vial
Dmnl 0,07
elasticidad de ftp a la irrigacion
Dmnl 0,5
elasticidad de ftp a los precios del combustible
Dmnl 0,5
elasticidad de la importación a los precios
Dmnl -0,5
elasticidad de la linea de pobreza a los precios de alimentos
Dmnl 1,5
elasticidad de tasa de muerte a la disponibilidad de alimentos
Dmnl -0,025
elasticidad del uso de la tierra a precios alimentos
Dmnl 0,5
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
107
elasticidad demanda de alimentos a los precios
Dmnl -0,37
elasticidad demanda de alimentos al ingreso
dmnl 0,02
elasticidad precio alimentos al cubrimiento del inventario
Dmnl -0,5
Excedente Producción Caña
Ton caña/year
MAX(Producción de Materia Prima de Caña-(Demanda Interna Ázucar/0.101),0)
Excedente Producción Palma
Ton/year MAX((Producción Materia Prima Palma de Aceite*0.22)-Demanda Interna Productos Palma(Time),0)
expectativa de vida
Year expectativa de vida normal*efecto de los alimentos sobre expectativa de vida*efecto del acceso a los alimentos a la expectativa de vida
expectativa de vida normal
Year 71
exportaciones
ton granos equiv/year
Productos agricultura*tasa de exportacion
Exportación Ázucar
ton azúcar/yeyé
Excedente Producción Caña*(0.101)*(1-Rentabilidad Relativa Bioetanol frente a Exportación)
Exportación Productos de Palma
Ton/year Excedente Producción Palma*(1-Rentabilidad Relativa Biodiesel frente a Exportación)
Factor dmnl/year 1
factor total de productividad ftp
Dmnl efecto del acceso a los alimentos en la productividad laboral*effect of roads infraestructure on tfp*effecto of trainning on tfp*effect of irrigation on tfp*effect of average oil price on tfp
food import prices
USD/ton granos equiv
(cif soya(Time)*participación soya+cif maiz(Time)*participación maíz+cif trigo(Time)*participación trigo)
fraccion de degradacion de la tierra
dmnl/year efecto de la irrigacion sobre la tierra+fraccion normal de degradacion de la tierra
fraccion normal de degradacion de la tierra
dmnl/year 0,0001
fuerza laboral
Person proporcion de fuerza laboral rural*Poblacion
fuerza person fuerza laboral
108 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
laboral inicial
Ha(0) ha 0
Hac ha/year IF THEN ELSE(Time=2005,0,MAX(Ha-Hectáreas cultivadas de biomasa,0))
Has ha/year IF THEN ELSE(Time=2005,Hectáreas cultivadas de biomasa,MAX(Hectáreas cultivadas de biomasa-Ha,0))
Hectareas en Desarrollo Palma de Aceite(0)
Ha 45397
Hectareas Necesarias de Caña para suplir déficit
ha/year ((((Deficit Bioetanol+Producción Potencial Bioetanol)/7.97186)/0.046)/Rendimiento por Hectárea Caña)
Hectareas Necesarias de Palma
ha/year ((Deficit Biodiesel+Producción Potencial Biodiesel)/(7.189*0.203))/Rendimiento por Hectárea Palma
Hectareas Sembradas de Caña de Ázucar(0)
Ha 152427
Hectáreas cultivadas de biomasa
ha/year ((((Producción Bioetanol)/7.97186)/0.046)/Rendimiento por Hectárea Caña)+((Producción Biodiesel)/(7.189*0.203))/Rendimiento por Hectárea Palma
Hectáreas en Producción Palma de Aceite
Ha 65982
Importaciones de alimentos(0)
ton granos equiv
1170000
importaciones por hacer
ton granos equiv/year
brecha alimentaria1*cubrimiento de importaciones/tiempo de ajuste de importaciones+importaciones(Time)
importaciones realizadas
ton granos equiv/year
Importaciones de alimentos*factor
income class around poverty[incclass]
Dmnl IF THEN ELSE((income class level[incclass]>poverty line):AND:(income class level[incclass]<(poverty line + income class size)), income distribution area[incclass] *(poverty line - (income class level[incclass]-income class size))/income class size, 0)
income class below poverty[incclass]
Dmnl IF THEN ELSE(income class level[incclass] <= poverty line, income distribution area[incclass], 0)
income class level[incclass]
Dmnl income class size *incclass
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
109
income class size
Dmnl initial income class size *relative real pc income in ppp
income distribution[incclass]
Dmnl (1/(income class level[incclass]*std dev of normal*(2*pi)^0.5))*EXP(-((LN(income class level[incclass]) -mean of normal)^2)/(2*std dev of normal^2))
income distribution area[incclass]
Dmnl income distribution[incclass not first] -(income distribution[incclass not first] -vector elm map(income distribution[incclass not first],-1) )/2
ingreso de referencia
millones $/person
1
ingreso medio pc
millones $/person
valor produccion agricultura+otros ingresos)/Poblacion
ingreso medio pc inicial
millones $/person
0,75
ingreso medio percibido pc
millones $/person
mooth n(ingreso medio pc, tiempo cambio en ingreso afecte acceso a alimentos, ingreso medio pc inicial, 1)
initial agriculture land
Ha tierra en uso agropecuario
initial food import prices
USD/ton granos equiv
food import prices
initial income class size
Dmnl 0,2
initial irrigated area
Ha area irrigada
initial oil price
USD/barril average oil market proce(Time)
initial real pc income in ppp
Dmnl real pc income
inversion real
millones $/year
Capital*tasa de crecimiento del capital
Inversión en Capacidad Biodiesel
barril biodiesel/year
min(IF THEN ELSE(Deficit potencial Biodiesel=0,0,IF THEN ELSE(Deficit potencial Biodiesel>0 :AND:Deficit potencial Biodiesel<=360000,360000,IF THEN ELSE(Deficit potencial Biodiesel>360000 :AND: Deficit potencial Biodiesel<=720000,720000,IF THEN ELSE(Deficit potencial Biodiesel>720000 :AND: Deficit potencial Biodiesel<=1.44e+006,1.44e+006,2.88e+006)))),Capacidad deseada Biodiesel)
Inversión en Capacidad Bioetanol
barril bioetanol year
min(IF THEN ELSE(Deficit potencial Bioetanol=0,0,IF THEN ELSE(Deficit potencial Bioetanol>0 :AND:Deficit potencial Bioetanol<=107000,107000,IF THEN ELSE(Deficit potencial Bioetanol>107000 :AND: Deficit potencial Bioetanol<=322000,322000,IF THEN ELSE(Deficit potencial Bioetanol>645000 :AND: Deficit potencial Bioetanol<=1.44e+006,645000,1.44e+006)))),Capacidad deseada Bioetanol)
110 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
labor share dmnl 0,6
linea de pobreza
millones $/person
linea de pobreza de referencia(Time)*(precios percibidos de los alimentos/precio alimentario de referencia)^elasticidad de la linea de pobreza a los precios de alimentos
linea de pobreza relativa
Dmnl linea de probreza/ingreso de referencia
Maduración ha/year IF THEN ELSE(Time<=2002,Maduración Histórica(Time),IF THEN ELSE(Time>2002:AND:Time<=2005,16000,MaduraciónR))
MaduraciónR
ha/year DELAY FIXED(Siembra de Palma de Aceite,Tiempo de Maduración,0))
mean of normal
Dmnl LN(real pc income^2) - LN(variance of per capita income + real pc income^2)/2
mt de vias iniciales por km2 superficie
mt/km2 mt de vias por km2 superficie
mt de vias por km2 superficie
mt/km2 100
Muertes person/yeyé
Poblacion*(tasa cruda de referencia de mortalidad*(1+efecto de la expectativa de vida sobre las muertes))
Nacimiento person/yeyé
Poblacion*tasa cruda de nacimiento(Time)
Nueva Capacidad Instalada Biodiesel
barril biodiesel/year
DELAY FIXED( Capacidad a construir Biodiesel,Tiempo de Construcción Planta,0)
Nueva Capacidad Instalada Bioetanol
barril bioetanol/year
DELAY FIXED( Capacidad a construir Bioetanol, Tiempo Construcciòn Planta, 0)
otros ingresos
millones $ 2452600
otros2 USD/ton granos equiv
36
otros3 $/ton grano equiv
100000
participación maíz
Dmnl 0,6
participación soya
Dmnl 0,1
participación trigo
Dmnl 0,3
perdidas en cosecha
Dmnl 0,1
personas iniciales capacitadas
person/yeyé
promedio de personas capacitadas
Pi Dmnl 3,14159
Poblacion Person población inicial
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
111
poblacion inicial
Person 33204000
poblacion rural
Person Poblacion*porcentaje de poblacion rural(Time)
porcentaje de adecuación de la tierra
Dmnl 1
porcentaje de area con mejoras en riego y draje
Dmnl 0,13
porcentaje de fincas capacitadas
dmnl/year 0,08
porcentaje de productos no alimentarios
dmnl/year 0,07
porcentaje de subutilizacion
dmnl 0
poverty line dmnl linea de probreza relativa
precio alimentario de referencia
$/ton granos equiv
118985
precio alimentos ponderado
$/ton granos equiv
(precios domésticos de los alimentos*ventas domesticas+precio de importacion*importaciones realizadas)/(ventas domesticas+importaciones realizadas)
Precio Biodiesel
USD/barril biodiesel
151,2
precio con arancel
USD/ton granos equiv
cif maiz(Time)*(1+Arancel Maiz)*participación maíz+cif trigo(Time)*(1+Arancel Trigo)*participación trigo+cif soya(Time)*(1+Arancel Soya)*participación soya
precio de importacion
$/ton granos equiv
(((precio con arancel+otros2)*TRM(Time))+otros3)
Precio Etanol
USD/barril bioetanol
((((Precio Internacional del Ázucar-53)/(477.94))*3.785)+0.008)*42
Precio Internacional Aceite
USD/ton 653
Precio Internacional del Ázucar
USD/ton 400
precio relativo combustible
dmnl average oil market price(Time)/initial oil price
precios domésticos
$/ton granos
precio alimentario de referencia*((Productos agricultura/ventas domesticas)/desired stock coverage)^elasticidad precio alimentos al
112 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
de los alimentos
equiv cubrimiento del inventario
precios percibidos de los alimentos
$/ton granos equiv
smooth n(precio alimentos ponderado, tiempo para percibir cambios en los precios de los alimentos, precio alimentario de referencia, 1)
precios relativos de los alimentos
Dmnl precios percibidos de los alimentos/precio alimentario de referencia
produccion de la agricultura
ton granos equiv/year
(produccion inicial de la agricultura*producción relativa agricultura*(1-perdidas en cosecha))
produccion inicial de la agricultura
ton granos equiv/year
17000000
Producción Acumulada Biodiesel
barriles biodiesel
0
Producción Acumulada Bioetanol
barriles bioetanol
0
Producción Anual Biodiesel
barriles biodiesel/year
Producción Biodiesel
Producción Anual Bioetanol
barriles bioetanol/year
Producción Bioetanol
Producción Biodiesel
barriles biodiesel/year
min(Capacidad Instalada de Biodiesel,Producción Equivalente Biodiesel)
Producción Bioetanol
barriles bioetanol/year
min(Capacidad Instalada de Bioetanol,Producción Equivalente Bioetanol)
Producción de Materia Prima de Caña
Ton caña/year
Corte Caña*Rendimiento por Hectárea Caña
Producción Equivalente Biodiesel
barriles biodiesel/year
(Excedente ProducciónPalma/0.22)*(0.203)*(7.189)*Rentabilidad Relativa Biodiesel frente a Exportación)
Producción Equivalente Bioetanol
barriles bioetanol/year
Excedente Producción Caña*(0.046)*(7.97186)*(Rentabilidad Relativa Bioetanol frente a Exportación)
Producción Materia Prima Palma de Aceite
Ton Hectáreas en Producción Palma de Aceite*Rendimiento por Hectárea Palma
Producción Potencial Biodiesel
barril biodiesel/year
Capacidad en Construcción Biodiesel+Capacidad Instalada de Biodiesel
Producción Potencial
barril bioetanol/
Capacidad en Construcción Bioetanol+Capacidad Instalada de Bioetanol
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
113
Bioetanol year
producción relativa agricultura
Dmnl (relative capital^capital share*relative labor force^labor share*relative agriculture land^agricultural land share*factor total de productividad ftp)
Productos agricultura
ton granos equiv
16229400
promedio de personas capacitadas
person/year
poblacion rural*porcentaje de fincas capacitadas
proporcion de fuerza laboral rural
dmnl 0,08
proporcion de poblacion vulnerable al acceso de NBA
dmnl proportion of population below poverty line
proporcion de suficiencia alimentaria
dmnl disponibilidad alimentaria pc/consumo minimo requerido pc
proporción inicial de población vulnerable al acceso de NBA
dmnl proporcion de poblacion vulnerable al acceso de NBA
proportion of population below poverty line
dmnl SUM(income class below poverty[incclass!] + income class around poverty[incclass!]) * income class size
real pc income
dmnl (ingreso medio percibido pc/ ingreso de referencia)
relative agriculture land
dmnl tierra en uso agropecuario/initial agriculture land
relative capital
dmnl Capital/capital inicial
relative food import prices
dmnl food import prices/initial food import prices
relative irrigation
dmnl area irrigada/initial irrigated area
relative labor force
dmnl fuerza laboral/fuerza laboral inicial
relative real pc income in ppp
dmnl relative pc income/initial real pc income in ppp
relative road density
dmnl mt de vias por km2 superficie/mt de vias iniciales por km2 superficie
relative Dmnl promedio de personas capacitadas/personas iniciales capacitadas
114 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
trainning
Rendimiento
ton granos equiv/year/ha
produccion de la agricultura/tierra en uso agropecuario
Rendimiento por Hectárea Caña
ton/ha IF THEN ELSE(Hectareas Sembradas de Caña de Ázucar<=1.518e+006,120,IF THEN ELSE(Hectareas Sembradas de Caña de Ázucar<=4.918e+006,99.26,IF THEN ELSE(Hectareas Sembradas de Caña de Ázucar<=1.0972e+007,80.35,IF THEN ELSE(Hectareas Sembradas de Caña de Ázucar<=1.9229e+007,66.72,0))))
Rendimiento por Hectárea Palma
ton/ha IF THEN ELSE((Hectareas en Desarrollo Palma de Aceite+Hectáreas en Producción Palma de Aceite)<=1e+006,25,IF THEN ELSE((Hectareas en Desarrollo Palma de Aceite+Hectáreas en Producción Palma de Aceite)<=3.9e+006,21.28,IF THENELSE((Hectareas en Desarrollo Palma de Aceite+Hectáreas en Producción Palma de Aceite)<=9.253e+006,17.07,IF THEN ELSE((Hectareas en Desarrollo Palma deAceite+Hectáreas en Producción Palma de Aceite)<=1.5341e+007,13.94,0))))
Rentabilidad Biodiesel
Dmnl ((Precio Biodiesel-Costos de Producción Biodiesel)/Costos de Producción Biodiesel)
Rentabilidad Bioetanol
Dmnl ((Precio Etanol-Costos Totales de producción Bioetanol)/Costos Totales de producción Bioetanol)
Rentabilidad Exportación Ázucar
Dmnl ((Precio Internacional del Ázucar-Costo de producción ázucar)/Costo de producción ázucar)
Rentabilidad Exportación Productos Palma
Dmnl (Precio Internacional Aceite-Costo Total Aceite)/Costo Total Aceite
Rentabilidad Relativa Biodiesel frente a Exportación
Dmnl Rentabilidad Biodiesel/(Rentabilidad Biodiesel+Rentabilidad Exportación Productos Palma)
Rentabilidad Relativa Bioetanol frente a Exportación
Dmnl Rentabilidad Bioetanol/(Rentabilidad Bioetanol+Rentabilidad Exportación Ázucar)
Siembra de Caña de Ázucar
ha/year IF THEN ELSE(Time<2014,Area Sembrada Hístórica(Time),min(Área Necesaria para suplir demanda de Caña,Área máxima caña))
Siembra de Palma de Aceite
ha/year IF THEN ELSE(Time<2014,Área Sembrada Histórica(Time),min(MAX(Área necesaria para suplir demanda de palma-Total Hectáreas sembradas Palma,0),Área Máxima Palma-Total Hectáreas sembradas Palma))
std dev of normal
Dmnl (LN(1+variance of per capita income/(real pc income^2)))^0.5
std dev of per capita income
Dmnl real pc income* std dev over mean ratio table(coeficiente GINI)
Suministro barril 0
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
115
Biodiesel biodiesel
Suministro Bioetanol
barril bioetanol
0
tasa cruda de referencia de mortalidad
dmnl/year 0,008
tasa de cambio
dmnl tasa politica*Tierra en uso pecuario
tasa de cambio de uso
dmnl/year 0,11
tasa de crecimiento del capital
dmnl/year 0,0875
tasa de crecimiento otros ingresos
dmnl/year 0,155
tasa de degradacion pecuaria
dmnl/year 0,001
tasa de degradación
ha/year Tierra en uso agrícola*fraccion de degradacion de la tierra
tasa de degradación p
ha/year Tierra en uso pecuario*tasa de degradacion pecuaria
tasa de exportacion
dmnl/year 0,1
tasa de migracion
person/year
Poblacion*tasa de migracion neta(Time)
tasa de regeneración
ha/year Tierra degradada a/tiempo de recuperacion
tasa de regeneración p
ha/year Tierra degradada p/tiempo de recuperación p
tasa politica Dmnl 0
tiempo cambio en ingreso afecte acceso a alimentos
Year 1
Tiempo Construcción Planta
Year 2
tiempo de ajuste de importaciones
Year 1
Tiempo de Year 1
116 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Corte
Tiempo de Maduración
Year 2
tiempo de recuperacion
Year 10
tiempo de recuperación p
Year 8
tiempo para percibir cambios en los precios de los alimentos
Year 1
Tiempo Productivo Palma
Year 22
tiempo promedio de conversion tierra
Year 2
Tierra degradada a
Ha 173400
Tierra degradada p
Ha 1986330
Tierra en uso agricola
Ha 5000000
tierra en uso agropecuario
Ha Tierra en uso agricola+(1-porcentaje de subutilizacion)*Tierra en uso pecuario
Tierra en uso biomasa
Ha 0
Tierra en uso pecuario
Ha 31632600
Tierra potencial arable
Ha 12000000
time for oil price changes to affect tfp
Year 1,5
Total Hectáreas sembradas
Ha (Hectareas en Desarrollo Palma de Aceite)+Hectáreas en Producción Palma de Aceite-Corte
valor produccion agricultura
millones $ (precio alimentos ponderado*Productos agricultura)/1e+006
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
117
variance of per capita income
Dmnl std dev of per capita income^2
Venta Biodiesel
barril biodiesel/year
min(Demanda Biodiesel,Suministro Biodiesel)
Venta Bioetanol
barril bioetanol/year
min(Demanda Etanol,Suministro Bioetanol)
ventas domesticas
ton granos equiv/year
demanda total de alimentos*(ingreso medio percibido pc/ingreso medio pc inicial)^elasticidad demanda de alimentos al ingreso*(precios percibidos de los alimentos/precio alimentario de referencia)^elasticidad demanda de alimentos a los precios
vida promedio tierra en agricultura
year 35
Vida Útil Plantas Biodiesel
year 25
Vida Útil Plantas Bioetanol
year 25
Average oil market price
USD/barril Función tabla
Cif maiz USD/ton grano equiv
Función tabla
Cif soya USD/ton grano equiv
Función tabla
Cif trigo USD/ton grano equiv
Función tabla
Coeficiente GINI time series
dmnl Función tabla
Consumo interno real pc
ton granos equiv/(year*person)
Función tabla
Efecto de la suficiencia alim sobre la expectativa de vida tabla
Dmnl Función tabla
importaciones
ton granos equiv/year
Función tabla
Línea de probreza de referencia
millones $/person
Función tabla
Porcentaje de
dmnl Función tabla
118 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
demanda otros usos
Porcentaje de población rural
Dmnl Función tabla
Std dev over mean ratio table
Dmnl Función tabla
Tasa cruda de nacimiento
Dmnl/year Función tabla
tasa de migracion neta
Dmnl/year Función tabla
TRM $/USD Función tabla
Tabla B- 2. Parámetros de la población.
Parámetro Notas
Población inicial Población de Colombia para el año 2005 provista por el DANE.
Tasa cruda de nacimientos
Cifra provista por el World Bank.
Tasa cruda de referencia de mortalidad
Cifra provista por el World Bank.
Tasa neta de migración
Cifra provista por el World Bank.
Efecto de la expectativa de vida sobre la tasa de mortalidad
Función tomada del modelo T21, con adaptaciones a Colombia
Expectativa de vida normal
Estadísticas nacionales de Colombia del DANE
Tabla B- 3. Parámetros acceso a los alimentos
Parámetro Notas
Proporción de la desviación estándar sobre el ingreso medio tabla
Función tabla (Lookup)
Línea de pobreza de referencia
Cifra basada en el cálculo del índice de pobreza del DNP con la metodología del 2005.
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
119
Elasticidad de la línea de pobreza a los precios de los alimentos
Weishuang Qu y Gerald O. Barney (2002)
Ingreso de referencia El valor de esta constante es seleccionada para optimizar la velocidad de la simulación (Qu & Barney, 2002)
Tiempo para percibir cambios en los precios de los alimentos
Tiempo para que cambios en ingresos afecte el acceso a alimentos
Tamaño inicial clase de ingreso
Tabla B- 4. Parámetros del subsistema producción
Parámetro Notas
Producción inicial de alimentos
Valor de la producción agroalimentaria en el 2005 provista por Min. Agricultura y convertida a granos equivalentes.
Valor inicial del factor tierra
Cantidad de ha utilizadas en la producción de alimentos al 2005 provista por Min. Agricultura e IGAC.
Valor inicial del factor trabajo
Cantidad de empleos en el sector al 2005, tomado de DANE y (Leibovich, Nigrinis & Ramos, 2006)
Valor inicial del factor de capital
Calculado basado en las cuentas nacionales del DANE
Participación de la tierra
(Leibovich, Estrada & Vásquez, 2009)
Participación del trabajo
(Leibovich, Estrada, & Vásquez, 2009)
Participación del (Leibovich, Estrada, &
120 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
capital Vásquez, 2009)
Tabla B- 5. Parámetro capital
Parámetro Notas
Tasa de crecimiento del capital
Basado en las estadísticas del DANE sobre la formación bruta del capital en el sector agropecuario
Tabla B- 6. Parámetros de productividad
Parámetro Notas
Porcentaje de área con mejoras en riego y drenaje
Obtenido del Ministerio de agricultura
Elasticidad de la productividad a la irrigación
Obtenido del Ministerio de agricultura
Área total del país DANE
Elasticidad de la productividad a la infraestructura vial
Dato calculado
Porcentaje de población rural
DANE
Porcentaje de unidades capacitadas
Obtenido del Ministerio de agricultura
Elasticidad de la productividad a la capacitación
Dato calculado
Elasticidad de la productividad laboral al acceso de alimentos
Dato calculado
Elasticidad de la productividad al precio promedio de los combustibles
Dato calculado
Tiempo para que cambios en el precio promedio de los combustibles afecte la productividad
Dato calculado
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
121
Tabla B- 7. Parámetros del subsistema de suficiencia alimentaria
Parámetro Notas
Porcentaje de productos no alimentarios
Dato obtenido de Agronet
Demanda otros usos Dato obtenido de FAOSTAT
Consumo mínimo requerido
Dato calculado
Tabla B- 8. Parámetros del subsistema de producción biocombustibles.
Parámetro Notas
Tiempo construcción planta.
Supuesto
Vida Útil plantas Tiempo de depreciación contable.
Cuotas planeadas Dato obtenido de Fedebiocombustibles
Plantas construidas históricas (bioetanol y biodiesel)
Dato obtenido de Fedebiocombustibles
Inversión en capacidad (bioetanol y biodiesel)
Supuesto usando el tamaño promedio de las plantas construidas.
Tabla B- 9. Parámetros del subsistema producción de materias primas biocombustibles.
Parámetro Notas
Tiempo corte Dato obtenido de Cenicaña
Demanda interna azúcar Regresión lineal usando datos de asocaña.
Rendimiento por hectárea caña.
(Consorcio Cue, 2012)
Area sembrada histórica Datos históricos tomados de Asocaña.
Rendimiento por hectárea palma
(Consorcio Cue, 2012)
122 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Área sembrada histórica Datos históricos
tomados de Fedepalma.
Tiempo productivo palma Dato obtenido de Fedepalma.
Tiempo maduración Dato obtenido de Fedepalma.
Demanda interna productos palma
Dato obtenido de Fedepalma.
Tabla B- 10. Parámetros del subsistema decisión del uso de las materias primas
Parámetro Notas
Precio internacional aceite Dato obtenido de Fedepalma
Precio internacional azúcar
Dato obtenido de London Stock Exchange
Precio biodiesel Promedio de precios en los últimos 3 años.
Precio Bioetanol Los parámetros dentro de la función son los definidos por el Ministerio de Minas y Energía
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
123
Figura B - 1. Diagrama de flujos y niveles población.
Figura B - 2. Diagrama flujos y niveles acceso a los alimentos.
Poblacion
tasa de nacimiento tasa de muerte
migracion neta
tasa cruda de
nacimiento
tasa cruda de referenciade mortalidad
tasa de
migracion neta
poblacion inicial
<Time>
<Time>
proporción inicial de poblaciónvulnerable al acceso de
necesidades basicas alimentarias
efecto de la suficienciaalimentaria sobre la
expectativa de vida tabla
<proporción de
suficiencia alimentaria>expectativa de vida
normal
expectativa de
vida
efecto de la suficienciaalimentaria sobre laexpectativa de vida
efecto de la expectativa
de vida sobre las muertes
efecto del acceso a losalimentos a la
expectativa de vida
elasticidad de las tasas demuerte a la disponibilidad
de alimentos
efecto de expectativa de vidasobre la tasa de mortalidad
tabla
<proporción de poblaciónvulnerable al acceso de
necesidades basicas alimentarias>
ingreso medio pc
Otros ingresos
<Time>
proporcion de poblacionvulnerable al acceso de
necesidades basicas alimentarias
<Poblacion>
<producción de la
agricultura alimentaria $>
<ingreso medio pc
inicial>
precio alimentario
de referencia
coeficiente GINI
proporcion std dev
sobre mean tabla
linea de pobreza
relativa
coeficiente GINI
time series
ingreso de referencia
<Time>
preciospercibidos delos alimentos
tiempo para percibircambios en los precios de
alimentos
tiempo cambio eningreso afecte acceso a
alimentos
ingreso medio
percibido pc
linea de pobreza
linea de pobreza de
referenciaelasticidad de la linea depobreza a los precios de
alimentos<Time>
ingreso real pc
std dev del
ingreso pc
varianza del
ingreso pc
media normal std dev normal
pi
distribucion del
ingreso
tamaño clase de
ingreso
nivel de clasede ingreso
proporcion de poblacion
bajo linea de pobreza
area de distribuciondel ingreso
ingreso inicial real
pc en ppp
ingreso real relativo
pc en ppp
tamaño inicial
clase de ingreso
clase de ingreso
bajo pobreza
clase de ingreso
alrededor pobreza
124 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Figura B - 3. Diagrama flujos y niveles producción alimentos.
Figura B - 4. Diagrama flujos y niveles productividad agricultura.
fuerza laboral
fuerza laboralinicial
initial capital
fuerza laboral
relativa
tierra agricultura
relativa
capita relativo
tierra inicial
agricultura
factor total de
productividad
participacion
trabajoparticipacion tierra
agriculturaparticipacion
capital
produccion relativa
agricultura
proporcion de fuerza
laboral rural
Capital
Inversion Real
<población
rural1>
<tierra en uso
agropecuario>
tasa de crecimiento
del capital
factor total de
productividad
densidad relativa
viaselasticidad de
productividad a lainfraestructura vial
irrigacion relativa
elasticidad deproductividad a la
irrigacion
capacitacion
relativa elasticidad deproductividad a la
capacitacionefecto de la
infraestructura vialen la productividad
efecto de la irrigaciónen la productividad
efecto de lacapacitacion en la
productividad
porcentaje de area con
mejoras en riego y draje
area irrigada
area inicial irrigada
<tierra en uso
agricola>
porcentaje de
poblacion rural
porcentaje de
unidades capacitadas
<Poblacion>
personas iniciales
capacitadas
promedio depersonas capacitadas
población rural
<efecto del acceso a losalimentos en la productividad
laboral>elasticidad de la
productividad a los preciosdel combustible
efecto del precio delos combustibles en la
productividad
tiempo para que cambios enlos precios del combustible
afecten la productividad
precio promedio
combustible
precio inicial
combustibleprecio relativo
combustible<Time>
area total paisinfraestructura
vial total
mt de vias por km2
superficie
mt de vias iniciales por
km2 superficie
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
125
Figura B - 5. Diagrama flujos y niveles consumo de alimentos.
Figura B - 6. Diagrama flujos y niveles importación de alimentos.
productosagricultura
precio domésticode los alimentos
ventas domésticas producción de la
agricultura
cubrimientodeseado inventario
precio referencia
de alimentos
elasticidad precioalimentos al cubrimiento
de inventario
ingreso inicial
medio per capita
preciospercibidosalimentos
tiempo para percibircambios en los precios
de los alimentos
elasticidad demanda de
alimentos al ingreso
elasticidad demanda de
alimentos a los precios
ingreso mediopercibido per
capita
producción inicial de
la agricultura
pérdidas en
cosecha
Exportaciones
tasa de
exportación
TRM
<producción relativa
agricultura>
<precio con
arancel>
<demanda totalde alimentos>
precio de
importación
precio ponderado
de alimentos<Importaciones
realizadas>
brecha alimentaria
porcentaje de
importaciones
tiempo de ajustede importaciones
Importaciones
de alimentosimportaciones por
hacer
importaciones
realizadas
precio inicial deimportaciones alimentarias
precio relativo deimportacion alimentaria
elasticidad de laimportación a los
precioscubrimiento inicial de lasimportaciones a la brecha
alimentaria
<precio de importacionesalimentarias>
<disponibilidad
productos alimentarios><demanda total de
alimentos>
126 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Figura B - 7. Diagrama de flujos y niveles suficiencia alimentaria.
Figura B - 8. Diagrama flujos y niveles distribución de tierras.
productosagricultura
Consumo minimo
requerido pc
Consumo Interno
requerido
proporción de
suficiencia alimentaria
disponibilidad
alimentaria per capita
Demanda total de
alimentos
Demanda otros
usos
<Poblacion>
<Poblacion>
Porcentaje de productosno alimentarios disponibilidad de
productos alimentarios
<Time>
Importaciones
realizadas
<Time>
<Time>
<Time>
consumo interno
real pc
Tierra en uso
agricola
Tierra potencial
arableAdecuacion
cambio deseado en
la tierra
+
tiempo promedio de
conversion tierra
vida promediotierra en
agricultura
efecto de la irrigacion
sobre la tierrafraccion normal de
degradacion de la tierra
fraccion de degradacion
de la tierra
Tierra
degradada atasa de
degradación
tasa de
regeneración
tiempo de
recuperacion
Tierra en uso
pecuario
Tierra
degradada ptasa de
degradación ptasa de
regeneración ptiempo de
recuperación p
tasa de degradacion
pecuaria
tierra en uso
agropecuario
porcentaje de
subutilizacion
tasa de cambio
de uso
rendimiento
<tierra en uso
agropecuario>
cambio de uso
tasa de cambio
Tierra en
uso biomasa
Conversión a
biomasa
Conversión a
vocación alimentaria
<has>
<hac>
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
127
Figura B - 9. Diagrama de flujos y niveles producción materia prima para biocombustibles
HectareasSembradas de
Caña deÁzucar
Siembra de Caña
de Ázucar
Tiempo de Corte
Corte Caña
Producción de Materia
Prima de Caña
Excedente
Producción Caña
Demanda Interna
Ázucar
Hectareas Necesarias de
Caña para suplir deficit
<Producción
Potencial Bioetanol>
Rendimiento por
Hectárea CañaArea Sembrada
Hístórica
<Time>
Área máxima caña
<Rendimiento por
Hectárea Caña>
Área para suplir
demanda ázucar
<Demanda Interna
Ázucar>
Área Necesaria para
suplir demanda de Caña
Hectareas enDesarrolloPalma deAceite
Siembra de Palma
de Aceite
Hectáreas enProducciónPalma deAceite
MaduraciónCorte
Tiempo de
Maduración
Tiempo
Productivo Palma
Producción Materia
Prima Palma de Aceite
Excedente
Producción Palma
Demanda Interna
Productos Palma
Hectareas
Necesarias de Palma
<Producción
Potencial Biodiesel>
Rendimiento por
Hectárea Palma
Área Sembrada
Histórica
<Time>
Total Hectáreas
sembradas
<Time>
Área Máxima
Palma
<Rendimiento por
Hectárea Palma>
Área necesaria para
suplir demanda de palmaÁrea para suplir
demanda materia primapalma
<Demanda Interna
Productos Palma>
<Time>
<Time>
Maduración
Histórica
Corte Histórico
CorteR
<Time>
MaduraciónR
<Time>
128 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas
Figura B - 10. Diagrama de flujos y niveles producción de biocombustibles.
CapacidadInstalada de
Bioetanol Capacidad Instalada
Obsoleta Bioetanol
Vida Útil Plantas
Bioetanol
Capacidad enConstrucción
Bioetanol Nueva Capacidad
Instalada BioetanolCapacidad a
construir Bioetanol
Inversión en
Capacidad Bioetanol
Producción
Potencial Bioetanol
Suministro
BioetanolProducción
BioetanolVenta Bioetanol
Demanda Etanol
Demanda Gasolina
Producción
Equivalente Bioetanol
Cubrimiento de
Cuotas Bioetanol
Cuotas deMezcla
BioetanolCambio Cuotas
Bioetanol
<Time>
<Time>Cuotas etanol
planeada
Capacidad deseada
Bioetanol
Plantas construidas
históricas<Time>
Deficit potencial
Bioetanol
Tiempo
Construcción Planta
CapacidadInstalada de
Biodiesel Capacidad Instalada
Obsoleta Biodiesel
Vida Útil Plantas
Biodiesel
Capacidad enConstrucción
Biodiesel Nueva Capacidad
Instalada BiodieselCapacidad a
construir Biodiesel
Inversión en
Capacidad Biodiesel
<Tiempo de
Construcción Planta>
Suministro
BiodieselProducción
BiodieselVenta Biodiesel
Producción
Potencial Biodiesel
Demanda
Biodiesel
Demanda Diesel
Deficit Biodiesel
Producción
Equivalente Biodiesel
Cubrimiento de
Cuotas Biodiesel
Cuotas deMezcla
BiodieselCambio Cuotas
Biodiesel
Cuotas biodiesel
planeada
Capacidad deseada
Biodiesel
Deficit potencial
Biodiesel
<Time>
Plantas Biodiesel
Históricas
<Time>
<Time>
<Demanda
Etanol>
Deficit Bioetanol
<Demanda
Biodiesel>
Anexo B. Parámetros, ecuaciones del modelo y diagrama de flujos y niveles
del modelo
129
Figura B - 11. Diagrama flujos y niveles decisión del uso de las materias primas
Figura B - 12. Diagrama de flujos y niveles costos de producción
Excedente
Producción Caña
Exportación
Ázucar
Producción
Equivalente Bioetanol
Rentabilidad
Exportación Ázucar
Rentabilidad
Bioetanol
Rentabilidad RelativaBioetanol frente a
Exportación
Precio Internacional
del Ázucar
<Precio Internacional
del Ázucar>
Costo de
producción ázucar
Precio Etanol
Rentabilidad
Biodiesel
Excedente
Producción Palma
Rentabilidad RelativaBiodiesel frente a
Exportación
RentabilidadExportación Productos
Palma
Exportación
Productos de Palma
Producción
Equivalente Biodiesel
Precio Biodiesel
Precio Internacional
del Aceite
Costo de
producción aceite
Costo Total
Producción Bioetanol
Costo de producción
Biodiesel
ProducciónAcumuladaBioetanolProducción Anual
Bioetanol
Costos Totales de
producción Bioetanol
Costo Inicial de
Producción Etanol
Costos MP Etanol
ProducciónAcumuladaBiodieselProducción Anual
Biodiesel
Costos de
Producción Biodiesel
Costo Inicial de
Producción Biodiesel
Costos Materia
Prima Biodiesel
C. Anexo: Soporte para las pruebas de validación
En relación a las pruebas de errores de integración se hizo tres
simulaciones, cada una con un método diferente: Euler, Runge-Kutta 2 y
Runge-Kutta 4. En la (f igura C-1) se es posible observar que el modelo no
es sensible al cambio en los métodos de integración. Mientras que en la
(f igura C-2) se analiza la misma prueba pero en la variable tierra en uso
agrícola.
Figura C - 1. Prueba de errores de integración en la producción de biodiesel
Producción Biodiesel
8 M
6 M
4 M
2 M
0
1990 1994 1998 2002 2006 2010 2014 2018 2022 2026 2030
Time (year)
bar
ril b
iod
iese
l/y
ear
Producción Biodiesel : RK4
Producción Biodiesel : RK2
Producción Biodiesel : Euler
132 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
Figura C - 2. Prueba de errores de integración a tierra en uso agrícola.
Figura C - 3. Comparación área sembrada caña de azúcar histórico vs. simulado
Figura C - 4. Comparación producción biodiesel histórico vs. simulado
Tierra en uso agricola
6 M
4.5 M
3 M
1.5 M
0
1990 1994 1998 2002 2006 2010 2014 2018 2022 2026 2030
Time (year)
ha
Tierra en uso agricola : RK4
Tierra en uso agricola : RK2
Tierra en uso agricola : Euler
140
160
180
200
220
240
1990 1995 2000 2005 2010
Mile
s d
e h
a
Histórico Simulado
0
1
2
3
4
5
6
2009 2010 2011 2012 2013 2014
MM
b
Histórico Simulado
Anexo C: Soporte para las pruebas de validación 133
Figura C - 5. Comparación producción bioetanol histórico vs. simulado
Figura C - 6. Comparación área sembrada palma de aceite histórico vs. simulado
Figura C - 7. Comparación productos agricultura histórico vs. simulado
0
0,5
1
1,5
2
2,5
3
2005 2007 2009 2011 2013
MM
b
Histórico Simulado
0
100
200
300
400
500
600
1990 1995 2000 2005 2010
Mile
s d
e h
a
Histórico Simulado
10
15
20
25
30
35
40
1990 1995 2000 2005Mill
on
es
Ton
gra
no
eq
uiv
/añ
o
Histórico Simulado
134 Los efectos de los biocombustibles en la seguridad alimentaria en Colombia:
Una aproximación con Dinámica de Sistemas.
Figura C - 8. Comparación tierras en uso agrícola histórico vs. simulado
Tabla C - 1. Herramientas estadísticas para la validación del comportamiento.
Métrica Definición Ecuación
MSE Error cuadrático medio
∑( )
( )
Theil Descomposición del MSE en: Sesgo ( ), varianza ( ), y covarianza ( ).
( )
(36)
( )
(37)
( )
(38)
Coeficiente de determinación; la
fracción de la varianza en los datos
“explicados” por el modelo.
(39)
∑ √
∑( ) (40)
Coeficiente de correlación entre el
modelo y las series de datos.
∑( )
( )
(41)
3
4
5
6
1990 1995 2000 2005
Mill
on
es
de
ha
Histórico Simulado