Requerimientos de mano de obra en la agricultura peruana

1985, Universidad del Pacífico. Centro de Investigación eBooks

· ~- REQUERIMIENTOS DE MANO DE OBRA EN LA AGRICULTURA PERUANA . HECTOR MALETTA REQUERIMIENTOS DE MANO DE OBRA EN LA AGRICULTURA PERUANA HECTOR MALETTA CENTRO DE INVESTIGACION (CIUP) UNIVERSIDAD DEL PACIFICO © Universidad del Pacífico Centro de Investigación Avenida Salaverry 2020 Lima 11, Perú Primera Edición: Marzo 1985 El Centro de Investigación de la Universidad del Pacífico no se solidariza necesariamente con el contenido de los trabajos que publica. INDICE Pág. INTRODUCCION .......................................................................................................................................... 7 PRIMERA PARTE: ASPECTOS TEORICOS Y METODOLOGICOS I. Conceptos generales ................................................................................................................... 11 II Coeficientes de mano de obra en la agricultura peruana ................................................................... 171. Nociones Generales .................................................................................................................... 17 2. Coeficientes de mano de obra para cultivos agrícolas .......................................................... 22 3. Coeficientes de mano de obra en la actividad pecuaria ............................................................. 29 3.1 Ganado Vacuno................................................................................................................... 31 3.2 Ganado Ovino ..................................................................................................................... 42 3.3 Ganado Auquénido ............................................................................................................. 50 3.4 Ganado Equino ................................................................................................................. 56 3.5 Ganado Porcino................................................................................................................... 57 3.6 Aves .................................................................................................................................. 60 3.7 Cuyes .................................................................................................................................. 60 3.8 Recapitulación .................................................................................................................... 61 IIL El nivel de la actividad agropecuaria .......................................................................................... 65 1. Problemas generales.................................................................................................................... 65 2. La estadística agropecuaria de 1929 ........................................................................................... 67 2.1 La convención en 1929 ....................................................................................................... 68 2.2 Maíz en Cajamarca (1929).................................................................................................. 68 2.3 Menestras en Cajamarca (1929)......................................................................................... 71 2.4 Maíz en Ayacucho (1929)................................................................................................... 72 2.5 La papa en Puno (1929) ......................................................................................................... 73 2.6 La papa en Junín (1929).......................................................................................................... 74 2.7 Sembríos asociados en 1929 .............................................................................................. 75 2.8 Jaén-San Ignacio en 1929 ................................................................................................... 76 3. La estadística agraria de 1941-1944 ........................................................................................... 77 4. El censo agropecuario de 1961 79 5. El censo agropecuario de 1972 ................................................................................................... 80 6. La estadística agraria de 1964 a 1979 ......................................................................................... 82 7. Recapitulación ............................................................................................................................ 85 SEGUNDA PARTE: ALGUNOS RESULTADOS GENERALES Introducción ................................................................................................................................................. 91 1. La evolución global ............................................................................................................................. 91 2. La estructura regional ........................................................................................................................ 104 3. La estructura regional y las variaciones estacionales ..................................................................... 106 4. Fuerza de trabajo y demanda de mano de obra ............................................................................... 109 5. Requerimientos promedio a nivel nacional ....................................................................................... 114 TERCERA PARTE: CUADROS ESTADISTICOS L Requerimientos agropecuarios anuales por departamento y producto, 1929-1972 . . 121 II. Requerimientos agropecuarios anuales por departamento y producto, 1964-1979 .. 147 IIL Requerimientos agropecuarios mensuales por provincias y departamentos, 1972 ... 173 *** INTRODUCCION Este estudio versa sobre los requerimientos de mano de obra en la agricultura peruana, y se refiere a varios períodos históricos y a varios niveles de agregación espacial y temporal. Por una parte, se ha estimado esos requerimientos sobre una base departamental, tomando relevamientos censales existentes desde 1929 hasta 1972 y asimismo la estadística agraria desde 1964 hasta 1979; en estos casos se han calculado los requerimientos anuales y los de un deter minado mes considerado significativo (junio). Por otra parte, se han analizado los requerimientos del año 1972 por meses y a nivel de provincias; si bien las fuentes no son enteramente compati bles, el conjunto permite tener una visión de la evolución de este problema en el total del país y en sus diferentes regiones. Para estimar los requerimientos de mano de obra generados por cada actividad agrícola o ganadera se han utilizado coeficientes unitarios de mano de obra para la actividad agrícola ya utilizados anteriormente para el mismo propósito por el Convenio para Estudios Económicos Básicos (CEEB). Para la actividad pecuaria se han construido coeficientes nuevos, que se consi deran más ajustados que los usados por el CEEB; de este modo, el presente estudio es el primero que (además de utilizar estadísticas ajustadas respecto al volumen de cultivos y ganados) utiliza coeficientes más refinados para la actividad pecuaria y —por ende— puede considerarse más re presentativo que el citado estudio, del CEEB. Los requerimientos teóricos de mano de obra en una actividad agropecuaria no coinciden necesariamente con el uso efectivo de trabajo en dicha actividad: se basan en estudios técnicos y no en relevamientos empíricos representativos; pero los estudios en cuestión reflejan —aunque imperfectamente— las posibilidades técnicas de diferentes productores, situados en diferentes tecnologías, y se basan en nuestras unidades productivas concretas, de modo que guardan una relación con la realidad. En una sección ulterior analizaremos más de cerca la metodología se guida para estimar estos coeficientes unitarios de requerimiento de mano de obra. El propósito de la obra es doble: de una parte, pretende dar una base para el estudio sustan tivo del problema del trabajo en la agricultura peruana, ya que la evolución de los requerimien tos laborales de la agricultura es un elemento muy importante para explicar la evolución de la población rural, el empleo y otras variables cruciales en el proceso de desarrollo. De otra parte, el estudio persigue la finalidad de facilitar la iniciación de series estadísticas apropiadas, integra das en la estadística agraria, para reflejar el requerimiento de mano de obra por cultivos, por es pecie de ganado, por nivel tecnológico, por tipo de unidad productiva, por meses, por áreas geo gráficas. La incorporación del aspecto laboral puede ser un avance significativo en el desarrollo de la estadística agropecuaria, y su incorporación es factible bajo la metodología que aquí se utiliza (sujeta, obviamente, a frecuentes revisiones en cuanto a la validez de los coeficientes uni tarios). 7 En la primera parte se exponen fundamentos teóricos y metodológicos del trabajo. En la segunda, aparece un análisis de los principales resultados. En la tercera, se condensan los estima dos obtenidos para cada año, actividad y área. El trabajo hubiese sido imposible sin la colaboración de algunos asistentes cuya laboriosidad no puede ser sino reconocida con gratitud: Jubitza Franciskovic, Luz Foronda, Diana Cordano, y muy especialmente Roxanna Brain. Asimismo, es preciso recordar que una parte del trabajo fue apoyado financieramente por el proyecto SINEA (Sistema Nacional de Estadística Alimen taria) del entonces Ministerio de Alimentación y por la Fundación para el Desarrollo Nacional. El autor se ha beneficiado también de la cooperación y los comentarios de diversas personas, entre las cuales cabe mencionar principalmente a Eduardo Grillo, Carlos Amat y León (autor principal del estudio del CEEB que ya hemos mencionado), Carlos Samaniego, Jesús Foronda, José Maria Caballero, y otros cuya inevitable omisión en aras de la brevedad no disminuye el valor de su colaboración. 8 PRIMERA PARTE ASPECTOS TEORICOS Y METODOLOGICOS I CONCEPTOS GENERALES Cualquier actividad productiva, en la agricultura o en otras ramas, combina por un lado la fuerza humana de trabajo, y por el otro los medios de producción, incluyendo en estos últimos los reproducibles y los no reproducibles, desde la tierra hasta los insumos químicos o los instru mentos mecánicos. En esa combinación, dirigida a la obtención de un determinado producto (o conjunto de productos), es posible distinguir por un lado un aspecto técnico-material, referente a las relacio nes entre los mismos elementos que se están combinando desde un punto de vista físico, y un aspecto social, concerniente a las formas de apropiación a través de las cuales esos elementos se ponen en contacto, y que no representa relaciones entre el hombre y los medios de producción, sino básicamente relaciones entre los hombres mismos. El aspecto social del proceso de producción es tan importante como el aspecto técnicomaterial: ambos se influyen mutuamente. Esta consideración preclude cualquier posibilidad de considerar el aspecto técnico-material en sí mismo, desgajado de toda consideración sobre su for ma social. Las reglas que orientan el proceso tecnológico varían según las relaciones sociales que le sirven de contexto: lo que en una economía comunal, por ejemplo, resulta correcto, aparece como una irracionalidad en una economía capitalista, y lo que en ésta puede ser la solución ópti ma se revela como un despilfarro irracional en una economía socialista. Esto tiene gran relevancia para estudiar el empleo en la agricultura, ya que el enfoque que aquí vamos a privilegiar (los requerimientos técnicos de mano de obra) se basa en normas técni cas pero tiende a hacer abstracción de las formas sociales en que la producción se desenvuelve: en el caso de la agricultura peruana, sin embargo, coexisten diferentes relaciones sociales de pro ducción que pueden estar influyendo sobre la determinación de los requerimientos: unidades campesinas de producción familiar, unidades medianas de producción capitalista, empresas aso ciativas de diverso tipo, etc. Es fácil advertir que la “racionalidad” de una cierta tecnología pue de estar esencialmente ligada al tipo de relaciones sociales de que estemos hablando. El ejemplo más inmediato de esta situación puede verse en la economía campesina estricta mente familiar. Como se ha señalado muchas veces, el límite o margen dentro del cual esta pro ducción es viable no coincide con los límites de la racionalidad capitalista: un campesino puede seguir produciendo aun cuando no obtenga una tasa normal de retomo sobre sus inversiones, siempre que obtenga lo necesario para el mantenimiento del proceso productivo y para su propia 11 subsistencia1. La aplicación de más trabajo, entonces, sobre determinada tierra y para producir determinados cultivos, puede resultar racional para un campesino e irracional para una empresa capitalista, exigiendo introducir diferentes criterios de racionalidad (o sea, diferentes formas de computar los “costos de producción”) si se desea alcanzar conclusiones válidas. Lo mismo suce de en las empresas autogestionarias: la determinación del número de trabajadores socios y de las cantidades de trabajo que ellos deben volcar en la producción no se realiza en la misma forma que para una empresa capitalista o para una ecomomía campesina (sobre todo si se puede recurrir a trabajadores no-socios como complemento)2. Desgraciadamente, no sólo no existen estudios detallados sobre las “tecnologías apropiadas" a cada tipo de unidad productiva, ni sobre la forma en que éstas efectúan sus opciones técnicas, sino que tampoco están diferenciadas las cifras de producción o de hectareaje según el tipo de productor involucrado. Una de las limitaciones de los datos que se presentan más adelante radica justamente aquí, pero ello debe servir como base para recomendar que en el futuro se corrija esa deficiencia generando los datos necesarios como parte integrante del aparato estadístico vincula do al sector agropecuario. Con estas salvedades preliminares, el estudio de los requerimientos de trabajo en la agricul tura peruana muestra sus propios límites y potencialidades. Basado en consideraciones técnicas y en determinados criterios de eficiencia, el requerimiento técnico de mano de obra para un de terminado producto no refleja el uso efectivo de trabajo sino una norma fundada en estudios em píricos pero también en nociones técnicas y teóricas no necesariamente coincidentes con la rea lidad. En la próxima sección de este informe se analizan algunos aspectos e implicancias de este enfoque. Por otro lado, se asume una cierta tecnología, supuestamente la más frecuente (o la más “correcta”) sin considerar alternativas tecnológicas diferentes: los coeficientes de uso de mano de obra para cada cultivo se suponen únicos e invariables. Esto es bastante razonable en el caso de la agricultura, donde las alternativas tecnológicas son relativamente pocas, y donde in cluso el cambio técnico se produce sólo en forma muy lenta a lo largo del tiempo; pero induda blemente introduce una rigidez quizá excesiva en la consideración del tema. Los requerimientos de trabajo en base a coeficientes fijos no pueden reflejar adecuadamente las opciones que se abren ante el productor agropecuario, ni las condiciones que hacen más viable el uso de una u otra al ternativa tecnológica; más aún, el coeficiente que se adoptó como “eficiente' en determinado momento puede depender estrechamente de ciertas condiciones de mercado 1 precio de insumo o maquinaria, por ejemplo) que pueden variar radicalmente de un año a otro. Este problema pue de llegar a ser importante si se toma un período demasiado largo para la aplicación de estos coe ficientes, en cuyo caso los resultados serán consiguientemente dudosos. Al mismo tiempo, los coeficientes de que se dispone son promedios ponderados de diversos coeficientes correspondientes a distintas situaciones tecnológicas (cultivo con riego o en secano, mecanizado o no mecanizado, etc.), donde las ponderaciones corresponden a la frecuencia esta dística de cada caso en el año base; cuando los coeficientes se aplican a un año anterior o poste rior, es posible que haya cambiado la composición interna de los productores, haciendo variar la tecnología promedio. Esto también hace desaconsejable la utilización de los mismos coefi cientes para un período relativamente largo, o —si se los usa— obliga a considerar con mucha cautela los resultados. De todos modos, la existencia de un importante caudal de información sobre costos de producción permite hacer importantes análisis sobre el volumen y la estacionalidad de los reque rimientos laborales de la agricultura, que con todas sus imperfecciones justifican el esfuerzo. (1) La formulación más clásica, aunque muy discutida, es la de Chayanov (1974). También puede verse la caracterización de Marx (El Capital, tomo III, p. 747; el lector es remitido también a nuestro trabajo “Campesinado, precio y salario” (Apuntes No. 9, 1979). (2) Véase José M. Caballero, “Los eventuales en las cooperativas costeñas peruanas: un modelo analítico”, en Economía, Vol. 1, No. 2 (Agosto, 1978). 12 Hace alrededor de una década se llevó a cabo un esfuerzo similar, referido al año 1967 y publi cado en 1970, en el marco del Convenio para Estudios Económicos Básicos entre la Universidad Nacional Agraria, la Universidad del Estado de Iowa y el Ministerio de Agricultura3, estudio que servirá como importante fuente de datos para el presente trabajo (de hecho, los coeficientes que se usarán aquí provienen en su gran mayoría de la elaboración efectuada en aquel provecto). El objetivo que aquí se ha trazado consiste en ampliar y actualizar el análisis de los reque rimientos de mano de obra en la agricultura peruana, cubriendo los siguientes aspectos.— Requerimientos mensuales de mano de obra, para cada cultivo y actividad pecuaria, para el año 1972, a nivel de provincia (en base al Censo Agropecuario de dicho año). Este trabajo complementa el trabajo del CEEB para 1967, añadiendo provincias que dicho estudio no pudo cubrir, y basándose en el censo que en muchos aspectos es superior a la Estadística Agraria. — Una serie a nivel departamental con los requerimientos laborales por cultivo y por actividad pecuaria, a base de los censos agropecuarios de 1929, 1961 y 1972 (añadiendo también la estadística de 1944), dándose en este caso solamente los requerimientos totales del año, y los requerimientos del mes de junio. Este mes ha sido escogido por ser coincidente en forma aproximada con las fechas de los censos de población, y por ser el mes de mayor demanda de trabajo agropecuario a nivel nacional. La serie de requerimientos censales permite for marse una idea de la evolución de la demanda de mano de obra agropecuaria en un período bastante prolongado (1929-1972). — Una serie similar a la anterior (anual y mes de junio, por departamento) para los años 19641979, en base a la estadística agraria de esos años. Esta serie, si bien no es comparable con las de base censal debido a fuertes discrepancias entre ambas fuentes, permite obtener una aproximación a las variaciones cíclicas de corto plazo en la necesidad de mano de obra que experimenta la agricultura. Pese a las fuertes objeciones que en el curso del análisis surgirán contra esta fuente, se consideró necesario incluirla como punto de partida para ulteriores mejoramientos y para la posible inclusión futura de los requerimientos laborales en las pu blicaciones normales de la estadística agraria. Para 1977-79 no se tienen datos de la produc ción pecuaria, sino sólo de la agrícola. Los requerimientos de mano de obra son frecuentemente utilizados para estimar el “balance de mano de obra” de una determinada área geográfica, y estimar en consecuencia la existencia de un déficit o superávit de mano de obra, o lo que suele interpretarse como un “excedente” o “subempleo” de fuerza de trabajo (cuando los requerimientos son inferiores a las disponibili dades de mano de obra en el área y sector analizados). Para ello, el procedimiento corriente es el de reducir los requerimientos (usualmente dados en días-hombre) a un número de personas re queridas, cifra que entonces se compara con la población económicamente activa del respectivo sector (por ejemplo, la agricultura), es decir, con la PEA sectorial. A veces, los distintos compo nentes de la PEA se ponderan para reducirlos a un tipo de trabajador homogéneo, por ejemplo a trabajadores varones adultos, mediante coeficientes que indican la productividad relativa de mujeres y niños en cada labor. Desgraciadamente, este procedimiento se basa en una serie de insuficiencias conceptuales que lo toman inaplicable. En otros trabajos anteriores hemos destinado mayor extensión al co mentario de este problema4, de modo que aquí sólo haremos referencias breves. (3) CEEB, Requerimientos mensuales de mano de obra para la agricultura por hectárea, por cultivo, por provincias y para la ac tividad pecuaria, año base 1967 (Lima, 1970). En lo sucesivo, se citará como Requerimientos. (4) Véase nuestros trabajos “El subempleo en el Perú: una visión crítica” (Apuntes No. 8, 1978) y “La absorción de mano de obra en el sector agropecuario (AMÍDEP, Seminario sobre Población y Empleo, Lima, 1978). 13 a) Las cifras de población activa se miden en los censos, referidas únicamente a la semana pre cedente a la fecha censal, y no pueden extrapolarse libremente como si se tratase de una ads cripción permanente de esas personas a esa actividad. En otras fechas del año algunos miembros de la PEA censal pueden salir de la PEA, o pueden transferirse a otras actividades; a la inversa, personas que el censo registró como ajenas a la PEA (escolares o amas de casa, por ejemplo) pue den incorporarse temporariamente a ella, o personas registradas en otros sectores pueden trans ferirse a la agricultura en forma transitoria. La evolución estacional de la PEA agropecuaria no es medida por los censos. En cambio, los requerimientos se refieren a los distintos meses del año, y están desigualmente distribuidos a lo largo de las cuatro estaciones. Sólo podría compararse la PEA censal con los requerimientos del mes correspondiente, aunque tampoco aquí podríamos saber en qué semana concretamente se hicieron las tareas, según las lluvias caídas, otras tareas pendientes, u otros factores; precisamente para aproximarse a esta medición, en este estudio se ha calculado el requerimiento laboral del mes de junio, ya que dicho mes coincide aproximada mente con la fecha de referencia de los distintos censos: el de 1940 se realizó el 9 de junio (en zonas rurales se prolongó varios días después): el de 1961 se hizo el 2 de julio, y el de 1972 el 4 de junio (con similar prolongación en las áreas rurales). Sin embargo, no se puede comparar es trictamente la cifra censal con los requerimientos mensuales estimados para el mes de junio (en tre otras cosas, porque la estacionalidad asumida en los coeficientes tiene anualmente cierta va riación según las fluctuaciones pluviométricas). b) La PEA censal registra únicamente la actividad principal de cada habitante, en la semana de referencia. Las tareas secundarias que muchos realizan no son registradas. Si un pequeño comerciante rural tiene parcelas de cultivo, pero declara como actividad principal el comercio, no entra en la PEA agropecuaria pese a que en ciertas épocas del año puede estar dedicando todo o casi todo su tiempo a la agricultura. Esto es particularmente notable para los “colaboradores familiares no remunerados”: su actividad sólo se registra si alcanza a un mínimo de horas de tra bajo (15 horas semanales en 1972; un tercio de jornada en 1961), de modo que las tareas auxi liares que cumple un ama de casa rural, si no le ocupan (en la semana pre-censal) un tiempo su perior al indicado, no son registradas; ello explica la limitada participación laboral de mujeres y niños rurales, al menos en parte. c) La agricultura es sólo una de las actividades rurales. Aun algunas actividades complemen tarias de ella (arreo de ganado, comercialización de productos, elaboración de subproductos. etc.) no son contempladas en los requerimientos, ni mucho menos las tareas no agrícolas (arte sanía, pequeña minería, etc.), de modo que una capacidad de trabajo no requerida en la agricul tura puede ser sin embargo necesaria para otras tareas y por lo tanto no puede ser considerada como “sobrante” hasta conocer el presupuesto total de tiempo disponible y de actividades a cum plir por la población rural. Este problema exige un método diferente, centrado en la familia rural como acervo de trabajo y en su utilización efectiva en diferentes actividades: la comparación de bería hacerse entre el tiempo disponible para la agricultura y el tiempo teóricamente requerido en esa actividad con los medios técnicos que cada familia dispone. Es por estas razones, principalmente, que el presente estudio no pretende medir el grado de empleo de la fuerza laboral agropecuaria. Los requerimientos de mano de obra en la agricultura pueden dar una indicación de las variaciones en la necesidad de fuerza de trabajo generada por la actividad agropecuaria, pero no es factible compararlos con la PEA registrada en los censos. A las dificultades mencionadas se suma otra de no menor importancia en el Perú: las cifras de PEA originadas en los censos no son estrictamente comparables de un censo al otro, por haber variado levemente su definición, y por otra parte, las interpolaciones y extrapolaciones para años no censales se han hecho en general con gruesos errores de proyección (casi siempre en el sentido de exagerar el tamaño de la PEA), de modo que para esos años la estimación de la PEA cuenta con un problema adicional: la incertidumbre sobre su tamaño. Desde 1965 en adelante, las pro yecciones de la PEA rural o de la PEA agropecuaria se situaron alrededor de los dos millones de 14 personas, como proyección de la cifra registrada en 1961, que alcanzó un millón y medio ( que con población omitida podría aumentarse a 1.7 millones para ese año). Sin embargo, esa pro yección resultó bastante más alta que la cifra de 1972, año en el cual el nuevo censo dio una PEA agropecuaria casi igual a la de 1961, un millón y medio (ó 1.8 incluyendo omisiones). Las esti maciones del “excedente de mano de obra en la agricultura” elaboradas en base a las proyeccio nes resultaron así invalidadas, pese a lo cual es frecuente que las viejas proyecciones se utilicen hasta la actualidad. En las estimaciones que producimos aquí, lo mismo que en las existentes (las del CEEB), se aplica a todos los productores coeficientes técnicos promedio, que si bien reflejan diferentes tecnologías ponderadas de acuerdo a su incidencia aproximada no permiten diferenciar los re querimientos laborales en las unidades de diferente tipo; una de las tareas principales que podría desarrollarse en el futuro consistiría en diferenciar los requerimientos según el tipo de unidad productiva. Por lo menos deberían considerarse: pequeños productores, medianos productores, y empresas asociativas. Dentro de los pequeños, incluso, podrían distinguirse los productores con algún grado de tecnificación (uso de crédito, insumos, etc.) y los “marginales”. Los coefi cientes que existen se basan casi siempre en productores vinculados al sistema de crédito o a la extensión agrícola oficial, y no representan a los más marginales; sólo en algunos casos se dife rencian los tipos de unidad productiva considerada, como por ejemplo en los estudios efectuados en 1977-78 por la Oficina Sectorial de Estadística e Informática del Ministerio de Alimentación (hoy integrada en la OSE del Ministerio de Agricultura y Alimentación)5. Ese estudio suminis tra presupuestos de costo de producción para los principales cultivos (maíz duro y amiláceo, papa, yuca, quinua, arroz, sorgo, frijol, soya, cebolla, ajo y plátano) en diferentes zonas agrope cuarias, distinguiendo pequeños y medianos productores individuales, y empresas asociativas, pero restringiendo la cobertura a los productores nucleados en el sistema de producción, es de cir, vinculados a los organismos públicos competentes a través de los “núcleos” de productores cuya cobertura es generalmente minoritaria. Si ese tipo de esfuerzo continúa, el estudio de la producción agropecuaria, de la tecnología y del empleo de mano de obra puede progresar sustancialmente al reflejar mejor el distinto com portamiento de las diferentes clases de unidad productiva, gobernadas por diferentes tipos de racionalidad económica. (5) Véase de ese organismo, “Estructura y costo real de producción agrícola por estratos de productores nucleados en el sistema de producción agropecuaria”, Boletín Estadístico No. 6-78 del Subsistema 2: Costos de Producción (Lima, junio 1978). 15 II. COEFICIENTES DE MANO DE OBRA EN LA AGRICULTURA PERUANA 1. NOCIONES GENERALES Los coeficientes de mano de obra que se usarán en este trabajo indican la cantidad de uni dades de tiempo de trabajo (usualmente, días/hombre) que se requieren para cada línea produc tiva, expresado en términos de una determinada escala de tamaño de los recursos disponibles. Así, por ejemplo, para los cultivos se tratará de los requerimientos por hectárea; para la ganade ría, se usarán los requerimientos por cabeza de ganado existente (de cada especie). Estos coeficientes indican, pues, la cantidad de tiempo de trabajo aplicable a esa unidad de tamaño (hectárea o cabeza) independientemente de la producción que se obtenga con ella. En otras palabras, un mayor requerimiento por hectárea no siempre significa un mayor requeri miento por tonelada producida: puede implicar precisamente lo contrario. En efecto, la mayor cosecha por hectárea puede significar un mayor requerimiento de trabajo para la tarea de cose cha, pero no para otras tareas: la zona con cosecha más rendidora requerirá más trabajo por hec tárea, pero probablemente menos trabajo por unidad física de producto. Los rendimientos in fluyen sólo sobre una parte de los requerimientos; el resto del trabajo requerido puede conside rarse independiente del rendimiento (por ejemplo, el trabajo de siembra o de riego); por consi guiente, el impacto de un aumento del rendimiento sobre el requerimiento de mano de obra por hectárea es en general positivo y menor que 1, mientras que el efecto por unidad de producto es negativo. Por otro lado, lo que aquí se mide es el requerimiento de trabajo directo, y no la cantidad total de trabajo directa e indirectamente requerido para la producción. En este último concepto debería incluirse el trabajo requerido para la producción de los medios de producción utilizados (insumos, desgaste de implementos, etc.), y que se aproximan al concepto de valor-trabajo de la economía clásica, o al concepto keynesiano del “multiplicador de empleo”, cantidad adicional de trabajo en la economía en su conjunto, originada por un incremento unitario de producción sec torial. Los requerimientos de trabajo directo, en cambio, corresponden teóricamente al concepto de creación de valor-trabajo. El valor agregado por el trabajo directo se expresa en el valor agre gado neto de la producción, es decir, en el ingreso neto generado por ella, y que se obtiene des contando del valor bruto de producción el importe de los insumos físicos y las depreciaciones: incluye salarios, utilidades, intereses, renta predial, e impuestos. Obviamente un requerimiento de trabajo concreto no debe confundirse con el requerimiento de trabajo abstracto que se plas ma en el valor. Un trabajo concreto cualquiera, con determinado nivel de calificación y todas sus otras características, puede equivaler a más o menos unidades de trabajo social promedio; esta diferencia se expresará tanto en el valor creado por ese trabajo, cuanto en el valor de la respec17 tiva fuerza de trabajo (aunque ambos efectos no tienen que ser necesariamente proporcionales). La relación entre trabajo concreto requerido y trabajo abstracto expresable en valor no es nece sario explicitarlo para los fines de este estudio, que se centra únicamente en el aspecto técnicomaterial de la producción sin pretender extraer conclusiones sobre la creación de valor en el pro ceso de trabajo; en todo caso, la creación de valor en una agricultura campesina o en una agri cultura capitalista tiene particularidades muy complejas dependiendo de la incidencia de la renta del suelo y de la ganancia como categoría determinantes de la frontera de producción6. Un menor requerimiento de trabajo promedio (incluyendo tierras de diferente calidad) no necesariamente corresponde a una actividad más rentable o eficiente. En estos coeficientes que sólo incluyen trabajo directo no se está computando el mayor o menor requerimiento de medios de producción que cada proceso productivo necesita. Menor trabajo puede significar más trac tores, y quizá mayor costo por tonelada producida (o no). Sería preciso un estudio más com pleto de los costos de producción en su conjunto para poder extraer conclusiones al respecto; el presente estudio se limita a analizar uno de los elementos de ese costo: los requerimientos mate riales de mano de obra. Tampoco un menor requerimiento laboral significa necesariamente un menor costo de mano de obra. Este concepto depende del nivel de salarios de la zona, que puede variar ampliamente. El mayor requerimiento laboral de algunas zonas puede traducirse en un menor costo monetario de la mano de obra si los salarios locales son suficientemente bajos comparados con los de otras zonas en que reine la situación inversa (salarios altos, menores requerimientos por hectárea). Existen algunas indicaciones sobre nivel salarial vigente en la agricultura en diferentes zonas, pa ra diferentes tareas y en diferentes épocas, pero no hay hasta ahora un estudio integral de este problema7. Este estudio versa sobre cantidades de días/hombre, no sobre la retribución o costo de ese trabajo. Otra característica de los coeficientes es que son fijos, en un doble sentido: no permiten (para cada área geográfica) más que un valor numérico posible, sin opciones tecnológicas; y además, tienen una estacionalidad prefijada que no es influida por factores variables (lluvias, por ejem plo). La primera inflexibilidad es comprensible: no se trata de un repertorio de técnicas dispo nibles que —de acuerdo con su fluctuante rentabilidad— determine las opciones microeconómicas de las unidades productivas: son en cambio un valor expost, que pretende sintetizar la opción tecnológica más conveniente a partir de datos conocidos sobre sueldos, equipos productivos, in sumos, precios, etc. Obviamente, estas circunstancias pueden cambiar a lo largo del tiempo, pero en plazos razonables no cambian radicalmente. En cuanto a la estacionalidad, se cuenta teórica mente con la información suficiente como para flexibilizar los coeficientes, ya que la secuencia de operaciones de un cultivo puede arrancar en un mes variable según la evolución climática re gistrada u otras variables conocidas; de hecho hay datos sobre el calendario de siembras para cada zona (datos en general inéditos del Ministerio de Agricultura, disponible por lo menos para (6) En una agricultura capitalista, la producción puede emprenderse -si la demanda lo requiere— hasta en aquellas tierras que permiten pagar el salario comente y obtener una tasa de ganancia normal sobre la inversión, así cano el alquiler de las tierras marginales privadas si no hay tierras libres (o sea, la renta absoluta). En una economía campesina, esa frontera puede sobre ponerse hasta explotar las tierras que sólo permiten pagar el salario corriente (si hay un mercado de trabajo) o cubrir la sub sistencia (si ese mercado no existe o no es accesible): Véase nuestro trabajo “Campesinado, precio y salario” (Apuntes No. 9, 1979). En cualquiera de los dos casos, la cantidad de trabajo necesario (que determina el valor del producto) es el que se requiere en la tierra peor que haya sido necesario explotar, valorizado según la regla correspondiente al tipo de economía predominante (parcelaria o capitalista). En general, ceteris paribus la economía parcelaria determina precios inferiores (el trabajo se plasma en un valor menor). (7) El informe sobre costo de producción citado en la nota (5) incluye promedios de salarios pagados en cada micro-zona consi derada, por parte de los diferentes estratos de productores (pequeños, medianos, empresas). Lo mismo ocurre en diversos es tudios sobre costo de producción, aunque muchos de éstos imputan simplemente el salario legal (que no coincide siempre con el salario efectivamente pagado). Hay una serie de datos históricos disponibles en la contabilidad de las haciendas (en el Archivo del Fuero Agrario pueden consultarse diversos casos, mayormente inéditos en este aspecto) y en publicaciones ofi ciales como los Anuarios Estadísticos del Perú hasta la década del 40. Véase nuestro ya citado trabajo “Campesinado, precio y salario” y el documentado trabajo de Shane Hunt “Real wages and economic growth in Perú, 1900-1940” (Boston University, 1977), así como los trabajos de Pablo Macera sobre las haciendas peruanas del siglo XIX en sus Trabajos de Historia (Lima, INC, 1977, Tomo IV). 18 los últimos años). Pero en este estudio se omite considerar ese problema, tomando los coeficien tes como constantes y su estacionalidad (supuestamente un promedio obtenido en determinado año) como fija. Los distintos niveles tecnológicos dan origen a diferentes requerimientos de trabajo para el mismo cultivo o para la misma actividad pecuaria. En general, el peso exacto de cada tecno logía en una cierta zona no se conoce con precisión, y sólo puede estimársela con cierto grado de aproximación. En función de esa ponderación, los distintos requerimientos se combinan en un único requerimiento para toda el área, dando coeficientes que representan el nivel tecnológico promedio para esa zona. Si a lo largo del tiempo cambia la distribución de las hectáreas o del ganado sobre las diferentes tecnologías, o sea si varía la composición del espectro tecnológico efectivo aun cuando no se introduzcan nuevas técnicas, el coeficiente debería variar en conse cuencia, lo cual en general no será posible debido a la ausencia de datos secuenciales sobre la evolución del nivel tecnológico. Es de esperar que para un período más o menos breve este fac tor tenga una influencia limitada, haciéndose sentir más bien en el largo plazo (por ello nuestros estimados para 1929, basados en coeficientes de 1967, deben considerarse como meramente aproximados, y posiblemente como subestimaciones del requerimiento real —ya que el progreso técnico posiblemente ha ido disminuyendo los requerimientos de diferentes cultivos y tareas—). Para las tareas de cultivo, en este estudio se usan sobre todo los requerimientos surgidos de los presupuestos básicos del Banco Agrario, calculados por el CEEB para 1967. Desde esa fecha, el propio Banco ha actualizado algunos presupuestos pero los cambios no son significativos. La comparación entre esa fuente y otros estudios de costo de producción tampoco da lugar a gran des variaciones, aunque sí excepcionalmente para algunos productos concretos. Por razones de homogeneidad se ha preferido seguir usando el conjunto de coeficientes usados por el CEEB pa ra 1967, ajustándolo sólo marginalmente. Para la actividad pecuaria, en cambio, el procedimien to del CEEB fue demasiado grueso, y se ha preferido elaborar un conjunto de coeficientes total mente nuevo. Mencionaremos aquí, sin embargo, uno de los escasos cambios introducidos. Se trata de los coeficientes para la producción de caña de azúcar en los años 1929 y 1944, particularmente en la costa norte del país, donde este cultivo es componente principal de los requerimientos de mano de obra. Los presupuestos de cultivo del Banco Agrario utilizados por el CEEB se basan en una tecnología ya mecanizada, que necesita escasamente alrededor de 50 jomadas anuales por hectá rea de caña cortada. Sin embargo, en épocas anteriores el requerimiento era sustancialmente ma yor. Al respecto se han consultado diversos manuales y obras técnicas, así como datos de los grandes complejos azucareros de la costa norte y las estadísticas sobre personal ocupado en ellos; como resultado se han adoptado coeficientes anuales de 200 jornadas para 1929 y de 100 joma das para 1944, manteniendo los coeficientes del CEEB para 1961 y 1972. Para el mes de juno se han considerado 24 días de trabajo por hectárea en 1929, y 15 días en 1944. Se han verificado estos coeficientes mediante compulsa de casos concretos, encontrándose una razonable coinci dencia. Para los demás cultivos no se ha introducido ningún cambio de este género, pero el pro greso tecnológico ha sido tan sustancial en el caso azucarero que ignorarlo hubiera distorsionado totalmente los resultados. Sin embargo, hacemos un ajuste global en las cifras de 1929 a 1961 para reflejar cambios en los requerimientos unitarios (aparte del caso de la caña) y para cubrir también los diferentes grados de omisión. No es posible distribuir detalladamente estos ajustes por productos y por área geográfica. Otro caso en que hemos introducido modificaciones de alguna importancia es el de la pro ducción de plátano en la región de la selva (especialmente en los departamentos de Amazonas, Loreto y San Martín), donde los coeficientes del CEEB eran claramente erróneos. Por un lado, los coeficientes de dicho estudio contemplaban sólo una cosecha anual, cuando en realidad es 19 usual obtener dos en plazos semestrales; por otro lado, cuando las extensiones de plátano son grandes se toman importantes los requerimientos de trabajo para la instalación y renovación de las plantaciones (rozar el terreno de selva, prepararlo, abonar, sembrar, etc.), trabajo que se rea liza normalmente tras explotar una parcela durante alrededor de diez años —aunque muchas veces el suelo se agota antes de transcurrir ese período—. Conservadoramente, hemos aplicado los re querimientos de instalación del cultivo a razón de un 10 por ciento del área total cosechada. Pa ra que pueda ser apreciada la importancia de esta corrección, vale la pena señalar que en el caso del departamento de Loreto los requerimientos adicionales por instalación y renovación de un 10% anual de platanales significó un incremento de medio millón de jornadas por año, mientras que la consideración de la segunda recolección implicó alrededor de seiscientas mil jomadas más, todo lo cual implica un aumento de aproximadamente un 25% en los requerimientos totales de ese departamento. Correcciones similares deberían introducirse para otros cultivos permanentes, pero no se disponía de datos apropiados; los casos más salientes son sin duda los del café, la coca, los fruta les y los pastos cultivados al corte y al pastoreo. En el orden nacional la omisión no es significa tiva, pero puede llegar a ser importante en algunas provincias. Lo mismo ocurre con la omisión de todo requerimiento laboral para la actividad de extracción forestal y para la caza de animales silvestres, que se estima representa alrededor del 1% de los requerimientos nacionales pero que en algunas zonas (por ejemplo Pucallpa) pueden ser un componente relevante de la demanda de mano de obra. En este caso hemos preferido atenemos a una definición restrictiva del sector agrícola, incluyendo sólo las tareas agrícolas y pecuarias y excluyendo la silvicultura (maderable y no maderable), la caza, la pesca tanto marítima como de agua dulce, y las tareas colaterales de la explotación agrícola (administración, mercadeo, primera elaboración de los productos dentro de la chacra, traslado de personas o de productos, extracción de leña, recolección de abono de co rral, etc.). Con respecto a los pastos cultivados al pastoreo, sólo se han considerado requerimientos en las cuencas lecheras de Cajamarca, el Mantaro, Arequipa y Lima, en las cuales se contaba con los respectivos coeficientes para alfalfa de pastoreo (que es la principal fuente de alimentos para los vacunos de leche de esas cuencas). En el resto del país se ha omitido considerar requerimientos para los pastos de pastoreo, pues por un lado se carecía de datos sobre sus requerimientos y, por otro, en muchas provincias y departamentos se trata de variedades que no requieren práctica mente trabajo. En cuanto concierne a la comparación de los requerimientos con la población ocupada en la agricultura, para tratar de salvar en parte la no-comparabilidad de ambas cifras se ha recurrido a los procedimientos que a continuación se mencionan. a) Las jomadas mensuales requeridas se han reducido a meses/hombre en base al número esti mado de días útiles de cada mes. Para obtener estos últimos se ha usado el estudio del CEEB para 1961, relacionando las jomadas disponibles mensuales (en el volumen Primera estimación del subempleo, etc.) con la población activa estimada para ese año (en el volumen La fuerza la boral actual y proyectada, etc.). b) Para efectuar una comparación con la ocupación censal de mano de obra, y poder así con trastar la hipótesis de un eventual “excedente de mano de obra”, se tomó la población ocu pada en la agricultura, de 6 años y más, excepto los que declararon actividades no contempladas en los requerimientos. Para ello se tomó como punto de partida el gran grupo ocupacional “Tra bajadores agrícolas y forestales, pescadores y cazadores”, que abarca diversos grupos primarios de ocupación. Se excluyó a los siguientes grupos primarios: 601 Directores de explotaciones agrícolas 602 Jefes de explotaciones agrícolas 20 627 Obreros agrícolas en el cultivo de huertas, jardines y viveros (principalmente son jardi neros). 629 Avicultores 630 Sericicultores 631 Sangradores de árboles, excepto caucho 641 Taladores y trozadores de árboles 642 Trabajadores forestales, excepto taladores y trozadores de árboles 651 Pescadores de alta mar 652 Pescadores de agua dulce 653 Piscicultores 654 Balleneros 655 Cazadores de animales en general y trabajadores asimilados 659 Pescadores y trabajadores asimilados no clasificados en otro código. Para efectuar esta discriminación hubo que acudir a los tabulados inéditos del Censo de Po blación 1972, disponibles en la Oficina Nacional de Estadística (Tabulado No. 26), ya que en los volúmenes departamentales ese cuadro sólo se publica a nivel de departamento (Cuadro 26) y no de provincia. Los tabulados se pudieron usar en su totalidad, excepto los del departamento de Lima por haber sido extraídos (o sustraídos) de la Oficina citada. Por ese motivo, en las provin cias de Lima hubo que utilizar los cuadros publicados para estimar el mismo dato; el procedimien to usado fue el siguiente: a) Se tomó como punto de partida la población ocupada de 15 años y más, en el Gran Grupo “Trabajadores agrícolas y forestales, pescadores y cazadores” (Cuadro 28 de los volúmenes departamentales), restándole las personas de ese mismo grupo que estaban ocupadas en la Pesca (Cuadro 32), para cada provincia. b) Se añadió a esa cifra los “Trabajadores agrícolas y forestales, etc.” de 6 a 14 años que estu viesen en la condición de “ocupados” (Cuadro 27), restándole el total de personas de 6-14 años ocupadas en la Pesca (Cuadro 24), asumiendo que en su inmensa mayoría se trata de pesca dores, ya que el Censo no los clasifica al mismo tiempo por rama y por grupo ocupacional. c) Los “Obreros de huertas, jardines y viveros” fueron asignados íntegramente a la provincia de Lima, asumiendo que se trata fundamentalmente de jardineros (ese departamento alberga una elevada proporción del total nacional en ese grupo). d) Las restantes categorías a excluir (Directores y jefes, cazadores, taladores, etc.) fueron des contados en forma proporcional de las distintas provincias, hasta alcanzar el total de traba jadores agrícolas “estrictos” que el Cuadro 26 de los volúmenes departamentales asigna al depar tamento de Lima una vez descontadas las categorías antes mencionadas. La única dificultad con la cifra así construida radica en que hay algunos “trabajadores agrí colas, etc.” que no laboran en la agricultura sino en otras ramas de actividad, a veces por errores de clasificación y otras veces por situaciones especiales. No se pudo hacer la separación porque no existe un cuadro que cruce los grupos primarios de ocupación y las ramas de actividad. Esto puede tener importancia en algunas provincias, aunque a nivel nacional es casi insignificante (se trata de sólo unos 15,000 trabajadores agrícolas en otros sectores, excepto los que trabajan en la pesca). Una de las provincias afectadas es Chancay, donde un grupo importante de trabajado res agrícolas aparece en el sector industrial, probablemente porque el establecimiento donde tra bajaban era agro-industrial y fue clasificado en la industria manufacturera; en ese caso, el error no tiene consecuencias porque los trabajadores eran efectivamente agrícolas. Otro es el caso cuando un “lampero”, por ejemplo, trabaja en la minería o la construcción y es erróneamente clasifi cado como “trabajador agrícola” debido al nombre de su tarea, pero estos casos son en general muy raros. 21 De esta forma, las actividades incluidas son las de agricultor, ganadero, trabajador agrícola o ganadero (familiar o asalariado), avicultor, horticultor, y otras análogas, para las cuales se han contemplado requerimientos. Con esto aumenta la comparabilidad pero no se la logra completa mente, pues el Censo sólo recoge la actividad declarada como principal (puede haber declaracio nes inexactas, o inexactamente registradas, y puede haber actividades secundarias), y se refiere a sólo una semana, situada en los primeros días del mes de junio. En algunas provincias (notable mente en el caso de las del altiplano puneño) al parecer no se registró como económicamente ac tivos a los niños pastores, de modo que la ocupación ganadera aparece sustanciaimente subesti mada. Lo mismo cabe decir del trabajo de las mujeres, sobre todo en las áreas de pastoreo. La comparación entre los meses/hombre requeridos y las personas ocupadas tiene una difi cultad adicional, que consiste en aparear los datos mensuales de los requerimientos con la ocu pación registrada en una cierta semana. La estacionalidad exacta de los cultivos y de las activi dades pecuarias no siempre coincide con los coeficientes rígidos que aquí se utilizar, va que las condiciones climáticas y otros factores pueden adelantar o retrasar cualquiera ce ellas: por otro lado, las jornadas previstas para un determinado mes pueden distribuirse en una forma cualquiera a lo largo de sus cuatro semanas. En este caso se supone que la distribución es uniforme a lo largo de todos los días útiles del mes, pero en algunos casos ello puede conllevar un errar. Y conside rando que el Censo se tomó a comienzos de junio, conviene tomar como patron. ce comparación los requerimientos de los meses de mayo y junio: si no hay déficit o exceso de ocupación, las per sonas ocupadas deberían estar comprendidas entre los meses/hombre requeridos en mayo y los requeridos en junio, y probablemente más cerca de los de junio. En otra sección ce este estudio se presenta una correlación entre ocupación y requerimientos, donde este análisis se aplica con mayor detalle y se extraen de él algunas conclusiones. 2. COEFICIENTES DE MANO DE OBRA PARA CULTIVOS AGRICOLAS En un área geográfica concreta, generalmente aquella que corresponde a la jurisdicción de una Agencia del Banco Agrario, esta institución realiza estudios y estimaciones destinados a es tablecer los costos de producción predominantes en la zona bajo diferentes condiciones, los cua les luego utiliza para el otorgamiento de créditos a los productores individuales o a las empresas situadas en la zona. En esos presupuestos no sólo se incluye —entre otros requerimientos— el de mano de obra, sino también el calendario de tareas a cumplir pues ese dato es importante para fijar el flujo financiero del crédito. Para cada una de las tareas previstas (preparación del terreno, siembra, abono, etc.) el presupuesto señala un período determinado, generalmente uno o más meses del año, en el cual la tarea debe ser realizada. En cada tarea se señalar, los jornales reque ridos así como otros insumos específicos. Esta es la información básica que se ha usado para estimar los requerimientos en el presente trabajo. Las posibilidades técnicas contempladas en los presupuestos usualmente cubren tres niveles tecnológicos (tecnificado, semitecnificado, empírico) y dos situaciones (riego y secano), es decir un total de seis condiciones técnicas posibles —no todas las cuales deben estar necesariamente presentes en cada caso—. En cada agencia se preparan presupuestos para cada uno de los cultivos financiados por el Banco, preparando hasta seis presupuestos para cada área o sub-área diferencia da que se identifique dentro de la jurisdicción de la agencia. Las solicitudes individuales de cré dito son luego enmarcadas en alguno de estos presupuestos a fin de considerar su viabilidad. El análisis efectuado por el CEEB, referido a los presupuestos vigentes en el año 1967, tomó esta información básica y obtuvo coeficientes combinados, promediando los diferentes presu puestos con el peso que tuvieron —aproximadamente— en la zona considerada; es probable, sin embargo, que esta ponderación haya tenido algún sesgo —posiblemente en favor de las unidades 22 mas tecnificadas— debido a la composición más o menos privilegiada de la clientela del Banco res pecto al conjunto de los productores. Es por ello que los coeficientes así obtenidos deben ser considerados como posibilidades óptimas, no necesariamente al alcance del productor campe sino más pobre, como normas técnicas a veces inalcanzables, y no como reflejo del empleo efectivo. Este es probablemente bastante mayor que el señalado en los coeficientes. Ante esta característica, cabe preguntarse qué validez puede tener el uso de estos coeficien tes teóricos, que no reflejan el uso efectivo de trabajo. La respuesta es relativamente simple. El uso efectivo difiere del teórico básicamente por dos tipos de causas.c) Porque hay razones económicas que hacen más apropiada (en algunas unidades producti vas) una tecnología diferente de aquella señalada en los coeficientes técnicos. b) Porque algunas unidades utilizan irracionalmente (o sub-utilizan) la fuerza de trabajo, espe cialmente la fuerza de trabajo familiar. La influencia específica de cada uno de estos motivos es difícil determinar. El primero de ellos tiene indudablemente algún influjo, generalmente en el sentido de generar más trabajo que el indicado teóricamente. El otro puede estar presente cuando la familia tiene menos tierras y re cursos físicos que los necesarios para emplear plenamente su fuerza familiar de trabajo, factor éste último que no se puede ajustar fácilmente en el corto plazo. Durante un período más o me nos largo, las familias pueden utilizar más fuerza de trabajo de la requerida teóricamente, porque no está a su alcance ni la reducción de esa fuerza disponible ni la adquisición de más medios de producción. Este elemento —generalmente aducido para explicar el excedente o sub-empleo de la mano de obra rural— también contribuye a elevar el uso efectivo de trabajo respecto a los re querimientos. Un indicador apropiado de los requerimientos debería tomar en cuenta el motivo (a), ya que esas unidades productivas no pueden —racionalmente— usar los coeficientes teóricos señala dos. Pero se debería descartar el factor (b) porque al considerarlo se estaría convirtiendo un des pilfarro de trabajo en un requisito técnico deseable: el mayor uso efectivo de trabajo originado en ese factor debe ser considerado como despilfarro, y no como requerimiento laboral auténtico. Sin embargo, no es fácil hacer la distinción empíricamente porque los presupuestos de cultivo no abarcan generalmente a todas las unidades, como queda dicho, sino que excluyen al estrato más pobre y marginal. El auténtico requerimiento racional de trabajo agrícola estará situado en algún punto entre el uso efectivo y el requerimiento teórico basado en los presupuestos del Banco Agra rio, pero no es fácil darle un valor empírico a esa discrepancia. Esto, sin embargo, señala el carácter casi seguramente subestimado que tienen los coeficien tes de mano de obra disponibles. Si bien no siempre los adelantos técnicos incrementan la canti dad de trabajo directo por hectárea, para una gran cantidad de productos ocurre así. Al mismo tiempo, los cálculos de costo de producción suponen muchas veces un trabajo cotidiano más pro longado que lo usual, o más intenso, de modo que en la práctica el mismo trabajo puede realizarse en un mayor número de horas (o de días). La estimación de requerimientos obtenida entonces para ios cultivos constituirá una cifra mínima, correspondiente a una definición conservadora en la práctica se requerirá una cantidad de trabajo algo mayor. En un presupuesto típico de cultivo, se señalan una serie de tareas concretas: preparación del terreno, siembra, abonamiento, riego, aplicación de pesticidas o herbicidas, deshierbo, cose cha (y tal vez alguna más, según los casos). Cada una de ellas tiene un calendario de aplicación, que generalmente está unido a la fecha de siembra aunque no de manera mecánica. En otras pa labras, dentro de ciertos márgenes de error el conocimiento de la fecha de siembra permite esti mar la fecha probable en que se realizarán las demás tareas pudiendo la fecha de siembra variar dentro de límites conocidos. Los pasos en la elaboración de coeficientes son los siguientes: 23 a) Si las tareas a cumplir se denominan A, B, C, etc., y los meses en que han de ser realizadas se numeran (1, 2, 3,...) sin indicar todavía a qué mes calendario corresponden, el presupues to de requerimientos de mano de obra podría lucir en la forma siguiente (expresado en días/ hombre): Las tareas pueden ser las arriba señaladas: por ejemplo, A puede ser la preparación del terre no, B la siembra, etc. Normalmente el presupuesto no es tan taxativo en cuanto al calendario; por ejemplo, para la tarea E (digamos, para el deshierbo) el presupuesto puede indicar 6 días de labor distribuidos en algún punto entre el tercer y quinto mes, y estos 6 días son distribuidos por partes iguales entre los tres meses simplemente por carecerse. de información precisa sobre el momento en que efectivamente se realiza la tarea. El supuesto implícito es que las distintas fechas escogidas por las unidades productivas arrojan una distribución promedio uniforme sobre los tres meses indicados; pero esa distribución no tiene por qué ser uniforme: ¿por qué no cuatro días en el primer mes, y un día en los dos meses restantes, o cualquier otra combinación o distri bución posible de los 6 días en tres meses? La distribución uniforme, en todo caso, es la mejor “apuesta” que se puede hacer en ausencia de otra información relevante, pero también podría pensarse que es buena la hipótesis de una distribución “normal”, con más labores en el mes cen tral y menos en los meses extremos del trimestre indicado. Estas incertidumbres significan que los coeficientes albergan un cierto grado de subjetividad por parte de quien construye los valores numéricos a partir de los presupuestos básicos de cultivo. b) Suponiendo que se conoce la distribución de las tareas a lo largo de una secuencia abstracta de meses, es preciso ahora calendarizar la secuencia indicando a qué período concreto co rresponde el “Mes No. 1”; esto implica, por ejemplo, conocer la fecha de siembra para cada pro ducto en cada micro-zona a la cual el presupuesto se aplica, tarea nada simple pues en parte ello depende de las lluvias y otros factores análogamente aleatorios. El presupuesto normalmente in dica un período probable de siembra (por ejemplo, octubre-diciembre), pero no indica, nueva mente, la distribución de la siembra a lo largo de ese período. Desde los primeros años de la década de 1970, junto con la Reforma Agraria, se estable cieron “calendarios de siembra” en cada zona agraria; su validez no es universal, pues tiende a reflejar sobre todo la situación de las unidades productivas ligadas al Estado: si las unidades no vinculadas al Estado tienen microclimas diferentes (por ejemplo, tierras a mayor altura), su ca lendario será distinto. De todos modos, el calendario de siembras es el mejor dato que se posee y sería conveniente tenerlo en cuenta. 24 c) Cuando se cuenta con la distribución de la siembra por meses del calendario, suponiendo que las otras tareas varían de acuerdo al calendario de siembras se puede obtener requeri mientos por meses reales y concretos. En un mes determinado “i”, una proporción k2 está en el mes número 2, y así sucesivamente. Si es Rij el requerimiento del cultivo “j” en el mes número “i”, y es K¡jm la proporción del total de tierras (dedicadas al cultivo “j”) que en el mes ”m” es tán en el mes número “i” de la secuencia productiva, entonces en el mes “m” se requiere para el cultivo “i”: Estos requerimientos por mes-calendario no deben coincidir, obviamente, con los requeri mientos fijados en el presupuesto para los diferentes meses abstractos del proceso vegetativo. En general, la existencia de diferentes fechas de siembra tenderá a suavizar la estacionalidad de los requerimientos, pues los distribuirá sobre un mayor número de meses en total, y “llenará” par cialmente los huecos entre una y otra etapa del proceso productivo. d) Los coeficientes así obtenidos, por otro lado, se refieren siempre a determinada pondera ción de los distintos niveles tecnológicos; sin embargo, el peso relativo de cada tecnología no se determina fácilmente. Podría utilizarse como indicador la distribución de los créditos agro pecuarios entre los diferentes niveles tecnológicos, pero ésto reflejaría la tecnología de los clien tes del Banco Agrario, probablemente más sofisticada en promedio que el conjunto de los pro ductores. La manera más adecuada de medir la distribución de tecnologías en cada área sería el procesamiento más profundo del Censo Agropecuario, donde se generó información sobre uso de fertilizantes, riego, mano de obra asalariada, personal especializado, tractores, semilla comparada, etc.; esta información debería ser combinada para obtener la matriz tecnológica de cada zona, es decir, la cantidad de hectáreas de cada producto que se alberga bajo cada combinación de esos elementos (en algunos casos, incluso, el Censo indica qué producto concreto es beneficiado con determinado adelanto técnico: así por ejemplo se señala el cultivo abonado o regado, y el cultivo para el cual se compra semilla; no se indica, en cambio, qué cultivo recibe los servicios del trac tor, el arado o el personal especializado). Este análisis requeriría procesar nuevamente el Censo Agropecuario, ya que los cuadros publicados del de 1972 no satisfacen este propósito: cada va riable tecnológica ha sido tabulada por separado, cruzada con el tamaño de las unidades pero no con otras características de éstas. De esta manera la estimación de los niveles tecnológicos y su distribución podría ser mejorada sustancialmente. En las circunstancias actuales, la ponderación que se ha usado (la que usaron los técnicos del CEEB para ponderar los presupuestos de 1967) deben considerarse como mera aproximación. En este estudio no se ha utilizado tampoco en forma directa los calendarios de siembra, que como quedó dicho están disponibles únicamente para los años más recientes. Se ha usado, en cambio, la calendarización usada por el CEEB, el cual simplemente distribuyó los coeficientes uniformemente entre los distintos meses en que podía comenzar la secuencia (suponiendo igual frecuencia de siembra en cada uno de esos meses), corrigiendo esta uniformidad sólo en algunos casos en que se conocía la distribución efectiva. Esta opción puede haber causado algunas distor siones, que si bien se autocompensan en el nivel nacional, pueden ser significativas al nivel de una misma provincia; por ello la calendarización estacional de los coeficientes aquí usados debe con siderarse como meramente aproximada. Desde 1974 hasta 1977 un grupo de trabajo estuvo preparando nuevos coeficientes en el Ministerio de Agricultura; su labor se ha detenido 8 luego, dejando un saldo inconcluso que con siste básicamente de una publicación metodológica y una cantidad de materiales inéditos sobre requerimientos de mano de obra (incluyendo mayor cantidad de productos y coeficientes más (8) “Análisis y perspectivas de la ocupación en el agro: metodología general”; Ministerio de Agricultura y Alimentación, Oficina Sectorial de Planificación Agraria, Lima, julio 1978. 25 actualizados). Desgraciadamente, la forma en que estos coeficientes están presentados no permi te su utilización directa: se requeriría calendarizar las siembras y sumar ponderadamente los di ferentes niveles tecnológicos, además de recompensar los coeficientes en términos de las subdivi siones políticas del país ya que se dan en términos de zonas y agencias del Ministerio de Agricul tura. Esta labor es compleja y demandaría una cantidad de tiempo y recursos que este estudio no pudo afrontar. Por ello se ha preferido utilizar el mismo conjunto de coeficientes del CEEB, añadiendo solamente algunas correcciones marginales y algunos cultivos nuevos (por ejemplo, se han calculado requerimientos para la coca, basados en el estudio del Valle de La Convención efectuado en el marco del proyecto GEAR — Generación de Empleo en el Ambito Rural). En cambio, nuestros coeficientes para la explotación pecuaria han utilizado elementos recogidos en el marco de ese proyecto inconcluso, aunque con importantes modificaciones que oportuna mente se especificarán. También se han introducido modificaciones en los coeficientes del CEEB en algunos casos en que se detectó alguna anormalidad visible y corregible fácilmente. Por ejem plo, los inaceptables coeficientes del CEEB para el café de Oxapampa y Chanchamayo fueron reemplazados por los de Satipo, considerados más realistas, aunque “retardados” en un mes. Algunos coeficientes provinciales resultarán a simple vista extraños para los conocedores de la zona. Debe recordarse que ellos no expresan el requerimiento efectivo de cada tierra, sino un promedio ponderado de varios niveles tecnológicos, de varias subzonas, de varios calendarios de siembra, y de varias fechas posibles para las otras tareas una vez fijada la fecha de siembra. Y que todo ello no se basa en las prácticas predominantes, sino en las normas consideradas como “ra cionales” por el Banco Agrario. En algunos casos, la insuficiencia de la información produce inexactitudes inevitables. Tal es el caso de los pastos cultivados, que involucran tanto los cultivados al corte como aquellos los destinados al pastoreo. Los coeficientes disponibles se refieren a pastos cosechados, mientras que las cifras de la Estadística Agraria, lo mismo que las de los censos agropecuarios de 1929 y 1961, no distinguen entre ambos. Obviamente, los pastos cultivados para pastoreo tienen sólo mínimos requerimientos laborales, especialmente para mantenimiento y renovación. La solución elegida consistió en prescindir de dichos pastos cuando la información lo permite (caso del Censo Agro pecuario de 1972) y asignar en otros casos los coeficientes a un cierto porcentaje de los pastos cultivados —correspondientes aproximadamente a los pastos cultivados al corte según las propor ciones registradas en 1972—, En general, estos cultivos no inciden decisivamente en la superficie total, salvo unos pocos casos. Por otra parte, en cada provincia se registran algunos cultivos que no aparecen presupuesta dos por el Banco, y cuyo requerimiento, por ende, no se conoce. Normalmente las hectáreas ocu padas por esos cultivos residuales son muy pocas: a nivel departamental, no suelen ser superiores al 5% del total, excepto en algún caso aislado. El tratamiento de este residuo se ha efectuado si guiendo un procedimiento muy simple: se ha supuesto que esas hectáreas requieren en promedio las mismas cantidades de trabajo que el promedio de las hectáreas con coeficientes conocidos. Pa ra estimarlo, siendo T el área sembrada total y A el área sembrada con cultivos de coeficiente co nocido, se multiplicaron los requerimientos del área A por factor T/A obteniendo un estimado de los requerimientos totales. También se supuso que la estacionalidad de esos cultivos es la mis ma que la de los cultivos conocidos, de modo que el factor T/A se aplicó también a ios requerimien tos mensuales-, este supuesto —usado por el CEEB— no siempre es realista; es posible que —donde hay riego o lluvias suficientes— los cultivos “menores” actúen anti-estacionalmente, o se distri buyan más uniformemente entre los diferentes meses; ello llevaría a distribuir los requerimien tos residuales en otra forma (por ejemplo, en forma equitativa en los doce meses del año). El efecto de este procedimiento, sin embargo, no es notable dada la escasa magnitud del residuo; para la generalidad de las provincias y departamentos, el supuesto de igual estacionalidad “aguza” la estacionalidad global, mientras el otro la “achata” o “suaviza”, pero en una magnitud no de masiado significativa. Con una superficie residual no superior al 10% del total, y con un reque rimiento máximo que excede apenas en un 20% al requerimiento promedio, el pico máximo 26 puede crecer en sólo un 2°/o según la forma en que se distribuya el residuo. Este impacto, sin em bargo, puede ser mayor en algunas provincias donde el residuo y/o la estacionalidad sean mayores. Para la estimación de los requerimientos departamentales, adicionalmente, hemos construido coeficientes por combinación de los coeficientes provinciales respectivos. Para ello, la pondera ción utilizada fue la de 1967 (que figura en la ya citada estimación del CEEB), como fecha in termedia entre los diferentes años para los cuales ofrecemos estimaciones departamentales dentro del período 1929-76, ya que las ponderaciones de 1972 podían resultar demasiado sesgadas hacia la actualidad. Si se contara con datos provinciales en diferentes fechas podría haberse variado la ponderación, pero ello fue imposible dada la carencia de datos a ese nivel, excepto para 1961 y 1972. La ponderación de las provincias en el coeficiente departamental, por otro lado, difícil mente varíe en pocos años sustancialmente. Esta promediación, además, no fue hecha en térmi nos exactos sino con valores redondeados para facilitar los cálculos, factor que no puede haber influido significativamente en los resultados. Algunos productos tienen diferentes requerimientos según que se coseche el fruto a distin tos grados de maduración; por ejemplo, las arvejas o habas de grano verde y de grano seco; el maíz choclo y el maíz grano, etc. Donde se contaba con ambos coeficientes se los incluyó; en algunos casos se contaba con uno solo, que se aplicó indistintamente; en otros casos, las hectáreas no aparecían diferenciadas según el grado de maduración del producto, pareciendo por ejemplo “arveja” sin más especificaciones; en esos casos se aplicó el coeficiente que se suponía mayoritario, o una combinación lineal de los dos. La diferencia en estos casos no es muy grande: signi fica una variación en la calendarización de la cosecha; el error introducido no es por ende signifi cativo a nivel anual, aunque puede contribuir a recargar algunos meses en detrimento de otros. En líneas generales, el choclo ocupa un área mucho menor que el maíz grano, y las leguminosas de grano verde mucho menos que las de grano seco; en caso de duda, por lo tanto, se prefirió usar el coeficiente de grano seco, demorando por ende la fecha de la recolección para la porción mino ritaria que se cosecha antes. La magnitud del área involucrada y de los requerimientos que se al teran por ésto es prácticamente insignificante. En todos los casos, las tareas de cultivo consideradas finalizan con la cosecha. No se incluye la trilla y elaboración del producto, cuando estas actividades no son simultáneas con la cosecha; tampoco el desmote del algodón, la molienda de azúcar, etc. Se excluye el tiempo gastado en comprar insumos (incluyendo viajes hasta el lugar de expendio), en obtener crédito, en adminis trar el fundo, en comercializar la producción, y en otras tareas no estrictamente agrícolas. Se in cluye únicamente el trabajo directo requerido por el proceso de labranza y cultivo, desde la pre paración del terreno hasta la cosecha del producto9. Esto refuerza la idea de que no se puede de ducir de aquí una estimación sobre el empleo total de la fuerza de trabajo agrícola, que debe ser medido al nivel de la familia rural estudiando su “presupuesto de tiempo”10. Por último, cabe señalar que los requerimientos, expresados simplemente en “jomadas de trabajo”, necesitarían mayor precisión en varios aspectos: 1. Hay tareas particularmente aptas para el trabajo de hombres adultos, o de mujers o personas jóvenes; esto se refleja en las preferencias de los productores por uno u otro tipo de perso nal; el diferente trabajo se refleja también en distinta productividad y diferente salario; sería conveniente —una vez discriminadas las tareas según la edad y sexo predominantes en ellas— (9) Se excluye también el tiempo necesario para el trayecto hacia y desde la parcela, que puede a veces ser importante dada la fragmentación de las tierras en las zonas serranas sobre todo. (10) Entre los pocos ejemplos peruanos, Félix Olaguivel (de la Universidad Técnica del Altiplano) ha estudiado los presupuestos de tiempo de dos comunidades de Puno: Jacantaya y Culta. Por gentileza de su autor hemos podido consultar detallada mente los materiales, aún inéditos, de esta investigación. Un breve informe se ha publicado en la revista Semestre Econó mico, del Dpto. de Economía de dicha Universidad, No. 1 (Octubre 1978): Félix Olaguivel, “Presupuesto de tiempo en las comunidades campesinas de Jacantaya y Culta en Puno”. 27 reducir las jomadas brutas a una equivalencia homogénea (por ejemplo, en términos de jor nadas de hombre adulto). 2. Hay algunos cultivos en que los presupuestos no estipulan propiamente días de trabajo por hectárea, sino solamente salarios a destajo (por ejemplo, en el café donde se pagan salarios por arroba). La conversión de arrobas a jornadas se basa en información concerniente a la cantidad normalmente recogida en un día de trabajo, pero esta cantidad puede variar con distintas circunstancias. 3. Otros cultivos traen sus requerimientos expresados en “tareas” y no en días. Una “tarea” suele coincidir aproximadamente con una jornada de trabajo, aunque en algunas zonas se observan “tareas” de medio día. Hay un elemento de incertidumbre en la conversión de tareas a jornadas. 4. La duración efectiva de la jomada laboral varía según las zonas y los trabajos concretos rea lizados. La gran altitud, por ejemplo, dificulta las jomadas prolongadas en la sierra, por lo cual suelen limitarse a unas 6 horas de trabajo (un total de ocho o nueve horas con varios descansos para comer o para mascar coca); en otras zonas la extensión es mayor (véase nues tro trabajo “El subempleo en el Perú: una visión crítica”, Apuntes No. 8. 1978, pp. 21-22). Una adecuada mensuración de los requerimientos debería hacerse en horas hombre y no en días, pero tal refinamiento no es posible por el momento. 5. En los presupuestos correspondientes al cultivo “tecnificado” suele incluirse el uso de trac tores u otras máquinas. En los semitecnificados, en cambio, aparecen las “yuntas” (animales de labor). El costo del uso de estas fuentes de energía se calcula en términos de horas de servicio (única vez en que se usan las horas como unidad). En dicho costo se incluye no sólo el alquiler de la máquina o de los animales, sino también la retribución del conductor de los mismos (maquinista, tractorista, gañán, etc.), en forma indiscriminada Los requeri mientos de horas/hombre por estos conceptos no aparecen incluidos entre ios requerimien tos. Si bien su incidencia no es mucha, puede llegar a ser respetable en algunas zonas, sobre todo en lo referente al gañán de las yuntas (3/4 partes de las unidades ce la sierra de 1 a 5 Has., y 2/3.partes de las de 5 a 20 Has., usan energía animal o mecánica, cubriendo la ma yor parte de la superficie cultivada de esa región; proporciones iguales o mayores se dan en la costa y la selva). Una hectárea típica de la costa puede requerir de dos a seis horas de trac tor o máquina, lo cual obviamente requiere entre 0.25 y 0.75 jomadas de trabajo del tracto rista; si el trabajo se hace con yunta, se requieren usualmente tiempos mucho mayores, del orden de dos a cuatro días por hectárea o más, lo cual eleva en forma significativa los requerimientos de trabajo —sobre todo de la preparación del terreno y de la siembra—; siendo 80 días-hombre al año los requerimientos medios aproximados de toda la agricultura, el trabajo de gañán y el tractorista puede significar un incremento del orden del 5 al 10% en el total de requerimientos, en las hectáreas que los usan, y quizá entre 2 y 5% en el total. Pese a estas limitaciones, se cree que los requerimientos agrícolas son estimados con algún grado de fidelidad por los coeficientes que se utilizan aquí; utilizar otros más recientes no signi ficaría mayores cambios (los coeficientes de 1972, usados por el Grupo Ocupación en el Agro, no varían significativamente sobre los de 1967 usados por el CEEB, para la mayoría de cultivos); si bien en conjunto pueden subestimar el valor absoluto de los requerimientos, reflejan por lo menos la tendencia de su evolución; y si bien puede haber errores en la estacionalización, es po sible que éstos se anulen mutuamente al considerar áreas mayores (departamentos, por ejemplo). 28 3. COEFICIENTES DE MANO DE OBRA EN LA ACTIVIDAD PECUARIA En los distintos estudios sobre requerimiento de mano de obra en la agricultura peruana que se han efectuado hasta el presente, la actividad 11pecuaria ha recibido un tratamiento más bien superficial. El estudio de Thorbecke y Stoutjesdijk simplemente no la considera, limitándose a los requerimientos del cultivo agrícola. 12Un estimado del INP del año 1965 (incluido luego en el Plan Sectorial Agropecuario de 1967) incluye los requerimientos pecuarios aunque no de talle el procedimiento seguido para obtenerlos. El estudio del CEEB, ya citado, elabora coefi cientes para obtenerlos. El estudio del CEEB, ya citado, elabora coeficientes para la actividad pecuaria pero con características de extrema simplificación. Si por un lado los coeficientes agrí colas podrían considerarse subestimados, los de la ganadería parecen al contrario exagerados, pa ra algunas especies sobre todo. El enfoque del CEEB se basó en el estudio de sólo una especie ganadera: los ovinos. Los requerimientos de la explotación ovina fueron estimados en base a tres estudios: dos en la sierra central y uno para el conjunto de la ganadería de Puno (siempre en haciendas tecnificadas o por lo menos relativamente grandes). Con esta base se estimaron los coeficientes de dos niveles tec nológicos: “tecnificado” y “semitécnico”. Los de nivel empírico fueron simplemente estimados suponiendo que cada 1000 animales en ese nivel requieren el doble de personal que en el nivel semitécnico. La distribución del ganado entre los tres niveles fue también puramente estimativa: 71% empírico, 21% semitécnico, 8% tecnificado. No se efectuó ninguna zonificación: los mismos coeficientes se aplicaron a todo el país. Una vez estimados los requerimientos ovinos en esta forma, las restantes especies se redu jeron a unidades de ovino, mediante coeficientes de conversión. Estos coeficientes, sin embargo, no corresponden al mayor o menor uso de mano de obra que requieren las distintas especies, sino sólo a su requerimiento de pasturas. En efecto, se basan en disposiciones técnicas del Ministerio de Agricultura y de la Ley de Reforma Agraria y su reglamentación, las cuales asignan tierras de pastos en distintas proporciones según la especie animal de que se trate. Obviamente, mayor re querimientos de pastos no significa necesariamente mayor necesidad de personal, al menos no en forma estrictamente proporcional; por ejemplo, los coeficientes para el ganado equino (caba llar, mular y asnal) implican 8 a 9 veces más pastura que las ovejas, pero esto no significa que para atenderlos se requiera 8-9 veces más personal, y lo mismo pasa con los vacunos cuya pro porción de pastura es similar. No se intentó ningún estudio sobre otras especies, ni se diferenció por zonas. Este método es, por supuesto, muy riesgoso, y envuelve serias posibilidades de error, algu nas muy evidentes. Por ejemplo: se incluye para los ovinos un mayor requerimiento en la época de la esquila (alrededor del mes de febrero); al usar los ovinos como unidad de referencia, se aplica el requerimiento por esquila a todas las especies (por ejemplo, vacunos o caballares, cuyo peso específico es equivalente a cuatro veces el stock de ovinos) de modo que las “necesidades” de mano de obra en febrero resultan enormemente exageradas (aparte de ello, la esquila se con centró en febrero para todo el país, cuando en realidad la fecha varía entre diciembre y abril aproximadamente). En el grupo de trabajo sobre ocupación en al agro del Ministerio de Agricultura, a cuya in conclusa labor se ha hecho antes referencia, se realizó un estudio más completo del sector pecua rio, aunque tampoco sus resultados pueden ser tomados sin modificaciones. (11) Erik Thorbecke - E. Stoutjesdijk: Employment and output: a methodoiogy applied to Perú and Guatemala (París, OECD, 1971). (12) Perú - Instituto Nacional de Planificación: Perú: Plan de desarrollo económico y social 1967-1970 - Plan sectorial agropecua rio (2 volúmenes; Lima, 1966). 29 Este grupo utilizó una cantidad de estudios existentes, y realizó investigaciones originales en algunos casos, para determinar los requerimientos de mano de obra de cada actividad pecuaria en cada área jurisdiccional del Ministerio de Agricultura (zonas y agencias). Sus estudios se cen traron en las unidades productivas más grandes, dejando de lado los rebaños pequeños que —sin embargo— representan una proporción importante de las existencias de ganado. Por ejemplo, en el caso de los ovinos, el requerimiento calculado para el nivel “empírico” corresponde a rebaños de magnitud respetable (se requiere un hombre por día cada 300 animales aproximadamente), cuando más de la mitad del stock ovino es criado en rebaños de tamaño inferior que de todos modos requieren —si sobrepasan un mínimo determinado— el cuidado de una persona permanen temente). Por ello en el presente estudio introduciremos a estos coeficientes alguna modifica ción para contemplar los requerimientos de los rebaños más pequeños. El grupo Ocupación en el Agro estudió por separado los requerimientos del ganado ovino, del ganado vacuno criado para carne, del ganado vacuno lechero, del ganado caprino, de las lla mas, de las alpacas y los porcinos. No incluyó ganado equino, aves, cuyes o conejos. Su proce dimiento general incluye tres aspectos.a) Determinación del alcance de cada nivel tecnológico (estimado genéricamente para cada una de las zonas agrarias). b) Conversión del número de cabezas a un número de “unidades animales” standarizadas, ge neralmente iguales a un animal adulto de determinado sexo, a fin de corregir la presencia de variables proporciones por sexo y edad. c) Estimación de los requerimientos en días/hombre por día por unidad animal homogénea de cada especie. No se considera ninguna variación estacional, asumiendo un número fijo de días de atención pecuaria por mes, a lo largo de todo el año. Uno de los inconvenientes del enfoque del Grupo Ocupación del Ministerio de Agricultura, como dijimos, radica en que se concentró en unidades productivas con cierta escala mínima, de modo que aun en la tecnología “empírica” resulta un requerimiento de un día-hombre para re baños de tamaño bastante elevado. Las tareas de pastoreo no son fácilmente divisibles: si ópti mamente un pastor puede cuidar, digamos, 300 ovinos con tecnología empírica, un productor que tenga 200 animales no por eso tendrá que salir menos tiempo por día; su atención tendrá que distribuirse durante el mismo tiempo entre un número menor de animales; esta situación no indica ninguna “irracionalidad” propia de la conducta del productor, sino el requerimiento de trabajo condicionado por la estructura de tenencia del ganado, que impide manejar rebaños más numerosos por pastor como sería el caso en haciendas grandes. En esos rebaños pequeños no siempre es posible usar una fracción proporcional de cada día, sino que generalmente se requie re más que la proporción correspondiente. En el ejemplo dado, un rebaño de 100 animales di fícilmente requerirá 1/3 de día; probablemente hará falta más, digamos 2/3 de día o quizá más, para su atención. Si se traza la función lineal que relaciona el tamaño del hato y el número de días/hombre requeridos, la función debe sufrir una quebradura a la altura del tamaño “crítico”, es decir al nivel de tamaño que requiere exactamente un día/hombre (en nuestro ejemplo, 300 animales). Por debajo de esa cifra se debe estimar una función con mayor pendiente. En la Fig. 1, la recta punteada “a” sería la prolongación de los requerimientos si la atención de los rebaños fuese perfectamente divisible; la línea llena “b” indica la probable ubicación de la función, la cual cae a cero en las proximidades del tamaño cero, pero se mantiene siempre por encima de la recta “a”. En casi todas las especies se efectuará esta corrección a los coeficientes dados por el Grupo Ocupación, añadiéndole lo que constituiría un cuarto nivel tecnológico: rebaños empí ricos pequeños. En el caso, por ejemplo, del ganado vacuno, los requerimientos estimados por el mencio nado Grupo Ocupación para el nivel empírico de tecnología señalan aproximadamente 0.03 días/ 30 hombre por animal (con algunas variaciones regionales), o sea alrededor de 30 cabezas por hom bre. Para ese ganado, según el Censo Agropecuario de 1972 alrededor del 70% de los animales era mantenido en hatos de hasta 20 cabezas, con un promedio de 4 cabezas por cada productor involucrado. Evidentemente, sería ilusorio suponer que esos animales eran atendidos, en pro medio, por 4/30 de día/hombre o sea alrededor de una hora diaria, ya que un rebaño de 4 vacu nos normalmente requiera bastante más que esa cantidad. Tampoco sería realista asignarles un requerimiento uniforme de un día/hombre por hato, ya que en muchos casos los vacunos serán atendidos en forma conjunta con animales de otras especies y no por todo el día. Habrá que asumir ciertas hipótesis un tanto aproximadas acerca de la cantidad efectiva de trabajo requerida por animal en los rebaños pequeños. En el caso de los vacunos, los rebaños de 1 a 20 animales puede suponerse que requieren en promedio 1/5 de día/hombre por hato, o sea 6/30 en lugar de 4/30, y en forma similar para el resto de las especies; este estimado es obviamente un poco arbi trario, y en general se lo ha asignado de manera altamente conservadora para no presuponer un requerimiento de trabajo excesivamente amplio. Los problemas de escala y las indivisibilidades propias del pastoreo no emergen tan fácil mente en la labor de cultivo; por ello en general los requerimientos propiamente agrícolas no han tenido que sufrir esta modificación. En las secciones siguientes de este capítulo se consideran los casos particulares de las diver sas especies, especificando el procedimiento seguido para la estimación de los coeficientes res pectivos. 3.1. Ganado vacuno Los requerimientos son totalmente distintos cuando se trata de vacunos para leche y de va cunos para carne. En realidad, la mayor parte de los vacunos del Perú no son especializados en carne o en leche: los productores tienen rebaños de doble propósito. Sin embargo, en este estu dio se estimarán por separado los requisitos del ganado propiamente lechero y del resto por se parado. 31 Un concepto esencial para hacer esta diferenciación es el de hato lechero, definido como el conjunto de animales (vacas, toros, terneros, etc.) que es necesario mantener para que exista un número determinado de vacas en ordeño. Se supone que en todo hato real de doble propósito existe una porción (que es proporcional al número de vacas ordeñadas) que constituye el hato lechero, siendo el resto el hato para carne. Para estimar el tamaño del hato lechero se usan facto res de conversión; el número de vacas ordeñadas, multiplicadas por dichos factores, equivalen al hato lechero. Como muestra el Cuadro 1, estos factores oscilan alrededor del valor 2.5 para las principales zonas vacunas del país, y varían de zona en zona y también entre niveles tecnoló gicos. El hato lechero de cada departamento o provincia está sujeto (en diversas proporciones) a un manejo de variado nivel tecnológico. Para cada nivel, los requerimientos de trabajo son dis tintos. Los niveles tecnológicos lecheros se estiman —a falta de una caracterización más com pleta— por un solo indicador: el rendimiento de leche por vaca ordeñada, que vana fuertemente según los tamaños del hato (véase la delimitación de niveles en el Cuadro 2. y los rendimientos por tamaño en el Cuadro 3)13. La ponderación, pues, de los niveles tecnológicos se efectuará de acuerdo con la distribución de los vacunos en los distintos estratos de tamaño de ios hatos. Se considerará una tecnología lechera “empírica” en los hatos vacunos de hasta 50 animales; una “semitecnificada” en los de 50-99 cabezas, y un nivel “tecnificado” en los hatos vacunos de 100 y más cabezas (estos tamaños del hato total corresponden a tamaños menores del respectivo “hato lechero”). La ponderación, sin embargo, no se basa en la distribución del total de cabezas, sino en la de las vacas ordeñadas (de todas maneras, no hay gran diferencia entre ambos criterios). El grado de concentración del ganado vacuno no varía mucho a través del tiempo: en el Cuadro 4 puede apreciarse la distribución del ganado vacuno por superficie de las respectivas unidades agropecuarias poseedoras, en 1961 y 1972, donde se observa la apreciable persistencia de la pauta distributiva. Por ello se utiliza el patrón de distribución por tamaño del hato, cono cido para 1972, como patrón invariable de los distintos años considerados El porcentaje de va cas ordeñadas sobre el total de cabezas tampoco varía mucho en el tiempo vease 1a Estadística Agraria de diferentes años). El Censo Agropecuario da un promedio de 10% de 'vacas ordeñadas sobre el stock total, pero esto se refiere sólo al día del Censo (mes de setiembre la Estadística Agraria arroja un promedio del orden del 15%, posiblemente más representativo del total del año. Por ello se usó la Estadística Agraria para calcular la importancia del hato lechero en el con junto de la ganadería vacuna de cada zona. A tal fin se usó la tasa de ordeño ce ce en 1972 en la Estadística Agraria departamental, y los factores de conversión a hato lechero dados s en el Cuadro 1 (véase Cuadro 5), promediando los diferentes tipos de tecnología. A partír de alli se calcularon los requerimientos unitarios de mano de obra originados en la producción lechera en la siguiente forma: Se promedió en forma ponderada los coeficientes y factores de cada nivel tecnológico, y se los aplicó sobre el hato lechero calculado; en vista que los coeficientes estimados en la OSPA se dan términos de días/hombre por unidad animal homogénea, hubo que reducirlos a coeficien tes expresados en días/hombre por cabeza del hato lechero utilizando los factores de reducción a unidades homogéneas; en el Cuadro 6 aparecen los factores de reducción y los coeficientes de mano de obra de cada zona y nivel tecnológico. .Finalmente, multiplicando por la tasa de inci dencia del hato lechero se redujeron esos requerimientos expresándolos en días hombre por ca beza de ganado vacuno en general (Cuadro 7). Sobre la porción de vacunos no-lecheros, obtenida por diferencia al considerar el hato le chero, se procede en la forma siguiente: primero se estima la incidencia de los hatos con menos de 20 animales para los cuales se calcula el tamaño promedio y se aplica un requerimiento de 1/5 (13) Existe consenso sobre la subestimación censal de los rendimientos de leche por vaca ordeñada, as: como de los rendimientos de caá todos los productos agropecuarios (véase el acápite 3.5, más adelante). 32 dia/hombre por día por hato. Sobre los vacunos agrupados en hatos de 20 y más, se aplican los coeficientes calculados por la OSPA, cuyas variaciones por nivel tecnológico son casi desdeña bles, y que se dan en el Cuadro 8. El resultado, expresado en días/hombre por cabeza de ganado vacuno en general, se suma al originado en la producción lechera para obtener los coeficientes de requerimiento global de mano de obra para el ganado vacuno (Cuadro 9). Para los cálculos de re querimiento mensual se considera un promedio de 24 días mensuales de trabajo; en realidad, hay tareas pecuarias que deben ser hechas todos los días (pastoreo, por ejemplo), pero hay otras que tienen cierta periodicidad, estimándose que la cifra mencionada refleja aproximadamente esta situación. Por otro lado, las variaciones estacionales (herranza, parición, etc.) no son signi ficativas. Suponiendo, por ejemplo, un 20% de parición y medio día/hombre por parto, distri buido entre tres meses posibles de ocurrencia, los requerimientos mensuales no variarían en más de un 2% en esos meses respecto a los demás meses. Por ello se asume un requerimiento cons tante sin considerar la estacionalidad (que por otra parte sería necesario estipularla para cada región, aspecto difícil por falta de información accesible). En definitiva, los requerimientos por cabeza vacuna existente surgen de la siguiente fórmula: donde los símbolos representan: Rv = Días/hombre requeridos diariamente para la ganadería vacuna de todo propósito, por cabeza de vacuno existente. L = Hato lechero como proporción de los vacunos existentes (Cuadro 5). P = Vacunos en hatos de 1-19 cabezas, como proporción del total de vacunos existentes. T = Tamaño promedio de los hatos vacunos de 1-19 cabezas. V = Días/hombre requeridos diariamente por vacuno dedicado a la producción de carne en hatos de 20 y más animales (Cuadro 8). RL = Días/hombre requeridos diariamente para la actividad lechera, por cada cabeza vacuna existente (Cuadro 7). Estos requerimientos se han estimado para cada departamento, discriminándose regiones naturales solamente para el Departamento de Lima, donde la heterogeneidad es muy notoria. Los resultados expresan un promedio ponderado de los distintos niveles tecnológicos existentes. La constante 0.2, incorporada en la fórmula, indica el requerimiento estimado para el cuidado de los hatos vacunos de 1-19 animales, y podría ser objeto de otras estimaciones; como ya se dijo antes, estos hatos requieren menos de una jomada completa porque —en primer lugar— la tarea puede ser realizada en menos horas, y —en segundo lugar— el cuidado de estos puede realizarse en tiempo compartido con el cuidado de animales de otra especie (ovinos, por ejemplo). 33 Cuadro 1 FACTORES DE CONVERSION PARA LA ESTIMACION DEL HATO LECHERO, POR ZONA AGRARIA Y NIVEL TECNOLOGICO (a) Hato lechero por vaca ordeñada. FUENTE: Grupo Ocupación en el Agro, OSPA (Ministerio de Agricultura y Alimentación). 34 Cuadro 2 INTERVALOS QUE DEFINEN LOS NIVELES TECNOLOGICOS DE LA PRODUCCION DE VACUNOS DE LECHE, POR ZONAS AGRARIAS FUENTE: DATOS: Ing. Miguel Sarria, experto en ganado lechero (UNA y Empresa Ganadera EPS) Compilados en OSPA, Ministerio de Agricultura y Alimentación. Cuadro 3 GANADO VACUNO: TAMAÑO DEL HATO Perú, 1972 (a) Incluye un estimado de 13,288 vacas ordeñadas (lO% de la existencia de vacunos) en las unidades agropecuarias pequeñas (menos de 0.5 Ha. y menos que todos los mínimos establecidos para diferentes especies de animales). De entre estas unida des hubo 78,323 que tuvieron vacunos, con 132,886 cabezas en total. FUENTE: Censo Agropecuario Nacional 1972, Cuadro 19. 35 Cuadro 4 GANADO VACUNO POR TAMAÑO DE LAS UNIDADES AGROPECUARIAS Perú, 1961 -1972 N OTA: El estrato de 0 a 0.4 Has. incluye las unidades “ sin tierras” y las unidades de tamaño no declarado FUENTE: Censo Agropecuario 1961 (Cuadro 27) y 1972 (Cuadro 18). Las “unidades agropecuarias sor las que poseían vacu nos. Las cifras de 1961 son provisionales. Las cifras definitivas (que no se pueden clasificar en esta forma) arrojaron 3.1 millones de vacunos. 36 Cuadro 5 INCIDENCIA DE LA ACTIVIDAD LECHERA EN LA GANADERIA VACUNA Tasa de ordeño = vacas ordeñadas/total de vacunos (1972, Anuario Estadístico Agropecuario). Hato lechero/total =Tasa de ordeño por el factor promedio de conversión de vacas ordeñadas a hato lechero (Cuadro 1). Lima (Costa) incluye Callao. 37 Cuadro 6 FACTORES DE REDUCCION A UNIDADES ANIMALES HOMOGENEAS Y COEFICIENTES DE REQUERIMIENTO DE TRABAJO PARA EL HATO LECHERO (DIAS/HOMBRE DIARIOS POR UNIDAD ANIMAL HOMOGNEA) (a) Se aplican coeficientes de mano de obra correspondientes a Madre de Dios. FUENTE: OSPA, Grupo Ocupación en el Agro. 38 Cuadro 7 REQUERIMIENTOS DE TRABAJO POR PRODUCCION LECHERA (DIAS/HOMBRE POR DIA, POR CABEZA DE GANADO VACUNO EN GENERAL) EN PROMEDIO Este coeficiente equivale al producto de los siguientes factores: a) Proporción de vacas ordeñadas sobre vacunos totales. b) Factor de conversión de vacas ordeñadas en hato lechero. c) Factor de reducción a unidades animales homogéneas (vacas). d) Requerimiento de días/hombre por día por unidad animal homogénea en el hato lechero. Al mismo tiempo, se han promediado los últimos tres factores de acuerdo a la incidencia de los distintos niveles tecnológicos. 39 Cuadro 8 REQUERIMIENTOS PROMEDIO DE MANO DE OBRA EN LA PRODUCCION VACUNA PARA CARNE (DIAS/HOMBRE POR DIA POR CABEZA) (a) (a) Sólo para hatos de 20 y más cabezas. Por debajo de ese tamaño se estima 0.20 día-hombre por día por rebaño. FUENTE: OSPA (se asume que la relación entre cabezas y unidades homogéneas en promedio es igual a 0.90). Las cifras son promedios ponderados de las diferentes agencias y subzonas, con algunos ajustes. Lima (Costa) incluye Callao. 40 Cuadro 9 REQUERIMIENTOS DIARIOS Y MENSUALES DE TRABAJO (DIAS/HOMBRE POR CABEZA DE GANADO VACUNO EXISTENTE) Indo ye requerimientos para producción lechera y para carne. Lona (Costa), incluye Callao. 41 3.2. Ganado Ovino Las estimaciones de los requerimientos pecuarios efectuadas por el CEEB se basan en la re ducción de todos los ganados a unidades equivalentes de ovinos, y en el estudio de los requeri mientos de mano de obra en la ganadería ovina. Estos requerimientos se estudiaron de la si guiente manera: a) Se consideraron tres niveles tecnológicos (alto, medio y tradicional). b) Se asumió una única distribución porcentual de los tres niveles tecnológicos en todo el país: 8% del ganado ovino fue considerado como sujeto a una tecnología “alta”, un 21% a una tecnología “media” y un 71% a una tecnología “tradicional”. c) Se estudiaron los requerimientos de alta tecnología mediante el análisis del complejo gana dero Cerro de Pasco, del cual se estudiaron las planillas de jornales, el calendario de faenas, etc. Así, resultó un conjunto de coeficientes expresados en jomadas necesarias por día por cada 1000 animales; el promedio anual fue de 2.49 jornadas por día; las labores de esquila se cargaron en el mes de febrero, en que el requerimiento sube a 3.97 jomadas por día cada 1000 animales; en el resto del año hay oscilaciones, con un mínimo en diciembre-enero y un máximo en setiembre, pero nunca muy lejos del promedio (situándose entre 1.9 y 2.6 jomadas por día, aproximadamente, con la única excepción de febrero). d) Se analizaron algunas haciendas “medianas”, en especial el estudio de pre-adjudicación de la hacienda Yanarico y un estudio sobre el conjunto de la ganadería de Puno. Estos requeri mientos fueron, en promedio, tres veces más elevados que en Cerro de Pasco (promedio: 7.45 jomadas por día). La estacionalidad se supuso igual que en Cerro de Pasco. e) Para el 71% restante se supuso que los requerimientos serían el doble que en las haciendas medianas (promedio: 14.90 jomadas por día por cada 1000 animales) con la misma estacio nalidad. Hubo otra hipótesis más conservadora, que les asignó igual requerimiento que en las haciendas medianas, pero no fue utilizada en las elaboraciones y conclusiones. f) De esta forma resulta un promedio de 12.34 días/hombre por día por cada 1000 animales, que en el mes de febrero se elevan a 19.67 días/hombre diarios por millar de cabezas. Estos coeficientes, si bien pueden resultar más o menos apropiados en muchos aspectos, no son aceptables sin sustanciales modificaciones. Tienen, sin embargo, la ventaja de proporcionar una pauta de estacionalidad (que puede ser aprovechada también para el ganado auquénido cuyo patrón estacional es similar), a diferencia de los estudios del Grupo Ocupación en el Agro, que no contemplan ninguna fluctuación estacional en las actividades pecuarias. Dicho Grupo elaboró también coeficientes para el manejo de ganado ovino, en tres niveles tecnológicos, pero en base a costos de producción de unidades grandes exclusivamente (por ejemplo, el hato mínimo para ocupar un pastor durante todo el día en la tecnología empírica es de alrededor de las 300 a 400 cabezas, cifra superior a los tamaños normales de los rebaños campesinos). Estos requerimientos coinciden más o menos, con los que el CEEB atribuyó a la tecnología más elevada (2.49 jomadas diarias por cada 1000 animales, equivalentes a unos 400 animales por hombre) pero es evidente que deben contemplarse los requerimientos de los rebaños más chicos y de tecnología más atra sada. El CEEB trató estos rebaños tradicionales, propios de la pequeña economía familiar, sólo de una manera estimativa. Para verificar el acierto de su enfoque, haremos algunas consideracio nes al respecto, y adicionalmente revisaremos el patrón de estacionalidad adoptada por el CEEB, que a primera vista parece estar sesgado hacia una exageración de la estacionalidad (especialmen te por un defectuoso tratamiento de las labores de esquila). Sin embargo, se puede anticipar que 42 el requerimiento promedio resultante de esta revisión coincide cercanamente con el del CEEB, no así la pauta estacional que resulta mucho más suavizada. Una proporción bastante elevada del ganado ovino se mantiene en rebaños de escasa magni tud: prácticamente la mitad de las existencias del país corresponde a rebaños de 1-49 animales; en 1972, un 54% correspondía a las unidades agropecuarias de menos de 10 hectáreas, porcen taje que en 1961 había sido del 63% (véanse los Cuadro 10 y 11). Seis millones de ovinos (sobre 12.8 millones existentes) estaban en rebaños de 1-49 animales con un promedio de casi 10 anima les por unidad. Evidentemente, no todos estos rebaños —como ya vimos en el caso de los vacu nos— requieren de la jomada completa de un pastor. Probablemente los más pequeños (seiscien tas mil cabezas en rebaños de 1-4 animales) ni siquiera requieren trabajo diferenciado que requie ra abandonar las tareas domésticas propiamente dichas. Los 5.4 millones en rebaños de 5-49 ani males cada uno (promedio: 14 por unidad) probablemente requieren sólo una fracción de jorna da para su atención (que muchas veces se comparte con el cuidado de vacunos o de otros anima les). Para el conjunto de los rebaños de hasta 49 animales se supondrá aquí un requerimiento pro medio de una hora diaria por rebaño: esto equivale a una determinada cantidad de jomadas (de seis horas) por animal, dependiendo del tamaño promedio de los rebaños de ese estrato; a nivel nacional, cuyo promedio es de 9.67 animales, implica 18 días hombre cada 1000 animales, o sea una jomada completa cada 55 animales, para estos hatos de menos de 50 cabezas cada uno. Entre los seis millones mantenidos en rebaños de 1-49 animales, y los 1.76 millones en re baños de 2,000 cabezas o más, hay unos cinco millones en rebaños de 50 a 1999 animales, de los cuales el 87% corresponde al estrato de 50 a 499 cuyas características lo aproximan a la peque ña ganadería más que a la grande. Para la tecnología “elevada” resultaba un requerimiento de 2.49 jomadas por cada 1000 animales en promedio; para los rebaños de hasta 50 cabezas, como vimos, el requerimiento sería de 18 jomadas por cada millar de ovinos. El estrato intermedio debe situarse en una situación también intermedia, aunque más cercana al estrato bajo. Supo niendo por ejemplo para el estrato intermedio un requerimiento de 10 jomadas cada 1000 ani males (con un rebaño promedio por pastor equivalente a 100 animales), resulta un requerimiento ponderado del orden de 12.7 jomadas cada 1000 animales, levemente por encima del promedio estimado por el CEEB (12.34). Esta conclusión indicaría que los estimados globales del CEEB no estarían alejados de la realidad. En realidad, aquí se ha considerado para los rebaños del estrato intermedio un reque rimiento de 10 jomadas diarias por millar, cuando en realidad deben estar más cerca de los 18 días/hombre asumidos para los hatos pequeños, de modo que el estimado final puede incluso es tar subestimado. Dicho resultado global implica un rebaño “unitario” (para ocupar una jomada todos los días) de alrededor de 80 animales por pastor, cifra que no está lejos de las que suelen estimarse para el pastoreo andino en condiciones generales de baja productividad y explotación extensiva. En cuanto al patrón de estacionalidad, su principal irregularidad surge de las labores de es quila, que elevan considerablemente los requerimientos del mes de febrero en los estimados del CEEB. Se harán aquí observaciones sobre varios aspectos: en primer lugar, sobre la ubicación cronológica de esta tarea; segundo, sobre el significado de los coeficientes asignados por el CEEB a la tecnología “alta” (en base a datos de la hacienda Cerro de Pasco); tercero, sobre la aplicabflídad de ese patrón en forma proporcional a los requerimientos de la tecnología media y baja. El informe del CEEB, en realidad, admite que las tareas de esquila se realizan en un período que varía entre diciembre y abril; la variación, de un lado, depende de la región considerada y en parte es también función de variaciones entre fundos de la misma región; también hay un factor climático involucrado que —al igual que las siembras de productos agrícolas—puede hacer variar la estacionalidad entre un año y otro. Este último factor no será considerado ya que todo este estudio se basa en coeficientes fijos. Tampoco será posible considerar las diferentes fechas de es43 quila en las diferentes zonas de la sierra, principalmente por falta de información apropiada. Aun así, puede aceptarse que dentro de cada zona la fecha de esquila puede variar, distribuyén dose los animales esquilados dentro de un cierto período más o menos amplio (aunque febrero sigue siendo, al parecer, el momento más frecuente de esquila). Si bien no hay datos concretos sobre el patrón de estacionalidad exacto, ni mucho menos sobre el calendario de la esquila en cada departamento o provincia, lo cual impide adoptar patro nes estacionales diferentes en cada división territorial, las posibilidades de error se reducen bas tante distribuyendo el requerimiento entre varios meses. Para adoptar una pauta simple, se asu me la siguiente distribución que en muchos expertos consideran representativa: Enero Febrero Marzo Abril Total de esquila 10°/o 50°/o 40°/o 10% 100% Además, es necesario revisar el volumen de trabajo imputado a esta labor. Si bien el in forme del CEEB no indica los detalles del cálculo, se puede estimar el requerimiento marginal por esquila como diferencia entre los requerimientos de febrero y los promedios de los restan tes meses. Esta diferencia resulta ser de 1.81 jornadas por cada 1000 animales existentes. Aho ra bien, la esquila afecta anualmente (según el Censo Agropecuario de 1972) a un 40% del total de cabezas, porcentaje que se eleva a un 80% en los rebaños de 2000 y más cabezas (don de probablemente se aplica la tecnología superior que estos coeficientes reflejan). Tomando esta última cifra, las 1.81 jomadas adicionales corresponderían a .800 animales esquilados du rante todo el mes de febrero; suponiendo en dicho mes unos 24 días útiles, esto implica unas 18 cabezas esquiladas por día/hombre; la velocidad implícita sería de tres animales por hora si el trabajo se hace individualmente, ó 1.5 por hora si el esquilador requiere un ayudante, so bre la base de una jomada de seis horas efectivas como las que suelen predominar en la sierra. Esta productividad parece corresponder a la esquila manual, lo cual evidentemente no refle ja una tecnología mecanizada como la que se aplica en las más modernas unidades productivas de ganado ovino; con equipos modernos la velocidad puede incrementarse sustancialmente res pecto a los valores señalados. De todas maneras, dado que el uso de estos implementos es aún muy reducido en la sierra peruana, el coeficiente puede representar la tecnología utilizada en las unidades de producción más grandes y (relativamente) más tecnificadas. La distribución de esas 1.81 jomadas en la forma indicada más arriba entre enero y abril arroja un patrón estacional más suavizado y probablemente más realista. Para la tecnología baja, el influjo de las labores de esquila sobre los requerimientos de tra bajo de la ganadería ovina no son tan considerables como en los casos de rebaños grandes mane jados con tecnología más elaborada. El principal factor que determina esa diferencia radica en el porcentaje mucho menor de animales esquilados en los rebaños pequeños propios de la pequeña ganadería familiar (y debería añadirse, además, el rendimiento de lana también muy inferior, lo cual también contribuye a disminuir el requerimiento de trabajo para la esquila: los animales de los hatos pequeños rinden alrededor de un kilo de lana por año, mientras en los rebaños grandes la cifra promedio —según el Censo 1972— es de 2.2 kilos). Como se puede observar en el Cuadro 11, la esquila afecta al 80% de los ovinos en los rebaños de 2,000 y más animales; en los de 1-49 cabezas el porcentaje 44 esquilado14 es sólo un 29.9%. Si bien en la tecnología empírica los requerimientos unitarios de trabajo para la esquila son mayores que en la tecnología más sofisticada, ello se compensa sobra damente por la gran diferencia existente en el porcentaje de esquila, con lo cual el resultado pue de ser (y lo es para el promedio nacional) que en los hatos pequeños el requerimiento por esquila, en relación a los animales totales del rebaño, es menor. Según distintos observadores y expertos que han sido consultados al efecto, puede estimarse que en condiciones rudimentarias la esquila “tradicional” implica alrededor de un animal esquilado en media hora, normalmente con la par ticipación de más de una persona; si las herramientas son muy primitivas, como es el caso mu chas veces, la duración de la tarea puede ser aún mayor. En efecto, es usual que no se usen ti jeras sino cuchillos; muchas veces inclusive elementos con poco filo o incluso cuchillos de piedra, lo cual obliga a disminuir el ritmo adicionalmente a fin de no causar heridas al animal. Suponien do dos animales esquilados 15por hora, y añadiendo un ayudante cada dos esquiladores, en una jor nada efectiva de seis horas , resulta un requerimiento adicional por esquila en los hatos tradi cionales y pequeños, equivalente a 1.16 jomadas diarias durante un mes de 24 días, en lugar de 1.81 jomadas encontradas en los estimados del CEEB para alta tecnología. Una distribución es tacional similar a la adoptada antes (entre enero y abril) hace que la pauta estacional de la peque ña ganadería ovina (que es mayoritaria) resulte más suave todavía que en el caso de alta tecnolo gía: los requerimientos del mes de febrero, donde se realizaría el 40% de esta labor, se eleva rían sólo en un 2% sobre el promedio. Para el estrato de tamaño intermedio (50 a 1999 animales), donde predominan los más pe queños (50-499), la esquila afecta alrededor del 30% del ganado. Puede suponerse que la pro ductividad es mayor que en el estrato pequeño, aunque es difícil estimar la magnitud de la dife rencia. Suponiendo que la productividad en este estrato exceda en un 50% a la del estrato bajo, se esquilarían 12 animales por día/hombre en lugar de 8, resultando 1.04 jomadas por millar de animales si la esquila se concentrase en un mes. Con la mencionada distribución por meses y su poniendo un requerimiento promedio de 10 jornadas en este estrato tecnológico, la esquila los elevaría en su punto máximo (febrero) sólo en un 4°/o. Para el promedio de la ganadería ovina, ponderado los tres estratos, el requerimiento marginal por esquila resulta de 0.476 jornadas por millar de animales y por día para el mes de febrero (al que se asigna, como se dijo, el 40% de la labor). Sobre un promedio superior a 12 jomadas diarias por millar, esto representa una desvia ción estacional máxima no superior al 4% del requerimiento promedio. Las otras causas de es tacionalidad, como la parición o las atenciones sanitarias, son también muy poco significativas, especialmente en la tecnología primitiva que constituye la mayor parte. Estas consideraciones nos llevan a una conclusión similar a la alcanzada con respecto al ga nado vacuno: es posible prescindir del factor estacional sin demasiada pérdida de precisión. Se supondrá, por lo tanto, un requerimiento constante de trabajo a lo largo de todo el año, cuyos coeficientes básicos son los siguientes: (14) Para obtener esta cifra, del total de ovinos en estos estratos (Cuadro 11) se han descontado los 541,882 existentes en las uni dades agropecuarias más pequeñas a las que el Censo no interrogó sobre la esquila sino sólo sobre stock de animales. (15) Sobre la jornada efectiva de la sierra véase nuestro ensayo “El subempleo en el Perú: una visión critica”, en Apuntes No. 8 (1978), pp. 21-22. 45 Asignando a cada estrato ia ponderación correspondiente al total del país (respectivamente 13.75, 39.22 y 47.03 por ciento del ganado), el requerimiento promedio es de 0.305 jomadas por mes por animal ovino; este promedio, sin embargo, puede variar según la incidencia de la grande y pequeña ganadería en las diferentes zonas. Para captar estas diferencias se han calculado promedios ponderados según el peso de cada estrato por departamento, de acuerdo con los da tos respectivos del Censo Agropecuario de 1972. En base a esa información se calcularon los coeficientes departamentales que se vuelcan en el Cuadro 13. Los estratos utilizados, sin embargo, no corresponden estrictamente a los conceptos de alta, media y baja tecnología. El tamaño del hato es en este aspecto sólo un indicador aproximado, pues hay hatos grandes explotados en forma tradicional, lo cual de por sí implicaría que el peso del estrato “alto” tiende a exagerarse de acuerdo con nuestra clasificación. Ahora bien, los po sibles errores de este tipo no son significativos, como es fácil descubrir. En efecto, las variaciones “tecnológicas” propiamente dichas (cuidados sanitarios, esquila mecanizada, etc.) y que afectan sólo a un reducido porcentaje de ovinos, no son el elemento más importante para definir el requerimiento laboral del pastoreo. Lo que más influye es simple mente el tamaño del rebaño, que está limitado para la mayor parte de los pastores pequeños y medianos por la magnitud de su patrimonio familiar y por la limitada accesibilidad a pasturas naturales. Como surge del Cuadro 11, las mayores concentraciones de ovinos están en los ex tremos de 1 a 499 animales (dentro de las posibilidades de pastoreo de una familia) y de 2,000 y más animales, con un promedio en este último caso de más de 8,000 cabezas, lo cual implica necesariamente una economía de hacienda con participación de pastores asalariados o serviles; en los tamaños intermedios, de 500 a 2000 animales, sólo se agrupa el 5% de los ovinos. Sólo en el estrato mayor aparecen las posibilidades de aprovechar economías de escala asignando más animales a cada pastor; para los rebaños de hasta 50 cabezas, que representan alrededor del 47% del ganado, con un promedio de alrededor de 10 animales, la propiedad atomizada del ganado y de los pastos inhibe la aplicación de una “tecnología” más eficiente, es decir, impide el manejo de más animales por pastor; las posibilidades de cooperación comunal son en este caso muy limi tadas: en la sierra peruana, para la pequeña ganadería los pastos pueden ser comunales pero el ganado y el pastoreo son privados. Por otro lado, aun en la tecnología de los grandes rebaños es posible que el requerimiento efectivo se haya subestimado. Las grandes haciendas suelen contratar sus pastores bajo el régi men de “huacchillaje”, donde el trabajador pastorea simultáneamente el ganado de la hacienda y su propio ganado “huaccho”; coexisten por cierto con trabajadores sin ganado, pero —sobre todo en las últimas décadas— han tenido los primeros una importante incidencia, sobre todo en las grandes haciendas de la Sierra Central16. Los “huacchilleros”, pues, pueden añadir cabezas propias al ganado de la hacienda, las cuales difícilmente hayan sido contabilizadas en la cómpu tos del CEEB que se basaron en los libros de personal de la hacienda. Este factor disminuiría los requerimientos por millar de cabezas; pero al propio tiempo, el pastor añade a su propio trabajo la capacidad laboral de su familia, lo cual representa probablemente un incremento proporcio nal muy superior al ganado omitido. Un rebaño de 400 ovinos de la hacienda, que es el que co rresponde a un requerimiento de 2.5 jornadas por millar, puede ser pastoreado junto con 50-100 animales “huaccho”, haciendo un total de 500, pero mediante el concurso del pastor, uno o dos de ais hijos, y alguna participación de su mujer, un total de dos o tres personas probablemente. Si se asume para estos casos un estimado de dos personas para 500 cabezas, el requerimiento correspondiente crecería de 2.5 jomadas diarias por millar, a 4 jomadas. Si bien esta cifra podría ser más realista que la que da el CEEB, hemos preferido mantener esta última por representar una estimación más conservadora y por no ser conclusivos los elementos de juicio en que se fun da la estimación que antecede. (16) Entre otrasobras, véase Los huacchilleros del Perú de Juan Martínez Alicr (París, Ruedo Ibérico, 1973, también editado por d IEP de Lima) y d artículo de Florencia Mallon, “Microeconomía y campesinado”, en Análisis No. 4 (Lima, 1978). 46 Sin duda, los coeficientes que aquí se ofrecen son más atendibles que el estimado global que efectúa el CEEB; también son más útiles que los resultados del Grupo Ocupación, ya que éstos se refieren sobre todo a grandes rebaños, entre los cuales el requerimiento no varía mucho según el nivel tecnológico. Sin embargo, la falta de estudios específicos sobre el requerimiento de trabajo de la pequeña ganadería familiar, que debería ser medido en horas y no en días, y di ferenciando el rol de los distintos miembros de la familia, impide por ahora llegar a cifras más precisas. Nuestros resultados, de hecho, sólo hacen variar entre departamentos la composición de los hatos según su tamaño, pero aplican en todo el país los mismos requerimientos de trabajo para cada estrato de tamaño; estos valores, en un estudio más detallado, podrían cuantificarse en forma más desagregada para cada zona del país. Pese a estos defectos, los resultados son pro bablemente mucho más precisos que las estimaciones anteriores. Cuadro 10 GANADO OVINO SEGUN TAMAÑO DEL HATO 197 2 FUENTE: Censo Agropecuario Nacional, Nivel Nacional, Cuadro 22. Excluye las unidades agropecuarias que no tenían ovinos. 47 Cuadro 11 GANADO OVINO POR SUPERFICIE DE LAS UNIDADES AGROPECUARIAS. 1961 - 1972 FUENTE: Censos Agropecuarios de 1961 (Cuadro 32) y de 1972 (Cuadro 20). Ei estrato de 0 a 0.4 Has. incluye también las unidades sin tierras y las de tamaño no declarado. Las cifras definitivas para 1961 (que no se pueden clasificar de esta fama) arrojaron sólo 15.2 millones de ovinos. Este cuadro contiene cifras provisorias. Cuadro 12 REQUERIMIENTOS MENSUALES MEDIOS DE TRABAJO (Jornadas por mes por cabeza de ganado ovino) NOTA: Se asume que el trabajo requiere 24 días por mes. 49 3.3. Ganado Auquénido Los estudios sobre la cría de alpacas y llamas sólo han florecido en los últimos años. De una parte hay estudios técnicos, originados principalmente en el proceso de Reforma Agraria y en el esfuerzo conservacionista; por otro, los antropólogos han “descubierto” las comunidades pasto riles de la Puna generando una serie de estudios directos sobre su economía y su cultura17. En el estudio del CEEB, la reducción de estos animales a “unidades ovinos” (sobre la base de su requerimiento de tierra) usaba un coeficiente de 2.5 ovinos por cada auquénido. Sin embar go. hay que confrontar también otras fuentes pues no es seguro que el requerimiento de trabajo guarde la misma proporción. Por su parte, el Grupo Ocupación en el Agro ha estudiado una serie de casos concretos, sea proyectos de desarrollo ganadero, empresas asociativas o haciendas, así como consultado exper tos en el tema, de todo lo cual han surgido coeficientes para tres tipos de manejo: empírico, semitecnificado y tecnificado. Han calculado también la incidencia de cada tecnología en las di versas zonas agrarias, y la conversión del hato en unidades animales homogéneas. Así, por ejemplo, para la zona agraria XII (Puno), se asumen los siguientes coeficientes para la especie Alpaca: Para el CEEB los coeficientes resultan más grandes: 0.006225, 0.018625 y 0.03725 por ca beza de alpaca en ios tres niveles tecnológicos, cuyo peso respectivo es 0.08, 0.21 y 0.71. Sin em bargo, la principal causa de variación, al parecer radica en que el Grupo Ocupación se ha concen trado en hatos grandes, donde un solo hombre puede hacerse cargo de muchos animales. Esto se ve claramente obteniendo la inversa del requerimiento por cabeza de alpaca, es decir el “re baño unitario” (animales asignados por jornada diaria de trabajo): Puno: Requerimientos laborales para auquénidos (Alpacas por jomada diaria de trabajo) (El CEEB consideró 2.5 equivalentes ovinos por auquénido). (17) Un excelente panorama puede hallarse en la recopilación dirigida por Jorge Flores Ochoa, Pastores de puna (Lima, IEP, 1977). 50 Para otras zonas del país, los requerimientos estimados por el Grupo Ocupación no se apar tan demasiado del caso de Puno. Los requerimientos de nivel tecnificado son los mismos en todo el país; los de nivel semitécnico bajan a 0.00148 jomadas diarias por unidad animal en la sierra central (Lima, Junín; Huancavelica, Ayacucho) y a 0.00154 en Cuzco y Apurímac; los de nivel empírico bajan a 0.00167 en la sierra central y a 0.00182 en Cuzco y Apurímac; todo ello no implica cambios muy sustanciales en la cobertura de representatividad de los coeficientes. Los factores de reducción y las ponderaciones tampoco varían significativamente (véase Cuadros 16 y 17). Para el caso de las llamas, el Grupo Ocupación estima solamente un tipo de manejo (empí rico) y con un único coeficiente para todo el país: 0.005 jornadas diarias por unidad animal ho mogénea, o sea un rebaño unitario de 200 unidades homogéneas (243 cabezas). Al igual que en otros casos, la estructura de propiedad de los rebaños quita significado a estos coeficientes: ellos se refieren al uso eficiente de trabajo dada una cierta cantidad de tierra y una cierta cantidad de capital invertido en animales e instalaciones. No se refiere al uso más eficiente del trabajo con las cantidades promedio de tierra y animales. En los Cuadros 13 a 15 se muestra la distribución registrada del ganado auquénido por superficie de las unidades agro pecuarias en 1961 y 1972; se ha añadido, para mayor claridad, el tamaño promedio de los reba ños en cada estrato, ya que para este ganado no se ha publicado un cuadro por tamaño del hato. Cuadro 13 GANADO AUQUENIDO SEGUN TAMAÑO DE LAS UNIDADES AGROPECUARIAS - 1961 FUENTE: Censo Agropecuario 1961, Cuadro 32. (a) Incluye una unidad de tamaño no declarado, con 7 auquénidos. y 9824 unidades “sin tierras” (es decir, sin tierras agríco las) con 634,706 auquénidos, a razón de 64.61 cada una; incluye además 12902 unidades con menos de media hectárea de tierra, coa 226,007 auquénidos a razón de 17.52 cada una. 51 Cuadro 14 GANADO AUQUENIDO SEGUN TAMAÑO DE LAS UNIDADES AGROPECUARIAS - 1972 FUENTE: Censo Agropecuario 1972, Censo Nacional, Cuadro 23. (a) Incluye unidades sin tierras y de tamaño no declarado. 52 Cuadro 15 DISTRIBUCION PORCENTUAL DEL GANADO AUQUENIDO SEGUN TAMAÑO DE LAS UNIDADES AGROPECUARIAS FUENTE: Censos Agropecuarios de 1961 (Cuadro 32) y de 1972 (Caudro 23), con elaboración añadida de porcen tajes. (a) Incluye unidades sin tierras y de tamaño no declarado. 53 Cuadro 16 ALPACA: IMPORTANCIA DE LOS NIVELES TECNOLOGICOS POR ZONA AGRARIA Fuente: OSPA Cuadro 17 COEFICIENTES DE CONVERSION EN UNIDAD ANIMAL HOMOGENEA (ALPACAS) POR ZONAS AGRARIAS Fuente: OSPA 54 Como puede deducirse de los cuadros, entre 1961 y 1972 se ha producido una leve concen tración adicional del ganado auquénido ya que disminuye el porcentaje en las unidades de menor tamaño y aumenta en las de mayor superficie (Cuadro 15). De acuerdo con las cifras de 1972, sólo en las unidades de 2,500 hectáreas y más el tamaño de los rebaños alcanzaba dimensiones compatibles con los requerimientos técnicos del Grupo Ocupación: en ese estrato había 1,357.58 alpacas por unidad, junto a un número muy inferior de llamas. En 1961, la cifra (en conjunto para ambas especies) había sido de sólo 362.57 auquénidos. En los demás estratos, los tamaños son mucho más pequeños. Esta situación hace que el manejo recomendado en esos coeficientes, aun para una tecnología empírica, sólo sea aplicable a una porción muy minoritaria del ganado auquénido. Es preciso adoptar hipótesis específicas para los rebaños menores, que son la amplia mayoría. Por otro lado, como ya se observó para el caso ovino, los requerimientos de las haciendas suelen basarse en cálculos sobre el ganado entregado a cada pastor, pero éste luego trabaja acom pañado de miembros de su familia, de modo que en realidad el rebaño entregado por persona re sulta considerablemente menor en las tres tecnologías. En las dos especies consideradas, la estructura de tenencia varía considerablemente. Las alpacas tienen una considerable incidencia en las haciendas grandes, y por la calidad de su lana han sido objeto de cierto desarrollo tecnológico; las llamas, en cambio, utilizadas primaria mente como animal de carga, son mantenidas sobre todo en las unidades agropecuarias pequeñas. Así por ejemplo en 1972, para los estratos de 0 a 5 hectáreas había 836 llamas por cada 1000 alpacas, mientras en el estrato de 2,500 y más hectáreas, había sólo 34 llamas por cada 1000 al pacas. En promedio por unidad había 36.38 alpacas, mientras las llamas eran retenidas a razón de 12.09 animales por unidad tenedora. Esta situación también contrasta con las estimaciones del Grupo Ocupación, que estimó un requerimiento único de 0.005 jomadas diarias de trabajo por cada llama, equivalentes a 200 llamas por jomada. Sin necesidad de suponer una jomada por rebaño (ya que pueden ser atendidas ambas especies a la vez, y a veces junto con ovinos), evidentemente estas cifras son demasiado altas, incompatibles con la estructura de tenencia. Estas consideraciones mueven a retener como válidos los coeficientes estimados por el CEEB, como expresión aproximada de ios auténticos requerimientos laborales de estas especies. Los ta maños por pastor que en esas cifras están implícitos, como se ha visto, resultan bastante cercanos a los tamaños promedio observados de acuerdo con el área de las explotaciones agropecuarias. El mínimo rebaño sería el de la tecnología empírica, con 27 auquénidos por jornada diaria de trabajo; esto sobrepasa el tamaño de los hatos más chicos, pues (con la excepción de las unidades de 0 a 0.4 Has., que tienen alrededor de 30), las unidades de poco tamaño tienen hatos que no superan las 20 cabezas. En esas unidades, implícitamente, se atribuiría menos de una jomada por rebaño (como ya hicimos en el caso de los ovinos), admitiendo la posibilidad de pastoreo conjunto con otras especies. El peso de los distintos niveles tecnológicos no es fácil de determinar. Dada la relativa ho mogeneidad de las condiciones reinantes en las distintas partes de la sierra respecto a estas espe cies andinas, se ha preferido por simplicidad la adopción de un único sistema de ponderación. Para el nivel de concentración más elevada y de mejor tecnología, el CEEB adoptó (para ovinos) un porcentaje del 8%; vista la concentración de los auquénidos, que alcanza una cifra similar en las unidades de 2,500 Has. y más, parece conveniente mantener ese orden de magnitud. Para la tecnología “intermedia”, en cambio, el 21% asignado por el CEEB parece excesivo: sólo un 16% del ganado auquénido está en las unidades de 100 a 2499 Has. en 1972, y el 17% en 1961, y difícilmente todo ese ganado sea manejado con una tecnología superior a la empírica. Tam poco puede suponerse que sólo un pastor atienda el hato de cada unidad. Por ello, se estima en un 8% la incidencia de los rebaños grandes, y en un 15% la de los rebaños medios, dejando un 77% en los de menor tamaño. De este modo, los requerimientos del CEEB arrojan un promedio ponderado de 38.54 animales por jorrada diaria de trabajo, que para mayor simplicidad se re55 dondearán en 40, con una equivalencia de 0.025 jornadas diarias por cabeza de este ganado. Se supondrá que estas ponderaciones valen en todos los años y en todas las zonas consideradas. La cifra es algo inferior a la que estipuló el CEEB (0.03085). El valor que aquí resulta para las uni dades más grandes (0.0062) es sin embargo mayor que el requerimiento calculado por el Grupo Ocupación (0.00266), referido como dijimos a rebaños muy numerosos manejado bajo sistemas de hacienda. 3.4. Ganado Equino El Grupo Ocupación en el Agro no efectuó cálculo alguno de requerimiento laboral para caballos, asnos y muías; el CEEB, en cambio, les otorgó una equivalencia-ovinos similar a la del ganado vacuno, es decir, alrededor de 10 animales por jornada diaria de trabajo. En realidad, la definición de los requerimientos laborales para estos animales no resulta sencilla pues el trabajo que ellos requieren se atiende, en parte, al hacerlos trabajar en tareas agrícolas o no agrícolas. Lo mismo que con los bueyes, el ganado equino sirve como ganado de labor, atendido —mientras trabaja— por un gañán o personal similar; también en caso de servir como animal de carga, ya sea en forma individual o en recuas de varios animales, o como fuerza de tracción uncido a vehículos o a máquinas, el “requerimiento de trabajo” originado en su crianza y utilización se confunde en parte con el trabajo necesario para utilizarlos, y que quizá ha sido contabilizado en el respectivo proceso laboral. Así, por ejemplo, la alimentación de los asnos efectuada por el conductor de una recua don de esos animales sirven como medio de transporte, ¿ha de ser considerada una labor pecuaria o habrá de ser incluida en los requerimientos laborales del sector transporte? El trabajo de un gañán, ¿es una tarea pecuaria o debe computarse en el cultivo donde colabora? Desde el punto de vista teórico, sin embargo, la línea divisoria no es difícil de establecer. Son tareas pecuarias las que están enderezadas a colaborar en la procreación, crianza, alimenta ción y cuidado de los animales, con exclusión de las tareas que impliquen su utilización (por ejemplo, el manejo de animales como medio de transporte) o que representen su aprovechamiento en cualquier otra forma (como animales de labor, en la agricultura). Las dificultades surgen como consecuencia de dos factores; en primer lugar, la superposición práctica de ambos tipos de tareas; en segundo lugar, la inexistencia de cálculos detallados sobre el tiempo de trabajo necesario en cada una de ellas. La equivalencia en ovinos, elegida por el CEEB como criterio, y que se basa en el uso de pas tos por cada especie, conducía a identificar los requerimientos de equinos y vacunos, como si fuesen equivalentes. La naturaleza de las tareas es, sin embargo, bastante distinta. El tamaño de ios rebaños es más reducido (no más de uno a tres equinos es la regla general), y no hay ninguna actividad in tensiva (quizá exceptuando unos pocos establecimientos dedicados a la crianza de caballos de paso, sometidos a más intensos cuidados). Por simplicidad, sin embargo, y tomando en cuenta las características de este ganado, es factible aceptar el criterio del CEEB que adopta una equiva lencia directa con los del ganado vacuno. Pero la base de la equivalencia debería situarse en los requerimientos de vacunos excluyendo la producción lechera, y que se limitan a la crianza y cui dado de los animales. En el Cuadro 8 se dieron coeficientes para la atención de vacunos “para carne”, en especial para aquellos agrupados en hatos de cierta magnitud (20 y más cabezas). Con los datos del Censo Agropecuario no es fácil determinar el tamaño de las existencias de equinos por unidad, ya que caballos, muías y asnos se dan por separado; pero de todos modos es fácil advertir que la mayor 56 parte corresponde a rebaños chicos. En 1972, por ejemplo, sólo 10,656 caballos en unidades que superaban las 2,500 Has. eran tenidos en tropas promedio de 23 animales cada una. Sete cientos mil animales (sobre un total de 725,000) corresponde a estratos cuyo promedio no su pera los cinco animales caballares por unidad tenedora; el promedio nacional es de 2.2 animales por unidad. Para los asnos, las unidades más grandes (2,500 Has. y más) los poseían en hatos con un promedio de 20 animales; la abrumadora mayoría (707,000 sobre 714,000) estaban en estra tos cuyo promedio no superaba los tres animales por finca; el promedio nacional era de 1.77 ani males por unidad agropecuaria involucrada. Con las muías se repite el panorama. Los equinos son poseídos en muy pequeño número, con rarísimas excepciones, y sirven fundamentalmente a ne cesidades de provisión de energía motriz para las unidades agropecuarias (bestias de carga, bestias de labor, vehículo para el transporte de personas, etc.). Dejando de lado requerimientos extraordinarios como la parición o la herranza, que en tan escaso número no son relevantes, el cuidado de estos animales se realiza sin mayores dificultades en la propia economía hogareña, dedicándoles algún rato por día para su alimentación y cuidado. Un hato de menos de cinco equinos difícilmente lleve más de una hora diaria de atención, según estiman diversos especialistas consultados. Aunque la mayor parte de los hatos tienen menos de cinco animales, y no todas las tareas son divisibles proporcionalmente, puede adoptarse conser vadoramente un requerimiento del orden antedicho (una hora por cinco equinos). Con 6 horas diarias de trabajo efectivo, la atención de los equinos demandaría una jomada cada 30 animales, o sea 0.033 jomadas diarias por animal, cifra bastante similar a las reproducidas en el cuadro 8 para el caso de los vacunos. Con 1.5 millones de equinos en el país, este requerimiento significa 50,000 jomadas por día a nivel nacional (aunque el número de personas involucradas ha de ser bastante mayor, pues la atención se realiza a tiempo parcial, combinada con otras actividades agropecuarias). Si estos equinos estuviesen agrupados en hatos más numerosos, su atención po dría hacerse con menor trabajo, pero esta posibilidad es meramente teórica: la estructura de te nencia existente determina ampliamente los requerimientos de trabajo. 3.5. Ganado Porcino El CEEB consideró a los porcinos como equivalentes a tres ovinos, lo cual daba un requeri miento de una jomada diaria de trabajo por cada 27 animales (oscilando entre 134 cabezas en las unidades más tecnificadas, 45 en las semitécnicas, y 22 en las empíricas, cuyos pesos eran 8, 21 y 71 por ciento). El Grupo Ocupación de la OSPA, en cambio, realizó un estudio específico sobre una variedad de casos concretos, sobre todo respecto a granjas especializadas en la cría de porcinos: sus coeficientes representan por lo tanto un tamaño mayor de piara, y una tecnología superior al promedio. Por un lado, los estudios empíricos permitieron cuantificar las jornadas ne cesarias por “unidad animal homogénea” en varias zonas del país (Cuadro 19). Por otro, estima ron la incidencia de cada nivel tecnológico (Cuadro 20) y los factores de conversión a unidades animales homogéneas (Cuadro 21) por zonas agrarias; estos cálculos se basan en un estudio ofi cial sobre producción de carne en el Perú. Para el Grupo Ocupación, una jomada diaria de trabajo corresponde en Lima a 303 porci nos en el nivel más tecnificado, 200 en el manejo semitecnificado, y 104 en manejo empírico; en las 'zonas estudiadas de la selva y sierra, la piara unitaria se reduce a 65-90 animales. Evidente mente se hace referencia aquí a tres tecnologías de manejo de una granja porcina especializada, pero no a las tecnologías existentes para toda la existencia porcina del país, donde priman piaras mucho más pequeñas. En 1972 la mitad de los porcinos estaba en piaras de 1-4 animales, con menos de dos cabezas cada una en promedio, y un tercio adicional en piaras de 5 a 19 porcinos. Había en esa fecha sólo un 7.5% en grupos de 100 y más animales, con un promedio de 267.5 cabezas cada uno. La incidencia de la “alta tecnología” puede corresponder cercanamente con estos tamaños de piara (tanto el Grupo Ocupación como el CEEB suponen un requerimiento de 57 Cuadro 19 ESTIMACIONES DISPONIBLES DE REQUERIMIENTOS PARA LA CRIA DE PORCINOS (JORNADAS DIARIAS POR CABEZA) FUENTE: (1) Datos inéditos del Grupo Ocupación, OSPA. (2) CEEB, Requerimientos mensuales de mano de obra, etc. (Lima, 1970). una jornada diaria para piaras de entre 100 y 200 animales). Los casos en que hay menos de 5 porcinos requieren una cantidad de trabajo muy pequeña, dado que en esta especie desaparece el trabajo de pastoreo-, los animales llevan una vida sedentaria cerca de la vivienda, y se alimentan con desechos de comida o alimentos que pueden entregárseles en el corral. Aun admitiendo una cierta carga de trabajo de alimentación y cuidado, junto con tareas ocasionales (parición, etc.), difícilmente un par de cerdos pueda demandar mucho trabajo al día; si una piara “empírica” absorbe una jomada cada 60 animales, aproximadamente, entonces —suponiendo ó horas de tra bajo efectivo— esto representa 10 animales por hora o seis minutos por animal. Si se toma una jomada más larga, como por ejemplo ocho horas, cada animal absorbería correspondientemente más: con ocho horas serían siete animales y medio por hora, es decir ocho minutos por animal. El pequeño “rebaño” de menos de dos porcinos, típico de la mitad de todas las existencias de porci nos, absorbería entre 12 y 16 minutos por día, o en promedio, un cuarto de hora diario. Estas tareas, por supuesto, se pueden realizar a la par que se realizan otras faenas agrícolas u hogareñas, y pueden ser más extensas pues se han usado aquí coeficientes basados en piaras más grandes donde puede haber economías de escala. En definitiva, sólo un porcentaje pequeño es mantenido en piaras de tamaño regular o gran de (16.1% en grupos de 20 y más animales; 7.5% en grupos de 100 y más). La gran mayoría agrupada en cantidades muy pequeñas (50% en piaras de 1 a 4 cabezas. 34% en piaras de 5 a 19) obliga a asignarles un requerimiento un poco superior ai que los datos disponibles asignan a la tecnología “empírica” (en la cual se originó la precedente estimación de 15 minutos por día). Suponiendo por cada hato de hasta 19 animales un requerimiento de 15 minutos diarios por ani mal, así como un requerimiento de 0.02 jornadas por animal en hatos de 20 a 99 animales, y de 0.006 jomadas por animal en hatos de 100 y más cabezas, el promedio se sitúa en 0.045 jomadas diarias por animal, o sea 22.3 animales por jomada requerida. En Lima, donde se sitúa el 57% de los porcinos en el estrato de 100 y más cabezas por piara, el promedio disminuye a 0.0165 jomadas por animal (60 animales por jornada). En el resto del país se asume un promedio de 0.029 jornadas/animal (34 animales por jornada). 58 Cuadro 20 DISTRIBUCION DE LA ESPECIE PORCINA POR NIVELES TECNOLOGICOS Y POR ZONAS AGRARIAS FUENTE: Cálculos efectuados por la OAPA-OSPA a partir de la distribución porcentual y nivel de explotación del Estudio de Evaluación del Problema de Carnes del Perú. Cuadro 21 COEFICIENTES DE CONVERSION EN UNIDADES HOMOGENEAS (MARRANAS) POR ZONAS AGRARIAS FUENTE: Cálculos efectuados por la OAPA-OSPA a partir de la clasificación de la especie porcina presentado el Estudio Evaluación del Problema de la Carne en el Perú. 3.6. Aves Los requerimientos de trabajo para el cuidado de aves de corral sólo suelen computarse en el caso de granjas especializadas en la producción avícola. Una serie de estudios técnicos y empí ricos concuerdan en estimar la necesidad de un jornal permanente por cada 1500-1800 aves en estas granjas, de acuerdo con el nivel técnico predominante en el Perú (en particular en los alre dedores de Lima Metropolitana). Una parte sustancial de estos animales son mantenidos en esta blecimientos de este tipo: en 1972, doce millones de gallináceas (sobre un total de veinte millo nes) se agrupaban en sólo 672 unidades productivas (promedio: 17,865 aves por granja), con un mínimo de 5,000 aves cada una. Al propio tiempo, algo más de cinco millones de aves se halla ban en 815,068 unidades, en grupos de 1-99 aves (promedio: 6 aves por unidad productiva). En estos casos, lo mismo que en los minoritarios casos intermedios —donde predominan las de 1000 a 4999 cabezas, con 2.3 millones (promedio: 2291 aves por unidad) sobre las de 100 a 999 que sólo albergan 580,163 (promedio: 238 por unidad)— los requerimientos pueden ser calculados sobre la base de la tecnología de gran escala, pues en buena parte el trabajo es divisible y se ab sorbe en el conjunto de tareas hogareñas. Calculando en base a 1500 animales por jornada diaria de trabajo, se está adoptando una hi pótesis conservadora pues se aplica ese coeficiente, basado en grupos grandes y especializados, a gallineros pequeños de escala hogareña donde sin duda ha de haber deseconomías de escala. De todos modos, la incidencia de estos animales sobre los requerimientos totales no es muy grande: con ese coeficiente las gallinas, gallos y pollos, junto con patos, pavos y otras aves análo gas, generarían en todo el país unas 14,189 jomadas diarias completas de trabajo (repartidas en tre un número mucho mayor de unidades poseedoras de pequeñas cantidades de aves). Las uni dades con 100 ó más gallináceos absorberían unas 8003 jornadas por día, es decir un 56.4% del total, que corresponde a su incidencia en las existencias totales de aves en las unidades agropecua rias. Es probable que —si se aplicase a las unidades pequeñas un coeficiente más apropiado— las jomadas requeridas por estos animales se elevarían bastante, pero su incidencia global seguiría siendo muy reducida. 3.7. Cuyes Ni el CEEB ni el Grupo de la OSPA se ocuparon de estos animales. El Censo Agropecuario de 1961 reportó 3.4 millones de cuyes en unidades agropecuarias (con un promedio de 9 cuyes por unidad involucrada); el de 1972 registró 4.27 millones (promedio: 8.1 por unidad). El tama ño de los grupos de cuyes no varía sobremanera en función del tamaño (superficie) de las unida des: las más grandes (2500 Has. y más) alcanzaban en promedio a 34 cuyes en 1961 ya 53 en 1972, con una incidencia minúscula en el total; la mayor parte se agrupaba en fincas pequeñas, con no más de diez animales cada una típicamente. Las granjas especializadas en la cría de cuyes requieren personal similar a las avícolas, del orden de una persona cada 1500 animales para ocupar su jornada completa. Sin embargo, este tipo de animales, mantenido en criaderos de tamaño hogareño, requiere más trabajo por lo regu lar que lo demandado por las aves. Considerando que aquí la concentración observada en la in dustria avícola no es el caso general, y que las existencias típicas no superan los diez animales, puede suponerse una atención diaria de alrededor de quince minutos para un grupo de diez cu yes. Esto significa una jornada de 6 horas cada 240 cuyes, o una jomada de 8 horas cada 320, Considerando la incidencia de grupos más grandes y especializados, donde reinaría un requeri miento de alrededor de 1500 animales por jomada, se puede adoptar un nivel promedio dei or den de 300 animales por jomada diaria completa. Los 4.27 millones registrados en 1972 repre sentarían así un trabajo diario equivalente a unas 5338 jornadas en el total del país. 60 Si bien hablamos aquí de requerimientos y no de existencia del ganado, es bueno destacar a esta altura que las existencias de cuyes según la Estadística Agraria parecen fuertemente exa geradas, ya que a pesar de que los censos agropecuarios registran respectivamente 3.4 y 4.27 mi llones de cabezas, los anuarios de estadística agropecuaria señalan alrededor de 20 millones de estos animales. Esto hace prácticamente imposible estudiar ios requerimientos de trabajo origi nados en la cría de cuyes en forma secuencial en base a esos datos, debiéndonos limitar al análisis de datos censales; por otro lado, en la estadística de 1929 no fueron contemplados. Su escasa importancia global hace insignificante la omisión. 3.8. Recapitulación Las estimaciones efectuadas, dentro de sus grandes limitaciones, suministran a nuestro juicio una base mejor para el estudio de los requerimientos pecuarios respecto a los coeficientes ya co nocidos (los del CEEB), que en general tendían a exagerar los requerimientos, y los elaborados (y aún inéditos) por el Grupo Ocupación en el Agro, que en general tienden a subestimar los re querimientos. En este segundo caso, la subestimación surge —como hemos visto— de considerar preponderantemente las explotaciones grandes, sin tomar en cuenta las limitantes a la productividad del trabajo que surgen de la estructura de tenencia. Al incorporar el factor tamaño de los hatos par ticulares se está integrando en los requerimientos —de algún modo— la racionalidad específica de la ganadería campesina, que opera en base a pequeños números de animales dentro de una economía familiar de producción múltiple donde se integran varias especies de ganado, varios cultivos, y otras actividades como la artesanía y el comercio. La utilización racional del trabajo en los grandes rebaños no es practicable en este marco campesino, y es por ello que fue necesa rio tomar en cuenta la incidencia de los hatos pequeños dentro de cada tipo de ganado. En el caso del CEEB, la distorsión provenía de que se tomó como base para la equivalencia en ovinos el Reglamento de Tierras de la Ley de Reforma Agraria en 1969, es decir, se supuso que los requerimientos relativos de trabajo eran proporcionales al requerimiento de pastos de ca da especie, un supuesto claramente falso. Los vacunos y equinos, por ejemplo, requieren 8-9 ve ces más tierra de pastos que los ovinos, pero no por ello necesitan ocho o nueve veces más traba jo: según nuestras estimaciones, para el promedio del país en 1972 la equivalencia de los vacunos era de aproximadamente cuatro ovinos, y la de los equinos correspondía a alrededor de dos ovi nos solamente. Y casos similares se dan en las otras especies, donde (salvo en caprinos) nuestras equivalencias en ovinos son inferiores a las del CEEB. Nuestros coeficientes conservan una de las ventajas de los estimados del Grupo Ocupación, al menos para las principales especies: se suministran en forma diferenciada por departamentos. El CEEB, en cambio, consideraba un único coeficiente para todo el país. En cambio, hemos pre ferido omitir las variaciones estacionales, que el CEEB consideró pero no el Grupo Ocupación. La estacionalidad más saliente, la de esquila, que se aplica a ovinos y auquénidos (aunque el CEEB la aplicó, vía equivalencia en ovinos, a todas las especies) resultó exagerada en el trabajo del CEEB por su concentración en un solo mes del año; si se consideran las diferentes tasas de esquila, se distribuye la labor entre varios meses posibles, y no se computa la esquila para las es pecies donde no corresponde, su incidencia resulta mínima. Otras tareas estacionales, como la parición, tampoco redundan en variaciones significativas (nuestros estimados dan una fluctuación de 2°!o posible por encima del promedio, y un 4°/o para la esquila). Dada la inseguridad existente sobre la fecha en que se realiza cada labor en las diferentes zonas, y su escasa incidencia, se ha preferido considerar los requerimientos pecuarios como constantes. Dado que ellos fueron calcu lados primero en jomadas por día, se los ha transformado en jomadas por mes asumiendo un pro medio de 24 días de trabajo pecuario por mes. Esta cifra no debe ser confundida con la cantidad de días útiles o laborables: no se refiere a la cantidad de días en que cada persona está disponi61 ble para el trabajo, sino a la cantidad de días en que debe realizarse por mes el trabajo pecuario. Si bien varias de las tareas son diarias, sin descanso posible (pastoreo, por ejemplo), otras se rea lizan en forma periódica, y por ello se asigna una cantidad de días inferior a la totalidad de los días del mes-, la cifra escogida (24) representa un 85.7°/o de los días de febrero (mes de esquila), un 809o de los meses de 30 días y un 77.49o de los meses de 31 días, con un promedio anual (288/365) de 78.99o. El CEEB adoptó al respecto un supuesto similar, asumiendo 5 días sin trabajo pecuario en cada mes, con lo cual resultaban 305 días de trabajo por año. Nuestra cifra de 288 días tiende también a restringir los requerimientos de trabajo pecuario y concuerda con el enfoque general de naturaleza conservadora con el cual hemos venido estimando los requeri mientos. Sin embargo, a la hora de estimar la cantidad de personas necesarias para cumplir esas ta reas, lo más correcto será considerar el total de requerimientos dividiéndolo entre 30 días (o en tre 31), para obtener una cifra de meses/hombre. Esto es así porque las tareas, de hecho, se re parten entre todos los días del mes, aun cuando —si se las realizara en forma sistemática— no ocu parían una jomada completa durante todo el mes. La carga de trabajo aquí tiende a distribuirse en todas las jomadas del calendario, aun cuando la cantidad de horas de trabajo puede variar se gún la naturaleza de las tareas demandadas. Los 24 días supuestamente requeridos por mes se reparten, de hecho, entre los 30 días de cada mes (ó 31 en los meses más largos), traduciéndose así simplemente en jornadas más cortas o menos intensas, pero no en menor cantidad de días ocupados. Este enfoque tiende a limitar adicionalmente los requerimientos, pues una cierta can tidad de jomadas equivale así a una menor cantidad de meses/hombre (es decir, a una menor cantidad de personas ocupadas). En el Cuadro 22 se sintetizan los coeficientes unitarios de requerimiento para la actividad pecuaria, por especie y por departamento. Se presume el mismo coeficiente para todas las pro vincias de cada departamento, excepto en el caso del departamento de Lima en el cual se ha dis tinguido (para algunas especies) la costa y la sierra. 62 Cuadro 22 REQUERIMIENTOS DE TRABAJO PARA LA ACTIVIDAD PECUARIA POR DEPARTAMENTO (Jomadas mensuales por cabeza de ganado) (a) (a) Se supone actividad pecuaria durante 24 días por mes. En Lima (Costa) y en Lima (Total) se incluye la Provincia Constitucional del Callao. Se incluyen los coeficientes de todas las es pecies en todos los departamentos, aun cuando normalmente no existen ejemplares de algunas de ellas en determinados departa mentos (por ejemplo, auquénidos en la selva). 63 III EL NIVEL DE LA ACTIVIDAD AGROPECUARIA 1. PROBLEMAS GENERALES En esencia, el enfoque de este estudio consiste en multiplicar coeficientes unitarios de tra bajo por una determinada escala de aplicación (o de actividad), es decir, por el indicador elegido para representar el volumen que alcanza cada actividad dentro del área considerada. Para el caso de los cultivos, la unidad considerada en los coeficientes ha sido la hectárea cosechada; para la actividad pecuaria, los coeficientes aparecen en términos de jomadas por ca beza de ganado. Esto plantea de por sí ciertas dificultades y ambigüedades. Uno de los problemas inmedia tos es el de la escala de producción de cada unidad agropecuaria en cada línea de actividad. Todo nuestro enfoque se basa en coeficientes fijos, lo cual —entre otros aspectos— implica que no se contempla ninguna influencia de la escala de producción sobre los requerimientos de trabajo, excepto para la ganadería donde el tamaño de los hatos ha sido incorporado dentro de los coefi cientes. Para las tareas de cultivo, la escala de producción tiene una influencia relativamente limi tada:. un incremento de la superficie bajo cultivo generalmente incrementará proporcionalmente todos los insumos productivos (trabajo, fertilizante, etc.); si es que se trata de tierras de similar calidad. Si se supone un progresivo desplazamiento hacia tierras peores, el aumento de la produc ción a lo largo del tiempo significaría un aumento (y no una disminución) en los requerimientos de trabajo por hectárea; por ejemplo, la ocupación de tierras eriazas o selváticas implica un in cremento en las labores de preparación del terreno. Pero ese no es siempre el caso: a veces las nuevas tierras son más (y no menos) productivas que las anteriores. Al respecto, conviene distinguir la escala de toda la producción y la escala de cada unidad agropecuaria. La expansión de un cierto producto no necesariamente implica el incremento en el tamaño de cada fundo; más bien puede suceder lo contrario, como en el reiterado proceso de “pulverización” de las unidades campesinas que ha sido hallado en diversos países. Respecto a la fijeza de los coeficientes, en el caso de la industria fabril se admite generalmente que la rama de producción en su conjunto es menos sensible a variaciones en la escala que cada firma individual; en el caso de la agricultura, la sensibilidad de ambas es más baja, pero además puede darse una re lación inversa a la anterior: la agricultura en su conjunto puede tener tecnología variable a escala (pasaje a tierras peores) pero cada firma puede tener una tecnología mucho menos sensible ante aumentos en el tamaño de su propia área cultivada; al nivel de cada fundo existen, sin duda, eco nomías de escala, pero éstas son admitidamente menores que en otras esferas de producción 65 (ganadería, industria manufacturera, etc.). Por este motivo, puede admitirse con facilidad la idea de un coeficiente fijo, no sensible a la escala, tanto al nivel de la “industria” agrícola, como de la firma individual. Los requerimientos de trabajo de un cierto territorio resultarían así por la sim ple multiplicación del área cosechada y el requerimiento unitario (por hectárea), al menos como primera aproximación. La variación de los coeficientes en el tiempo, que ya hemos aludido antes, es otra dificultad para la comparación a lo largo de varios años. En el caso peruano, los cambios tecnológicos que puede incidir en el uso de trabajo (como la mecanización) han tenido un desarrollo pobre, y sólo en ciertos cultivos como el azúcar y el algodón, donde la comparación de largo plazo tendría me nor sentido. De hecho, en este trabajo esto se ignora casi totalmente, aplicándose los mismos coe ficientes a diferentes años, incluso algunos bastante lejanos (hasta 1929), dando en ese caso un valor solamente indicativo a los resultados que se alcancen. Sin embargo, luego se aplican algunas correcciones para ajustar los resultados en función de este aspecto. Otro problema surge por el uso de la superficie cosechada como indicador del nivel de acti vidad. En el caso de la agricultura, hay otros posibles indicadores que vale la pena considerar, principalmente la superficie sembrada y la producción obtenida. Entre la superficie sembrada y la cosechada hay generalmente alguna diferencia por áreas sembradas y malogradas (por granizo, lluvia, helada o incluso por abandono ante una baja de precios u otros factores no naturales); normalmente se siembra algo más de lo cosechado. Por otra parte, lo que aquí se computa es la acción de cosechar, y no las simples hectáreas, de modo que una hectárea con dos cultivos por año se contabiliza como dos hectáreas. Afortunadamente, éste es el criterio que se sigue en las estadísticas y censos agropecuarios del Perú. El uso de la producción en lugar del área cosechada puede ser bastante significativo en algu nos casos; en primer lugar en los casos donde los requerimientos de trabajo originales (los presu puestos de costo de producción) aparecen en salarios a destajo y no por día —ése es, por ejemplo, el caso del café, donde se paga por arroba—, de modo que el número de jornadas ha sido derivado mediante datos indirectos sobre rendimientos; en segundo lugar, hay algunos cultivos cuya densi dad de siembra es variable, de modo que en una hectárea puede haber diferente cantidad de plan tas, en cuyo caso la producción se convierte en un indicador más fidedigno (también podría ser la cantidad de plantas); tal es el caso de varios cultivos permanentes como frutales o café. Tiene la virtud adicional de reflejar las variaciones en los requerimientos laborales de la cosecha, los cua les obviamente son mayores cuando hay más cosecha que recoger. Sin embargo, una mala cosecha no necesariamente disminuye los requerimientos: a veces, ni siquiera los de cosecha, y mucho menos los del resto de las tareas de cultivo (siembra, riego, etc.). Para el tratamiento más correc to de este tema habría que tomar las hectáreas sembradas como indicador para la preparación del terreno, la siembra, la fertilización, el riego, etc., y la producción como indicador del volu men de cosecha (haciendo variar en consecuencia los requerimientos de trabajo de esa tarea en particular). Este refinamiento no es posible sin un extraordinario trabajo adicional, de modo que en el presente estudio no se lo ha tomado en cuenta. El uso de la producción como indicadores, en cambio, indispensable en algunos casos en que el área ocupada por el cultivo no está disponi ble: en este estudio, como se verá, se han estimado algunas áreas en base a datos de producción (por ejemplo, la de coca del valle de La Convención, para 1929, ya que en ese año ese valle no fue registrado en la estadística). Otro elemento en contra del uso de las hectáreas es el incierto carácter de muchos datos so bre superficie cultivada. En primer lugar, muchos cultivos en el Perú se practican en superficies muy pequeñas, dentro de un amplio programa de cultivos de subsistencia que varían bastante aun dentro de una misma chacra, ocupando cada uno de ellos una superficie bastante pequeña; nor malmente, además, esas superficies son de difícil medición debido al relieve y otros factores; asi mismo, su extensión se expresa en una multitud de unidades autóctonas o tradicionales de me66 dida (topo, fanegada, yugada, etc.) de escasa precisión y gran variabilidad en el tiempo y en el espacio, cuya conversión a hectáreas no es siempre fácil. Además, los informes de los producto res en el Censo Agropecuario se refieren a diversas parcelas bajo su conducción, que no están a la vista del agente censal lo cual impide la verificación de la exactitud de los datos suministrados; tampoco se controla, normalmente, la densidad del cultivo, que puede ser variable. Si estos problemas aparecen con el Censo Agropecuario, en el cual se efectúa un verdadero conteo caso por caso, mucho más inciertos son los datos de la Estadística Agraria, que se basan en información obtenida por muestreo y en estimaciones de los funcionarios del Ministerio de Agricultura destacados en cada zona; la incertidumbre es mayor cuando se trata de cultivos de subsistencia, practicados primariamente por productores campesinos de escasa tecnificación y en parcelas pequeñas diseminadas; en esas condiciones, la estimación de la superficie total ocupada por un cierto cultivo en una cierta área puede ser muy difícil. La variación en los criterios utili zados genera, además, inconsistencias entre un año y otro, dificultando la construcción de series. Algo similar cabe decir del uso de las cabezas de ganado para la actividad pecuaria. Como hemos visto al tratar los respectivos coeficientes, el nivel de éstos depende de la incidencia de de terminadas actividades dentro del hato total (por ejemplo, la tasa de ordeño en el ganado vacuno: el mismo número de cabezas puede representar diferentes cantidades de vacas ordeñadas, y por ende un distinto requerimiento de mano de obra). Hasta donde fue posible se han reflejado estas diferencias en los requerimientos, pero de un lado hay especies donde no se hizo diferenciación alguna al respecto; y de otro lado, se han tomado como base los datos de 1972, y a veces tam bién los de 1961, suponiendo una constancia que a veces puede no darse en realidad. La estruc tura de tamaño de los hatos, que también se recoge en los coeficientes, puede variar entre una y otra fecha: ya hemos visto que tienen cierta permanencia, sin embargo, al menos entre 1961 y 1972, y esto podría amenguar los temores al respecto. En definitiva, el uso de la superficie cosechada y de las cabezas de ganado parece respaldado por razones suficientes de conveniencia, racionalidad y viabilidad, .ya que se trata de indicadores bastante fieles del volumen de actividad y que están fácilmente disponibles en las distintas fechas que nos interesan. Sería deseable, sin embargo, refinar los estudios incorporando otras variables tanto en los requerimientos unitarios cuanto en los indicadores del volumen de actividad. 2. LA ESTADISTICA AGROPECUARIA DE 1929 En 1929 el gobierno realizó la primera investigación integral de la agricultura peruana, me diante un sistema de tipo censal. Si bien el informe publicado no detalla los procedimientos se guidos, puede inferirse que hubo un relevamiento caso por caso de todas las unidades agropecua rias, al menos en teoría. Sin embargo, en esa época había amplias zonas del país donde reinaban sistemas de producción que dificultaban enormemente la tarea; de un lado, las áreas propiamen te campesinas, con población de habla únicamente indígena y con una fuerte distancia social res pecto de los funcionarios; luego, las áreas de latifundio serrano tradicional que constituían casi una jurisdicción aparte, donde el aparato de Estado no era muy bienvenido por lo general. A to das ellas, además, les afectaba la carencia de caminos adecuados y el bajo nivel cultural y técnico de los funcionarios disponibles, así como la falta de normas precisas para el levantamiento de la información. El resultado, por ello, no es perfecto ni mucho menos. Hubo en todo el país distritos y aun provincias enteras que no fueron censadas (uno de los casos típicos es la del valle de La Conven ción, en el Cuzco); seguramente en las áreas censadas hubo también un apreciable porcentaje de omisión censal, superior probablemente al de otros censos agropecuarios; no está claro si en esos casos los funcionarios introdujeron algún ajuste por omisión. Asimismo, en varios aspectos la in67 formación no se publica en forma realmente aprovechable: hay productos como el café cuyo volumen de actividad aparece por número de plantas y no por hectáreas, por ejemplo, lo que difi culta el uso de los coeficientes disponibles excepto previa reducción de cafetos a hectáreas. Cier tos productos, como la coca, no fueron registrados. Una importante variable, como la mano de obra utilizada, ha sido publicada en una forma que no es claramente interpretable (peor, sin em bargo, es la completa omisión de ese tema en los censos agropecuarios posteriores). En líneas generales, no estamos en condiciones de salvar los defectos intrínsecos de la esta dística agropecuaria de 1929, como tampoco de las fuentes restantes: hemos de tomarlas como son, tratando de tener conciencia de la existencia de sesgos, y si es posible, de la dirección del sesgo. En este caso, parece haber claramente una subestimación por omisión, en diversas zonas. Un trabajo relativamente factible podría ser el de estimar los distritos y provincias omitidos, pro ducto por producto, en base a otras fuentes (Censos Agropecuarios, por ejemplo), pero no ha sido emprendido en el marco de esté estudio. Tan sólo incorporaremos, como se verá, un ajuste global por omisión y cambio tecnológico. Se han hecho, en cambio, algunas correcciones indispensables en algunos casos en que se detectó algún error u omisión salvable y notoria. Estos casos se tratan a continuación. 2.1. La Convención en 1929 Esta provincia no fue censada en absoluto en esta fecha; la dificultad del transporte debe haberse sumado a la resistencia de los hacendados de la zona. Hemos recurrido para la estimación del área cultivada de algunos productos 1al conocido trabajo de Eric Hobsbawm, “Un caso de neofeudalismo en el Perú: La Convención” . Con respecto al café, Hobsbawm estima para 1929 una producción transportada en el ferrocarril Cuzco-Santa Ana de 220 TM en 1916 y 413 TM en 1940; por interpolación se obtiene para 1929 una producción de 325 TM (datos en la pág. 200 de la edición citada de Hobsbawm; las fuentes genéricas son la Geografía Económica del Perú de Paz Soldán y la obra de K. Kaerger Landwirtschaft). En la pág. 195 Hobsbawm da un rendimien to de 817 kg./ha. para el café, aunque parece provenir de estimaciones más tardías a nivel nacio nal; con esa base se puede estimar para 1929 un área cosechada de café de alrededor de 398 Has. Para el caso de la coca, por un procedimiento similar (y con el rendimiento promedio de 1961) se estimó para 1929 una superficie cosechada de 3,574 Has. En esa época, según Hobsbawm, el cultivo del té era incipiente y por lo tanto no fue considerado aquí. Así se agota la lista de pro ductos de La Convención acerca de los cuales es posible tener para esa fecha alguna información. Hay, sin duda, una subestimación: parte de la producción no era transportada por ferrocarril a a Cuzco, y además habría otros productos (sobre todo de subsistencia) así como ganado-, sin em bargo, dado que para 1929 se ofrecen datos sólo a nivel departamental y para esa fecha La Con vención no estaba aún densamente poblada, puede suponerse que el residuo omitido no es muy significativo a nivel de todo el departamento; por otro lado no es posible llegar más lejos en la es timación. 2.2. Maíz en Cajamarca (1929) El maíz aparece cultivado en 71,208 Has. en la estadística de 1929 para el departamento de Cajamarca; en los censos agropecuarios más recientes la cifra es de 64,132 Has. en 1961 (Censo Agropecuario 1961, Cuadro 20 a nivel nacional por dpto.), y de 92,426.9 en 1972 (Censo Agro pecuario 1972, Cajamarca, tomo I, Cuadro 13, incluyendo maíz grano, choclo y chala). La cifra (1) En la obra colectiva Capitalismo y desarrollo de la agricultura, editorial A. Corazón, Serie Comunicación; ha sido publicado en otros varios sitios. Se cita a partir de la recopilación de J osé V egas Pozo, El problema agrario en el Perú, I (Lima, UNMSM -CienciasSociales, 1977), pp. 165-200. 68 global parece a primera vista compatible con las más contemporáneas, bajo el supuesto de un es tancamiento o caída entre 1929 y 1961. Sin embargo, hay algunos distritos con datos evidente mente exagerados, que aparentemente han inflado la cifra de 1929 más allá de compensar la pro bable omisión cometida. Hemos detectado situaciones de este tipo en dos distritos: Santa Cruz (provincia Hualgayoc), hoy integrante, junto con otros distritos vecinos, de la provincia de Santa Cruz (creada en 1950), y Huambos (provincia de Chota). Con respecto a Santa Cruz: en 1929 el distrito aparece con 83,804 Has. en sus unidades agropecuarias, incluyendo 32,000 Has. de pastos naturales y 24,000 Has. “cultivables” no culti vadas, además de 27.804 Has. cultivadas; entre éstas, no menos de 16,700 se atribuyeron al cul tivo del maíz (6O9'o de las tierras cultivadas). La cifra atribuida al maíz parece excesiva, posible mente debida a un error numérico en las planillas. En 1972, el ex-distrito de Santa Cruz aparece subdividido en varios distritos: Santa Cruz, Andabamba, Catache, Ninabamba, Pulán y Yauyucán2. Entre todos exhiben en el Censo Agro pecuario de ese año 71,036.10 Has., de las cuales 7,218 Has. dieron cultivos transitorios y otras 946.89 cultivos permanentes, es decir un total de 8,185, entre las cuales 3,672.84 Has. con maíz (grano, choclo o chala). La caída aparente en la superficie de maíz es notable, pues se reduce a sólo un 20% de su nivel en 1929; sin embargo, también cae la superficie cultivada total, y no sólo por causa del maíz, en más de 20,000 Has., de las cuales el maíz explica algo más de la mi tad. ¿Se trata de un proceso real, o hay una exageración en 1929? De un lado, la caída parece improbable si se observa que la población de la zona ha tenido un aumento del 50% más o menos en el período 1940-1961, manteniéndose hasta 1972 la cifra de 1961; el crecimiento también se observa para las zonas rurales, como lo muestra el cuadro 23. Cuadro 23 POBLACION EN LA JURISDICCION DEL DISTRITO DE SANTA CRUZ (demarcación de 1929) FUENTE: Censos. (a) Para guardar homogeneidad en la definición, sólo se considera urbano el pueblo de Santa Cruz, y no los caseríos que posteriormente fueron elevados a la categoría urbana por el mero hecho de ser cabecera distrital. Por otro lado, la zona de Santa Cruz en los años veinte de nuestro siglo había desarrollado una apreciable producción porcina en varias haciendas, las cuales mantenían una importante pro ducción de maíz para la alimentación del ganado; esta línea de producción declinó en los años cuarenta y cincuenta al ser reemplazada por la cría de vacunos y por otros cultivos; esto podría (2) Véase Justino Tarazona, Demarcación política del Perú, Lima, Dirección Nacional de Estadística v Censos, 1968, tomo 1 pp. 790-792, y Ley 18684 del año 1967. 69 explicar una cierta caída en la superficie de maíz3; sin embargo, difícilmente podrían explicar una caída tan brusca: la superficie total de maíz de 1929 podría estar exagerada de todas mane ras, aunque la cifra correcta se situaría sin duda por encima de la de 1972. Adoptando una hipótesis bastante probable a juicio de expertos consultados, hemos decidi do suponer que la superficie de maíz en Santa Cruz en 1929 no fue de 16,700 Has. sino de 6,700. De este modo el distrito estaría cultivando el 10.9% del total de maíz del departamento (que se reducen a un 3.97% en 1972), y la superficie total se reduciría, en términos absolutos, en 10,000 Has. En el distrito de Huambos (que sin modificaciones sigue integrando la provincia de Chota) la situación es similar. Aparecen en 1929 un total de 12,487 Has. cultivadas, de las cuales la ma yor parte (11,000, un número sugestivamente redondo) dedicadas al maíz. En 1972 el distrito cultivaba sólo 2,596 Has. de maíz sobre 4,022 Has. cultivadas y 11,963 Has. agropecuarias to tales (en 1929 se contabilizaron 32,348). Los cultivos diferentes del maíz, como se ve, no cam biaron mucho: entre ambas fechas pasaron de 1,487 a 1,426. La población total de Huambos evolucionó en la forma descrita en el Cuadro 24. Cuadro 24 POBLACION DEL DISTRITO DE HUAMBOS (Chota) FUENTE: Censos. El estancamiento de los otros cultivos corresponde estrechamente con el relativo estanca miento de la población, que en más de 30 años apenas creció un 45% (o sea un 1.2% anual aproximadamente). La reducción aparente del maíz parece excesiva pues la población rural no disminuye sino aumenta, y los otros cultivos tampoco caen en términos absolutos; puede estar presente algún proceso similar al caso de Santa Cruz, pero no hay evidencias en nuestro poder al respecto, y en todo caso la caída parece excesiva. Difícilmente las tierras aptas para maíz en la zona puedan estar en proporción tan alta como el 90% del total. Para estimar una cifra más realista, se observa que en 1972 Huambos tenía el 11.74% del maíz de la provincia de Chota. En 1929, ese porcentaje era probablemente algo mayor, debido a que con posterioridad se han añadido tierras de altitudes más bajas. Si el error hubiese consistido —como se supuso en Santa Cruz— en la adición de una cifra, tendríamos 1,100 Has. en lugar de 11,000. Esto daría un porcentaje muy bajo para el distrito; la cifra correcta es probablemente algo mayor, pero en tomo a 2,000 Has. Luego de otras pequeñas correcciones en las restantes (3) Estos datos me fueron gentilmente suministrados por John S. Gitlitz, de la State University of New York at Purchase, y se basan en sus investigaciones históricas y de campo en la zona. Véase también Lewis Taylor, “Cambios capitalistas en las ha ciendas cajamarquinas, 1880-1935” (mimeo, 1982). 70 provincias, se llegó a un total departamental de 53,538 Has. de maíz, cifra bastante compatible con las registradas en 1961 y 1972 y con el crecimiento que tuvo, desde 1940, la población rural cajamarquina. 2.3. Menestras en Cajamarca (1929) Según la estadística de 1929, la superficie cultivada con menestras en Cajamarca se clasifi caba de la siguiente manera: (a) Básicamente, los míanos productos cosechados en verde. Sin embargo, algunas de las cifras no deben ser tomadas al pie de la letra: la propia publica ción las señala como “cultivos asociados” (sembrados en forma intercalada con otro7 cultivo). Concretamente, así aparecen caracterizadas 10,205 Has. de frijoles y pallares en Cuten o, y otras 3 Has. en Cajamarca y 380 en Chota. En forma similar se clasifican 7,610 Has. de legumbres en Chota (todas en el distrito de Huambos). Hay aquí dos cuestiones a dilucidar: primero, la existencia de una doble computación de las mismas hectáreas cuando en ellas hay un cultivo asociado con otro: en tales casos, la solución correcta sería la computación de sólo una parte (por ejemplo la mitad) de los requerimientos de cada cultivo, ya que en esas hectáreas la densidad de siembra es aproximadamente la mitad que con un único cultivo. Por otro lado, parece haber también errores como los ya analizados ante riormente. Para contar con algún elemento de comparación en el Censo de 1972, debe recordarse que en 1929 el Censo no abarcó la provincia de Jaén (que hoy está subdividida entre las provincias de Jaén y San Ignacio). También debe tenerse en cuenta que la actual provincia de San Miguel es taba integrada por cuatro distritos de la provincia de Hualgayoc (Llapa, Niepos, San Gregorio y San Miguel de Pallaques), del mismo modo que la actual provincia de Santa Cruz fue creada en base al distrito de Santa Cruz (provincia de Hualgayoc) y varios distritos de la provincia de Chota que en 1929 formaban parte de los distritos de Cachén (hoy Miracosta) y Cochabamba. La ho mologación territorial entre 1929 y 1972 es, pues, bastante difícil pues involucra fragmentos de distrito, y la información sólo está desagregada en ambos censos hasta el nivel distrital. Por for tuna, es posible tratar solamente algunas provincias y distritos que no han sido modificados en su jurisdicción territorial, o lo han sido de manera manejable. 71 En 1972, el distrito de Huambos no exhibe superficies ni lejanamente similares a las que se le atribuyen en 1929 para las legumbres frescas. Sumando todas las variedades, ese distrito sólo tiene 259.3 Has. de legumbres. Las 7,610 Has. de legumbres asociadas a otros cultivos, que fi guran en 1929, son probablemente 7.61 Has. ya que parece sumamente difícil que semejante ex tensión se haya dedicado a esos cultivos (el error es semejante al registrado para el maíz en ese mismo distrito). Con respecto a la enorme superficie de menestras registrada en Cutervo, provincia que hoy conserva su mismo territorio aunque ha habido creación de distritos por subdivisión, se han mez clado probablemente dos cuestiones. De las 12,635 Has. de frijoles y pallares, la mayor parte (10,205) son cultivos asociados; y sólo 2,430 serían cultivos independientes de esas plantas. Las 18,770 Has. de habas y arvejas, en cambio, son consideradas como cultivo independiente y están probablemente exageradas. En 1972, la provincia de Cutervo cultivaba 2,242.73 Has. de habas y arvejas (principalmen te estas últimas), 1,382.24 Has. de frijoles y pallares, y 131.73 Has. de lentejas y garbanzos (más alguna superficie residual con otros productos similares: choclo, zarandaja, caupí, etc.). El total de superficie cultivada con cultivos transitorios en la provincia era de 28,571 Has., de las cuales el maíz ocupaba 13,526, y además había 8,379 Has. de cultivos permanentes (la mitad de ellas, pastos para pastoreo). Estos totales no permiten suponer que en 1929 haya habido en Cutervo semejante superficie de menestras. En 1972, la provincia generaba un 18.9% del total provin cial de habas y arvejas, y un 30.0% de los frijoles y pallares, excluyendo en ambos cálculos Jaén y San Ignacio que en 1929 no fueron censadas. En aquella época el porcentaje de Cutervo era probablemente igual o un poco mayor (por la posterior incorporación de tierras apropiadas a estos cultivos). Admitiendo un 20 y un 35% de la superficie departamental respectivamente, resulta para Cutervo en 1929 un área de 2,338 Has. con habas y arvejas, y de 2,668 Has. con frijoles y pallares. Tomando estimativamente dichas cifras, que no parecen irreales, el departamento de Cajamarca tendría en 1929 las siguientes superficies cultivadas: habas y arvejas: 11,689 Has.; frijo les y pallares: 8,894 Has. 2.4. Maíz en Ayacucho (1929) El Departamento registró en esa fecha un total de 57,794 Has. de maíz, de las cuales 50,397 correspondieron a los distritos de Chuschi o Chusqui (40,000) y Huambalpa (10,397), ambos en la provincia de Cangallo. En 1972, Chuschi sólo cultivó 595 Has. de maíz (grano, choclo o chala), mientras el terri torio que pertenecía a Huambalpa (ahora dividido entre Huambalpa y Accomarca) exhibe 1,529 Has. con ese producto. La superficie agropecuaria total de Chuschi era (en 1972) de sólo 3,483 Has., casi todas de labranza, mientras los otros dos tenían 17,869 clasificadas en tierras de cul tivo (5,593), pastos naturales (8,983), montes y bosques (3,117) y un pequeño residuo de “otros tipos de tierra” y “tierras no clasificadas”; los tres distritos albergaban en 1972 el 28% de la superficie de maíz de la provincia de Cangallo. Las posibilidades de que Chuschi haya cultivado en 1929 nada menos que 40,000 Has. de maíz son prácticamente nulas: la superficie total del distrito no se acerca siquiera a esa cifra (equivalente a 400 Km. cuadrados). En cuanto a Huambalpa-Accomarca, es factible pensar en una reducción del área cultivada luego de 1929, pues la población rural (y total) de esos distritos cayó notablemente entre 1940 y censos posteriores (ver Cuadro 25), a diferencia de Chuschi que ofrece un panorama de estancamiento demográfico. 72 Cuadro 25 POBLACION DE CHUSCHI Y HUAMBALPA-ACCOMARCA (Dpto. Ayacucho) (a) Para mayor comparabilidad se ha considerado “urbana” —igual que en 1940 y 1961— sólo la población de la villa de Chuschi y el pueblo de Huambalpa, ya que en 1972 también se consideró al pueblo de Accomarca, aho ra capital de distrito, y a otros pueblos con características “urbanas” según la definición censal. De acuerdo al censo, Chuschi tuvo una población “urbana” de 3,347, y Huambalpa-Accomarca 2,309, con una rebaja correla tiva en la población “rural”. FUENTE: Censos. Si la superficie con maíz en ambos distritos hubiese evolucionado a la par de la población rural de ambos, y suponiendo para 1929 una población rural similar a la de 1940, se podría esti mar para aquel año unas 514 Has. de maíz en Chuschi y unas 2,782 en Huambalpa, es decir 3,295 en total: si estos distritos hubiesen tenido entonces el mismo peso en la provincia que tu vieron en 1972, la provincia de Cangallo hubiese tenido 11,768 Has. de maíz y el departamento de Ayacucho unas 19,165; la provincia de Lucanas no fue censada en 1929, lo cual podría añadir a lo sumo unas 800 Has. más. Nuestra estimación es, pues, que Ayacucho en 1929 tenía unas 20,000 Has. con maíz, cifra bastante compatible con las de 1961 (32,980) y de 1972 (35,018), pues la población rural del departamento creció entre 1940 -y 1961 (de 273,390 a 306,872) y se estancó luego (1972 = 306,904). De este modo, el área maicera se reduce en 37,794 Has. respec to a la cifra reportada por la publicación oficial de 1929. 2.5. La papa en Puno (1929) De las correcciones que estamos efectuando sobre las cifras de 1929, ésta es la más clamo rosa ya que altera bastante los requerimientos laborales de todo el departamento, donde la papa (cultivo altamente intensivo en mano de obra) es uno délos productos agrícolas principales. Según lo publicado para 1929, en el Perú se cultivaron 282,567 Has. de papa, de las cuales correspondieron 145,708 Has. al departamento de Puno. Este departamento tuvo cifras mucho menores (del orden de las 40,000 - 50,000 Has.) en los censos y estadísticas agrarias posteriores, por lo cual la cifra parece excesiva. Mayor es la sorpresa cuando se comprueba que de las 145,708 hectáreas nada menos que 107,000 corresponden a un solo distrito: el de Usicavos, provincia de Carabaya. Esa cifra no tiene sentido alguno si se conocen las dimensiones de dicho distrito. Si tuado cerca de Coasa y del Nevado Quenamari, su territorio total representa apenas una pequeña fracción de los 1,070 Km. cuadrados que tendría que haber tenido cultivados nada más que con papa. La superficie total de sus unidades agropecuarias en 1972 alcanzó sólo a 19,498.7 Has., de las cuales 18,487.84 con pastos naturales. Tuvo sólo 652 Has. de cultivo (más de la mitad en des canso), y 91.54 Has. con papa. Esta última cifra debería elevarse un poco, pues se omitió clasi73 ficar los cultivos de las unidades más pequeñas, que ocuparon 64 Has. en total, probablemente unas 40 Has. de cultivo y unas 20 Has. de papa, o menos; en definitiva, Usicayos no albergaba más que 100 Has. de papa. Probablemente, las 107,000 Has. de 1929 son en realidad 107, equivocadamente transcrip tas (error bastante frecuente en la época por no haber todavía una convención generalizada so bre el uso del punto y de la coma para la separación de los decimales y/o de los millares). Si así fuese, y contemplando también la situación de algunos distritos de la misma provincia que no fueron censados en esa oportunidad, el área de papa en Carabaya se elevaría sólo a 7,161 Has., y el total de Puno a 40,140, cifra perfectamente compatible con las de 1961 (32,027) y de 1972 (57,828), sobre todo porque parece haber consenso en tomo a la hipótesis de que en 1961 se subestimó el cultivo de papa en el Censo Agropecuario. 2.6. La papa en Junín (1929) El Censo Agropecuario de 1929 trae un área de 30,740 Has. de papa en el actual departa mento de Junín, y 4,247 en el actual departamento de Pasco (entonces unidos bajo el nombre del primero). Esta superficie parece muy alta comparándola con las 16,889 registradas en 1961, y las 24,086 censadas en 1972. Sin embargo, las estimaciones de la estadística agraria desde la década del cincuenta hasta la actualidad han dado superficies mayores, del orden de las 30,000 Has., a la papa de Junín, como se comenta más abajo en el acápite 5.; esta situación impide llegar a una solución totalmente sa tisfactoria, aunque en general nos resulta más confiable en este punto el dato censal más reciente (1961 y 1972). De hecho, los datos de 1929 exhiben algunas innegables sobreestimaciones. La mitad del área total corresponde a las actuales provincias de Jauja, Concepción y Satipo, entonces agrupa das como provincia de Jauja, con 15,788 Has. Otras 9,261 corresponden a las actuales provincias de Tarma y Junín (entonces sólo Tarma). Dentro de ellas, algunos distritos concentran superfi cies muy altas. Los casos más notorios son los del distrito de Comas (hoy anexado a la provincia de Concepción), que aparece con 5,565 Has.; la cifra es claramente falsa si se considera la super ficie agrícola de ese distrito, que en 1972 tenía sólo 762 Has. de papa y apenas 1,045 bajo cul tivos transitorios. Es probable que la cifra correcta haya sido 565, y que se haya producido la duplicación del primer dígito. Lo mismo sucede con el distrito de Marco (Provincia de Jauja), cuyas 1,107 Has. de papa probablemente correspondan a sólo 107: en 1972 tuvo apenas 115 Has. con ese producto, y sólo 635 con cultivos transitorios en general. San Jerónimo, en la provincia de Huancayo, exhibe 1,264 Has. de papa, pero en 1972 sólo tenía 90 Has. de ese producto y 422 Has. de cultivos anuales en general: la cifra de 1929 probablemente no superaba las 100 Has. de papa, y podría ser fijada quizá en esa cifra que representa un máximo probable. El área de papa en Tarma y Junín para 1929 resulta más del doble de la registrada en 1972: la exageración parece localizarse en los distritos de Palcamayo, Acobamba y Tarma; el ajuste en Palcamayo (si milar a otros anteriores) baja de 1,165 a 165; en Acobamba, de 677 a 67; en Tarma; de 3,781 a 2,781 (asignando a esa zona el mismo rendimiento que la vecina Huasahuasi). Otros distritos con sobreestimaciones visibles son los de Palca (provincia de Tarma) cuyas inverosímiles 442 Has. se pueden reducir a 42, y Santa Rosa de Ocopa (provincia de Concepción), de 656 a 65, Chongos Bajo (provincia de Huancayo), de 533 a 53, y Uicumayo (provincia de Junín), de 1,759 a 750. Con estas modificaciones, limitadas a los casos más evidentes, el área con papa en el actual departamento de Junín queda reducida para el año 1929 a 18,485 Has. 74 Esta cifra parece compatible con las de 1961 y 1972; para 1944 se presenta un problema inverso pues Luis Rose Ugarte (ver acápite 3. más abajo) reporta para Junín y Pasco sólo 11,700 Has., pero ello parece deberse a un error involuntario pues —de acuerdo con los rendimientos de la papa que dicho autor asigna a departamentos vecinos— la cifra correcta estaría situada proba blemente en 21,700 (de las cuales una fracción, del orden de tres o cuatro mil, corresponderían a Pasco). En la estadística agraria, tanto antes como después de los progresos metodológicos intro ducidos en 1964, se asigna a Junín un área papera superior a las 30,000 hectáreas, similar a la que se reporta (erróneamente) para 1929, pero en este contexto preferimos atenemos a las cifras censales de 1961 y 1972 que indican en esa zona una superficie menor; en el acápite 6. volvere mos a tratar este punto. 2.7. Sembríos asociados en 1929 En 1929, diversos sembríos aparecen señalados como asociados (sembrados en forma interca lada) con otros cultivos. En tales casos; la menor densidad de cada uno de los dos cultivos asociados implicaría que los requerimientos de trabajo de cada uno de ellos debería rebajarse, en promedio, a la mitad (suponiendo que se siembre con una densidad igual a la mitad de lo corriente). Pero para efectuar esto sería menester conocer exactamente qué otro sembrío iba asociado con el cul tivo considerado, y el censo de 1929 no permite esta clarificación. Contabiliza alguno de los sem bríos como “asociado” sin indicar con cuál de los otros cultivos se cultiva conjuntamente. Así, por ejemplo, en el departamento Amazonas aparecen 1,823 Has. de habas y arvejas en forma de cultivo asociado, sin indicar con qué cultivo se asociaban; en el mismo departamento se dan 4,899 Has. de frijol asociado, cifra bastante elevada que debería corregirse. En Ancash, aparecen como cultivo asociado la mitad de las hectáreas de habas-arvejas (3,515) junto a 3,382 sin esa cualificación. Asimismo, se señalan 2,261 Has. de cultivo asociado de papas, junto a 11,982 no asociadas. Igualmente, se dan como cultivo asociado la mayor parte de las hectáreas de quinua (422 sobre 581) y un número no muy significativo en otros cultivos. Fuera del caso de Cajamarca, ya analizados, no hay otros casos significativos en el resto del país. El tratamiento de los casos señalados se hará de la siguiente manera: a. En Amazonas, para 1944 se señala una producción de menestras de 3,000 toneladas, sin in dicar superficie por tratarse de sembríos asociados cuyo hectareaje ya ha sido considerado en otros cultivos. Para 1929 la producción registrada fue de 644 TM de habas y arvejas, 1,621 TM de frijoles y pallares, y 12 TM de lentejas y garbanzos. En d Censo de 1972, el rendimiento por hectárea para los cultivos señalados, en ese departamento, estuvo muy cerca de los rendimientos aparentes de 1929, como lo muestran las cifras siguientes. Rendimiento censal en el departamento de Amazonas (kg./Ha.) La similitud de los rendimientos en ambos relevamientos indica que el tratamiento de la superficie ha sido el mismo. Para guardar homogeneidad, es conveniente por lo tanto usar direc tamente las superficies registradas sin efectuar modificaciones respecto al carácter de cultivo aso ciado. El volumen registrado (especialmente de frijol) parece un poco alto, pues en 1972 hubo 3,567 Has. luego de un aumento importante de la población rural departamental, y una cifra si milar (3,511) en 1961, de modo que podría haberse incurrido en una exageración en 1929; de todas maneras se ha optado por mantener la cifra intacta. Adicionalmente, como se verá en el acápite 3., se ha considerado para 1944 una superficie de “menestras” (agrupamiento de frijoles, arvejas, etc., de gran seco) correspondiente a la pro ducción indicada y a los rendimientos y estructura productiva de 1929, obteniéndose una super ficie cultivada estimada en 8,906 Has. b. En Ancash, el error es de otra índole. Los rendimientos de las hectáreas “asociadas” son aparentemente mucho mayores que en las hectáreas de cultivo simple, y también son mayo res que los rendimientos registrados en la misma zona en 1972. Las superficies asociadas apare cen sólo en ciertas provincias, y en esos casos son así clasificadas todas las tierras dedicadas a esos cultivos. Las “habas y arvejas” aparecen como cultivo asociado en todos los distritos de las provincias de Huaraz y Yungay, y en casi todos los de Huaylas. La papa aparece como cultivo asociado en la provincia de Huaylas (toda el área en todos los distritos), y la quinua sólo en la totalidad de distritos de Huaylas, Huaraz y Huari. En todos los casos, el rendimiento es mayor en las áreas asociadas. Las habas y arvejas, por ejemplo, aparecen con 1.55 TM/Ha. en las áreas de cultivo asocia do, y con sólo 805 Kg./Ha. en el resto. En 1972, esos cultivos registran sólo 413 Kg./Ha. Si bien es factible una disminución de los rendimientos (sobre todo después del terremoto de 1970), no parece probable una caída tan brusca. De hecho, la estadística agraria de esos años (probable mente en base a datos anteriores al terremoto) asume rendimientos que oscilan en unos 900 Kg. para las arvejas y poco más de 1000 Kg, para las habas, es decir, en el nivel registrado en 1929 aproximadamente. En la estadística de Rose Ugarte para 1943-44 se atribuye a las “menestras” 1,088 Kg. por Ha., que parece ser un rendimiento correcto. Esto implicaría que los rendimien tos de 1929 para áreas de cultivo simple (805 Kg. por Ha. de arvejas y habas) estarían bien; que da por explicar el rendimiento aparentemente más alto en las áreas de cultivo asociado. Una ex plicación posible puede ser una mucho mayor intensidad de siembra, bajo condiciones de cultivo hortícola, y con riego, lo cual puede justificar que estas plantas arrojen semejantes rendimientos por hectárea a pesar de estar intercaladas con otros cultivos. En definitiva, en este caso tampoco parece razonable alterar las cifras publicadas, y es por eso que se toman directamente las hectáreas de cultivo (simple o asociado) y se les aplica el re querimiento previsto por hectárea. Para el caso de las papas y la quinua la situación es similar. En el primero de estos dos pro ductos, el rendimiento es menor con el cultivo asociado, pero dentro de un margen similar al atribuido por Rose Ugarte y por estadísticas de fecha posterior (los de 1972 son muy inferiores en el censo); para la quinua, el rendimiento bajo cultivo asociado es superior a ios casos de cul tivo simple. En todos los casos se ha preferido tomar la superficie total cultivada, independiente mente del carácter simple o asociado del cultivo. 2.8. Jaén-San Ignacio en 1929 En 1929 este territorio, que entonces formaba sólo la provincia de Jaén (luego subdividido en dos provincias) no fue censado. Esta omisión disminuye notablemente el área de café del de partamento de Cajamarca, en la cual sobresale el área de Jaén. En el censo de 1929 aparecen 76 2,339 Has. de café en todo el departamento, y de ellas la inmensa mayoría en Cutervo (2,200). De hecho, en 1972 Cutervo fue la única provincia cafetalera significativa dentro de ese departa mento, si se excluye Jaén y San Ignacio. Tenía en esta última fecha 3,399 Has. de café. El crecimiento de Jaén y San Ignacio en las últimas décadas ha sido muy rápido. Su pobla ción creció de 22,663 habitantes a 107,105, en el período 1940-1972, es decir alrededor del 5% anual. El área cultivada de la zona se dedicaba en 1972 sobre todo al café (28,952 Has.), a pastos cultivados (18,015 Has.) y a cultivos transitorios de tipo alimenticio (31,879), mayor mente arroz, maíz, yuca, plátano y frijol. El principal cultivo comercial es el café. Es muy pro bable que la expansión de la superficie cultivada total haya crecido más o menos a la par del café, y más o menos al mismo ritmo que la población. Para 1944, Rose Ugarte reporta 10,700 Has. de café en todo el departamento; por interpo lación entre 1929 y 1972, Cutervo no pasaría en esa fecha de 2,700 Has., lo cual indicaría unas 8,000 Has. en Jaén-San Ignacio. Aplicando hacia atrás una tasa anual del 5°/o, para 1929 resulta en esa zona un área cafetalera del orden de las 3,900 Has. y un área total cultivada de aproxima damente 8,300 Has. Estas cifras se han añadido estimativamente a las del resto de Cajamarca, resultando para el café 6,239 Has. y para el total cultivado 201,331 (cifra casi igual que la de 1944). Esto representa un aumento del 4.33°/o en la superficie cultivada y del 5.88% en el con junto de requerimientos laborales del departamento, los cuales pasan (para la actividad agrícola) de 12.7 a 13.45 millones de jomadas. Anotemos de paso que aplicando la tasa retrospectiva del 5% desde 1972 hasta 1929, y no desde 1944, resulta para 1929 un área muy similar: 3,552 Has., lo cual tiende a aumentar la verosimilitud de la estimación efectuada. 3. LA ESTADISTICA AGRARIA DE 1941-1944 En el año 1945 se publicó La situación alimenticia en el Perú, de Luis Rose Ugarte, quien era jefe de la División de Estudios Económicos del SCIPA (Servicio Cooperativo Inter-Americano de Producción de Alimentos) integrado al recién creado Ministerio de Agricultura. La obra pro cura presentar la información disponible sobre la producción de alimentos a escala departamen tal. incluyendo una descripción general de tipo geográfico y demográfico, un análisis de la dis tribución y uso de la tierra, y capítulos especiales sobre producción, consumo, precios, importa ción y exportación, salarios agrícolas, y un extenso apéndice de cuadros por producto y por de partamento. El valor de las cifras no es homogéneo. Rose Ugarte incluye un mapa con la ubicación de los representantes rurales del SCIPA, donde se advierte que algunos departamentos carecen de ta les funcionarios (Tumbes, Amazonas, San Martín, Pasco, Huancavelica, Madre de Dios). Ade más, en la mayor parte parece que los citados representantes (localizados en las capitales o ciu dades importantes) no tenían acceso directo a las zonas más alejadas, especialmente aquellas do minadas por haciendas tradicionales o por comunidades indígenas. El autor indica: “No había datos completos para ningún departamento, ni suficientes para la mayoría, y en algunos casos, apenas los indispensables para saber de la existencia geográfica de un departamento. Pero (...) debimos decidimos a incluir entonces los departamentos no visitados. Hemos estimado su situa ción basados en las referencias a nuestro alcance” (pag. xiii). En varios casos, la cifra proporcio nada es la de 1929, o una muy similar, sugiriendo que se ha tomado aquella estadística como base, en ausencia de datos más recientes. La clasificación de los productos es la misma en todos los departamentos; algunos figuran separadamente y otros aparecen englobados en un grupo de productos afines; los agrupamientos practicados son: “Menestras”, “Legumbres”, “Yuca, camote, etc.”, “Frutas”, “Café, cacao, 77 etc.” y “Diversos”. Para el tratamiento de tales casos se ha utilizado, donde es posible, el coefi ciente que corresponde al cultivo más frecuente de cada categoría en el respectivo departamento, o un promedio estimado de varios coeficientes; en otros casos, se ha preferido no hacer un tra tamiento específico de esos agrupamientos, englobándolos en las hectáreas residuales. La obra de Rose Ugarte suministra estimados de la existencia de ganado en 1944, bastante defectuosos y discutibles. Particularmente extrañas son las cifras de ganado lanar, que se elevan a veinte millones de cabezas (la estimación efectuada sobre terreno en 1941 dio sólo 13 millones). Se ha preferido, por ello, considerarla estimación oficial de 1941 como representativa para este pe ríodo, y que puede hallarse por ejemplo en el Anuario Estadístico del Perú de 1944-1945. Las ci fras, pues, vienen a referirse al período 1941-44, y son un poco más tardías para los cultivos que para el ganado (el margen de error introducido no es, probablemente, muy alto). Sin embargo, fue necesario añadir estimaciones para la existencia de llamas y alpacas, que la estadística de 1941 no incluye. Para ello se ha usado como criterio una interpolación entre los datos de 1929 y 1961, lo cual arrojó 1’850,321 auquénidos. Su distribución entre alpacas y llamas no puede hacerse directamente porque en 1961 el censo no distingue entre ambas espe cies. En 1929 se registraron 608,380 alpacas y 598,873 llamas, de modo que las alpacas repre sentaban el 50.3%; en 1972 hubo 1'978,827 alpacas y 1'194,471 llamas, siendo las primeras un 62% del total. Tomando una cifra intermedia (55% de alpacas), para 1944 corresponderían 1*017,676 alpacas y 832,645 llamas. Si se interpola directamente (y por separado) entre 1929 y 1972 los resultados son casi iguales.- 1*086,443 alpacas y 806,640 llamas. Estas últimas son las cifras que se adoptaron, en las cuales las alpacas representan un 57.4%. Es posible que para 1929 haya habido una cierta subestimación de este ganado, mayoritariamente poseído por pequeños productores, pero es difícil hacer alguna mejora en las cifras de ese año. Se han efectuado en los cultivos de 1943-44 algunas correcciones de menor cuantía. En Ancash, la superficie dedicada a la papa tiene un grado importante de omisión: apenas aparecen 7.000 Has., cuando en los censos la cifra ha estado (desde 1929) por encima de las 20,000. Usan do como base una interpolación lineal entre las cifras de los censos de 1929 y 1961, se asignó para 1944 una superficie de 21,274 Has. con papa. En Puno aparecen 42,400 Has. de quinua, cifra evidentemente exagerada: en los tres censos realizados resultaron cifras mucho menores: 10,223 en 1929, una superficie similar (10,941) en 1961, y algo más (18,409) en 1972. Proba blemente la cifra estimada para 1944 fue de 12,400, deslizándose un error mecanográfico que convirtió esa cifra en 42,400. La simple interpolación daría 10,560 Has. para 1944, y así se ha tomado. En Amazonas, la publicación de Rose Ugarte reporta 3,000 toneladas de menestras produ cidas, sin indicar superficie cultivada. Aparentemente, ello se debe a que —según el censo de 1929— esa superficie se da en cultivos asociados, de modo que el autor ha preferido evitar la duplicación. De acuerdo al rendimiento por hectárea registrado en 1929 y en 1972 (véase el acápite 2.6.) se ha atribuido una superficie de 8,906 hectáreas para esa producción de menestras. Otro problema que hubo que resolver fue el de los departamentos de Junín y Pasco, que Rose considera como una unidad pues el segundo de ellos se creó precisamente en aquella época. Por un lado, como ya anticipáramos, es necesario corregir la superficie de papa reportada para Junín-Pasco, de 11,700 a 21,700. La subdivisión entre ambos se efectuó tomando como re ferencia los datos de 1929 y 1961. Le correspondieron a Pasco 14,000 Has. cultivadas en total (excluyendo la provincia de Oxapampa, todavía poco explotada, y que en 1929 no fue censada). De esas 14,000 se imputaron: 2,000 a la cebada; 3,500 a la papa; 2,000 al maíz; 3,000 al trigo; 2.000 a los pastos cultivados; lo cual totaliza 12,500 Has.; el resto (1,500) se consideró como un residuo no discriminado. 78 De tal modo, a Junín le quedaron.- 21,000 de cebada; 28,600 al trigo; 18,200 de papa; 12,600 de maíz; 2,100 de pastos cultivados; y un total de 100,500 Has. (compatibles con los 95,880 de 1929 y los 100,075 de 1961). El resto de las áreas reportadas por Rose Ugarte se asig naron a Junín propiamente dicho. En Pasco se añadieron, además, 2,000 Has. de café. Por otra parte, hay que mencionar el caso del departamento de Madre de Dios. Rose Ugarte incluye algunas cifras para este territorio, pero las mismas son claramente insuficientes. En los otros relevamientos, el departamento mostró las siguientes superficies totales cultivadas: 1929: 4,784Has. 1961: 4,275Has. 1972: 4,073Has. Dentro de lo que parece ser una tendencia secular decreciente (que se habría acentuado en 1976-78 por abandono de cultivos impulsados por la “fiebre del oro”) el área cultivada de Madre de Dios se mantuvo por encima de las cuatro mil hectáreas. Sin embargo, Rose Ugarte computa sólo 1,050 Has. La importancia absoluta del departamento en la agricultura nacional y en los requerimientos de trabajo agrícola es bajísima, y es por ello que se ha resuelto eliminar simple mente las estimaciones de Rose Ugarte para 1944 y usar en cambio datos interpolados entre 1929 y 1961. Con respecto al stock ganadero, se tomó el de 1941 (Anuario Estadístico del Perú, 194445); para las especies faltantes (porcinos, auquénidos, aves) se efectuó una interpolación entre los datos de 1929 y 1961. 4. EL CENSO AGROPECUARIO DE 1961 Después del imperfecto censo agropecuario de 1929, el de 1961 exhibe indudablemente ma yor calidad. Sin embargo, resulta todavía inadecuado en muchos aspectos, sobre todo por la po breza de su procesamiento. Se publicó primero en 1965 un volumen a nivel nacional4 con “resultados finales de primera prioridad”, que incluye la superficie cultivada con diferentes cultivos transitorios, con pastos o con cultivos permanentes, así como las existencias de cada tipo de ganado. Luego, desde 1968, comenzaron a aparecer volúmenes departamentales; varios aparecieron en 1968-70 y otros en 1972-75: a la fecha, quedan inéditos los volúmenes de San Martín, Tacna y Tumbes; de igual modo, algún volumen no incluye todos los cuadros deseables (por ejemplo, Amazonas sólo in cluye ganado vacuno, sin cuantificar las existencias de otras especies). No nos fue posible locali zar los cuadros inéditos de esos departamentos, aunque probablemente existen. Los volúmenes departamentales son la única fuente existente sobre cultivos permanentes, que el volumen nacional no discrimina por departamentos. Pero su principal virtud es que publi ca cifras revisadas para la existencia de ganado, cifras que difieren a veces sustancialmente de las publicadas en el volumen nacional. La discrepancia es notable, sobre todo, respecto de los caprinos que el volumen nacional fijaba en 4.9 millones y que resultan ser sólo 1.4 millón. Pero hay correcciones notorias también para equinos, vacunos y ovinos. Las cifras provisionales de auquénidos no han sido corregidas, (4) Dirección Nacional de Estadística y Censos, Primer Censo Nacional Agropecuario (Lima, sin fecha., introducción fechada en 1965). Se designa este censo como el “primero” pues el de 1929 fue rotulado como “Estadística”(Ministerio de Fomento, Dirección de Agricultura y Ganadería, Estadística General Agro-Pecuaria del Perú - Año 1929 (Lima, 1931). 79 aunque evidentemente necesitaban alguna revisión: hay algunas inconsistencias dignas de aten ción. Por ejemplo, aparecen auquénidos en zonas de selva amazónica (provincia de Maynas, entre otras), o en Tumbes, que sin duda son el fruto de un error de clasificación. Se trata de cantidades pequeñas, que no influirían sobre los resultados; en todo caso, se ha preferido prescindir de ese ganado cuando se lo pudo detectar. En cuanto a los cultivos, las cifras provisionales y las definitivas coinciden en su gran mayo ría; cuando hubo alguna discrepancia se prefirió obviamente el volumen departamental. A éstos sólo en algún caso aislado se les efectuó una corrección. Por ejemplo, se da una cifra de más de 7,000 Has. de naranjales en la provincia de Chiclayo que evidentemente responden a un error; debe tratarse sin duda del número de plantas y no del número de hectáreas. Se ha reemplazado esa cifra por un estimado del área de naranjales de la zona, en base a datos locales, a la Estadís tica agraria y Censos de 1929 y 1972 referidos al mismo departamento. Con respecto a los departamentos cuyos volúmenes no se publicaron (San Martín, Tacna. Tumbes) e igualmente con respecto a Amazonas, las existencias de ganado se extrajeron del Anuario Estadístico del Perú de 1966, que reproduce las cifras revisadas del Censo Agropecuario de 1961 (pp. 1003-1009), excepto los cuyes, para ios cuales se tomaron las cifras del volumen provisorio a nivel nacional, por no haberse publicado en dicho Anuario las cifras revisadas. Los cultivos permanentes de esos departamentos, cuando no estaban disponibles directa mente, han _tenido que ser estimados en base a estadística agraria de años adyacentes, usando como chequeo la cifra nacional de cada cultivo permanente publicada en el mismo Anuario y en el volumen nacional del Censo Agropecuario. 5. EL CENSO AGROPECUARIO DE 1972 Con gran ventaja, este relevamiento es el mejor efectuado en el Perú, y sus cuadros publica dos son sumamente amplios y detallados. Abarca 33 volúmenes (uño nacional y el resto departa mentales: algunos departamentos ocupan dos tomos) y en cada uno de ellos hay tres series de cuadros: la primera clasifica distintas variables según el tamaño de las unidades agropecuarias, a nivel de provincia; la segunda, clasifica las variables a nivel de distrito, sin hacer distinciones de tamaño; la tercera es similar a la primera, pero a nivel de regiones naturales dentro del departa mento (o del país), sin distinguir provincias o distritos. Casi todos los cuadros indican al mismo tiempo el número de unidades agropecuarias que figura en cierta situación, y el número de hec táreas (o cabezas de ganado) que les corresponde. En el caso del ganado, sobre todo para las es pecies principales (vacunos, ovinos, porcinos, gallináceos) hay una clasificación especial por ta maño del hato. Respecto al destino y uso de las tierras, se hicieron dos mediciones: por un lado se registró el uso de la tierra en el mes de mayo de 1972, clasificándolas como cultivada, en bar becho (es decir, que había sido cultivada en los últimos 12 meses), en descanso (cultivada más de un año antes, pero no más de siete años antes), de pastos naturales, de montes y bosques, y otras clases de tierras (eriazas, lagunas, cerros, caminos, etc.); las tierras de cultivo se clasificaron en tierras de riego y secano. Por otro lado, se registró la superficie y producción de cada cultivo en los doce meses anteriores a la fecha censal (setiembre de 1971 a setiembre de 1972), también dividida en cada caso según se usara riego o cultivo de secano. Todo esto, a su vez, clasificado se gún el tamaño de las unidades agropecuarias respectivas; de este modo, por ejemplo, se puede sa ber cuántas unidades de 5 a menos de 20 Has. cultivaron papa en determinada provincia en esos doce meses, qué número total de Has. le dedicaron, y qué producción obtuvieron, distinguiendo claramente las Has. cuya producción fue declarada a fin de poder calcular el rendimiento5, todo ello para los casos de cultivo con riego y para los de cultivos de secano separadamente. (5) De acuerdo con esta distinción, las hectáreas dedicadas a cada cultivo se dividen en dos grupos: “superficie con producción” (es decir con producción declarada) y “sin producción”, o sea, que no declararon la producción habida en ei período de refe rencia. 80 Las instrucciones censales fueron confeccionadas con gran cuidado a fin de asegurar una mejor cobertura y a fin de medir más adecuadamente las distintas variables; por ejemplo, parece haberse hecho un esfuerzo especial para el cálculo de equivalencias entre unidades de medida au tóctonas o tradicionales y las unidades del sistema métrico decimal. Una de las características notables de estos resultados es que los rendimientos registrados son particularmente bajos para varios productos. La papa, por ejemplo, que la Estadística Agraria considera con un rendimiento promedio (nacional) superior a las cinco TM por Ha., aparece con sólo 2.3 TM por Ha. (el cultivo arrojó rendimientos similares a los de la estadística agraria sólo en las unidades más grandes, y especialmente bajo riego, lo cual sugiere que las cifras corrientes están influidas por mediciones tomadas en unidades de ese tipo). Sin embargo, en este estudio no se consideran los rendimientos sino solamente la superficie, de modo que todo posible error o subestimación de la producción declarada no influye sobre nuestros resultados. En cuanto a la superficie, los formularios censales eran bastante detallados: se interrogó so bre el destino de las tierras de cada parcela (cada unidad agropecuaria puede estar compuesta por varios lotes discontinuos de terreno dentro del mismo distrito, los cuales llevan el nombre de par celas), evitando respuestas globales que pudieran subestimar las cifras. Si bien los censos agrope cuarios, sobre todo en áreas campesinas, no están exentos de fuertes tendencias al error, nuestra impresión es que este Censo es bastante más confiable que la estadística agraria disponible; su porcentaje de omisión no es fácil de estimar, pero probablemente no es muy alto; en relevamien tos de este tipo se admite que el margen de omisión censal está por encima de los censos de po blación (por ser el universo únicamente rural y por ende de más difícil acceso); el Censo de Po blación de 1972 tuvo (según muestreo) una omisión del orden del 3-4%, de modo que el Agro pecuario pudo haber tenido razonablemente alrededor de un 8-10% de omisión, especialmente en zonas muy apartadas; sin embargo, la cantidad de cultivos y ganado existentes en esas zonas es menos significativo que el porcentaje de unidades agropecuarias omitidas, ya que los funciona rios censales se ocuparon de censar las zonas donde se concentra la propiedad de la tierra, las áreas cultivadas y el ganado. Dos importantes defectos —para nuestros propósitos y para otros tipos de análisis— en el Censo Agropecuario de 1972, son los siguientes.a. El insuficiente estudio del uso de mano de obra en las unidades agropecuarias. b. La forma uni-dimensional de las tabulaciones (excepto con respecto al tamaño). Acerca del primer punto mencionado, el Censo Agropecuario sólo efectuó dos preguntas: primero, preguntó a cada unidad agropecuaria si usó en los últimos doce meses algún trabajador asalariado, y en tal caso si lo hizo en forma eventual o en forma permanente; no se cuantifico el número de asalariados utilizados, ni el número de días trabajados por ellos, como tampoco el trabajo aportado por la familia del productor o por la ayuda no remunerada de otros campesinos. Segundo, preguntó si se había utilizado los servicios de personal especializado en ciencias agrí colas, una pregunta poco significativa porque este tipo de personal fue usado solamente por una pequeña fracción, sobre todo en la costa. En otros censos agropecuarios la cuestión se trata más ampliamente dentro de los límites permitidos en un censo: se puede medir, por ejemplo, el nú mero de trabajadores permanentes de cada unidad agropecuaria en una fecha o período de refe rencia, así como el número de trabajadores temporarios en esa misma fecha o período, o el nú mero de personas (y días) que trabajan en el momento de mayor ocupación (la cosecha, por ejemplo), distinguiendo trabajo familiar, de reciprocidad y asalariado. Sería recomendable que en futuros censos agropecuarios se contemple este tipo de preguntas. Del mismo modo podría ampliarse la información sobre el productor y su familia, y sobre la población que vive y/o tra baja permanentemente en cada unidad agropecuaria. 81 Con relación al segundo aspecto señalado, el Censo presenta sus cuadros en forma bastante simple: cada variable se presenta por separado, “cruzada” solamente por tamaño de las unida des. Sólo esporádicamente se efectúan cruzamientos adicionales, como por ejemplo al clasifi carse el uso de fertilizantes por el cultivo al cual se destinó la tierra fertilizada (aunque sólo se indica el número de unidades involucradas y no la superficie afectada). En otros términos, para citar ejemplos concretos: se puede saber la superficie de las SAIS pero no se puede saber cuán tas SAIS siembran papa, o cuántas tienen tractores; se sabe cuántas usan tractores (aunque no por cuánto tiempo al año) pero no se puede saber qué cosa cultivan. Sería recomendable progra mar en el futuro cuadros con dos o más variables al mismo tiempo, aun sacrificando parte de la detallada clasificación por tamaño; por ejemplo, para la determinación del nivel tecnológico pre valeciente se requeriría cruzar información sobre el uso de diferentes adelantos técnicos (fertili zantes, maquinaria, semilla comprada, riego, etc.); también es importante distinguir los diferen tes tipos de productor según las relaciones de producción en que está inmerso: esto es, clasificar el uso de la tierra o el nivel tecnológico o la producción por el tipo de tenencia, por la condición jurídica del productor y por el uso de mano de obra asalariada eventual o permanente. La clasifi cación por tamaño es un indicador útil del carácter de la explotación, pero no totalmente seguro: hay unidades de comuneros tradicionales con miles de hectáreas de pastos o de tierras eriazas, y en cambio hay fundos modernos con poca extensión-, tampoco es inequívoco el tamaño bruto de la unidad cuando alberga diferentes tipos de tierra: la clasificación por tamaño podría ha cerse más funcional si se adapta al propósito de cada cuadro (ganado por el tamaño del hato; cul tivos por la extensión cultivada; otras variables por la tierra standarizada de acuerdo con su valor agropecuario, suponiendo que hubiera criterios confiables al respectó;6. De hecho, los coeficien tes unitarios discriminados por nivel tecnológico que ha elaborado el Grupo Ocupación en la OSPA no han podido aplicarse plenamente porque suponen una caracterización por niveles tec nológicos y a nivel de cada unidad productiva, distrito por distrito, la cual sólo podría lograrse mediante un reprocesamiento del Censo Agropecuario 1972; los miembros de dicho Grupo —ahora desactivado— han tratado en vano de lograr ese objetivo, y sería conveniente alentar de todos modos su consecución para no frustrar el inmenso trabajo ya realizado, con lo cual ade más se podría lograr la obtención de muchos cuadros muy útiles que las tabulaciones disponi bles no proveen. 6. LA ESTADISTICA AGRARIA DE 1964 A 1979 Si bien hay datos anuales relativamente completos en la Estadística Agraria (por producto y por departamento) desde 1942, en el periodo que se inicia en 1964 se promovió fuertemente la calidad de las estadísticas agropecuarias, proceso sin duda relacionado con las presiones campe sinas y con el proceso de Reforma Agraria ya insinuado en los últimos años cincuenta y que cobró un inicio de realidad durante la década del sesenta para ser efectivizado luego por el go bierno militar desde 1969. En 1964 se realizó un trabajo básico de muestreo a nivel de todo el país, que sirvió de base para una estimación más acertada en los años posteriores. Se publicó una estadística agraria de 1963, todavía con los viejos procedimientos, incluyendo también algunas cifras de 1959-62 que no habían aparecido en anuarios estadísticos, y desde 1964 se cuenta con la serie “Estadística Agraria” que se extiende con ese nombre hasta 1971, publicada por el Mi nisterio de Agricultura. Los volúmenes de 1964 a 1968 fueron inpresos cuidadosamente y con tienen cuadros por departamento y por producto, y balances de oferta y demanda de cada pro ducto. Desde 1964 se distingue además —dentro de cada departamento— las regiones naturales (costa, sierra, selva), y desde 1966 también se subdivide cada cifra según el cultivo sea de riego o de secano, de manera que cada variable aparece simultáneamente clasificada por departamento. (6) Es encomiable el esfuerzo realizado por J osé María Caballero para standarizar la tierra agropecuaria, esfuerzo que puede con ducir a una verdadera reconsideración de muchos conceptos sobre la concentración terrateniente en el agro peruano Ye ase una versión preliminar en su trabajo “Reforma y reestructuración agraria en el Perú” (CISEPA, 1976), y su libro Economía agraria de la sierra peruana (Lima, IEP, 1981). 82 región natural y forma de obtención del agua. No hay, en cambio, subdivisión por provincias o distritos, ni por zonas agrarias. La estadística abarca superficie, producción física, y valor bruto de producción a precios de productor (hasta 1963 algunos precios eran captados en los merca dos de acopio y no en chacra), para todos los productos agrícolas; para la producción pecuaria se incluye el número de cabezas, el número de animales ordeñados, esquilados o sacrificados, y la cantidad y valor de los diversos subproductos (carne, cueros, leche, lana, etc.). Luego de 1971, la publicación se interrumpió varios años; posteriormente, el Ministerio de Alimentación asumió la tarea pendiente y publicó las mismas series para los años 1972-1976, con el título Anuario Estadístico Agropecuario. Luego de una nueva interrupción, en 1981 aparecie ron tres volúmenes de estadística agrícola únicamente, correspondientes a los años 1977-1979. Con respecto a esos años no hay información desagregada por departamentos sobre existencias ganaderas o producción pecuaria. Tampoco están disponibles los datos de 1980 y posteriores, a pesar de contarse, como es usual, con estimados preliminares a nivel nacional. Esta desigual serie estadística es una fuente muy útil, pero tiene diversos problemas. Uno de los más importantes es la falta de criterios explícitos y uniformes para la recopilación de datos y la estimación consiguiente; no se han publicado nunca las reglas y procedimientos detallados que se utilizan para la estimación; aparentemente, dichas reglas y procedimientos no son muy claros7. Es probable que haya fundados motivos para este proceder, pero desdichadamente ello lleva a frecuentes discontinuidades inexplicables en las cifras publicadas de un año al otro. Por ejemplo, en el departamento de Pasco la superficie agrícola activa tuvo aparentemente la siguiente evolución: 1964: 1965: 1966: 1967: 1968: 30,910 30,360 62,805 70,565 54,485 (Desde 1969 en adelante el valor se mantuvo en torno a 55,000 Has.) La lectura de la serie indica un brusco aumento en el año 1966, en que la superficie cultivada se duplica con creces (una tasa de crecimiento casi imposible en un solo año), crece todavía en 1967, y luego se sitúa bastante por debajo para estancarse durante varios años. Lo más probable es que en 1966 se ha yan ajustado anteriores estimaciones consideradas insuficientes para algunas áreas, elevando la cifra precedente, y luego —a su vez— se haya advertido una exageración en el aumento practi cado y se haya procedido a rebajar la cifra. Todo esto es perfectamente comprensible en cual quier organismo estadístico que seria y responsablemente revisa sus métodos y sus resultados y los va ajustando periódicamente; pero seria mucho más útil que —al tiempo de hacer el ajúste se advierta al lector sobre ello y si es posible se reajusten retrospectivamente las cifras anteriores (como se ha hecho varias veces con las cuentas nacionales del Perú). El ejemplo citado podría multiplicarse. El ejemplo más conspicuo es el de la papa, particu larmente en algunos departamentos como Junín. El área normal de papa estimada por la Esta dística Agraria en ese departamento hasta 1968 era del orden de las 35,000 Has. Entre 1969 y 1971 las cifras saltan a 58,305, a 67,500, a 67,700. Los Anuarios del Ministerio de Alimentación la rebajan a 45,000 en 1972, 45,500 en 1973, 44,300 en 1974, y desemboca en 33,710 en 1975 y 34,800 en 1976, es decir en cifras similares a las de la década anterior. Es cierto que el cultivo puede haberse expandido en tomo a 1970, para luego decrecer; sin embargo, es difícil admitir (7) Es usual escuchar que las estimaciones en cuestión no pueden explicitar sus reglas metodológicas porque son “un arte, más que una ciencia”, y se basan principalmente en la experiencia y la autoridad de los técnicos intervinientes. 83 casi una duplicación de la superficie de papa entre 1968 y 1970, y luego un retorno en tres años a las magnitudes anteriores. Un fenómeno de esa índole no habría pasado desapercibido: las 30,000 Has. adicionales de papa deberían haberse obtenido en tierras de altitud y características apropiadas, que no existen en tal cantidad; al mismo tiempo, los productos que podrían compe tir con la papa, y que deberían haber disminuido notablemente, se mantuvieron o aun crecieron. El aumento de 1969-71, evidentemente, es el fruto de una estimación que resultó exagerada. Estas fluctuaciones tienen importantes consecuencias: en los últimos años, por ejemplo, varias publicaciones han enfatizado la “caída de la producción de papa” utilizando series de 1970 a 1979, sin advertir que si se arranca de años anteriores la caída se esfuma y se convierte en un estancamiento secular con lenta tendencia positiva (la exageración en Junín, junto con fenóme nos similares en Ancash y otros departamentos, explican la mayor parte de la diferencia entre las cifras de 1970-71 y el promedio de años anteriores). Por otra parte, la Estadística a menudo difiere de las cifras censales, que se basan en una enumeración exhaustiva de las unidades agropecuarias y son, por ende, más confiables en princi pio que las estimaciones corrientes (aun cuando tienen bastantes elementos objetables y algún grado de omisión). Para usar el mismo ejemplo, Junín mostró en el censo de 1972 sólo veinti cuatro mil hectáreas de papa, y sólo diecisiete mil en 1961. Es probable que la publicación del censo agropecuario en 1974 haya motivado una revisión de las cifras de papa en ése y otros de partamentos, que terminó en su drástico retorno a niveles históricos en 1975-76. Otro rubro en el cual es defectuosa la estadística agraria es el de la existencia de cuyes. Los censos de 1961 y 1972 enumeraron alrededor de cuatro millones de estos roedores en las unida des agropecuarias censadas; sin embargo, desde 1964 la estadística agraria fluctúa alrededor de veinte millones de unidades. Es posible que el muestreo de 1964 haya revelado un número de cuyes relativamente más elevado que el censo de 1961, pero la diferencia es demasiado notable: es sumamente difícil que el 80°/o de los cuyes mantenidos en crianza hayan escapado al releva miento censal y hayan sido captados, en cambio, por los estudios muéstrales. Dado que los cuves no añaden requerimientos laborales apreciables, se ha preferido omitir esta especie en los reque rimientos pecuarios, excepto para 1961 y 1972 en que nos basamos en los Censos Agropecuarios. Del mismo modo, las estadísticas de la década pasada no lograron prever la declinación del ganado ovino que sobrevino en esos años de luchas campesinas y descapitalización de los lati fundios tradicionales.- de dieciséis millones estimados para 1972, el censo sólo encontró 12.8 mi llones, bastante menos que en 1961. En el caso de los caprinos, las cifras de los anuarios de 1963 a 1966 utilizan cifras derivadas de las cifras provisionales del censo de 1961, rebajándolos brusca mente en 1967; como ya se señaló, los resultados definitivos de 1961 dieron sólo 1.4 millón de caprinos, y no 4.9 millones que aparecían en las cifras provisionales. Similares situaciones se ob servan en otras especies (véase La acumulación de capital en la agricultura peruana, de H. Maletta y J. Foronda, Lima, Universidad del Pacífico, 1980, cap. 2). Pese a todo, las series de la estadística agraria suministran una base para el estudio cronoló gico de los requerimientos laborales en la agricultura, excepción hecha de ciertas “discontinui dades” evidentes como las citadas de Pasco y Junín; salvados esos casos —generalmente discerníbles— se puede suponer que aunque difieran los valores absolutos las tendencias que surgen de la estadística agraria corresponden probablemente a la realidad. Por esa razón, a las estimaciones basadas en los censos se añade aquí un estudio de dichas series (que no pueden ser comparadas, sin embargo, con los datos censales). Hubo que hacer una inescapable corrección en algún caso aislado de naturaleza muy evi dente. Por ejemplo, en 1964 la estadística indica sólo 11,000 auquénidos en Ayacucho, depar tamento que en todos los demás años tiene cifras muy superiores (entre 100,000 y 200,000, por lo general, a lo largo de la década del sesenta; 190,000 en el censo de 1961). En ese caso particu84 lar se tomó el promedio de 1963 y 1965 en lugar de la cifra citada. El mismo temperamento se adoptó en unos pocos casos similares. Salvo las señaladas, no se efectuó ninguna otra modificación en las cifras de la Estadística Agraria, aun cuando se tiene conciencia de la existencia de discontinuidades y exageraciones, de las que hemos señalado los casos más notables. Como panorama global de las discrepancias existentes se incluye el cuadro 26, donde se compara el área cosechada para 1972 en las dos fuentes disponibles: el Anuario Estadístico Agro pecuario y el Censo Nacional Agropecuario de ese año. Como se puede apreciar fácilmente, hay una aceptable coincidencia en la cifra global, pero con importantes discrepancias en la distribu ción por departamentos. Los casos más notables son los de Ayacucho, Cajamarca, Cuzco, Huan cavelica, Piura y Puno, en que el Anuario da cifras inferiores al Censo, mientras en otros como Ancash, Arequipa, Junín, Lambayeque, Lima-Callao y Loreto las cifras del Anuario son nota blemente superiores a las que registró el Censo. Algunas de las discrepancias son relativamente fáciles de localizar: en Loreto y San Martín la estadística arroja mucho más pasto cultivado que el Censo, y lo mismo en Madre de Dios; en Cajamarca, la mayor parte de la diferencia correspon de a unas 30,000 Has. de maíz que aparecen censadas y de las cuales el Anuario no hace men ción. En otros casos se trata de divergencias en una pluralidad de cultivos. Diferencias simila res, aunque aquí con variación también en el total del país, se pueden encontrar para las exis tencias pecuarias. En el Cuadro 26a, como resumen, se incluyen las cifras de superficie total cosechadas por departamentos para todo el período 1964-79, que puede ser de utilidad pues los volúmenes publi cados desde 1969 en adelante no suministran los datos en esta forma. 7. RECAPITULACION Si bien la estadística agraria peruana ha avanzado notablemente en los últimos años, la base productiva de la agricultura es todavía un dato relativamente incierto, pleno de zonas grises y con cifras inseguras. Estudios de campo en diversos lugares han mostrado discrepancias notables entre las cifras disponibles y la realidad (por ejemplo, recientemente se verificó en Piura una su perficie cultivada bastante superior a la prevista en las estadísticas; en otros casos la diferencia es en sentido inverso). Existen relevamientos aerofotográficos que sólo excepcionalmente se han usado para cuantificar las áreas sembradas, y que además van perdiendo rápidamente actualidad con lo cual su costo de producción se va convirtiendo en un gasto inútil o en una inversión subutilizada. Mientras no haya evaluaciones censales repetidas y confiables, mientras no se perfec cione la producción y el análisis de datos aerofotográficos o estudios de muestreo a nivel na cional, ios datos sobre superficie, rendimiento o cabezas de ganado seguirán siendo inseguras; de cualquier manera, las más antiguas lo seguirán siendo irremediablemente. Para el futuro, las recomendaciones más obvias ya han sido esbozadas: a. Clarificar los métodos y reglas de estimación utilizados en la confección de la estadística agropecuaria. b. Explicitar los motivos y alcances de los ajustes efectuados cada año para mejorar la cober tura o para salvar omisiones anteriores, efectuando si es posible la corrección retrospectiva, para asegurar la continuidad y comparabilidad de los datos. 85 Cuadro 26 SUPERFICIE COSECHADA EN 1972 SEGUN DOS FUENTES (a) Incluye pastos cultivados al pastoreo (que no se cosecha) pues los Anuarios no distinguen entre esos pastos y aquellos destinados al corte. 86 Cuadro 26a SUPERFICIE COSECHADA PO!i DEPARTAMf;JSTOS, 1964-1979 (~ hectárea.l ~ 1964 1965 1967 1968 1969 1970 1911 197l 1973 1974 1975 1976 1977 1978 1979 48,027 184,898 59,129 70,522 129,530 221,741 99,616 47,351 81,412 91,133 144,919 207,871 107,2¡5 50,165 185,580 58,994 74,054 129,058 224,115 100,314 49,213 82,569 100,767 144,761 212,505 47,838 173,977 34,904 77,060 63,099 196,826 45,223 76,442 125,298 236,383 119,370 73,056 116,961 90,721 239,914 199,354 61,910 194,298 50,985 75,681 123,716 249,543 62,544 167,527 52,603 79,449 ;125,133 72,676 171,739 48,100 70,416 126,225 274,185 114,292 66,855 101,484 89,578 238,087 190,831 71,004 161,814 48,315 85,946 123,379 275,995 108,110 57,267 102,038 92,346 171,287 180,419 77,227 174,984 45,433 77,201 113,850 272,865 116,618 65,525 98,343 90,090 173,140 170,045 77,376 162,993 46,627 77,222 113,986 269,762 116,112 67,261 97,883 86,865 169,666 139,853 85,386 148,407 46,435 78,354 261,282 118,156 54,671 104,994 88,721 186,724 185,147 75,692 171,117 53,655 71,610 123,851 267,944 120,412 56,934 109,170 88,798 206,317 173,425 67,278 172,960 50,794 119,790 198,984 88,625 68,586 97,187 91,973 190,468 163,368 SS,002 202,607 35,818 73,665 120,132 229,648 103,059 76,283 110,666 97,906 226,554 179,126 111,575 111,860 121,004 184,447 109,256 8,410 13,121 79,474 172,421 104,585 89,133 17,881 183,646 111,320 166,434 101,362 8,000 11,444 49,947 142,750 100,450 84,099 19,411 99,746 161,414 102,106 109,117 162,572 96,817 8,027 12,690 54,389 162,491 115,119 93,427 21,859 9,983 108,13S 157,046 95,866 7,652 12,555 42,492 162,485 118,746 124,541 2Q,556 11,531 153,031 98,540 7,102 12,504 43,330 138,982 121,124 142,325 21,850 8,228 t24,ua 187,610 114,200 8,602 12,907 54,378 170,331 116,997 95,459 18,408 9,495 i 30,534 162,409 138,642 5,514 12,744 54,485 139,633 87,992 76,281 17,667 . La Libertad 54,212 171,508 48,580 78,289 131,786 191,393 129,899 47,350 82,316 101,347 141,537 192,787 60,888 78,302 133,100 170,087 121,930 60,442 74,120 101,396 137,784 208,479 Lambayequc Lima y Callao Lo reto Madre de Dios Moquegua Paseo Piura Puno San Martín Tacna Tumbes 87,717 200,074 66,129 5,950 120,000 30,910 133,210 110,325 62,558 15,600 7,510 113,140 194,383 61,121 5,490 12,611 30,360 1S3,H3 110,1.29 60,803 17,905 10,315 Amuonas Ancash 87 1966 Apurímac Arequipa Ayacucho Cajamarca Cuzco Huancavelica Huinuco lea junín 43,963 18~,372 217,749 94,670 5,445 12,174 62,805 176,740 95,990 11,659 16,760 10,462 116,794 179,793 99,491 5,345 11,663 70,565 181,448 104,98!1 67,047 17,384 9 ,868 2'102,987 2 '141,453 2'257 ,838 2'276,542 Totales - - -~ 116,595 68,019 133,281 9,042 11,624 55,471 169,788 121,104 93,591 18,635 9,368 2'167,930 2'411,037 2'494,1"57 2'495,1S7 73,211 109,467 152,191 100,594 8,164 11,728 48,272 178,677 123,429 84,382 128,089 276,833 121,614 58,148 110,501 91,450 193,525 174,171 9,301 19,166 9,116 2'301,153 2'364,111 -~ 103,996 165,406 96,687 8,448 12,016 48,052 157,876 123,557 85,466 20,933 10,634 85,855 148,449 183,390 7,820 12,709 48,087 160,103 115,1 S9 93,587 2S,714 8¡928 9,885 82,319 10,695 115,362 273,386 118,012 68,546 99,657 82,193 171 ,930 155,052 90,640 154,551 105,584 6,640 12,289 44,511 151,728 118,758 164,974 21,965 11,612 '- 2'351,645 2'313,353 2'310,139 2'336,926 2'257,408 2'325,972 ~- ------ - c. Incorporar más preguntas sobre mano de obra en los censos agropecuarios. Continuar tam bién el estudio por muestreo de los costos de producción, y analizar más a fondo la docu mentación de costos del Banco Agrario, para mejorar la información sobre requerimientos unitarios y uso de mano de obra. d. Incorporar a la estadística agraria, junto a la superficie y la producción, informes sobre re querimientos teóricos de mano de obra en base a coeficientes actualizados zona por zona, y tal vez datos adicionales como salarios agrícolas vigentes en cada zona. e. Re-procesar el Censo Agropecuario de 1972 a fin de obtener datos cruzados más apropia dos para diversos análisis a que dicha información da lugar y que no son posibles por ahora. f. Programar en igual forma las tabulaciones del Censo Agropecuario de 1981, procurando en lo posible su conexión con el Censo de Población a realizarse simultáneamente; en este as pecto sería deseable poder “reunir” los cuestionarios llenados por un productor y su familia en ambos censos, lo cual puede hacerse con cierta facilidad dándoles un número o identifi cación común. Es de expresar que el esfuerzo realizado en este estudio para reunir la información existen te y calcular aunque sea en forma preliminar una amplia gama de cifras sobre demanda de trabajo en la agricultura peruana puede servir de base para mejorar los conocimientos al respecto y para perfeccionar las bases estadísticas del sector en el sentido indicado. 88 SEGUNDA PARTE ANALISIS DE ALGUNOS RESULTADOS GENERALES INTRODUCCION Los resultados de nuestras estimaciones son demasiado complejos como para analizarlos aquí. El propósito de este volumen es, como ya se dijo al inicio, simplemente presentar dichos resultados así como sus bases metodológicas. Sin embargo, hemos querido presentar sintéticamente algunas conclusiones muy provisio nales que se desprenden de las cifras alcanzadas. Dichas conclusiones tratan de resumir breve mente la tendencia histórica de estos requerimientos, su distribución geográfica en el país, sus patrones de estacionalidad y, finalmente, la relación que guardan con las cifras referentes a la disponibilidad de la mano de obra agrícola, tal como se la mide en el censo de población. En estas conclusiones, sin embargo, deben tenerse en cuenta las limitaciones intrínsecas de los datos, por lo cual hemos preferido poner por delante las consideraciones teóricas y metodo lógicas de la primera parte. Pero igualmente creemos que vale la pena presentarlos como una sim ple muestra de los usos que podría dársele a la información. Otros posibles enfoques podrían centrarse en el análisis a nivel de productos o de provin cias específicas, lo cual revelaría mucho más sobre los patrones específicos de crecimiento y de estacionalidad. Asimismo, podrían intentarse ajustes de los resultados para cubrir sus más visi bles deficiencias: aumentar los requerimientos unitarios de 1929 y 1944 para aquellos productos en que se ha producido avance tecnológico (ahorrador de mano de obra); corregir las inconsis tencias de algunos años (particularmente 1969-71) en la Estadística Agraria; añadir los requeri mientos de otras tareas (trilla, mercadeo, trámites, administración, etc.) no incluidos en estos cálculos; incluir el sector de explotación forestal (recolección de frutos selváticos, explotación maderera, etc.), tampoco incorporados en nuestras cifras; y así sucesivamente. Todo ello redun daría sin duda en un mejoramiento de las cifras. Al mismo tiempo, una extensión obvia de este trabajo sería el cálculo de requerimientos se gún tamaño de las fincas, dato adicional disponible en el censo de 1972 y (con menor detalle) en el de 1961. Esto debería hacerse si se poseen datos sobre tecnología media de cada nivel de tamaño, datos que en la actualidad no están disponibles; pero aún aplicando los mismos coefi cientes en todos los tamaños (lo cual es factible, por lo menos, para una gran parte de los culti vos, aunque no para algunos de ellos y para la ganadería) podrían obtenerse resultados muy va liosos. Dejamos ésta y otras tareas para las investigaciones futuras sobre este tema. 1. LA EVOLUCION GLOBAL Desde 1929 hasta 1972, los requerimientos laborales de la actividad agropecuaria, estima dos en este estudio, aumentaron en forma sostenida, aun después .de hacer ajustes en las cifras obtenidas. El Cuadro 27 indica claramente que en ese lapso las cifras globales pasaron de unos 200 a unos 360 millones de jomadas por año, creciendo a un ritmo algo superior al l°/o anual. 91 Cuadro 27 REQUERIMIENTOS LABORALES AGROPECUARIOS (Millones de días/hombre por año y por mes) Perú, 1929-1972 El ajuste se refiere al diferente grado de omisión de las distintas fechas, y al cambio en los coeficientes unita rios debido al progreso tecnológico durante el lapso considerado. Cuadro 28 TASA ANUAL DE CRECIMIENTO ACUMULATIVO DE LOS REQUERIMIENTOS LABORALES AGROPECUARIOS Perú, 1929-1972 (en porcentaje) FUENTE: Cuadro 27. Si en lugar de tomar los requerimientos anuales se consideran solamente los del mes de junio (que coinciden con el momento de máxima demanda de trabajo a lo largo del año) los resultados son similares, como muestran las columnas de la derecha de los cuadros precedentes. Sin embar go, la comparación entre ambos grupos de cifras permite ver que el grado de estacionalidad de la demanda ha variado. Entre 1929 y 1961, si se consideran las cifras ajustadas, los requerimientos de junio han crecido más lentamente que los del resto del año, es decir, disminuyendo la impor tancia del “mes pico”. En el período 1961-72, en cambio, la demanda de junio crece más que la del resto del año, acentuándose la estacionalidad. Probablemente ello se debe a la mayor inciden cia de algunos cultivos como el café, el arroz y otros que aumentan su importancia en ese lapso, y cuyas cosechas se realizan en períodos que incluyen el mes de junio. 92 En el total de los requerimientos anuales, la importancia relativa de las actividades agrícolas y de las pecuarias no ha variado mucho en el tiempo. El porcentaje representado por las tareas agrícolas presentó los siguientes valores globales: 1929: 1944: 1961: 1972. 49.35% 47.12% 48.35% 50.26% Dados los márgenes de error de todas las cifras, las diferencias de una fecha a otra no resul tan muy significativas. En general, las tareas agropecuarias se distribuyen más o menos por par tes iguales entre tareas agrícolas y tareas pecuarias. Esta constatación es sumamente importante por cuanto es frecuente considerar que las actividades pecuarias no implican empleo masivo de mano de obra. En realidad, es difícil encontrar en el Perú personas ocupadas exclusivamente en la ganadería (excepto los casos especiales de las granjas lecheras o avícolas, por ejemplo). Las ac tividades pecuarias son realizadas como tarea marginal por los trabajadores agrícolas, y a menudo están a cargo de mujeres o niños junto con otras “tareas del hogar”. Es frecuente, inclusive, que los niños o mujeres cuya única tarea es ésa ni siquiera resulten incluidos en las cifras censales de población activa. Un poco más adelante volveremos sobre este punto al comparar los requerimien tos con la población activa a nivel de provincias. Aparte de la serie basada en los censos de 1929 a 1972 se tiene una serie anual para el pe ríodo 1964-1979 (aunque los últimos tres años de la misma sólo cubren las actividades agrícolas). Estas cifras no son comparables directamente con las anteriores, pues provienen de estimaciones directas y no de relevamientos censales. En general (véase por ejemplo el año 1972) la Estadís tica Agraria anual arroja cifras superiores a las de los censos-, en parte ello puede deberse a omisio nes censales, pero también a errores de exageración en la Estadística Agraria (particularmente notables en 1969-71 y que sobrevivían aún en 1972 al no haber sido corregidos completamente). Pero aun admitiendo esas diferencias es importante destacar que la serie anual permite visualizar el comportamiento de los requerimientos en el corto plazo, donde probablemente su tendencia es correcta, excepto cuando ocurren bruscos cambios metodológicos como en el período 196971. A lo largo del período 1964-79 los requerimientos agrícolas aparecen globalmente muy es tancados. El período 1969-71 claramente aparece fuera de la tendencia, probablemente debido a errores en las estimaciones de superficie cultivada. Pero dejando de lado ese período es evidente que la demanda global de trabajo agrícola permanece casi estática, oscilando entre 166 y 180 millones de jomadas por año. En el mes de junio el estancamiento es aún más visible, variando apenas entre 19 y 22 millones de jornadas (en el discutible período 1969-71 llega a 23 millones). Esto no implica, obviamente, un estancamiento de la producción agrícola: en ese lapso el PBI agrícola tuvo un crecimiento positivo, aun cuando globalmente insatisfactorio; pero el creci miento no significó mayor empleo de mano de obra. Tampoco hubo estancamiento de la super ficie cultivada, pero evidentemente los nuevos cultivos fueron menos intensivos en mano de obra que los anteriores, ocasionando el comportamiento estático de la demanda de mano de obra. En el subsector pecuario (dejando nuevamente de lado los anómalos datos de 1969-71) se observa en cambio un leve crecimiento tendencial, desde unos 180 a unos 200 millones de joma das anuales, que corresponden a la expansión de la ganadería vacuna lechera y de carne, y al re lativo retroceso de la ganadería ovina, mucho más extensiva y que provee menos empleo uni tario. 93 Cuadro 29 REQUERIMIENTOS LABORALES AGROPECUARIOS (En millones de días/hombre) Perú, 1964-1979 (a) Estos años muestran una. discontinuidad en la superficie cultivada de varios productos, lo cual incrementa tem poralmente los requerimientos globales de la agricultura; también aparecen cifras exageradas en el sector pecua rio. (b) No disponible. La columna “Total” puede no coincidir con la suma de agrícola y pecuario por causa del redondeo. Como resultado, la demanda global de trabajo agropecuario manifiesta un comportamiento estático, con leve tendencia creciente, a lo largo de estos años. En ello ha influido por cierto la sequía y la crisis de 1977-79, pero aún sin considerar esos últimos años la serie seguiría mostran do estancamiento o crecimiento lento. Los requerimientos agrícolas crecieron en un 5.69o desde el trienio 1964-66 hasta 1973-75, lo que representa una tasa anual acumulativa de sólo un 0.69o anual, ritmo evidentemente muy bajo (si se consideran los años 1977-79 como término de la evo lución, el ritmo sería de apenas 0.249o anual). Al incluir el sector pecuario, levemente más diná mico, los requerimientos crecen a razón de un 0.689o anual entre 1964-66 y 1974-76, sin evitar de todos modos un resultado de cuasi estancamiento. Los puntos de variación más saltante (aparte de los errores señalados en 1969-71) están re presentados sin duda por la crisis de 1968, los excelentes resultados de 1973, y las declinaciones de 1977-78, todo lo cual concuerda con la información general disponible y refuerza los argu mentos en favor de la utilidad y representatividad de estos resultados, aun cuando sean pasibles de diversas limitaciones como hemos señalado antes. 94 Cuadro 30 REQUERIMIENTOS ANUALES DE TRABAJO PARA TAREAS AGRICOLAS, 1929-1972 (jomadas por año, por departamentos) Cuadro 31 REQUERIMIENTOS ANUALES DE TRABAJO PARA TAREAS PECUARIAS, 1929-72 (jomadas por año, por departamentos) 95 Cuadro 32 REQUERIMIENTOS ANUALES DE TRABAJO PARA TAREAS AGRICOLAS Y PECUARIAS, 1929-1972 (jomadas por año, por departamentos) Cuadro 33 REQUERIMIENTOS DE TRABAJO EN EL MES DE JUNIO PARA TAREAS AGRICOLAS, 1929-72 (jomadas pormes, por departamentos) 96 Cuadro 34 REQUERIMIENTOS DE TRABAJO EN EL MES DE JUNIO PARA TAREAS PECUARIAS, 1929-1972 (jomadas por mes, por departamento) Cuadro 35 REQUERIMIENTOS DE TRABAJO EN EL MES DE JUNIO POR TAREAS AGRICOLAS Y PECUARIAS, 1929-72 (jomadas por mes, por departamentos) 97 Cua'dro 36 REQUERIMIENTOS - ANUALES DE TRABJ\.IO: PARA TAREAS. AGRL_COLAS, 1964-12_79 ((jornadas de trabajo por año) 1~ 1 1 1 1?64 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 t9n 1976 1977 1978 1979 D~tos. 1 Amazonas Ancash Apurlmac Arequipa Ayacucho Cajamarca Cuzco Huancselica Huánuco lea ]un{n La Libertad Larnbayeque Lima y Callao Lo reto Dios ~de Moquegua Paseo Piura Puno San Martín Tacna Tumbes Total - 3'trn,779 . 3'207,635 11'163,970 11'550,786 4'820,5~ 5'882,990 7'164.186 7'112,152 6'806,778 6'569,444 13'773,385 11'506,229 14'101,568 13'251,196 5'560,618 4'393,124 7 '109,906 6'230,365 5'816,007 5'869,341 13'503,762 12'178,344 13'505,064 14'880,019 6'894,593 8'879,359 13'444,9S4 13'0U,868 5'430,988 4'876,296 456,302 494,088 985,476 1'028,639 1' 850, 377 2'323,318 12'387,Zl0 12'959,287 13'303,430 12'047,403 4'644,644 4'486,755 1'185,892 1'!171,521 767,032 952,895 3' 543,201 3'688,824 3'587,985 4'113.557 4'595,320 11'799,819 11'913'764 10'800,921 13'381,813 12'750,002 5'684,689 5'539,548 3'461,732 3'618,315 4'600,556 6'31iJ,094 6'609,360 6'802,847 6'338,096 6'281,200 6'423,660 5'866,696 6'103,684 6'533,202 6'442,555 12' 829,803 13'334,049 12'171,406 10'715,258 14'144,596 10'208,094 12'112.359 8'935.060 10'836,225 12'155,019 7'753,698 4'803,687 6'500,583 7'306,377 6'965,911 6'736,189 6'733,986 7'826,007 9'578,636 9'612,323 5'237,488 6'370,829 5'248,556 5'512,903 5'198,767 13'036,359 18'346,151 17'457,519 19'984,943 21'328,601 14'678,955 15'139,499 11 '039,514 12'478,385 15'268,001 8'088,736 9'268,187 5'300,441 8'688,656 9'960,431 14'190,728 12'312,224 11'172,101 12'584,811 12'862,539 6'728,250 6'962,004 9'439,477 7'517,370 8'060,437 460,169 416,287 463,950 528,871 468,778 1'006,338 1'067,218 1'092,813 1'072,848 965,499 4'842,047 5'128,3S7 4'593,365 6'694,604 3'889,450 15'253,836 15'697,573 11'806,829 14'359,874 13'845,703 10'823,037 11'891,325 12'176,125 13'179,567 15'232,170 4'644,258 4'457,892 5'324,667 6'052,227 6'412,878 1'338,250 1'386,576 1'714,924 1'452,321 1'475,409 1'032,708 1'040,316 819,988 919,118 984,534 5'135,188 4'758,128 5'436,842 3'769,459 12'433,663 10'247,538 10'290,790 10'320,604 5'294,31 7 5'417,108 5'575,269 5'345,515 6'063,598 6 ' 332,863 5'638,583 5'867,124 6'574,078 7'114,207 7'066,488 7'359,723 15'508,401 16'548,609 17'769,445 16'325.730 12'119,022 12'469,858 12'630,635 12'896,239 6'503,957 5'021,489 5'002,241 5'154,258 10'817,158 8'676,621 9'499.672 9'296,339 5'008,238 4'944,062 4'974,252 5'147,503 20'927,574 16'492,919 18'298,567 17'192,864 12'686,425 12'960,055 12'344,739 12' 105,088 10'975,584 10'112,461 9'152,565 8'983,570 12'357,523 11'354,138 10'099,413 11'614, 786 7'810,157 6'169,885 5'961,760 5'379,706 548,690 444,047 495,045 511,522 958,676 934,957 955,578 978,546 3'832,247 3'314,968 3' 108,474 3'165,009 14'112,887 10'963,621 14'794,961 13'608,389 15'835,431 15'098,084 15'363,788 15'053,962 6'703,463 5'302,661 5'021,310 4'956,221 1'493,818 1'656,S04 1'508,738 1'640,274 998,615 963,298 4'987,701 5'054.465 5'690,244 5'674,314 9'543,890 10'067.949 10'473,716 9 '803,023 4'687,015 4'917,228 4'647,904 4'765,361 7'106,000 4'775,555 6'301,31 S 6'074,902 7'168.622 7'350,767 7'070,079 7'187,068 17'669,940 17'213,028 17'225,169 17'157,038 11'052,182 11'541,348 12'704,249 12'692,909 5'004,520 4'691,884 4'586,572 4'751 ,251 8' 764,510 8'523,553 8'498,443 8'533.404 5'tl06,S52 4'565,646 5'009,006 4'863,116 14'924,560 15'700,015 16'880,085 16'819,097 12' 689,040 12'890,776 11'931,546 9'516,114 8 '825,513 9'889,905 9'26.3~ 6'797,057 11'066,515 10'463,144 10'548,401 10'413,390 5'550,293 5'503,699 5'570,632 5'936,909 466,056 490,239 509,709 508,875 1'036,533 1'016,560 1'028,231 991,165 3'055,234 3'345,501 2'611,253 2'632,154 13.296,649 12'634,709 13'150,831 11'171 ,846 14'123,445 13'003,545 12'917,263 13'511,048 5'725,226 5'455,192 6'203,467 7'592,696 2'018,076 1 '663,938 1'600,362 1'703,618 971,591 1'042,!137 846,853 1'407,937 1'191,115 940,475 6'321,930 9'116,707 4'750,868 6'265,488 7'709,328 1 7'513,257 13'160,598 4'9$0,936 8'807,663 4'684,305 17'162,301 10'660,901 7'443,671 10'672,597 6'831,715 532,747 911,395 2'647,575 12'345,025 13'230,061 8'932,352 1'732,821 1'244,510 167' 440,349 166'381,214 172'680,910 180'585,838 163'530,248 183'03 3,498 193 '858,768 194'698, 710 177'298,081 181'929,630 177'715,168 175'214,925 172'730,243 176'492,781 170'287 ,470 177'688,751 ----_L..._ - - -- -- - --- ------------ --------- Cuadro 37 ~ -~ o 1964 - 2'101,440 11'965,800 11'849,520 7'243,080 12'883,200 14'298,080 13'211,4ÓO 11'436,720 7'396,680 1'145,616 8'883,480 9'869,040 2'239,800 . Amazon&s Ancash Apurímac Arequipa Ay&<:Ucho 99 Cajamarca Cuzco Huancavelica Huánuco 1e a Junín L& Libertad Lambayeque Lima y Callao Lo reto Madre de Dios Moquegua Paseo Piura Puno San M&rdn Tacna Tumbes 'total 1!>65 2'106.,672 12'168,224 10'681,920 7'114,272 12'886,560 14'145,984 9'230,016 12'035,280 7'916,256 1'089,960 9 '616,440 9'781,896 2'049,288 7'83S,652 9'037,176 1' 125,840 1'184,880 96,756 114,168 1'664,140 1'083,732 2'678,760 2'815,008 6'543,600 6'083,640 47'674,200 48'226,680 922,800 1'189.260 1'344,888 1'373,808 615,624 606,984 1966 1967 ' 1968 1970 1969 2'101 ,200 2'112,192 2'026,464 2'156,784 11'431,464 11'549,424 11'949,528 12'579,408 11'638,680 11' 869,260 12'842,064 16'898,940 6'3H,720 6'461,064 6'096,048 6'058,776 13'662,43C 13'670,230 13'772,938 17'548,656 14'169,360 14'181,192 13'466,648 13'497,288 13'492,360 13'587,936 13'158,696 14'252,760 12'071,664 11'733,600 11'666,400 11'593,380 7'901,280 7'970,880 8'005,056 8'170,260 1'082,760 1'100,232 1'162,380 1'139,796 9'539,700 9 ' 580,884 10'353,672 10'905,900 9'809,804 9'854,244 9'767,436 9'714,732 2'202,720 2'342,652 2'024,076 2'289,840 8'403,600 8'927,580 9'185,976 10'651,368 1 '169,760 1'219,680 1 '583,304 1' 599,036 115,488 126,288 196,272 203,616 1'440,984 1'338,540 1'322,616 1'21-00,120 2'839,980 2'839,140 3'133,812 3'897,156 6 ' 593,076 6'981,984 6'758,484 6'727,740 48'155,040 50'113,452 S6'763,3S2 51'072,096 1'205,340 1'218,132 1'401,180 1'526,220 1 '377,828 1'401,288 1'353,936 1'320,108 589,284 588,516 623,700 607,248 1971 1972 2'282,316 2'449,332 2'467,752 12'963,048 12'63S,880 11 '414,196 19'083,360 20'202,984 16'2sa,904 7'576,776 7' 544,532 7'773,240 18,079,440 21,10S,88C 17,917,872 13'385,544 15'915,612 14'953,516 15'145,656 15'215,784 16'512,264 11'593,380 11'178,120 11'837,568 8'084,052 8'536,212 8'011,260 1'203,480 1'406,508 1'973,196 11'283,852 12'405,180 11'630,208 9'626,412 9'261,684 8'906,316 2'184,696 2'781,708 3'137,856 11'961,240 13'133,940 12'290,89Z 1'648,960 1'767,300 1'448,112 186,912 189,540 183,360 1'282,944 1'176,168 1'236,396 3'858,180 3'836,700 3'620,064 6'626,844 6'593,568 7'374,108 49'825,248 44'233,128 37'508,460 1'492,620 1'565,040 1 '544,316 1'414,908 1'409,400 1'267,248 618,144 606,384 652,560 1973 2'507,472 11'098,008 15'738,936 7'861,920 18'743,244 14'651,604 16'809,320 9'723,372 7'759,884 2'096,856 11'494,884 8'919,120 3'268,476 11'534,064 1'4S2,S28 187,500 1'270,740 3'547,1 52 7'778,352 37'774,536 1'569,984 1'270,008 633,960 1974 1975 1976 2'561,040 2'702,952 2'728,,6 11'296,392 11'307,084 11'340,732 15'780,036 16'076,652 15746,580 7'997,568 7'934,556 7'920,792 19'065,792 19'145,028 19'219,256 15'336,588 15'399,888 15'480,672 16'906,080 16'827,488 16'864,924 12'780,876 12'712,644 12'702,240 7'834,524 7'861,452 7'868,760 2'221,440 2'294,591 2'316,468 11'409,460 11'422,620 11'441,856 9'099,108 8'998,884 8'821 ,920 3'384,084 3'502,164 3'578,496 11'942,088 12'495,552 12'379.212 1'489,608 1'514,472 1 '534,632 196,992 196,920 200,451 1'288,164 1'296,264 1'313,988 3'518,220 3'510,432 3'519,624 7'890,348 8'180,652 8'367,168 38'132,016 36'917,016 36'541,104 1'666,440 1'670,928 1'711,776 1'287,336 1'323,948 1'365,312 639,168 669,336 683,004 186' 287,040 181'2116, 180 187'417,922 190'802,566 193'380,262 205'811,228 211'408,012 215'150,584 199'915,264 197'691,914 203'723,368 203'961,524 203'647,923 -- -------- •- -------- ----- - Cuadro 39 REQ1JERIMIENTOS DE TRABAJO EN EL- MES Dlf]UNIO PARA TAREAS AGRICOLAS, 1964-1979 (jornadas por mes, por deparwnento) ~ 1964 1965 1966 1967 1968 1969 1?70 1971 1972 1973 1974 1975 1976 1?77 1978 1979 ot. Amazonas Ancasb Apurúna.c Arequipa Ay~CUcbo Cajamarca 101 Cwco Huancavelica Huánuco l ea Jun{n La Libertad Lambayeque Lima y Callao Loreto Madre de Dios Moquegua l>asco Plura Puno San Martín Tacna 1\Jmbes T o' a 1 '----- 450,996 1'105,741 698,143 590,843 1'175,844 865,355 1'687,141 419,761 46M15 517,133 1'397,028 1'174,312 843,319 1'382,01 7 873,838 86,798 109,007 134,81 8 1'859,759 2'529,876 863,570 157,355 80,997 399,083 370,755 1'089,347 1'165,557 410,842 470,410 443,691 1'117,831 1'233,598 1' 322,413 526,882 859,190 494,649 606,888 588,544 585,724 1'127,387 1'023,428 t'06poo 1'286,781 1'407,462 1 '523,275 1 '493,706 1'055,983 1'305,121 645,275 497,113 674,905 6514,574 470,037 512,480 872,006 853,998 622,763 554,284 1'163,661 1'129,810 1'054,849 1'430,530 1'686,571 1'261,982 782,361 !161,879 466,305 408,596 463,242 547,446 453,265 .513,048 1'312,20.5 1'373,855 1'695,285 1'898,548 879,813 1'206,356 ] '225.413 1'2.55,712 684,687 1'066,158 969,078 967,723 970,961 1'250,367 1'284,907 1'078,334 536,282 1'244,692 632,644 617,668 1'107,564 1'492,227 1'525,408 642,279 685,746 443,837 45.5,831 2'239,619 2'394,054 975,309 1'175.772 1'006,303 1'060,706 1'082.332 1'079,520 1'482,778 1'627,139 93,713 94,010 126,411 129,827 608,075 1'183,001 S62,S2S 664,421 876,233 890,814 804,871 711,889 119,089 626,089 6SO,S61 597,773 1'104,191 1'165,756 1'149,370 1'613,720 1'698,190 1'835,395 1'396,329 1'430,754 1'464,909 588,351 499,584 501,255 869,693 653,183 656,712 427,610 412,537 419,683 2'388,203 1'783,208 1'983,549 1'185,1.50 813,907 1'168,891 1'134,177 1'078,530 1'01.5,830 922,367 1'555,202 1'181,167 8.5,241 96,371 572,341 603,731 621,979 669,114 655,427 751 ,698 881,731 789,784 853,826 893,265 887,896 867,87S 653,824 641,206 7S4A12 651,789 6Z~;oz5 647,989 610,582 717,211 587,448 609,935 658,226 654,509 1 '192,649 1'155,664 1 '188,716 1'124,212 1'136,765 1'209,501 1'821,889 1'814,646 1 '743,516 1'764,082 1'762,325 1'758,072 1'483,759 1'282,226 1'292,079 1'344,394 1'337,H8 1'350,030 500,048 503,348 462,637 447,097 453,293 459,795 701,045 611,855 649,986 654,700 718,399 752,82.7 430,298 415,575 348,751 389,094 406,591 400,990 1'844,571 1'536,704 1'596,738 1'488,268 1'457,659 1'476:145 1'006,876 1'084,.556 1'065,618 1'055,814 851,636 953,241 850,965 940,311 952,790 9.56,533 908,758 942,761 725,098 838,848 940,361 896,315 835,482 866,8S9 860,576 907,668 1'128,565 1'022,168 1'068,810 1'052,494 1'070,623 1'139,519 1'264.080 93,611 97,914 92,943 87,.520 91,543 90,406 92,682 134,090 136,865 123,882 124,182 131,813 131,287 128,163 789,877 1'241,095 1'264,1 so 1' 858,657 102,156 95,143 79,306 96,923 116,402 125,867 116,609 117,424 122,298 122,600 474,868 372,151 535,859 332,422 302,606 253,.523 234,540 236,129 220,107 248,591 195,552 192,307 194,954 188,017 406, 302 1 '729,774 1'882,660 2'024,188 2'571,220 1'936,705 2'416,033 2'400,272 2'507,453 2'.512,584 2'224,666 2'166,692 2'058,567 2'196,608 1'899,425 2'430, 732 1'814,229 2'052,899 2'208,790 2'418,417 2'S35,172 2'963,246 3'094,351 2'77 3,202 2'926,492 2'879,964 2'671,065 2'343,.531 2'299,378 2'445,.523 2'402,192 767,120 721,624 680,652 876,684 888,083 921,463 744,282 711,763 790,706 1'021,722 6'900,050 1'016,245 1'145,071 696,771 783,088 199,347 203,711 207,759 212,023 191,165 251,168 238,766 232,646 357,654 296,846 287,038 303,510 287,087 189,19.5 190,798 136,267 134,188 146,077 107,583 91,849 113,234 116,279 119,395 118,492 118,344 129,514 805,361 119,905 89,646 93,663 19'447,466 19'0$1,778 20'776,902 21'185,087 20'045,194 22'282,174 23'397,987 23'764,123 20'536,335 22'047,142 21'266,851 20'61 5,183 20'220,207 20'243,758 19'887,085 20'708,485 1 Cuadro 4-º 1~64-97_ ~ 1964 102 Amazonas Ancash Apurímac Arequipa Ayacueho Cajamarea Cuzco Huaneaveliea Huánueo 1e a Jun{n La Libertad Larobayeque LimayCallao Lo reto Madre de Dios Moquegua Paseo Piura Puno San Martín Taena Tumbes 1---- - To ta 1 ~ 196.5 1967 1966 1968 1969 1970 1971 1972 1973 1914 197.5 1976 S. - 175,120 998,350 987,460 614,790 1'on,6oo 1'191,540 1'100,950 985,060 616,390 ?5,468 740,290 822,420 186,650 753,098 98,740 8,063 138,678 223,980 545,300 3'972,850 76,900 112,074 50,582 175,556 1'016,052 175,100 1'012,355 176,016 1 '012,435 890,160 .95,256 1'073,880 1'178,471 969,890 540,520 1'138,536 1'180,780 1 '124,370 993,772 664,240 90,230 989,105 541,222 1'139,186 1'181,766 1 '132,328 1' 105,168 990,740 659,688 90,830 801,3'10 815,158 170,774 652,971 93,820 9,514 90,311 234,584 506,970 4'018,890 99 ,105 114,484 51,302 -- --- 549,423 4'012,920 100,445 114,8j9 49,107 91,686 798,407 821,187 195,221 743,965 101,640 10,524 - -- - - -- --------- - 508,898 1'462,388 1'124,774 1'187,810 966,11 S 680,855 94,983 908,S25 809,561 190,820 887,614 133,253 16,968 116,677 324,763 560,645 4'256,008 127,185 110,009 50,604 111,545 236,595 581,832 4'176,121 101,511 116,774 116,765 112,828 49,043 51,975 -- --· - 514,684 1'163,394 1'120,554 765,498 131,942 16,356 110,218 261,151 563,207 4 '304,446 15'.568,353 15'435,054 15'676,660 15'952,997 - - - - - - - - - - - - -- 179,732 1'048,284 1'408,245 1'096,558 972,200 658,440 96,865 862,806 813,953 168,673 977,800 667,088 794,975 817 ,467 183,560 700,300 97,480 9,624 120,082 236,665 168,872 995,960 1'070,172 ------------ - 190,643 1'085,684 1'590,280 634,071 1 '756,620 1'115,462 1'262,138 966,115 673,671 100,290 940,321 802,201 182,058 996,770 137,413 15,576 106,912 321,515 552,237 4'152,104 124,385 117,909 .51,512 204,111 1'057,790 1'683,582 205,646 951,963 1'354,492 655,930 1'493.156 1'246,047 1'376,022 986,464 667,605 164,433 969,184 742,193 261,488 1 '024,241 120,726 15,280 103,033 301,672 614,509 3'125,705 128,693 105,604 54,380 635,751 1'758,840 1'326,301 1'297,982 931,510 711,351 117,209 1'033,765 771,807 231,809 1'094,495 147,275 15,795 98,014 319,725 549,464 3'686,094 130,420 117,450 50,352 211,206 925,614 1'338,578 665,400 1'562,037 1'220,967 1'400,780 1'010,081 646,657 174,738 957,907 743,260 272,373 961,172 121,044 15,625 105,895 295,596 648,196 3'147,878 130,832 105,834 52,830 213,470 942,148 1'314,996 668,624 1'588,816 1 '278,049 1'408,840 1'065,123 652,877 185,120 950,788 758,259 282,007 995,174 124,134 16,416 107,347 293,185 657,529 3'177,668 138,870 107,278 53,264 225,246 943,037 1'339,721 676,029 1'163,419 1'283,324 1'402,320 1'059,387 655,121 191,216 951,885 749,907 291,847 1'041,296 126,206 16,410 108,022 290,536 681,721 3'076,418 139,244 110,329 55,778 227,413 945,841 1' 312,215 675,026 1'601,688 1'290,056 1'405,388 1'058,520 655,730 193,039 953,488 735,160 298,208 1'031,601 127,886 16,704 109,499 293,302 697,264 3'045,092 142,648 113,776 56,917 15'737.517 17'155,016 17'875,887 17'970,892 16'668,466 16'714,500 16'979,982 16'578,419 16'986,451 ---- ------ - - - - - - - -- ------------ -- - -- ----- ------ ----- ----- 1 103 2. LA ESTRUCTURA REGIONAL Los cuadros No. 30 al No. 41 resumen los resultados alcanzados para los períodos 1929-72 (Censos Agropecuarios) y 1964-76 (Estadística Agraria) a nivel departamental. Sería laborioso detallar lo que de ellos puede deducirse-, sólo haremos algunos señalamientos notables. La subdivisión por departamentos no permite captar las tendencias del requerimiento de trabajo por regiones naturales, ya que casi todos los departamentos participan de más de una de ellas. En particular, casi toda la Ceja de Selva pertenece a departamentos serranos, y a la vez los departamentos costeños tienen en su mayoría una parte serrana. Sin embargo, un agrupamiento simplificado que atiende a la ubicación predominante de cada departamento puede ser útil. Cuadro 42 REQUERIMIENTOS LABORALES AGROPECUARIOS POR GRUPOS DE DEPARTAMENTOS (En millones de jomadas por año) Predominantemente costeños: Arequipa*, lca, La Libertad, Lambayeque, Lima- Callao, Moquegua, Piura, Tacna, Tumbes. Predominantemente serranos: Ancash, Apurímac, Ayacucho, Cajamarca, Cuzco, Huancavelica, Huánuco, Junín, Pasco, Puno. Selva amazónica: Amazonas, Loreto, Madre de Dios, San Martín. (*) Arequipa es considerada como “predominantemente costeño” por la importancia de sus cultivos de costa y porque en conjunto su agricultura pertenece al sistema de aguas del Océano Pacífico. Sin embargo, debe recordarse que su ganadería y p arte de su agricultura, son netamente serranas. La primera constatación de este cuadro es el veloz incremento de la región amazónica, que en cuatro décadas multiplica sus requerimientos más de cinco veces, pasando de un 2 a un 6 por ciento del total (aunque ello está aquí exagerado porque no se han hecho ajustes en las cifras más antiguas). Esto se vería aún más claramente si se incluyeran las actividades forestales: un estimado del Ministerio de Agricultura indica que tales tareas absorben alrededor de un 1.59o del total nacional hacia 1972, con lo cual se añadirían otros cinco millones de jomadas por año de modo que la Amazonia representaría para esa fecha alrededor del 7.59o del total, sin contar la Ceja de Sdva. Las actividades forestales más importantes son las de producción maderable (sobre todo en la zona de Pucallpa) y la extracción de castaña (en Madre de Dios), pero está diseminada por distintas partes de toda la región. 104 Los ciatos de los departamentos costeños muestran una expansión apreciable (casi al doble en cuarenta años). Ello se debe, de una parte, al crecimiento de la superficie cultivada de la Costa que en ese lapso pasó de 384,000 a 744,000 hectáreas. De otro lado, sin embargo, se debe a que hemos usado los mismos coeficientes de mano de obra a lo largo de todo ese período, excepto para el azúcar; considerando que desde 1950 hubo una apreciable mecanización, y que los coefi cientes representan la tecnología de 1967, es posible que el trabajo efectivamente requerido en cada fecha haya sido mayor, aumentando la discrepancia cuanto más lejano sea el año conside rado. Estimamos que la casi duplicación de la superficie cultivada entre 1929 y 1972 debe ha ber significado un aumento de alrededor de 40°/o en los requerimientos; aceptando como bueno el estimado de 1972, ello indicaría para 1929 un requerimiento de 73 millones de jomadas, en lugar de los 57 millones reportados aquí. Dada la aceleración de la expansión en el uso de fuerza mecánica entre 1961 y 1972 (véase Acumulación de capital en la agricultura peruana de H. Maletta y J. Foronda, Lima, Universidad del Pacífico, 1980) es posible que los requerimientos efec tivos no hayan tenido aumento alguno entre esos dos últimos censos, y que quizá hayan decre cido. En efecto, la población ocupada en la agricultura en esos departamentos sufrió efectiva mente recortes en ese lapso, lo cual induce a pensar en una disminución de la demanda de tra bajo en la agricultura de la región costeña. En cuanto a los departamentos “predominantemente serranos”, ellos comprenden a la vez partes de Sierra y de Ceja de Selva. La mayor parte de la expansión ocurrida en esos departamen tos corresponde precisamente a los valles montañosos orientales, con cultivos tropicales, y no a los valles interandinos o a la producción ganadera de las punas. Dado que los datos vienen sólo por departamentos, es difícil hacer la distinción, sobre todo en el caso pecuario. Para el subsector agrícola, es evidente el relativo estancamiento en la sierra y el veloz incremento en la Ceja de Selva (Cuadro 43). Cuadro 43 REQUERIMIENTOS ANUALES POR TAREAS AGRICOLAS EN LOS DEPARTAMENTOS PREDOMINANTEMENTE SERRANOS (En millones de jomadas), 1929-1972 (a) Café, té, cacao, plátano, coca, papaya, palta, caña de azúcar, cítricos, yuca. Se añade un 10% para cubrir otros cultivos no detallados. La Ceja de Selva aumenta sus requerimientos más de diez veces en una cuarentena de años mientras el resto de los requerimientos agrícolas de estos departamentos tiene un incremento mu cho más lento. Esto sería verdad aun después de ajustarse las cifras. Debe recordarse que el Censo de 1961 tiene probablemente un cierto grado de omisión en la región serrana; por ejemplo, registró sólo 185,000 Has. de papa, cuando se estiman para ese año alrededor de 235,000. Ello conduciría a pensar que si se corrigieran los estimados de 1961 en ese sentido, los cultivos serranos habrían mostrado una disminución entre esa fecha 105 y 1972, ya que sólo por concepto de papa habría que añadir alrededor de 5—6 millones de jor nadas. Los menores volúmenes registrados en 1929 y 1944 pueden obedecer a un hecho real (hasta 1961 la población rural serrana exhibía aún un lento crecimiento) y en parte a las omi siones de los datos de esas fechas, que deben ser tomados con cautela. En definitiva, en estos departamentos los cultivos de Montaña representaban sólo el 7.69o de los requerimientos en 1929, y han pasado a representar un 379o en 1972 (dentro de los re querimientos agrícolas), lo cual habla bien a las claras del desplazamiento del eje productivo ha cia altitudes más bajas y hacia las quebradas cálidas de la Ceja de Selva. Un proceso análogo, aunque mucho más leve, se produce también en el aspecto pecuario, con el aumento del ganado porcino, vacuno y equino en las zonas bajas, y el decrecimiento que —entre 1961 y 1972— expe rimentan los ovinos situados en las partes más altas. Y por supuesto similares resultados se obten drían usando los requerimientos del mes de junio en lugar de los anuales. 3. LA ESTRUCTURA REGIONAL Y LAS VARIACIONES ESTACIONALES Más útil quizá que la división departamental es la clasificación de las provincias en regiones naturales más o menos homogéneas. Esto ha sido posible solamente para el año 1972. En el cua dro que sigue aparecen los resultados a nivel nacional, lo que permite apreciar los diferentes pa trones estacionales de cada región. Se toman a la vez regiones longitudinales y transversales, resultando diez agrupamientos: Costa norte, Costa central, Costa sur, Sierra norte, Sierra central, Sierra sur, Montaña norte, Montaña central, Montaña sur, y Selva. El criterio utilizado para ubicar las provincias fue su alti tud promedio y el tipo de cultivos predominantes. Los meses de máximo requerimiento varían según la región de que se trate. En la costa, el máximo se alcanza en el norte en el mes de junio con un 509o por encima del promedio; en el centro en el mes de mayo con un 269o sobre el promedio de esa región; y en la costa sur en el mes de mayo con un 309o más que el promedio de esa parte del país. En la sierra norte, el máximo se alcanza en julio, con un 279o más que el promedio; en la sierra central, en octubre (179o encima del promedio) y en la sierra sur en mayo, un 449o más que la media anual de esa zona. En la ceja de selva, o montaña, los requerimientos alcanzan su máximo local en el norte en el mes de julio (509o más que la media anual), en el centro en el mes de abril (879o arriba del promedio), y en el sur en julio un 909o por encima de su media anual. Por último en la selva amazónica —que no hemos subdividido transversalmente— el máximo corresponde al mes de diciembre, donde los requerimientos representan un 909o más que la media de los doce meses en esa región. Estas cifras indican claramente que la menor estacionalidad se da en la sierra, mientras que los mayores desequilibrios temporales aparecen en la selva y la montaña (la costa ocupa un lugar intermedio en este aspecto). Probablemente ello se debe a la mayor especialización de las acti vidades agrícolas en la selva y la montaña, así como en la costa, respecto a la sierra. Por otra parte, los picos en la demanda de cada región aparecen, en la mayor parte de los casos, cuando la región serrana aledaña no está en su época de máxima demanda, lo cual sin duda facilita los desplazamientos estacionales de mano de obra. El cuadro 45 complementa esta información permitiendo apreciar la estructura mensual de los requerimientos de 1976, por departamentos, aunque referidos tan sólo a las tareas agrícolas (las pecuarias, que se suponen uniformes a lo largo del año, pueden ser tomadas del cuadro 37). 106 Cuadro 44 REQUERIMIENTOS DE TRABAJO (EN JORNADAS POR REGIONES) PERU 1972 N O T A : Se han agrupado las provincias por altitud, y en casos dudosos por el tipo de agricultura predominante. La provincia de Taima ha sido dividida en Taima y Chanchamayo, a pesar de que en 1972 estaban aún unidas, y de ese modo agrupar las respectivamente en la Sierra Central y la Montaña Central. 107 108 4. FUERZA DE TRABAJO Y DEMANDA DE MANO DE OBRA Una cuestión muy importante para determinar la situación de las áreas rurales es el balance de la fuerza de trabajo disponible y los respectivos requerimientos. Una hipótesis muy extendida supone que por línea general en las áreas campesinas tradicionales la fuerza de trabajo excede significativamente a los requerimientos, lo que da pábulo a los esquemas que se basan en la exis tencia de un “excedente de mano de obra”. Hemos tratado en otros trabajos este problema, plan teando nuestras objeciones teóricas y empíricas a estos enfoques, tanto a nivel conceptual como en el caso del Perú (véase “El subempleo en el Perú: una visión crítica” en Apuntes No. 8, 1978-. “La absorción de mano de obra en el sector agropecuario”, AMIDEP, Seminario sobre Población y Empleo, 1978; y “Algunas consideraciones sobre ei problema del empleo en el Perú”, presen tado en el Seminario-Taller sobre Demografía Social, AMIDEP/ Universidad Católica, 1980: y “El empleo en la agricultura peruana”, Universidad Católica, Seminario sobre empleo, 1980). Aquí queremos referimos tan sólo a la posibilidad de relacionar los requerimientos teóricos de mano de obra agrícola con la magnitud del empleo de trabajadores agropecuarios registrado en el censo de población, a nivel de provincia. En la parte metodológica de este trabajo se detallan las dificultades que esto entraña, toda vez que se trata de mediciones sólo aproximadas, que contienen algunos errores y sesgos, y que se refieren a diferentes períodos de referencia. Por ello sería utópico esperar una corresponden cia perfecta. Lo más que se puede esperar es una correlación entre el volumen de empleo obser vado y los requerimientos teóricos de mano de obra. El cuadro siguiente muestra los resultados de la comparación. En general se observa una es trecha correspondencia, aun cuando hay algunos departamentos en que se notan sesgos de alguna importancia. Los más notorios son los que aparecen en las áreas de puna, es decir en el departamento de Puno y ciertas provincias de Cuzco. En esas zonas, el requerimiento es bastante más alto que el empleo, debido probablemente a que predominan las tareas pecuarias en que intervienen niños y mujeres que tienden a no ser incluidos en la población activa, y también a que las tareas pecua rias, en realidad, se ejecutan durante todos los días del mes, y no solamente en los días hábiles. Un sesgo de sentido contrario (pocos requerimientos respecto del empleo) se observa en los de partamentos de Loreto y San Martín, probablemente por no disponer de coeficientes estaciona les confiables para la Amazonia y además por no haber podido descontar un grupo de trabaja dores forestales (caucheros) que figuran englobados en un grupo mayor. Pero en líneas generales, y fuera de excepciones como éstas, las personas que declararon tra bajar en tareas agropecuarias en cada provincia corresponden a niveles compatibles con los reque rimientos de trabajo de mayo y junio, acercándose a uno de ellos o a su promedio, o excediéndo los por exceso o por defecto pero dentro de límites razonables. Vistos los problemas metodoló gicos subyacentes, estos resultados alientan la hipótesis de que si los datos de empleo y de reque rimientos se hicieran más exactos y más comparables, ambas cifran tenderían a coincidir; en otros términos, sugieren la idea de que el volumen de empleo observable corresponde con bastan te precisión -a las necesidades técnicas, sin grandes excesos ni grandes déficits. 109 C uadro 46 PERU: EMPLEO AGROPECUARIO CENSADO Y REQUERIMIENTO LABORAL MAYO A JUNIO 1972 110 (...continuación Cuadro 46) 111 (...continuación Cuadro 46) 112 (...continuación Cuadro 46) 113 (...continuación Cuadro 46) (a) Los trabajadores agrícolas ocupados corresponden a la población económicamente activa ocupada, de 6 años y más, en el grupo ocupadonal “Trabajadores agrícolas y forestales, cazadores y pescadores”, excepto aquellos grupos primarios de ocu pación cuyas tareas no están contempladas en los requerimientos (se han excluido así a los pescadores, cazadores y trabaja dores forestales, así como a los jardineros, sericicultores, apicultores, etc.). Los datos se han extraído de los tabulados iné ditos del Censo de 1972, existentes en el INE. Para el Departamento de lima se efectuó una estimación ya que el cuadro respectivo ha desaparecido de la citada oficina. (b) Los requerimientos de mayo y junio (y su promedio) se ha reducido a meses/hombre utilizando el número de días útiles dis ponibles en cada provincia en esos meses, dato elaborado por el estudio del CEEB. En la mayor parte de los casos, hubo 2 5 días útiles en mayo y 24 en junio, aunque en algunas provincias hubo menos, debido a fiestas locales. 5. REQUERIMIENTOS PROMEDIO A NIVEL NACIONAL Tomando como base la Estadística Agraria de 1976, con datos a nivel departamental, he mos calculado los requerimientos nacionales para determinados cultivos principales. Si bien este procedimiento es sólo aproximado, permite obtener dos resultados: de una parte, la importancia relativa de cada cultivo en la demanda global de trabajo agrícola. En segundo término, los coefi cientes promedio de trabajo requerido en diversos cultivos, de acuerdo a la suma ponderada de sus requerimientos departamentales. 114 Se podría haber hecho lo mismo en base a los datos provinciales, lo que hubiera sido un poco más exacto, pero también mucho más laborioso. Creemos, por otro lado, que al tomar la estructura productiva de 1976 nos acercamos más a la actualidad. El cuadro 47 indica para ese año el total de requerimientos anuales distribuido por cultivos y por especies ganaderas. Cuadro 47 ESTRUCTURA DE LOS REQUERIMIENTOS LABORALES AGROPECUARIOS POR PRODUCTO - 1976 (En días/hombre por año) (a) Sumas redondeadas que pueden no coincidir. 115 Como se puede ver, en ese año (el último para el cual disponemos de datos pecuarios) los requerimientos agrícolas representaban el 45.124b del total; dentro de las actividades de cultivo, a su vez, los productos considerados representaban más del 90% del total, siendo la papa, el maíz, el café y el arroz los más importantes: esos cuatro productos representaban alrededor del 54% de todo el trabajo agrícola. En realidad, existe consenso que las cifras oficiales de los últimos años no consiguen captar toda la extensión dedicada al cultivo de la coca; para 1976 la Estadística Agraria arrojaba no más de 13,475 hectáreas, cuando estimaciones de los especialistas en narcotráfico daban una cifra tres veces mayor, es decir en tomo a 40,000 hectáreas como mínimo. Si así fuese, la planta de coca arrojaría un requerimiento de siete millones de jomadas laborales para ese año, lo que re presentaría un incremento de su respectivo porcentaje hasta alrededor de un 2% del total agro pecuario, o equivalentemente un 4% del total agrícola. Esta insuficiencia debe tenerse en cuenta, pero no obstante no alteraría notablemente los resultados aquí ofrecidos. En el sector pecuario, vacunos y ovinos absorben un 60% del total de requerimientos labo rales de la ganadería, es decir alrededor de un 32% del total de requerimientos agropecuarios en su conjunto. El conjunto formado por los cuatro cultivos mencionados más arriba, con la produc ción ovina y vacuna, cubren un 57% del total de requerimientos laborales agropecuarios del país. Si bien estos promedios están afectados por cambios en la participación de cada departa mento dentro del total nacional, son una base para obtener coeficientes de alcance nacional que pueden ser aplicados, en primera aproximación, sin recurrir a un análisis desagregado por provin cias o departamentos. En el cuadro 48, por fin, aparece la desagregación mensual de los requerimientos de cada cultivo considerado, a nivel nacional. La estacionalidad resultante, por supuesto, no coincide ne cesariamente con la de una determinada zona de cultivo, pues proviene de la suma de requeri mientos de diferentes zonas, lo que tiende a suavizar la estacionalidad. Esto es particularmente evidente cuando el producto incluye variedades muy heterogéneas y se cultiva en muy diferen tes zonas, como es el caso del maíz por ejemplo. 116 Cuadro 48 REQUERIMIENTOS MENSUALES DE TRABAJO POR CULTIVO, A NIVEL NACIONAL (1976) (a) Se refiere a 96,140 Has.; excluye 2,150 sin información. • (b) Se refiere a 132,600 Has.; excluye 560 Has. sin información. (c) Se refiere a 58,980 Has.; excluye 3,440 Has. sin información. (a) Se refiere a 64,165 Has.; excluye 295 Has. sin información. (b) Se refiere a 419,195 Has.; excluye 520 Has. sin información. (c) Se refiere a 133,145 Has.; excluye 780 Has. sin información. (d) Se refiere a 133,145 Has.; excluye 780 Has. sin información. La cifra del “Total” no coincide con la suma de los meses por redondeo. 117 (a) Se refiere a 252,810 Has.; no hay zonas sin información. (b) Se refiere a 120,659 Has.; excluye 122 Has. sin información. (c) Se refiere a 128,865 Has.; excluye 2,960 Has. sin información. Los requerimientos por Ha. para el total del año no coinciden con la suma de los meses por efecto del redondeo. (a) Se refiere a 35,703 Has.; excluye 150 Has. sin información. (b) Se refiere a 13,475 Has.; excluye 70 Has. sin información. Convención. (c) Se refiere a 174,250 Has.; excluye 350 Has. sin información. Los requerimientos para el total del año no coinciden con la suma de Seusó para todo el país el requerimientocalculado los requerimientos mensuales por efecto 118 para La del redondeo. TERCERA PARTE CUADROS ESTADISTICOS NOTA Se publican solamente los cuadros más importantes. Aparecen así los requerimientos anuales por producto y departamento para la serie 1929-72 y para 1964-79 (se omiten los detalles del mes de junio). Asimismo, aparecen los requerimientos mensuales por provincia para 1972, pero sin de tallar productos. I REQUERIMIENTOS AGROPECUARIOS ANUALES POR DEPARTAMENTO Y PRODUCTO 1929 - 1972 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE AMAZONAS (a) En 1929, “arveja” incluye habas, las cuales en cambio aparecen incluidas en el “resto” en los años 1961 y 1962. En 1944, la categoría “frijol” incluye todo tipo de menestras. Para ese mismo año, la superficie de menestras ha sido estimada en base a la producción registrada y al rendimiento observado en 1929 y 1961. (b) Incluido en café. En 1961 se excluyen 922 auquénidos registrados por el Censo, que se consideran fruto de un error de clasificación. 123 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE ANCASH (a) Incluido en arveja. Se adopta un coeficiente de 59 jornadas/Ha. como promedio entre arveja (56) y haba (62). (b) Incluido en arveja. Se adopta un coeficiente de 58 jomada s (el coeficiente del frijol es de 49). (c) Incluido en yuca. Para 1944 se han considerado 21,274 Has. de papa (la fuente da sólo 7,000), estimado por interpolación entre 1929 y 1961. 124 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE APURIMAC (a) Incluido en haba. 125 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE AREQUIPA ( a) Incluido en frijol. (b) Incluido en yuca. En 1961, la quinua incluye otros cereales no mencionados. 126 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE AYACUCHO (a) Incluido en haba. En 1929 se ha estimado el área con maíz ante el evidente error de la fuente consultada (véase explicación en el texto). 127 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE CAJAMARCA (*) Inchiido en otros pastos cultivados. (b) Incluido en arveja seca. Coeficiente conjunto: 59. (c) Incluido en frijoL (d) Incluido en yuca. Para 1929 se ha corregido la superficie censal de maíz, café, frijol y arveja. Según se explica en d texto. 128 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE CUZCO (a) Incluido en café. La superficie con café y «oca en 1929 ha sido estimada (ver texto). 129 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE HUANCAVELICA (a) Incluido en baba. (b) Incluido en frijol. (c) Incluido en yuca. REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE HUANUCO (a) Incluido en haba. Coeficiente conjunto: 57. (b) Incluido en café. 131 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE ICA (a) Incluido en frijol. (b) Incluido en vid. 132 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE JUNIN (») Incluido en haba. 133 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE LA LIBERTAD (a) Incluido en haba. (b) Incluido en lenteja. (c) Incluido en frijol. (d) Incluido en yuca. Para la caña de azúcar se consideran 200 jornadas/año en 1929, 100 jomadas/año en 1944, y 50 jomadas/año en 1961 y 1972. 134 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE LAMBAYEQUE (a) incluido en frijol (b) Incluido en yuca. (c) Incluido en limón; insignificante. (d) Incluido en frijol. Pata la Caña de azúcar se han considerado 200 jornadas por año en 1929 y 100 en 1944; para 1961 y 1972 se ha tomado un c De ciente de 52 jomadas por año. Se ha corregido la superficie censal de naranjo (7,386 Has.) por ser totalmente irreal. Probablemente se trataba del numero x plantas y no de Has. Se han considerado sólo 70 Has. de naranjos. 135 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE LIMA Y PROV. DEL CALLAO (a) Incluido en maíz grano. (b) Incluido en baba. Coeficiente: 57. (c) Incluido en frijol. (d) Incluido en camote. (e) Incluido en pastos cultivados. 136 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE LORETO (a) Incluida en café. El plátano en 1929 fue estimado en base al número de plantas, de acuerdo a la densidad promedio de 1961. En 1944 incluye tam bién otras tintas. En 1961 se han «nítido 4,982 Has. de cancho, así como 1,239 cabezas de ganado auquénido que se consideran fruto de un error de Hagfíftifjñn. 137 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE MADRE DE DIOS (a) Incluido en otros pastos cultivados. Para 1944 se ha recurrido a una interpolación lineal entre 1929 y 1961 por la evidente ineaxaetitud de los datos estadísticos de 1944, en lo que se refiere a la actividad agrícola. En 1961 se han emitido 106 cabezas de ganado auquénido, que se consideran fruto de un error de clasificación. 138 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE MOQUEGUA (a) Incluido en baba. El olvido de 1944 ha sido estimado por interpolación, pues la fuente no lo da por separado. 139 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE PASCO Las cifras de 1944 son estimadas. La fuente no distingue entre Pasco y Junín. Los estimados se han restado de las cifras que la fuente suministra para Junín, excepto el café que ha sido añadido por conside rarse que el área cafetalera de Pasco (Oxapampa) no está incluida en las estimaciones de 1944. En el caso de la actividad pecuaria, los datos se estimaron por interpolación 1929-61. REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE PIURA (a) Incluido en maíz grano. (b) Incluido en fríjol seco. (c) Incluido en arveja seca. Coeficiente utilizado: 55. (d) Incluido en yuca. (e) Incluido en frijol seco. Coeficiente utilizado: 58. En 1961 se han excluido 1,779 cabezas de ganado vacuno auquénido, reportadas en el censo que se consideran fruto de un error de clasificación. 141 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE PUNO (a) Incluido en cebada forrajera. Coeficiente utilizado: 34. (b) Incluido en maíz grano. (c) Incluido en baba. (d) Incluido en café. Las afinas de papa de 1929, como se «replica en el texto, han sido corregidas de un evidente e importante error en la fuente. 142 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE SAN MARTIN (a) Incluido en café. 143 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE TACNA (a) Incluido en maíz grano. Pana 1944 la superficie de viñedos es un estimado no suministrado por la fuente. 144 REQUERIMIENTOS ANUALES DE TRABAJO AGROPECUARIO (en jomadas) 1929-1972 DEPARTAMENTO DE TUMBES (a) Incluido en yuca. En 1961 se han excluido 507 cabezas de ganado auquénido, que se consideran fruto de un error de clasificación censal. 145 II REQUERIMIENTOS AGROPECUARIOS ANUALES POR DEPARTAMENTO Y PRODUCTO 1964 - 1979 REQUERIMIENTOS ANUALES AGROPECUARIOS DEPARTAM.E NTO D_E AMAZONAS (1964-7~) Ac:dvldad l. A,rfc:ola Pastos Cacao Café Coca Arro.z Mala: ' 149 Trigo I?Utano Arveja Frijol Papa Yuca Sub-total Tobll Por Ha. 1964 53,360 17,250 9M,500 21,120 271,500 960,000 126,500 210,000 H,OOO 126,000 180,000 322,000 3'288,230 3'877,779 71.53 1965 1966 1967 1968 1969 1970 1971 l97Z 1973 1974 1975 1976 Toul 3. AIJopec:uarla (1 + 2) 1 "296,000 1'296,000 1'296,000 1'296,000 1'440,000 1'483,200 1'512,000 1'584,000 1'612,800 1'641,600 1'713,600 1'756,800 1'766,880 240,000 240,000 243,276 237,252 220,200 225,216 227,976 223,212 223,212 210,672 250,800 260,832 200,640 - 1978 28,060 21,068 33,120 57,776 63,664 67,896 85,146 84,226 89,240 90,881 38,180 26,680 101,899 89,792 33,1 20 30,475 19,550 20,815 18,860 19,205 19,205 19,205 18,975 23,230 24,725 34,040 19,550 19,895 600,060 925,275 991,523 1'004,663 990,915 1'050,653 689,MO 608,273 732,555 989,333 951,008 951,008 1'847,594 2'030,678 22,880 13,728 22,000 22,880 22,880 21,120 19,712 20,064 14,960 13,552 22,880 22,880 40,656 51,216 968,350 941,200 407,250 524,900 649,790 817,215 1'031,700 1'099,575 1'126,725 1'034,415 1'145,730 965,635 1'217,225 606,900 750,000 175,500 580,700 836,100 919,800 868,200 921,900 927,600 974,100 1'026,540 584,000 630,000 552,BOO 703,200 106,700 61,650 75,350 64,900 47,850 35,750 30,250 25,515 24,200 23,650 27,115 17,380 110,000 98,450 186,375 210,525 162,750 206,850 130,200 124,425 149,100 115,500 118,650 203,700 237,405 211,785 204,750 155,40Q 14,250 10,000 6,750 7,000 9,000 15,250 17,750 16,250 8,750 54,250 5,250 7,250 9,400 7,650 120,645 567,315 563,031 496,125 460,530 461,790 423,045 444,150 473,760 316,260 578,340 614,565 492,975 492,660 183,000 100,000 100,000 102,000 93,000 160,000 108,500 141,500 135,000 133,000 141,600 128,400 140,000 149,000 194,120 221,720 170,200 191,360 164,220 173,880 178,480 205,160 208,380 220,524 218,132 175,260 303,500 189,060 2'806,6H 3'160,455 3'079,229 3'126,493 3'505,147 3'869,889 3'705,282 4'079,754 3'701,394 3'332,384 4'105,630 4'331,793 5'143,892 5'247,435 3'207,635 3'543,201 3'688,824 3'587,98!! 4'113,557 4'595,320 5'135,188 4'758,128 5'436,842 3'769,459 4'987,701 5'054,465 5'690,244 5'674,314 56.03 70.25 73.53 75.00 14.79 72.83 82.95 76.08 71.83 69.55 33.08 73.33 72.96 73.78 2. Pec:uaria Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Aves 1977 - - - - - - - - - - - - 221,760 231,360 139,200 255,360 264,000 144,000 192,000 240,000 249,600 265,920 172,800 144,000 172,800 359,136 365,820 371,664 271,440 321,552 100,224 334,080 141 ,984 208,800 341,592 417,600 417,600 334,080 36,720 63,360 43,200 44,640 14,400 21,600 21,600 18,000 21,600 33,120 33,840 14,400 21,600 57,600 58,368 58,560 58,560 26,880 32,640 33,600 47,040 51,600 57.984 28,800 24,000 25,920 2'101,440 2' 106,672 2'101,200 2'112,192 2'026,464 2'156,784 2'182,316 1'449,332 2'467,752 2 ' 507,471 2'561,040 2'701,951 2'728,956 5'919,219 5'314,307 5'644,401 5'801 ,016 5'614,449 6'270,341 6'877,636 7'584,510 7'225,880 7'944,314 6'330,499 7'690,653 7'783,421 - 1979 102,856 25,645 2'209,053 53,680 977,400 1'324'>,000 20,515 218,295 9,600 149,751 100,400 244,628 5'443,823 6'321 ,930 74.04 ~ !.REQUERIMIENTOS AN-UALES AGROPECUARIOS 1DEPARTAMENTO. DE ANC_ASJi] (1964-7 Actividad 1964 1965 1966 1967 1967 1969 ~ 1970 1971 1972 1973 1974 1975 1976 1977 1978 150,050 40,200 2'216, 700 2'257,650 1 '620,025 26,108 5,800 17,340 227,080 130,830 125,550 32,560 135,840 2'305,200 93,450 216,040 121.950 4,400 9'730,778 0'473,716 64.26 155,604 38,400 1'662,900 2'112,650 1'573,550 12,810 5,394 19,040 269,640 124,21 S 140,120 48,840 146.880 2'311.200 115,700 212,960 121,000 11,600 9'082,500 9'803,023 60.14 1979 1 l. Agrícola 150 Pastos Arrol Cebada Maíz Trigo Aj{ Sandía Tomate Arveja Frijol liaba Camote Olluco Papa Yuca Algodón Caña de azúcar Maní Sub·total Total Por Ha. 132,840 146,205 137,295 138,SIO 145,638 160,947 163,944 169,128 173,2 59 170.748 169.695 145,200 121,800 121,200 240,000 103,800 02,000 120,000 178,800 110,400 110,400 78,000 1'842,000 1'890,000 1'918,800 1'897,800 2'040,000 1'872,600 1'771 ,200 1'775,700 1'749,900 1'681,200 1'728,900 2'088,000 2'285,200 2'215,600 2'291,000 2'345,520 2' 528,800 2'575,200 2'534,600 2' 132,660 2'094,380 2'105,400 1'512,500 1'677,500 1'695,650 1'706,650 1'852,400 1 '790,250 1 '743,500 1'785,300 1'937,100 1'752,850 1'825,175 13,420 23,1 80 22,.570 21,655 17,690 24,400 18,300 12,810 10,980 10,370 9 ,760 6,380 10,440 14,500 17,400 17,110 11,600 12,760 11,020 11,020 11.600 28,560 34,000 42,160 92,180 13,300 23,120 31,280 22,780 22,100 20,060 15,300 154,000 222,880 238,000 211,120 193,760 199,926 154,560 122,080 178.640 113,400 123,760 120,050 132,300 117,600 144,060 75,950 129,850 123,970 102,900 99,225 118,090 143,570 245,52 0 191,890 236,840 218,240 255,440 199,020 187,860 151,280 140,120 135,470 143,530 40,700 45,140 22,200 46,990 48,100 29,230 24,235 21,460 18,315 26,825 22,200 223,680 198,240 204,480 115,200 163,200 218,400 176,160 192,960 110,880 134,880 149,280 , 0 3'362,400 3'378,000 4'548,000 4'068,000 3'741,600 2'667,600 2'463,000 2'384,400 3' 570,000 3'180,000 3'2~8 142,400 164,650 . 166,430 113,030 39,000 160,645 81,800 71 ,200 81,880 81,880 72,980 334,400 105,600 44,000 488,000 228,800 118,800 12,320 24,640 61,600 156,640 116,160 118,250 140,000 113,500 115,000 85,750 95,000 68,500 85,000 76,250 80,750 93,750 9,200 4,000 7,200 6,000 6 ,000 6 ,000 4,400 8,200 12,200 10,800 10'484,074 10'760,385 10'342,025 10'848,280 8'725,753 12'119,832 11 ' 382,409 11'034.398 9'533,569 9 ' 174, 733 9'204,290 11'163,970 U'SS0,786 11'799,819 11'913,764 10'800,921 13'381,813 12'750,002 12'433.663 10'247,538 10'290,790 10'320,604 63.82 64.20 62.08 66.05 65.09 63 .69 63.99 61.17 60.14 59.67 64.78 168.966 154.710 49,200 45,600 1 '693,200 1'687,500 2'099,600 2'262,000 1'748,450 1'741 ,575 16,470 15,555 6.380 5,800 16,320 17,340 115,920 10.360 142,100 147,980 121,210 164 ,300 37,000 27,010 123,840 114,240 2'238,000 2'244,000 60,520 53,400 132,000 178,200 115,500 117,000 10,600 16,000 8'892,096 9'005,750 9'543,890 10'067,949 58.98 58.62 149, 364 61,6801 1'652,400 1'652,4781 1'092,410 12,810 5,2781 22,780 290,920 lOS , 191 147, 560 ¡ 58,090 1 156.960 2'428.440 133,500 191.224 113,450 12,200 8'287,335 9'116,707 61.43 l. Pecuaria Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Aves Total 4'989,000 4'989,000 5' 009,160 5'009, 160 4'909,176 5' 388,120 5'587,680 5'308,296 4'651,740 4'370,364 4'460,172 4'480,128 4'500,084 3'866,400 4'076,904 4'196,904 4'196,904 4!040,904 4'068.312 4'081 ,200 4'038,240 3'312,216 3'271 ,404 3'318,660 3'297,180 3'295,032 - - - - - - - - - - - - - 767,600 796,81)0 796,800 816,000 902,400 1'008,000 1'006,080 1'003,200 1'003,200 1'003,200 998,400 768,000 998,400 1'670,400 1'670,400 1'336,320 1' 336,320 1'369,368 1'361 ,376 1'369,368 1'269,504 1'419,840 1'440,720 1'457,400 1'453,248 1'453,248 576,000 576,000 720,000 720,000 720,000 763,200 763,200 835,200 849,600 828,000 843,840 831,600 830,160 88,320 89,280 90,240 94,080 96,000 153,600 178,560 96,000 177,600 184,320 213,120 263.808 246.528 11'965,800 12'168,224 U'4U,464 ll'H9,424 J 1'949,528 U'579,408 12'.9 63,048 12'635,880 11'414,196 11'098,000 ~1'296,3 11'307,084 11'340,732 - 3. Agropecuaria (1+ 2) 23'129, 770 2.3'719,010 23'2.31,283 H463,l8H 22'750,449 25'961,2.ll 25'713,050 25'069,543 2.1'661,734 21'388,798 21'616,996 2.0'8,0,974 2.1'408,681 1 1 REQUERIMIENTOS- ANUALES AGROPECUARIOS DEPARTAMENTO DEA PURIMAC (!964-1972} Actividad 151 l. A¡ríc:ola Pastos Coca Melo¡;otón Cebada Maíz Quinua Trigo Cebolla Col Arveja Haba Frijol Oca y Olluco Papa Caña de azúc.a r Sub-total Total Por Ha. 1964 87,400 - - 1965 64,400 - - 228,000 467,400 1'836,000 2'091,000 24,750 31,500 612,000 518,400 3,930 6,550 4,000 10,200 15,810 123,000 139,400 27,000 22,500 153,600 278,400 1'596,000 1'862,000 6,240 12,688 4'616,571 5'605,700 4'820,588 5'882,990 99.23 96.62 1966 45,080 - 1967 46,920 - 1968 34,040 - 1969 35,880 - 1970 39,560 - 1971 48,300 - 16,016 12,480 16,016 16,432 13,520 16,016 524,400 535,800 239,400 208,050 194,940 212,610 1'958,400 1'958,400 1'326,000 1 '336,200 1'856,400 2'111,400 18,000 18,900 8,550 9,000 11,700 12,375 558,000 561,600 256,320 261,720 142,480 223,200 15,065 15,065 11,790 9,170 11,135 10,480 8,000 9,000 6,000 5,000 7,500 9,000 11,220 5,865 7,650 8,160 10,965 8,415 123,820 150,060 85,280 63,960 71,750 75,440 20,700 22,950 14,850 10,800 27,000 33,300 286,080 284,160 139,200 H4,400 147,360 177,120 1'802,150 1'864,660 1'270,150 1'675,800 1'799,540 13,260 13,000 10,660 9,620 17,940 5'386,836 5'373,071 3'282,720 3'376,670 4'230,546 4'727,232 5'684,689 5'539,548 3'461,732 3'618,315 4'600,556 5'294,317 96.14 93.90 99.18 101.02 101.73 103.84 1972 48,300 1913 50,600 - - 16,432 198,930 2'233,800 9,225 289,800 10,480 7,000 12,750 77,900 48,600 162,528 1'602,650 8,840 4'727,355 5'417,108 102.98 16,432 219,450 1'989,000 12,680 280,800 10,480 7,000 11,475 110,290 44,550 199,680 2'011,625 11,960 4'976,022 5'575,269 103.91 1974 50,600 - 1915 50,600 - 1916 50,600 - 15,392 15,600 15,392 175,845 207,480 205,200 2'050,200 1'795,200 2'060,400 10,350 10,575 13,050 237,600 253,080 224;280 7,850 22,270 7,860 6,000 8,000 8,000 10,710 15,045 14,790 77,080 79,540 82,000 54,450 67,500 67,500 105,600 109,600 62,400 1'95.5,100 144,380 1'542,800 11,440 10,920 8,320 4'768,267 4'089,327 4' 36:1,055 5'345,515 4'687,015 4'917,228 105.24 97.01 102.23 1. Pecuaria Vacunos Ovinos Auquénidos Equino• Porcinos Caprinos Aves Total 3'135,000 3'135,000 3'762,000 3'824,700 4'012,800 5'028,540 2'343,000 2'428,200 2'428,200 2'470,800 2'470,800 2'896,800 1'440,000 1'440,000 1'440,000 1'440,000 2'016,000 2'844,000 672,000 672,000 960,000 960,000 1'152,000 1'536,000 835,200 1'085,760 835,200 835,200 835,200 876,960 542,880 501,120 501,120 501,120 559,584 835,200 2'923,200 1'670,400 1'712,160 1'753,920 1'795,680 2'672,640 11'849,5:20 10'681,920 11'638,680 11'869,260 1:!'842,064 16'898,940 J. Agropecuuia (1 + 2) 16'670,108 16'564,910 17'323,369 17 1408,808 16'303,796 211517,255 23'683,916 25'497,301 21'671,012 21'314,205 21'125,551 20'763,667 111663,808 5'016,000 5'392,200 5'141,400 4'890,600 4'953,:100 2'896,800 2'896,800 2'343,000 2'300,400 2'300,400 2'736,000 2'736,000 2'592,000 2'541,600 2'520,000 1'920,000 1'728,000 1'776,000 1'680,000 1'680,000 1'252,800 1'269,504 1'252,800 1'236,096 1'236,096 918,720 1'085,760 1'060,704 1'002,240 1'002,240 4'343,040 5'094,720 2'088,000 2'088,000 2'088,000 9'083,360 20'202,984 16'253,904 15'738,936 15'780,036 ~6'07,52 4'928,220 2'300,400 2'858,400 1'680,000 1'211,040 1'002,240 2'096,352 4'903,140 2'300,400 2'520,000 1'680,000 1'211,040 1'002,240 2'129,760 15'746,580 1977 1978 1919 39,100 37,260 34,960 10,400 12,480 10,400 188,100 207,480 196,365 2'032,656 2'055,300 2'065,500 13,050 12,825 13,500 220,176 237,600 226,800 13,100 10,480 9,825 6,000 12,500 6,000 16,830 18,105 19,380 78,310 79,950 85,690 61,200 66,150 69,300 124,800 120,000 128,352 1 '596,000 1'675,800 1 '642,550 5,720 5,460 5,356 4'411,074 4'554,110 .rsos,626 4'647,904 4'765,361 4'750,868 102.30 102.31 102.20 - REQUERIMIENTOS ANUALES AGJ!OPECUARIOS PEARTÁM Actividad l. Agrícola 152 Pastos Manuno Melocotón Olivo Peral Vid Arroz Cebada Maíz Quinua Trigo Plátano Sandía Ají Ajo Cebolla Col Lechuga Tomate Zanahoria Zapallo Prijol Haba Camote Oca y Olluco Papa Yuca Algodón Caña de azúcar Sub-total Total Por Ha. 2. Pé~uari Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Total 3. Agropecuaria (1 + 2) 1964 1965 1966 1967 1968 ~ EN'JO J)_E AREQVIPA ( 1904- f919) 1969 1970 - 197l 1972 1973 1974 1975 1976 1'323,880 1'377,880 1'294,000 1'337,770 1'489,600 1'509,200 1'670,900 1'747,340 1'672,370 1'661,100 1'679,230 1'519,000 1'523,900 26,136 28,072 1,865 32,549 33,275 36,300 37,510 27,830 39,325 43,560 43,560 35,200 33,300 34,100 33,800 33,700 33,000 3 2,000 33,000 33,700 32,300 33,000 57,230 83,780 57,230 59,000 6,050 62,776 80,24() 68,145 81,420 82,60C 83,78( 83,780 94,282 26,600 25,403 20,615 20,349 20,615 19,551 20,349 20,748 21,280 23,940 23,674 121,500 46,170 92,525 141,750 42,795 51,975 85,350 82,650 55,350 41,445 53,325 54,000 41,175 499,800 387,600 377,400 397,800 499,800 496,740 469,206 513,060 483,480 474,300 534,480 560,490 603,840 170,850 186,660 169,830 175,900 106,095 178,500 191,250 181,560 221,850 203,745 211,905 158,610 153,765 1'150,500 1'169,380 961,700 957,600 982,940 994,740 873,200 811,840 840,160 812,430 756,380 708,000 946,950 14,600 14,600 13,870 17,520 6,570 12,775 8,760 5,840 8,395 5,475 5,110 5,840 6,570 205,500 300,000 277,500 189,750 147,750 88,500 100,500 90,375 101,250 116,250 118,500 105,750 114,000 10,200 14,280 15,300 14,280 9,180 10,200 9,180 7,140 6,120 5,100 4,590 4,080 4,080 10,680 13,250 10,680 9,600 4,800 3,600 4,200 2,400 3,600 2,400 3,600 2,670 36,000 37,440 38,880 50,400 38,800 22,320 34,560 33,840 28,800 18,000 19,440 23,760 26,640 97,060 75,900 154,030 147,700 103,390 105,500 165,635 69,630 71,740 179,BO 169,855 185,680 263,750 340,400 276,000 196,880 217,120 219,880 241,040 349,600 341,320 334,880 332,120 356,040 372,600 373,520 21,280 18,620 18,620 23,940 11,035 13,965 13,965 14,630 13,300 14,630 13,965 13,965 33,660 29,070 24,480 13,300 16,065 6,885 6,885 11,475 6,885 10,710 10,710 13,520 36,335 37,180 41,405 49,010 36,335 35,490 24,505 25,350 38,025 38,870 43,940 44,785 10,200 11,400 9,600 8,400 9,000 8,400 9,600 11,400 12,000 12,000 12,000 15,810 12,750 11 ,220 14,790 15,810 17,340 19,380 22,440 23,460 2!1,500 236,000 217,120 174,050 197,945 204,140 197,945 202,370 204,140 203,550 207,090 213,580 259,600 197,535 70,400 102,960 106,040 127,160 114,400 84,920 90,200 99,880 119,240 89,760 101,200 102,960 102,520 45,140 41,070 57,350 37,000 35,520 33,300 32,560 50,320 30,340 29,600 23,316 28,860 26,270 40,320 45,120 24,000 21,120 21,120 37,440 18,720 11,040 8,160 13,440 17,280 10,180 10,560 960,750 722,850 618,540 1'299,300 1'281 ,000 1'024,800 1'119,980 559,065 494,100 527,040 528,870 587,430 558,150 21,450 22,880 35,750 17,160 35,750 40,040 15,730 20,735 17,875 17,160 15,015 12,870 14,729 629,160 706,200 706,200 588,500 638,790 647,350 567,100 377,710 316,720 240,750 232,190 209,720 100,580 271,975 421,245 303,130 333,960 289,685 369,380 250,470 254,265 213,785 255,530 254,265 255,530 211,355 6'768,870 6'756,090 6'013,839 6'294,667 6'478,860 6'050,990 5'972,477 5'692,225 5'564,441 5'396,919 5'556,83 5 5'447,870 5'629,315 7' 164,186 7'112,1S2 6'313,094 6'609,360 6'802,847 6'338,096 6'281,200 6'063,598 6'332,863 5'638,583 5'867,124 7'106,000 5'77S,S55 91.51 90.83 89.52 89.25 88.28 86.04 82. 17 80.12 79.71 78.74 80.14 82.68 82.02 - - - - - - - 2'231,760 2'231,760 1'837,920 1'837,920 2'363,040 2'244,888 2'100,480 2'100,480 2'192,376 2'231,760 2'258,016 2'459,796 2'540,268 619,632 643,944 714,960 667,296 595,800 635,520 814,260 1'000,944 1'000,944 994,992 784,296 993,000 989,028 3'362,400 3'362,400 2'808,000 2'808,000 1'944,000 2'088,000 3'564,000 3'564,00( 3'420,000 3'441,600 3' 528,000 3'290,400 3'204,000 336,000 336,000 451,200 451,200 470,400 480,000 480,000 451,200 432,000 417,600 416,640 403,200 398,400 501,120 H4,080 334,080 417,600 373,248 384,192 417,600 442,560 384,192 ~96,720 421,776 442,560 443,496 230,400 288,000 302,400 2)0,400 216,000 194,400 230,400 230,400 331,200 345,600 356,400 349,200 345,600 7'243,080 7'114,272 6'354,720 6'461,064 6'096,048 6'0~8,7 7'576,776 7'S44,H2 7'773,240 7'861,920 7'997,568 7'934,556 7'920,792 14'407,266 14'226,424 12' 667,814 13'070,424 12'898,895 12'396,871 13'857,976 13'608,130 14'106,103 13'500,502 13'864,692 5'040,556 13'696,347 - · - -~ - - L____ ------ 1977 1978 1979 1'622,635 1'724.604 1'654,387 43,076 42,955 43,802 39,300 39,200 35,600 92,630 117,174 126,968 24,738 27,797 28,196 41,175 34,560 29,835 733,890 765,510 801,288 122,043 132,447 198,798 1'141,532 776,086 622,214 7,519 10,366 12,994 87,000 83,100 67,275 4,590 2,856 1,020 7,476 7,654 12,905 27,504 8,784 40,608 159,727 262,062 223,871 540,040 441,600 478,584 29,393 16,625 29,260 11,934 10.710 23,562 75,753 28,223 53,066 16,560 19,800 31,320 52,632 52,632 71,706 211,731 244,530 252,642 122,408 100,320 131 ,736 43,290 48,248 40,034 11,712 18,912 16,128 503,799 543,144 464,637 30,602 19,734 14,300 79,843 93,411 83,246 187,473 175,582 257,301 6'151,049 5'800,430 5'875,665 6'301,315 6'074,902 6'265,488 81.92 78.67 79.96 REQUERJMIENTOS- ANUALES .AGROPECUARIOS.. 1964 19.65 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 117,1ZO 164,000 135,840 246,400 147,840 10,080 871,100 2'208,000 875,000 52,400 51,000 122,500 13,200 1'209,000 92,000 15,600 6'049,960 6'569,444 49.36 137,280 299,200 147,840 10,080 837,000 2'028,800 840,000 41,920 50,490 114,950 11,200 1'236,900 119,600 15,600 5'900,860 6'442,555 49.74 155,231 352,000 146,080 12,320 787,400 1'590,400 735,000 31,990 69,360 126,910 10,000 1'153,200 159,620 10,200 5' 345,212 5'866,696 48.97 i$&,880 598,400 156,640 25,760 747,100 1'595,840 735,000 19,650 78,540 142,835 2,800 1'181,100 149,500 12,600 5'604,545 6'103,684 50.56 tsa,6oo 299,200 147,840 10,080 852,500 2'099,200 840,000 . 41,920 53,040 134,260 11,600 1'227,600 124,200 14,400 5'993,120 6'423,660 49.77 153,600 792,000 264,000 25,760 682,000 1'646,080 672,000 20,960 74,970 140,140 6.800 1'078,800 102,120 9,900 5'669,130 6'574,078 53.14 U$,520 1'232,000 316,800 ;28,560 682,000 1'760,000 595,000 15,720 94,095 210,700 8,400 1'162,100 87,400 13,800 6'362,495 7'114,207 56.85 159,360 1'267,200 328,240 29,120 639,500 1'817,600 619,500 14,410 115,005 205,800 12,000 1'q8,790 90,160 15,000 6'427,685 7'066,488 57.06 159.360 1'320,000 328,240 29,680 624,650 1'856,000 644,000 19,650 117,810 212,905 12,200 1' 143,900 93,840 10,200 6'572,435 7'359,7:23 57.46 157,920 1'408,000 339,680 30,800 620,000 1'708,800 654,500 31,440 99,960 193,5SO 11,800 1' 153,200 92,000 7,800 6'509,450 7'168,62.2 58.10 U9,6oo 1'408,000 343.,200 30,800 620,000 1'782,400 644,000 20,305 99,960 193,550 11,600 1'134,600 64,400 7,800 6'514,215 7'350,767 58.24 i19,376 1'443,200 369,600 30,240 651,000 1'677,120 346,500 15,720 93,840 157,780 9,400 1'116,000 . 82,800 11,100 6'125,670 7'070,079 62.10 110,112 1'584,000 387,200 30,240 682,620 1'651,840 286,580 16,375 99,195 167,580 8,720 1'143,900 90,160 10,380 6'268,902 7'187,068 63.05 1'865,600 404,800 30,240 713,620 1'682,880 287,38.5 17.030 102.510 180,320 9 ,800 1'1 48,550 104,420 10,680 6'644,2 35 7'709,328 66.8 3 Actividad 1. Agrfcola Past01 Cal~ Coca hito Cebada Maíz 149,6~ Trigo 153 Cebolla Awcjá Haba Frijol Papa Yuca Caña de azúcar Sub-total Total Por Ha. l. Pecuaria Vacunos Ovínos Auquénidos Equinos Porcinos Caprinos Aves Total 10,080 775,000 2'432,000 875,000 $2,400 61,200 122,500 18,000 1'395,000 87,400 8,400 6'367,700 6'806,778 51.65 5'212,800 3'120,000 1'166,400 960,000 1'002,240 1'368,000 53,760 12'883,200 ~2'86,50 3. A¡ropecuarla (1 '!' 2) 19'68.9,978 ~9'456,0 5'212,800 3'276,000 936,000 1'171,200 1'002,24() 1'238,400 49,920 137,~80 704,000 202,400 25,760 719,200 1'675,200 682,500 1?,650 80,070 133, 525 8,000 1'116,000 121,440 10,200 5'651,545 6'5H,202 52.14 5'212,800 5'212,800 5'039,400 6'602,880 9'122,400 3'276,000 3'283,800 3'315,0()0 3'900,000 4'290,000 1'440,000 1'440,000 1'620,000 2'448,000 2'736,000 1'267,200 1'267,200 1'261,450 1'833,600 2'035,200 1'010,592 1'077,408 1'215,216 1'211,040 1'169,280 1'404,000 1'404,000 1'404,000 1'476,000 1'584,000 51,840 55,680 72,960 100,800 51 ,840 13'662,430 13'670,230 13'772,938 17'548,656 18'079,440 ~1'05,8 20'104,985 20'093,890 19'639,634 23'652,340 24'612,042 ~7'69,58 8'774,880 4'680,000 2'520,000 2'131,200 1'135,872 1'733,760 96,960 6'429,120 6'498,624 6' 689,760 6'828,768 6'933,024 4'602,000 4'464,300 4'524,000 4' 582,500 4'586,400 2'448,000 2'556,000 2'628,000 2'592,000 2'556,000 1'130,880 1'898,880 1'860,480 1'850,880 1'852,800 1'123,872 1'123.872 1'123,872 1'120,224 1'120,224 2'100,960 2'129,760 2'165,760 2'095,200 2'095,200 71,040 71,808 73,920 75,456 76,608 17'917,872 18'743,244 19'065,792 19'145,028 19'219,256 25'032,079 25'809,732 26'425,515 26'313,650 26'510,023 - {*f Pf9m~ os aelosñ , 1963·f ~ ~5 por contener la cífra de 1964 un evidente error. ---- 86,4oo 1 1 REQTIERIMIENT_QS ANULr~ - AGROJ>_ECUIS ~ Actividad 1964 196$ 1966 1967 1969 1968 1970 1911 1973 1972 1974 1975 1916 1977 1978 1979 l. Agrícola 1 1 Pastos Café Coca Arroz Cebad Maí:t Trigo Plátano Zapallo Arveja verde 154 Frijol Arveja seca Haba LenteJa Arracacha Camote ~ap Yuca Cafia de azúcar Tabaco Sub-total Total Por Ha. 401,592 145,638 126,672 397,670 349,479 2'280,000 1'928,880 2'305,080 2'201,460 2'193,360 52,800 44,000 45,760 45,760 44,000 955,500 882,000 1'085,700 1'098,300 1'144,500 1'395,200 1'139,200 979,840 980,480 794,880 2'444,000 2'343,200 2'334,800 2'327,000 2'049,840 7'83,360 480,480 873,600 787,200 768,960 524,600 45,400 445,300 268,400 439,200 11,725 11,550 138,250 295,065 299,015 213,300 387,040 1'400,970 1'495,270 1'49,83~ 246,000 319,0f)O 332,000 325,000 332,000 84,370 61,065 68,735 45,430 1?7,000 14,160 23,600 35,93C 35,9~ 35,93< 78,720 87,740 57,400 73,800 22,260 35,700 38,220 35,910 30,450 2'090,000 1'375,000 1'031,250 1'108,800 1'138,500 224,270 195,160 328,000 209,100 216,890 240,000 158,700 164,100 142,800 15:1,000 48,750 62,400 109,200 39,000 68,250 11 '837,198 0'541,892 11'672,500 12'214.743 11'010,749 13'773,385 11'506,229 12'829,803 3'334_,049 12'171,406 71.96 67.65 57.86 59.50 61.17 345,042 1'664,400 33,440 1'249,500 899,840 2'588,400 615,360 359,900 16,800 88,615 1'234,100 355,000 40,710 15,340 108,,240 46,200 1'3~,950 226,320 165,600 58,500 0'715,257 0'715,258 46.66 376,884 412,032 423,342 432,521 438,524 438,567 379,929 441,273 419,184 445,049 1'373,700 1'797,780 3'100,230 3'158,940 3'201,120 3'236,460 3'202,260 3'670,800 3'898,800 4'149,600 32,560 33,440 40,832 42,240 42,240 25,520 42,592 42,592 37,840 11,440 1'306,200 1'381,800 1'023,750 1'029,525 1'041,600 1'364,475 1'228,500 923,055 1'149,435 1'157,415 948,480 1'029,120 840,960 876,800 848,640 832,000 829,440 1'004,992 93 5,()40 916,800 2'928,120 3'070,080 3'164,120 3'1 53,280 3'144,440 3'140,800 3'584,880 3'534,544 3'485,872 3'740,464 660,000 750,000 726,120 804,720 836,400 769,920 775,296 681,552 827,280 SS1,328 673,440 738,10C 779,580 896,700 874,74( 900,366 924,760 1'026,020 1'049,688 1'088,362 17,675 14,700 12,425 6,650 9,275 4,550 6,720 2,345 2,310 2,170 329,430 256,355 322,715 271,760 344,835 249,640 250,430 243,71 S 262,280 288.903 1'234,100 1'084,040 1'069,280 1'086,500 1'164,400 1'023,770 1'278,380 1 '198,512 1'257,798 1'267,8!i4 316,250 292,500 337,500 356,000 284,000 280,500 319,000 357,000 309,250 294,150 43,070 42,480 52,687 65,490 62,540 61,360 45,253 44,899 59,295 43,129 32,45() 36,875 41,300 47,200 49,265 63,720 66,670 69,620 63,425 68,735 145,960 169,740 256,250 269,780 272,650 250,000 246,410 200,736 200,408 194,094 52,950 50,'610 59,640 78,960 73,290 86,730 79,800 93,072 84,756 65,562 1'421,200 2'051,500 2'171,400 2'096,600 2'118,600 2'139,500 2'040,500 2'157,210 1'814,560 1'55!i,370 306,680 374,740 398,520 410,000 427,220 448,540 442,800 544,398 571,622 561,290 224,400 274,200 291,600 300,000 312,600 154,200 256,380 188,400 257,480 328,200 3,900 18,525 7,800 15,600 31,200 64,350 64,350 19,500 19,695 20,085 2'445,089 ~3'802,64 15'050,836 15'40] ,504 14'51 J .243 15'784,089 16'062,857 6'580,453 16'437,270 16'692,642 4'144,596 15'508,401 16'548,609 17'769,445 16'325,730 17'669,940 17'213,028 17'225,169 17'157,038 17'513,257 59.84 62.15 63.34 66.32 58.97 64.02 62.78 63.15 63.60 64.06 2. PeCUJ\ria Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Aves Total 3. Agr >pecuaria (1 + 2) 7'956,720 7'956,720 7'956,no 8'012,232 7'679,160 7'734,672 7'660,656 8'918,928 8'983,692 2'520,960 2'631 ,504 2'627,til (l 2'579,136 2'482,176 2'474,904 2'474,904 3'456,624 2'278,424 960,00( 960,000 979,200 979,200 969,600 960,000 998,400 1'056,000 1'012,800 1'670,400 1'503,360 1'495,008 1'495,008 1'428,192 1'386,432 1'394,784 1'430,700 1'515,880 864,000 885.600 900,000 612,000 900,000 669,600 612,000 802,80< 812,160 326,400 208,800 210,816 215,616 217,920 329.280 244,800 250,560 250,560 14'298,080 14'5,98~ 14'169,360 14'181,192 13'446,648 13'497,288 13'385,544 H'9H,612 14'953,516 - - 8'586,852 9'122,472 9'196,488 9'252,000 2'390,064 2'432,724 2'431,272 2'431,752 14'65,0~ - - - - 1'032,000 1'067,520 1'082,880 1'100,160 1'561,824 1'616,112 1'628,640 1'629,480 828,000 842,400 807,120 806,400 252,864 255,360 254,208 260,160 15'336,588 15'399,888 15'480,6?2 28'071,465 25'652,213 26'999,163 27'515,241 25'618,054 24'212,546 27'530,140 31'424,013 31'502,125 32'421,049 31 '662,318 33'069,828 32'693, 700 J REQUERIMIENTOS ANUALES AGROPECUARIOS DEI'ARTAMEN:l'O DE- CUZCO 1(1964-1979) Actividad : 1964 1965 1966 1967 1968 155 1. Agrícola Pastos Achiote Cacao Café Coca Té Arroz Cebada. Maíz Quinua Trigo Plátano Haba Oca y olluco Papa Yuca Sub-total Tobll Por Ha. 98,164 11,500 69,600 87,000 23,000 138,000 207,000 2'340,000 1'560,000 1'287,000 1'624,480 1'619,200 1'544,800 213,000 213,000 215,840 21,200 19,080 8,480 1'020,000 943,500 655,350 3'036,000 2'976,640 1'947,000 22,050 15,120 31,500 . 495,000 279,900 585,000 47,430 . 131,580 142,290 173,040 235,200 165,440 130,560 91,200 182,400 3'658,000 3'658,000 2'790,000 64,130 47,965 95,400 13'288,470 1'871,520 9'540,269 14'101,568 p '251,196 10'208,094 ~2'1,359 108.56 108.68 102.41 2. Pecuaria Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Aves Total 4'032,000 5'085,000 2'232,000 672,000 1'002,24{) 86,400 101,760 13'211,400 3. AjJ'opecuaria (1 + l) 27'312,968 22'481,212 23'700,454 H'700,29S 22'093,756 ~5'08,9 19,320 99,912 60,900 69,60C 138,00( 1'287,000 1'544,800 213,000 10,600 668,100 2'006.400 14,805 271,800 142,290 174,720 129,600 2'752.800 50,350 9'573,777 4'032,000 4'176,000 5'337,216 5'329,000 2'232,000 2'268,000 672,000 6n,ooo 835,200 835,200 86,4{)0 144,000 67.200 68,160 9'230,016 13'492,360 120.67 116,380 80,910 80,SOC 1'326,000 1'390,4{)0 245,660 102,820 499,800 1'655,286 14,175 1.71,006 128,520 131,640 127,686 2'033,600 56,710 8'161,075 8'935,060 100.82 4'204,800 4 1032,000 5'369,760 5'117,544 2'268,000 2'376,000 614,000 672,000 843,552 860.256 144,000 108,000 69,120 67,200 3',87,936 13'H8,696 1969 1970 1971 1972 -1973 1974 109,94{) 113,804 118,956 119,416 115,092 87,000 97,440 110,050 95,700 87,000 96,831 80,50C 94,30( 115,000 172,500 149,500 187.450 1'326,000 1'528,800 1'872,000 1'872,000 1'872,000 1'872,000 1'601,600 1'724,800 1'619,200 1'760,000 1'795,200 1'795,200 242,820 242,820 285,420 356,420 356,420 391,920 90,100 99,640 69,960 63,600 63,600 42,400 516,120 773,670 587,010 605,880 615,825 519,435 2'098,800 2'046,000 2'105,400 2'537,040 2'464,440 2'278,320 26,'1-60 8,505 20,790 44,415 24,570 28,350 201,600 193,500 177,300 252,000 239,400 233,100 114,750 H7,700 166,710 171,360 176,715 185,130 203,280 325,080 314,160 302,400 318,780 316,680 161,760 345,600 220,800 254,400 234,240 361,440 2'771.400 2'988,400 2'616,400 2'715,600 2'658,560 2'813,560 60,950 111,300 106,000 116,600 111,300 113,950 9'682,040 10'858,566 10'495,046 11.362,245 1'131,055 11'364,882 0'836,225 12'155,019 12'119,022 2'469,858 12'630,635 12'896,239 ~1'052,8 105.15 101.83 103.94 105.54 104.90 106.04 98,900 4'608,000 4'752,000 5.242,4{)0 5'329,000 5'329,080 5'329,000 2'340,000 2'952,000 2'412,000 758,400 902,400 988,800 960,480 943,776 851,904 180,000 176,400 180.000 76,800 86,400 115,200 4'2,2,760 15'145,656 H'2U,784 ~ 1975 1976 1977 -- 1978 1979 115,000 115,000 96,582 80,793 71,096 95,700 105,183 104,400 104,400 97,440 201,250 195,500 253,000 276,000 299,000 2'028,000 2'106,000 3'120,000 3'354,000 3'744,000 902,880 902,880 875,600 897,600 924,000 427,420 470,020 426,000 355,000 376,300 71,020 36,040 65,720 68,900 72,080 482,460 296,285 46;1,040 267,685 268,1 so 1'774,080 1'933.800 2'539,680 2'530.704 2'537,040 37,800 44,100 21,735 20,160 21,105 240,300 237,375 268,425 246,150 247,500 194,310 194,310 156,060 155,601 155,295 260,400 260,400 194,460 196,560 196,560 412,800 412,860 412,800 427,200 427,200 2'876,800 2'802,400 2'827,200 2'827.200 2'828,440 121,900 116,600 111,406 101,919 105,046 0'208,880 10'248,890 f11'942,984 1'927,4~ 2'368,812 1 11'541,348 ~2'704,9 ~2'6n,9o 13't6o,s98 102.28 100.98 108.94 109.32 111.52 5'328,000 5'479,960 5'412,960 5'342,400 5'356,800 6'142,680 6'224,000 6'346,080 6'346,080 6'346,080 2'952,000 3'038,400 3'074,400 3'067,200 3'081,600 996,480 948,480 948,480 964,800 960,000 810,144 835,200 835,200 822,672 822,672 197,640 201,600 202,320 203,040 196.560 86,400 86,400 87,360 87,168 89,664 6'512,264 ~6'809,32 16'906,080 6'827,488 6'84,92~ 27'300,675 17'334,806 28'982,112 29'439,955 29'802,319 27'879.670 28'4()6,272 IR-EQUERlMIENTOS ANUALES - AGROPECUARIOS: VEP.ARTAMENIO DE HU.I\"NCAV_ELICA. (19.6_4-19791 1 Actividad 1. AFÍcola Cebada Maíz Quinua 156 Trigo Arveja Haba Frijol Pallar Oca y olluco Papa Vuea Sub-total Total Por Ha. 1?64 196.5 1966 1967 448,000 558,000 18,90( 425,600 560,000 558,000 24,57( 588,000 558,000 19,53( 287,000 198,000 117,000 34,000 582,800 12,60( 287,000 246,000 258,300 145,200 150,480 153,780 132,600 145,080 177,840 30,000 6,400 8,000 1,230 2,050 1,640 2,460 62,400 62,400 49,920 62,880 2'074,000 1'952,000 2'196,000 2'196,000 124,200 920 3'922,730 3'632,250 3'?38,090 4'024,790 4'393,124 5'560,618 7'753,698, 4'803,687 92.78 92.00 163.75 97.61 1968 1969 1970 651,000 673,400 634,760 759,500 1'091 ,200 1'072,600 22,365 22,68{ 21,735 389,500 241,900 221,400 321,750 206,580 216,1 so 227,760 248,430 262,080 24,800 132,800 120,400 3,280 820 820 170,880 153,600 140,160 3'220,800 3'818,600 3'599,000 2,300 1,840 5'791,365 6'592,230 6'289,105 6'.500,583 7'306,377 6'965,911 94.78 95.78 95.35 - 1971 540,400 1'029,200 21,420 188,600 183,480 229, 320 110,000 1972 1973 1974 1975 1976 516,460 420,000 352,800 394,100 396,200 988,900 1 '010,600 1 ' 116,000 1'209,200 1'040,980 6,306 6,930 6 ,930 9,135 8,820 197,825 291,71 S 305,860 234,725 241,080 191,400 219,450 220,440 166,320 161,040 221, 520 229,710 221,910 169,260 180,960 60,000 31,200 23,600 54,000 42,000 820 205 205 205 1+6,880 136.880 130,080 140,160 3'391,600 2'281,400 2'135,000 2'244,800 1,380 1,380 920 920 5'843,100 4'602, 190 4'475,810 4'633,625 6'S03,9S7 5'021,489 5'002,241 S'1 S4,258 95.62 91.85 87.86 88.64 Caprinos Avts Total 3. AFopruiU'ia (1 + 2) - ------ 417,200 411,600 962,860 1 '010,290 8,820 8,820 241,900 170,940 184,860 30,000 1979 408,800 998,510 8,820 239,03 0 191,664 182,.520 23,600 205 89,280 2'440,000 1 1 3'047 ,760 3'047,760 3'047,760 2'709.120 2'709,120 2'624.460 2'624,460 2'539,800 2'607,52.8 2'692, 188 2'793,780 2'709,120 2'675,256 3'04&,000 3'578,400 3' 57 8,400 3'578,400 3'578,400 3'621 ,000 3'621,000 3'493,200 4'047.000 4'174,800 4'686,000 4'686,000 4 '686.000 2'916,000 2'916,000 2'880,000 2'880,000 2'808,000 2'818,000 2'818,800 2'628,000 2'628,000 266,400 2'685,600 2'692,800 2'700,000 672,000 672,000 672.000 672,000 672,000 672,000 672,000 624,000 643,200 647,040 643.200 624,000 624,000 751 ,68( 751.68( 751,68( 751 ,68< 751.680 709,92( 709.92( 709,920 584,640 601,344 615,54( 609,696 617,208 936,000 1'008,000 1'080,000 1'080,000 J '080,000 1'080,000 1'080,000 1'116,000 1'260,000 1'274,400 1'296.000 1'317,600 1' 332,000 65,280 61,824 62,400 67,200 67,200 67,200 67,200 67,200 61.440 67,200 67.200 67,584 67,776 11.436,720 2'035,280 12'071,664 11 ' 73 3,600 11'666,400 11'593,380 1' .593,380 11' 178,120 ~1'837,56 9'723.372 12'780,876 ~2'71,64 12'702,240 15'829,844 7'595,898 19'825,362 16' 537.287 18'166,983 18'899,757 18'559,291 17'682,077 16'859,057 4'725,613 17'935,134~7'1,64 1978 235,750 186,450 187,980 39 ,400 205 287 20S 205 149,760 152,160 100,800 96,000 1'923 ,940 2'098,400 2'131.950 2'231 ,380 460 4'142,805 4'310,227 4'249,535 4'407,875 4'582,429 5'004,520 4'691,884 4'586,572 4'571 ,251 4'582,429 . 87.39 70.18 70.00 70.64 72.23 2. Pecuaria Vacunos Ovinos Auquénidos Equinos Porcinos 1977 -- - 17'394,124 IREQUERIMIENTOS ANUALES- AGROPECUARIOS EPARTAMENTO DE HUANUC(j (19M-t919) Actividad 1. Agrícola Pastos Cacao Café Coca Nar•njo Maíz Quinua Trigo Plátano Arveja Frijol Haba Oca y olluco Papa Yuca Sub-total Total Por Ha. 2. Pecuaria Vacunos Ovinos Auquéoidos Equinos Porcinos Caprinos Aves Total ---·-- -- - - - - - · - 1965 160,080 135,600 508,200 704,000 121,440 113,000 512,40C 651,20C 94,400 36,000 220,000 1'505,000 4,500 352,000 321,600 32,500 85,500 225,000 57,400 2'006,000 100,700 6'548,480 7'109,906 86.37 112,110 31,50( 17,60( 1'338,160 3,600 308,000 328,000 24,050 78,300 55,000 101,140 1'770,000 86,920 6'655,410 6'230,365 84.06 2'823,360 2'224,200 21,600 480,000 1'586,880 180,000 80,640 7' 396,680 2'939,616 2'426,400 21,600 672,000 1'586,880 216,000 S3,760 7'916,256 2'989,44( 2'426,400 7,200 691,200 1'586,880 216,000 53,760 7'970,880 14'506,586~4' 1 '- 1966 240,120 113,000 467,040 633,600 70,725 112,110 40,500 162,800 1'444,800 4,050 318,560 337,600 15,600 80,550 59,000 113,980 1'829,000 96.160 6'139,785 6'736,189 82.74 - - Té Arro1 Cebada 3. AgroP'<:euaria (1 + 2) 1964 46,21 1967 1969 281,196 113,000 450,240 616,000 71,875 112,100 45,000 165,000 1'·565,200 4,500 332,200 345,600 33,150 84,600 59,000 107,420 1'1!88,000 102,090 6'376,771 6'7H,986 81.56 463 ,68C 100,740 541,800 660,880 79,350 113,752 139,950 178,200 1'450,820 4,275 231,380 287,200 42,900 43,425 57,500 165,640 1'947,000 107,830 7'716,332 7'826,007 80.53 3'022,656 2'426,400 7,200 691,200 1'586,880 216,000 54,720 8'005,056 3'072,480 2'426,400 7,200 604,800 1 '503,360 230,400 56,640 7'901,280 14'707 ,069 p4'739,042 ~5'72 ------- 1968 - -- 7 ,28 507,84( 1970 1971 488,52( 1973 1974 1975 1976 553,560 704,000 98,210 123,900 146,700 133,320 1'358,800 10,800 208,560 547,200 37,700 134,550 59,750 173,840 2'442,600 158,260 8'566,584 9'n8,636 86.55 771,696 177,410 574,980 679,980 721,600 809,600 77,050 83,375 129,800 141,600 189,900 150,300 151,360 220,220 1'487,800 1'462,000 13,050 9,000 274,340 229,240 498,800 416,800 59,800 40,300 114,300 95,400 76,250 66,250 380,890 231,650 2'885,100 4'071,000 145,140 136,530 8'348,580 9'831,951 9'612,323 10'817,158 81.16 82. 18 480,516 151,646 679,980 792,000 83,375 76,700 180,000 250,360 1'603,040 6,750 233,640 424,800 23,400 111,600 19,000 231,240 3'091,600 .., 131,200 8'572,826 8'676,621 82.64 469,476 151,872 680,400 809,600 83,375 74,340 440,100 264,800 1'479,200 4,500 247,060 449,200 26,325 22,950 21,750 221,400 3'138,000 123,820 8'714,168 9'499,612 87.02 473,340 156,279 680,400 809,600 83,720 76,700 159,300 288,200 1'449,100 5,400 251,460 457,200 29,250 112,050 29,250 188,600 3'115,200 123,410 8'568,539 9'296,339 84.13 478,860 156,279 680,400 809,600 83,720 70,800 81,000 275,000 1'371,700 4,900 265,100 482,000 22,750 110,700 41,500 180,400 2'655,000 115,620 7'885,379 8'764,510 85.89 2'923.008 2'842,932 7,200 604,800 1'503,360 216,000 72,960 8'170,260 2'989,44C 2'842,932 7,200 604,800 1'336,320 216,000 87,360 8'08 4,052 2'728,692 3'199,608 10,800 552,000 1'148,400 278,640 93.120 8'011,26 0 2'443,032 3'207,300 12,240 552,000 1'165,104 284,400 95,808 7'759 ,884 2'494,524 3'207,300 14,400 552,000 1'184,316 283,680 98,304 7'834,524 2'491,200 ' 2'474,592 3'206,892 3'206,992 14,400 14,400 552,000 550,080 1'181,808 1'184,316 304,560 320,400 110,592 118,080 7'861,452 7c868,760 1 67,0 1~ 169,50( 3'271,776 3'166,452 5,760 580,800 1'185,984 216,000 109.440 8 ' 536,212 7 p 7'748,896 17'696,375 ~ 9'35,70 -------- 1972 ----- -------- ---·' - - - 474,720 158,700 680,400 809,600 83,720 70,800 109,800 272,800 1'212,600 6,750 161,920 481,600 23,400 110,250 41,000 155,800 2'797,190 127,100 7'778,150 8'523,553 83.99 16'687,881 7' 259,556 7'130,863 6'625,962 6'392,313 --·--- ~ - - · --- --- - 1977 492,660 158,700 294,000 1'584,000 67,160 70,800 67,500 262,196 1'180,092 9.225 116,600 481,600 45,175 109,575 37,700 219,760 2'817,840 128,084 8'142,667 8'498,443 86.42 1978 514,740 161,000 294,000 1'760,000 67,160 70,800 56,700 248,776 1'058,058 9,450 95,040 481,600 37,700 113,490 41,600 225,500 2'814,300 127,100 8'177,014 8'533,404 87.18 1979 534,060 161,000 294,000 2'112,000 67,160 71,390 54,000 218,020 1'113,270 7,425 117,920 481,600 33,475 119,025 39,250 201,310 2'702,200 131,282 8'458,387 8"807,663 88.38 1 REQUERIMIENTOS ANUALEs-AGROPEC-UARIOS -- Actividad .EPARIAMENTO..DE lCA (1964-1979) - 1964 1965 64,350 58,500 16,500 1966 19.67 1968 1969 1970 J971 1972 1973 1974 1975 1976 1977 1978 1979 l. Agrícola ' Pastos Mango Manzano Naranjo Olivo Palto Pecano Vid Maíz Man{ 158 Melón Plátano Sandía Cebolla Tomate Zapa.llo Arveja Frijol Garbanzo Pallar Camote Papa Algodón Sub·total Total Por Ha. - - -- - 9,720 7,920 12,600 192,500 H0,800 15,840 151.250 367,500 9,240 38,800 13,500 6,930 - - - 16,200 - - 4,200 1,800 11,800 29,600 - - 54,210 18,348 19.824 89,474 15,624 6,666 930 170,720 296,100 7,920 5,335 9,720 2,830 4,800 29,500 7,280 7,600 213,840 540 7,600 12,160 228,800 233,200 10,260 10,800 114,400 124,800 252,200 16,650 22,200 17,760 45,54<> 118,800 92,400 4'410,000 4'340,700 3'685,500 5'537,44{) 5'505,980 4'967,261 5'869,341 5'816,007 .5'237,488 57.47 57.91 57.36 56,940 51,615 61,425 64,935 66,690 58,890 54,435 59,963 59,475 48,165 59,865 88,288 50,895 18,573 13,860 22,176 26,400 23,760 23,100 23,430 26,070 23.760 23,760 22,440 22,440 23 . 100 25,032 23,576 23,576 21,000 25,816 25,816 25,256 25,256 24,976 26,096 3,920 21,952 24,416 84,162 84,079 124,860 124,860 91,383 66,483 91,881 95,U3 99,683 64,823 99,683 91,383 85,573 14,508 14,400 12,600 12,600 15,264 22,572 23,400 22,860 21,600 15,804 21,600 21,600 21,600 7,755 9,636 11,286 11,220 13,530 12,639 12,837 12,705 13,233 13,299 13,200 13,365 13,365 990 1,800 1,800 1,800 2,100 2,730 4,860 1,100 5,580 5,400 7,500 9,600 . 6,150 287,375 247,500 200,750 176,935 290,950 242,000 264,000 280,500 286,000 288,750 289,300 289,575 289,850 1 409,500 400,680 4:26,300 358,680 404,040 422,310 378,000 395,430 501,060 669,270 669,270 427,770 297,444 13,200 7,920 13,200 7,920 6,600 8,250 7,920 9,240 14,190 7,260 5,940 3,300 12,610 14,550 11,640 11,15 5 18,430 13,580 12,610 17,460 9,700 17,460 14,550 12,610 11,155 7,020 21,510 6,750 5,940 7,020 11,880 11,880 9,180 4,860 4,860 8,100 9,180 8,100 4,630 8,410 11,310 7,250 9,860 11,890 13,920 16,530 17,400 17,400 14,500 9,715 15,950 7,200 4,200 5,100 2,400 3,600 3,900 1,200 9,000 4,800 6,000 5,400 3,600 2,400 33,040 56,640 30,680 40,710 40,120 44,840 41,300 35,400 33,040 33,040 55,460 41,300 45,430 13,000 6,500 5,200 8,320 7,020 13,520 14,170 15,860 16,900 15,600 10,400 9,100 7,800 10,640 16,150 19,160 16,530 15,390 21,280 16,720 15,390 15,960 15,770 9,880 7,980 11,780 167,420 198,000 228,800 195,800 220,000 191,840 136,400 118,800 132,000 110,440 88,000 259,600 104,720 11,880 1,890 6,210 6;480 4,590 18,630 9,180 12,285 19,170 17,280 ll,HO 9,180 570 418,600 262,200 425,100 271 ,960 268,840 342,160 286,780 309,920 297,180 429,000 335,920 288,080 259,480 17,020 20,720 26,640 16,650 20,720 14,800 23,310 24,050 24,050 22,940 16,650 19,610 22,940 47,850 54,780 76,890 106,590 142,230 176,880 136,950 130,020 ,. 66,000 52,140 99,330 150,150 178,200 3'654,000 3'483,900 3'376,800 3'150,000 2'992,500 2'993,44-5 3'073,140 3'095,820 2'903,355 2'094,435 2'633,211 2'927,610 3'042,522 5'352,238 4'904,903 5'123,138 4'749.496 4'548,161 4' 707,617 4' 708,393 4'768,744 5' 121,763 4'143,142 4'531,068 4'549,994 4'444.656 ¡ 6'370,829 .5'248,556 S'51Z,903 5'198,767 5'008,238 4'944,062 4'974,2.52 5'147,503 5'606,552 4'565,646 5'009,006 4'863,116 4'684,305 ' 56.31 56.02 55.98 56.99 56.29 60.71 63.22 57.07 53.18 55.60 57.31 55.41 55.73 1 2. Pecuaria Vacunos Ovinos Au<¡u énidos Equinos Porcinos Caprinos Aves Total 96,000 134,400 134,400 134,400 83,520 75,168 75,168 167,040 288,000 288,000 288,000 302,400 37,440 48,000 33,216 34,368 1'145,616 1'089,960 1'0112,760 1'100,232 3. Agropecuaria (1 + 2) 7'014,957 6'905,967 6'320,248 7'471.061 6'410,936 6'652,699 6'402,247 6'414,746 6'917,258 7'071,108 7'368,943 7'901,144 6'882,114 495,600 50,976 - 495,600 55,224 -~- - 495,600 55,224 - - - 495,600 55,224 - 460,200 453,120 502,680 543,744 531,000 528,168 495,600 518.256 453.120 106,200 157,596 169,068 168,216 168,216 70,092 72,216 135,936 70,092 7,200 5,160 12,600 13,320 13,320 13,320 13,320 13,320 14,400 124,800 115,200 115,200 105,600 111,360 J17,120 122,880 121,920 120,960 157,020 299,004 299,004 307;356 299,004 299,004 83,520 108,576 108,756 664,560 680,400 680,400 673,200 324,000 302,400 324,000 360,000 641,520 384,672 489,732 513,600 58,368 77,568 115,968 211,968 269,376 327,000 1'162,380 1'139,796 1'203,480 1'406,508 1'973,196 2'096,856 2'221,440 2'294,.592 2'316,468 1 iR.E qUERIMIENTOS ANUALES AGROPECUARIOS DEPARTAMENTO DE IUNJN ().964-1979) Actividad 1964 196!1 - 1968 1967 1966 1969 1970 1971 1972 1973 1974 197S 1976 1977 1978 1979 1 159 1. A¡ricola Pastos Achiote Ca.f é Coca Cltricos Palto Arroz Cebada Maíz Qu inua Trigo Papaya Piila Plátano Alcachofa Cebolla Col Lechuga Zanahoria. Arveja verde Arveja seca Frijol Haba Oca y olluco Papa Yuca Sub·total Total Por Ha. 2. Pecuaria Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Aves Total 3. Agropecuaria (1+ 2) 148,320 327,600 180,000 144,720 119,880 217,620 331,200 325,080 311,400 304,200 296,280 306,000 313,200 324,000 328,320 340,200 ' 17,400 14,442 14,529 19,836 20,880 22,620 20,880 7,830 21,750 7,830 7,830 8,439 1,305 8,004 7,047 6,525 1 3' 892,000 3'892,000 5'656,605 8'186,266 5 881,368 5' 700,668 5'144,668 5'422,668 5' 061,685 5'214,585 5'242,385 4'936 ,585 5'004,000 7' 044,500 7'141,000 7' 527,000 8,800 8,806 15,664 16,720 15,840 15,840 10,560 10,560 5,280 5,280 1,760 1,760 15.840 10,560 1.760 14.608 800,442 795 ,318 677,100 183,650 283,650 843,813 844,728 830,088 823,866 869,433 848,388 823,500 867,420 453,291 770,247 779,763 424,080 114,000 95,760 150,252 152,190 200,640 424,080 424,080 436,050 441,750 447,450 295,830 295,830 295,032 294,348 295.716 119,460 128,510 68,780 9,050 54,300 70,590 97,740 117,650 90,500 90,500 61,540 54,300 68,780 101,360 69,504 66.789 457,450 457,450 727,650 525,000 532,000 943,950 940,100 905,625 796,425 778,750 765,100 719.250 756,000 702,800 562,100 601,650 525,200 565,760 767,000 759,200 748,280 715,000 716,040 693,160 780,000 743,600 769,600 697,840 1'014,000 1'116,700 1'126,112 1'082,796 21,600 50,400 50 ,400 46,800 43,200 42,480 144,000 36,000 66,240 65,880 36,000 61.920 43,200 46.800 43,920 41,760 40,000 50,000 52,000 51,000 109,000 134,000 129,000 118,000 86,200 89,900 96,800 90,000 91,110 90,500 93,250 93,500 78,864 78,016 85,754 84,800 79,500 78.440 102,820 111,300 128,260 160,060 160,060 132,394 125,716 128,684 254,600 53,600 61,640 . 64,990 9'7,820 201,000 160 ,800 151,420 150,080 152,760 159,460 160,800 154,100 143,916 134,000 313,775 35,105 448,910 472, 780 885,000 169,400 472,780 471,240 401,940 403,865 411,180 442,750 404,250 358,820 359,590 358,050 15,040 15,360 17,920 4,480 3,840 4,480 3,840 2,560 1,920 2,240 3,200 1,920 1,600 1,280 252,175 288,855 315,055 196,500 131,000 183,400 167.680 288,855 262,000 224,010 163,370 227,285 182,090 167,680 321,605 192,570 41,500 34,000 29,000 27,500 35,000 38,500 30,000 24,500 25,000 25,000 23,000 21,000 23,000 19,500 17,000 44,010 76,610 70,090 86,390 123,880 108,395 116,700 124,695 159,740 141,810 127,140 117,360 109,210 122,250 132,820 130,500 128,760 72,500 74,820 66,700 77,140 75,980 105,%0 106,720 90,4 80 68,440 87,000 78,880 93,600 81,510 88,920 109,980 187,200 249,600 247,260 321 ,360 257,400 237,900 192,270 191,880 202,410 179,400 171,210 96,900 98,040 102,030 229,140 283,575 287,280 267,045 229,140 270,750 224,010 200,640 199,500 176,700 183,540 186,960 78,400 77,910 57,330 35,770 48,020 93,100 91 ,140 68,600 66,150 66,150 39,200 115,885 117,600 123,970 116,718 116,865 48,816 130,410 133,380 158,820 297,540 359,910 359,100 323,190 322,380 138,456 320,320 285,660 289,440 334,530 329,670 340,200 353,400 411,060 441,750 522,66() 554,Z80 534,750 455,700 446,400 434,310 334,800 344.100 309,690 316,200 293,880 275,280 258,540 3'090,000 3'090,000 3'562,770 3'7H,1SO 4'9 74,900 6'005,415 6'952,500 6'973,100 4'635,000 4'686,500 4'562,900 3'472,130 3'584,400 3'450,500 3'556,590 3'460,800 177,560 215,740 216,200 208,380 243,340 243,340 195,500 192,280 224,020 552,000 276,000 214,360 170,660 153,732 159,160 235,980 11 '775,256 10'275,456 12'851,770 17'180,705 16'150,965 18'126,566 19'256,676 18'939,391 15'773,491 15'916,668 15'762,355 13'994,689 14'606,560 16'320,861 6'271,105 16'565,770 16' 492,919 18'298,567 17'192,864 14'924,560 15'700,01S 16'880,085 16'819,097 17'162 ,301 13'503,762 12'178,344 13'036,359 18'346,151 17'457,519 19'984,943 21'328,601 ~0'927,54 126.73 91.66 88.21 87.90 95.41 88.39 89.96 88.90 88.33 88.69 88.84 87.13 105.76 99.13 97.49 99.82 - - - 3'645,720 3'645,720 3'549,780 3'549,780 4'029,480 4'048,668 4'048,668 4'317,300 4'146,528 4'156,128 4'154,208 4'144,608 4'144,608 3'681,680 3'964,800 3"964,800 3'964,800 4'106,400 4'531,200 4'817,232 5' 667,960 5'130,408 5'002,440 4'960,248 4'960,248 4'974,408 486,000 28,800 324,000 324,000 324,000 439,200 S18,400 522,000 522,000 511,400 482,400 482,400 482,400 700,800 720,000 720,000 710,400 710,400 737,280 708,480 710,40() 672,000 758,400 718,q8o 719,040 710,400 773,400 668,160 835,200 843,552 843,552 843,5S2 835,200 790,104 784,248 835,200 851,904 778,404 784,248 144,000 72.000 86,400 86,400 108,000 144,000 144,000 158,400 165.600 154,800 151,200 1'44,000 144,000 80,640 142,080 168,000 115,200 59,520 59,!120 62,400 153,600 167,040 167,040 167,040 202,560 201,792 8'883,480 9'616,440 9'539,700 9'580,884 10'353,672 10'905,900 11'283,852 12'405,180 11'6 30,208 11'494,884 11'409,460 11'422,620 11'441,856 22'387,242 ~1'794,8 ~2'76,059 ~7'?2,035 ~7'81,9 30'890,843 32'612,453 33'332,754 28'123,127 ~9'73,451 -- - - ---------------- - - - - - - - - - - - - L_ _ _ _ _ _ _ _ _ _ _ _ 28'602,324 26'347,180 27'141,871 - - - - - - - - - - - - ------ REQUERIMIENTOS ANUALES AGROPECUARIOS DEPARTMvtENTO DE LA LIBERTAD -. (1964-12.79Y Actividad 1. Agrlcola Pastos Café Coca Mango Olivo Palto Arroz Cebada Maíz 160 Sorgo Trigo Plátano Sandía Ají Cebolla Tomate Zapallo Arveja Frijol liaba Lactao Lenteja Garbanzo Za.rr.ndaja Camote Papa. Yuca Algodón Caña de azúcar Sub·total Total Por Ha. 1964 1965 2.59,920 55,000 165,440 222,300 24,200 158,400 - - 5,.500 4,750 19,200 2'572,.500 1'995,000 660,000 855,250 2'240,000 2' 268,800 19,760 45,500 1'380,000 1'518,000 103,000 164,800 7,560 7,410 12,540 4,270 14,640 21,560 49,000 - - - - 117,600 341,700 141,600 118,020 253,930 96,760 - - 58,500 56,250 42,230 46,740 78,100 50,410 55,500 62,160 2'152,500 2'775,000 190,400 126,000 365,700 310,500 1'074,500 940,000 12'075,940 12'221,760 13'505,064 14'880,019 71.37 70.05 l. Pecuaria Vacuoos Ovinos Equinos Porcinos Caprinos Aves Total 3. Agr<>pecuaria (1+ Z) 4'255,200 2'637.840 480,000 1'2 52,800 1'080,000 163,200 9'869,o40 - :23'374,104 ~4 4'255,200 2'737,896 624,000 1'002.240 1'080,000 82,560 9'781,896 '61,95 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 188,955 199,21S 209,646 207,252 205,884 206,739 200,498 198,360 198,360 223,155 223,839 18,700 2,420 17,660 16,500 14,410 14,410 20,900 20,900 20,900 20,900 18,700 117,040 146,080 151,360 H8,720 148,720 148,720 149,600 144,320 140,800 118,800 148,720 7,854 7,755 7,887 8,052 8,745 8,7711 4,785 5,907 7,128 7.524 3,960 7,500 5,500 5,500 14,352 18,240 17,760 20,592 20,736 21,168 29,328 13,150 19,296 13,104 13,920 729,750 1'638,525 2'693,250 2'599,800 2'203,425 2'205,000 2'205,000 2'337,825 2'369,850 2'436,525 2'713,725 720,500 1'127,500 1'090,650 1'087,075 1'067,000 1'122,000 1'007,875 1'058,750 1'078,000 1'058,750 1'158,850 2'021,760 1'977,600 1'507,200 1'840,000 1'840,000 1'626,240 1'956,480 1'733,120 1'748,480 1'824,000 1'925,760 74,100 42,640 780 6,630 1,300 4,680 28,080 50,310 55,380 44,460 36,400 1 '560,000 1'602,000 1'452,300 1'468,800 1'585,800 1'635,000 1'.593,900 1'514,100 1'456,800 1'476,000 1'494,300 158,620 141,110 145,230 133,900 127,720 127,720 124,630 127,720 127,720 167,890 126,690 6,750 4,860 8,100 10,800 2,700 9,180 7,020 7,560 3,510 3,510 8,910 10,830 8,835 8,835 10,260 14,250 16,530 15,390 15,390 15,390 14,535 9,690 21,350 15,55 5 21,045 15,250 18,300 9,760 8,845 13,115 10,065 20,435 19,21 S ?3,810 64,680 51,450 87,710 101,430 67,130 61,250 69,090 52,420 60,760 98,000 4,550 6,650 7,875 7,350 7,000 4,55() 3,850 4,025 4,02.5 4,200 4,550 84,000 88,200 90,552 78,372 63,252 70,812 109,872 114,240 130,200 125,580 93,240 266,660 161,135 248,905 263,645 343,040 320,930 330,310 276,375 373,860 378,550 292,455 80,240 66,080 35,165 74,340 96,160 99,120 51,035 54,57 S 77,880 59,295 9,250 27,010 48,100 22,200 21,830 21,090 39,960 30,320 .51,800 49,950 106,375 28,575 18,225 17,100 96,300 16,875 20,725 13,500 18,050 29,250 33,750 35,550 12,300 15,580 14,350 8,200 10,250 12.300 30,750 28,700 90,200 68,870 102,970 134,900 93,010 133,480 157,975 122,120 109,695 103,660 73,840 64,610 43,660 18,870 37,000 34,595 32,930 46,435 38,850 44,955 41,440 56,055 50.690 2'560,000 2'643,000 2'068,500 2'118,000 2'328,000 2'265,000 2'219,250 2'292,250 2'074,500 2'406,000 2'314,500 109,440 145,040 161,000 134,400 143,420 140,560 127.400 76,440 89,600 146,160 149,520 110,440 45,R8S 20,700 6,900 4,830 7,590 27,600 20,700 8,280 1'180,750 1'060,000 1'079,500 922,250 999,500 1'027 ,250 1:032,000 1'096,000 1' 165,500 1'246,500 1' 188,000 2'5.56,319 12'869,056 9'104,654 10'443,123 13'017,252 10'615,644 11'657,029 10'965,090 11'318,753 11'920,605 12'071,951 4'678,9, 15'139,499 11'039,.514 12'478,385 15'268,001 12'686,425 2'960,055 12'344,H9 :no5,088 12'689,040 12'890,776 71.24 67.57 69.66 76,59 66.48 70.00 71.18 69.50 70.33 70.29 7062 - - 4'255,200 2'733,348 672,000 985,536 1'080,000 83 ,.520 9'809,604 4'2S5,200 2'733,3 48 672,000 1'027,296 1'080,000 86,400 9'8.54,244 - - - - - 4'042,440 4'042,440 4'042,440 3'872,232 2'660,580 2'624,196 2'264,196 2'540,172 864,000 940,800 940,800 940,800 1'027,296 985,.536 985,536 876.960 756,000 720,000 1'080,000 972,000 149,760 277,440 308.160 93.120 9'767,436 9'714,732 9'626,412 9'261,684 3'880,740 2'010,216 895,680 1' 002,240 748,800 368,640 8'906,316 3'776,496 2'023,860 895,680 1'025,628 766,800 430,656 8'919,120 3'808,404 2'035,236 909.120 1'046,508 792,000 507,840 9'099,108 3'829,680 1'951,092 794,880 1'035,648 777,600 609,984 8'998,884 1977 206,910 17,050 ] 31,824 2,706 5,950 23,040 2'239,230 1'034,550 1'737,600 69.940 1 '23.5,640 81,576 10,638 11,0.58 9,699 68,208 5,285 126,882 302,773 130,980 44,400 34,335 11,029 76,325 41,736 2'419,050 79,128 20,700 1'192,600 1'370,842 1'931,546 70.17 3'882,876 1'951,092 912,000 1'031,472 777,600 266,880 8'821,920 24'488,559 24'993,743 20'806,950 22'193,117 24'894,413 21'948,109 21'866,371 21'263,859 21'204,196 21'687,924 21'71Z,696 -- 1978 1979 22.5,720 . 17,71 o 103,840 3,894 5,950 23,136 1'714,335 924,000 1'355,648 159,354 1'158,360 119,480 12,960 12,255 8,235 58,800 5,880 Jl2,896 216,343 89,680 22,200 31,050 11.070 127,800 27,491 2'448,150 52,360 2,160 1' 138,500 1'161 ,250 8'954,006 10'212,607 9'516,114 0'660,901 68.04 68.76 204,345 16,610 131,824 2,706 5,950 23,136 1'119,195 981.200 1 '148,672 93,080 935,160 124,836 13,500 11,6115 8,540 63,700 6,230 119,196 188,136 107,67.5 27,750 31,725 11,316 109,340 26 .899 2'240,100 63.000 - REQUERIMIENTOS- ANUALES- AGROPECUARIOS DEPARTMNO~ Ac:dvldad 1. Agrícola Pastos Café Lima y limón Naranja Mango Arroz Cebada Maíz Sorgo Trigo Plátano Tomate Arveja Frijol Lactao Za.randaja Garbanzo Camote Papa Yuca Algodón Caña de azúcar Sub-total Total Por Ha. 1 161 ' 1 1 1 2. Pecuaria Vacunos Ovinos Equinos Porcinos Caprinos Aves Total ~. Agropecuaria (1 + 2) 1964 1965 142,140 7,630 186,300 65,400 - - - 65,880 2'588,508 3'106,200 40,800 8,640 432,000 940,800 14,820 2,600 7,630 98,100 123,600 133,900 19,600 78,400 38,500 23,800 126.360 117,000 - - 14,430 168,106 15,120 38,700 74,800 960,000 1'110,720 5'879.076 6'894,593 78.60 81,900 155,800 21,000 63,210 91,800 1'200,000 1'063,400 7'630,410 8'879,359 78.48 1967 1966 214,116 232,116 78,262 83.058 19,104 21,120 17,680 18,928 59,536 62,952 3'724,100 4'175,000 24,000 31,200 889.600 970,560 9,750 6,240 57,770 86,110 198,640 222,480 38,220 49,490 39,725 65,800 67,275 110,175 8,580 16,770 78,390 81,705 58,220 106,190 24,570 22,260 41,280 67,725 96,560 119,680 580,800 473,600 1'192,100 1'111.760 6'927,114 8'134,919 8 '088,736 9'268,187 78.43 79.35 1968 211,692 46,683 21,690 28,912 61,732 1' 361,050 24,960 274,320 1,430 97,010 144,200 53,900 20,125 73,710 4,485 8,775 5,740 22,050 78,090 27,980 472,000 1'229,540 4'342,680 5'300,441 47.51 LÁMBAYE_QUE 09o4-f9r9) 1969 222,594 96,683 26,136 36,920 61,000 3' 122,820 30,240 946,080 9,750 101,376 156.560 60,760 38,500 61,620 7,020 72,735 181,220 35,490 81,270 72,080 661,600 1'040,000 7'122,508 8'688,656 77.67 1970 1971 - - 1972 238,740 254,196 253,920 94,830 95,920 93,740 35,040 40,992 72,768 42,328 44,096 62,536 72,712 83,692 65,880 4'275,200 4'455,560 4'395,320 24,000 25,200 27,600 1'047,840 1'050,960 931,680 8,580 10,140 25,480 83,930 166,225 58,860 160,680 165,830 133,900 47,530 69,090 74,480 66,675 35,630 33,425 117,000 52,260 82,680 20,280 16,770 44,265 71,175 83,235 30,420 161,950 125,050 117,670 28,980 29,820 19,740 66,435 70,950 19,350 106,080 81,600 72,760 407,200 400,000 525,600 1'151,800 1'031,680 1'079,780 8'300,694 8'395,775 8'162,660 9'960,431 10'975,584 10'112,461 80.25 84.08 83.57 1973 262,752 94,285 19,488 41,704 89,426 4'464,745 24,240 862,320 28,990 65,400 127,720 64,680 38,675 106,470 31,590 37,440 125,050 22,260 20,640 84,660 600,400 1'134,380 8'347,315 9'152,565 83.61 1974 279,036 94,285 88,800 43,264 107,848 4'863,875 18,960 825,600 6,760 76,300 135.960 58,800 59,325 98,085 25,935 8,190 88,560 19,110 42,570 78,540 610,800 1'224,260 8'855,463 8'983,570 86.38 1975 265,236 106,820 89,280 44,200 112,240 5'009,165 19,360 898,080 6,500 105,730 152,440 55,860 45,500 64,350 16,380 18,330 12,160 22,890 51,600 64,260 413,600 1'154,920 8'784,901 8'825,513 88.48 1976 265,236 104,640 93,120 44,200 112,240 5'887,585 14,120 1'013,280 15,080 79,570 148,320 33,900 46,550 84,240 15,600 18,720 113,775 19,950 42,350 51,000 100,000 1'192,100 9'516,576 9'889,905 90.64 814,560 916,380 1'140,384 1'242,204 1'052,820 1'170,936 1 '166,856 1'527,300 1'574,136 1'618,944 1'690,212 1'741,128 1'765,560 77,760 77,760 87,480 114,216 145,800 243,000 257,800 267,300 284,316 48,600 63,180 274,596 259,200 211,200 216,000 235,200 264,000 254,400 263,040 264,000 264,960 265,920 220,800 259,200 259.200 233,856 233,856 192,096 242,208 250,560 283,968 542,880 551,232 557,076 584,640 292,320 553.740 557.916 504,000 475,200 511,200 439,200 439,200 370,800 368,640 363,600 372,240 374,400 386,640 392,400 504,000 16,320 103,680 161,268 192,000 205,440 234,432 312,384 67,200 14,208 18,432 41,280 195,840 277,764 2'239,800 2'049,288 2'202,720 2'342,652 2'024,076 2'289.840 2'184,696 2'781,708 3'137,8S6 3'268,476 3'384,084 3'502,164 3'578,496 - - - 9'1 34,393 10'928,647 10'291,456 11'610,839 7'324,Sl7 10'978,496 12'145,127 3'757,292 13'250,317 12'421,041 12'367,654 2'327,677 13'468,401 - - - - - -- ---------- ---- 1977 243,570 98,754 96,960 43,472 112,240 5'967,077 13,056 919,776 4,992 143,880 146,260 52,920 42,000 104,793 14,820 49,140 102,500 19,194 29,670 48,892 185,600 1'220,960 9'660,526 9'926,367 91.80 1978 200,017 95,266 87,360 41,808 110,776 3'306,600 12,720 609,408 3,640 130,800 137,402 24,402 45,745 96,213 13,650 17,550 82,000 17,850 24,381 45,152 208,000 1'195,012 6'505,752 6'797,057 82.57 1979 189,005 91,342 86,304 41,600 110,410 3'523,700 9,072 858,816 7,800 127,421 131,634 12,838 37,030 81,588., 11,700 14,820 75,071 15,540 16,641 37,060 493,2001 1'211,652 7'184,2441 7'443,671 82.12 ~EQURIMNTOS ANUALES AGROPECUARIOS [))EP1UUAM_Illi_Tj) DlLLIMA -y CA-:LLA.O rr?o'l-:r?-,9) Actividad 1. Agrícola P~tso Chirimoya Mango Manzana Melocotón Naranjo Olivo Palta Vid Cebada Maíz 1 162 1 1 Sorgo Trigo Plátano Sandía Ají Col Coliflor Cebolla Betarraga Pepinillo Tomate Zapallo Zanahoria Arveja Frijol Haba Paliar Camote Papa Yuca Algodón Caña de azúcar Sub-total TotaJ Por Ha. 2. Pecuaria Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Aves Total 3. Agr¡ j>ecuarla (1 + 2) 1 1964 1965 1966 - - - --- ---··- 1967 1968 1969 1 '410,000 1'085,700 1'003,450 1'017,250 1'009,090 1'006,740 50,600 51,370 48,070 48,400 4,864 480 4,928 5,568 5,600 413;512 433,705 582,295 611,505 131,300 145,200 135,900 144,500 270,544 275,206 411,292 304,066 6,250 5,500 5,500 5,625 5,650 6,300 60,180 61,855 64,310 61,950 59,000 67,190 386.950 450,170 377,140 370,600 305,200 379,320 146,250 231,750 220,500 169,650 161,100 288,000 1'125,000 1'30ÚOO 1'804,500 1'642,500 1'570,725 1'443,600 12,000 13,200 5,100 6,000 7,200 1,800 173,400 196,860 242,250 267,750 143,820 118,830 17,400 27,260 30,740 32,480 29,870 28,710 78,750 62,370 68,040 77,805 114,400 114,440 163,770 181,260 136,740 137,535 205,520 112,240 81,130 82,960 214,11Q 101,920 60,760 99,960 58,800 113,030 113,030 100,330 106,045 114,300 45,720 19,520 16,470 7,930 14,645 4,450 5,340 2,225 281,320 215,800 191,360 149,760 272,480 174,200 115,140 103,740 110,580 117,135 21,350 27,450 39,040 40,870 54,000 52,000 89,200 118,600 90,000 78,800 120,130 216,890 14,965 270,600 20 4,590 181,015 37,050 167,050 107,575 113,750 196,300 141,050 14,100 22,090 16,450 12,690 9,400 28,905 223, 200 250,480 681 ,690 335,140 343,000 158,980 928,050 897,000 1'104,000 1'366,200 1'542,150 962,550 83,300 58,800 53,900 58,800 98,000 58,800 4'977,000 4'424,000 3'685,350 2 '607 '000 3'081,000 2'765,000 721,710 826,200 723,330 715,330 761,400 758,160 11'144,320 0'752,5:10 11'999,955 11'820,114 ll'066,435 10'343,641 ~0'7,295 12'584,811 ~2'86,539 13'444,954 13'015,868 14'190,728 12' 312,224 ~1'72,0 65.17 68.48 67.20 66.96 68.79 68.2 3 - - - - - - - - 2'778,336 1'283,160 50,400 384,000 557,280 720,000 3'264,000 9'037,176 .2'778,336 1'342,116 432,000 384,000 557,280 756,000 1'585,920 7'835,652 22'482,130 20'851,520 ~2'S 2'802,600 1'352,520 432,000 624,000 557,280 936,000 1 '699,200 8'403,600 Y4,320 - 1970 . 2'802,606 1'342,116 432,000 624,000 604,944 1'152,000 1'969,920 8'927,580 2'930,400 3'222,840 1 '394,136 1'789,488 396,000 504,000 576,000 672,000 619,200 856,800 1'260,000 1'548,000 2'010,240 2'058,240 9'185,976 10'651,368 21'239,804 ~o· HS.077 3'236,179 ~4'823,79 --- 1911 1972 1973 1974 197S 1976 1977 1'066,900 J '096,510 1'078,180 702,053 1'063,140 1'044,480 1'001,100 961,1 so 53,350 33,000 25,520 27,720 28,820 29,370 29,150 27,060 7,36G 4 ,320 4,704 4,160 4,800 6,400 5,280 S,S6R 646,430 637,540 627,38 642,620 653,542 653,415 666,750 730,250 155,00C 150,500 151,000 158,100 161,400 174,300 173,000 168,700 305,990 304,510 n7,228 321,530 316,350 229,030 210,530 207,200 6,300 6,375 6,875 6,875 6,815 6,875 6,875 6,750 73,750 89,915 82,718 86,258 86,43S 86,140 86,140 85,550 459,435 404,935 417,470 423,465 414,200 437,962 437,635 382,917 165,600 281,250 272,475 267,525 266,400 236,700 237,150 182,700 1'402,200 1'288,080 1'327,725 1'289,700 1'297,575 1'300,500 1'691 ,100 1'702,125 16,200 600 1,800 2,100 1,800 10,500 36,000 4,800 129,030 148,920 153,000 145,350 150,195 108,630 134,895 123,267 29,870 24,070 30,160 19,140 20,545 24,360 20,000 24,824 82,530 63,315 58,275 SS, 755 18,900 32,760 34,650 47,628 174,015 173,3 10 156,297 132,765 144,690 124,020 127,200 100,647 167,750 164,700 139,080 160,430 129.320 100,040 99,430 105,896 105,840 105,350 91 ,630 66,150 73,500 26,440 74,048 76,440 105,410 161,290 139,065 156,210 125,095 151,765 180,340 175,260 19,520 18,910 18,300 16,470 18,910 40,870 42,700 38,186 5 ,340 6,230 11,570 7,565 6,675 13,795 13,350 13,350 263,120 261,040 274,560 276,120 236,080 258,960 260,000 260,000 127,680 110,580 106,590 79,230 84,930 96,900 106,020 102,31S 40,260 29,280 28,670 37,110 38,430 51,000 63,440 60,756 77,600 80,800 84,400 70,000 69,400 73,800 75,080 72,400 210,330 189,420 193,930 185,525 213,118 184,295 193,930 280,280 119,925 135,875 121,875 113,100 136,175 115,,0 124,475 133,900 31,960 29,140 30,080 18,095 24,675 26,085 25,850 421,600 421 ,910 405,480 364,870 431,396 356.500 381,300 411,680 1'076,400 938,400 802,125 859,050 711,390 941,850 993,600 993,600 49,000 34,300 41,160 53,900 45,668 49,000 54,880 53,900 2'291,000 1'812,260 1'692,180 1'595,800 1'595,800 1'564,200 1'1 85,000 1'278,852 822,960 912,870 894,078 937,980 927,450 916,920 929,880 942,030 10'093,270 9'851,087 9'295,001 9'704,877 9'678,197 9'837,095 9'368,804 12'357,523 11'354,138 10'099,413 11'614,786 11'066,515 10'563,144 lto'S48,401 68.56 67.29 68.22 66.36 70.22 68.56 64.36 67.17 - 3'90.2,040 4'146,300 3'574,980 3'089,760 3'125,928 3'139,416 2'080,800 2'115,480 1'768,680 1'734,000 1'692,384 1'588,344 540,000 612,000 518,400 446,400 432,000 424,800 672,000 614,400 480,000 412,800 384,000 360,000 856,800 1'676,160 1'690,272 1'514,304 1'570.176 1'602,288 1'836,000 1'052,000 1'987,200 1'965,600 1'972,800 1'980,000 2'073,600 2'169,600 2'271 ,360 2'371,200 2'764,800 3'400,704 11'961,240 13'133,940 12'290,892 11'534,064 11'942.088 12'495,552 25'491,463 123'645,030 ~3'562,07 ~3'08,6 ~9'63,47 ~4 3'177,732 1'588,344 424,800 352,320 1'634,400 1'990,800 3'210,816 2'379,212 ' 964,023 1978 1979 880,310 27,280 5,600 749,300 170,100 207,200 6,825 84,960 295,608 180,900 1'479,735 3,000 117,045 25,404 44,982 91,902 112,118 74,970 123,82! 36,234 13,172 248,768 91,200 62,220 71 ,600 207 ,0 91 10 8,550 22,560 429,102 676,062 43,120 1'616,735 884,682 9'191 ,800 0'413,390 68.05 880,545 27,500 5,600 768,350 170,100 207,100 6,825 86.140 285,907 174,600 1'264,680 1,800 110,9H 25,114 45,360 98,103 112,362 77,420 123,698 1 41,846 13,172 231,088 94,335 61,732 76,280 203 ,770 100,815 22,795 421,910 594,435 42,728 2'255,450 762,210 9'394,795 0'672,597 69.06 REQUERIMIENTOS ANUALES AGROPECUARIOS DE~TAMNO ~E L_ORETO (1~4-il9) Actividad 1 1. Alltfcola Pastos Cacao can Coca Jebe 1 Arroz Maíz Plátano Frijol Yuca 1 163 Urefta Yute Sub-total Total Por Ha. 1 :Z. Pecuaria Vacunos Ovinos Auquénidos Rquinos Porcinos 1 ~prinos 1 ' Aves Total :1 1968 1964 1965 1966 46,000 46,000 92,000 103,500 48,300 48,300 575 512,290 123,200 114,400 5,280 1,760 18,820 21,780 20,240 735,000 577,500 987,000 272,290 790,590 219,000 1 '680,000 1'470,000 2'226,000 230,000 234,600 394,226 1'288,000 1'104,000 1'150,000 61,740 529,200 499,800 308,700 4'921,800 4'390,430 6'082,361 5'430,988 4'876,296 6' 728,250 79.78 71.07 82.13 690 138,000 2,300 79,904 80,960 - 480,000 - 19,200 584,640 5,040 96,000 480,000 - 19,200 501,120 5,040 120,480 480,000 - 19,200 542,880 7,200 120,480 1967 - - 20,24C 12,870 1'144,500 1'471,050 766,500 890,600 2'236,500 2'415,000 465,060 101,200 1'196,000 1'058,000 97,020 177,135 288,120 205,800 6'522,134 6'428,815 6'962,004 9'439,477 69.98 68.09 480,000 660,000 - 19,200 584,640 7,200 128,640 5,064 19,200 1969 1970 138,000 2,990 80,960 1,760 12,870 1'785,000 584,000 2'310,000 82,800 920,000 323,400 117,600 6'359,380 7'517,370 68.81 470,400 132,300 6'836,620 8'060,437 70.58 648,000 7,596 696,000 7,596 - 48,000 751,680 3,600 140,160 138,000 3,450 70,400 - 12,870 2'100,000 657,000 2'415,000 101,200 736,000 38,400 751,680 3,600 151,680 1971 142,600 2,300 70,400 2,992 14,850 2'121,000 474,500 2'205,000 117,760 644,000 720,300 117,600 6'633,302 7'810,157 70.16 1972 1973 1974 177,100 177,100 177,100 7,935 8,050 8,050 61,600 61,600 61,600 4,224 7,040 9,680 16,434 16,830 16,830 1'506,750 1'386,000 1'102,500 488,370 635,100 646,050 1'627,500 1'480,500 1'470,000 111,090 125,120 149,960 722,200 754,400 772,800 709,275 647,535 327,810 102,900 102,900 102,900 5'533,378 5'402,175 4'845,280 6'169,885 5'961,'760 5'379,706 59.27 60.87 55.64 756,000 12,660 - 828,000 5,064 28,800 793,440 3,600 172,800 28,800 409,248 2,880 174,720 - 804,000 5,064 - 28,800 435,144 2,880 176,640 808,800 5,064 28,800 455,184 3,600 188,161 197.5 177,100 8,050 61,600 9,680 16,830 1'134,000 198,195 1'522,500 105,800 644,000 338,100 102,900 4'318,755 5'550,293 54.34 1976 177,100 8,050 62,480 9,680 16,830 1'254,225 474,500 1'607,025 78,200 809,600 294,000 102,900 4'894,590 5'503,699 56.85 822,000 5,064 840,000 28,800 451,008 2,160 205,440 28,800 - 1977 174,800 5,750 17,600 19,360 16,830 1'851,465 270,100 1'575,000 110,400 598,000 367,500 5'006,805 5'570,632 58.11 1978 165,600 1979 161,000 8,050 17,600 6,900 17,600 19,360 23,760 18,315 19,800 1'894,830 2'754,780 559,837 508,153 1'522,500 1'470,000 108,100 95,680 644,000 690,000 382,200 396,900 - - 5'339,242 6'145,723 5'936,909 6'831 ,715 60.25 64.70 5,064 - 751,680 446,832 7,200 2,160 140,160 211,776 1'184,880 1'125,841) 1'169,760 1'i19,680 1'j8J,304 t'j99,036 1'648,960 1'767,300 1'448,712 1' 452,528 1'489,608 1'514,472 1'545,632 1 • 3. Agropecuarl• (1 + 2) 6'615,868 6' 002,136 7'898,010 8'181,684 1'022,781 9'116,406 9'709,397 3'666,540 7'618,597 7'414,288 6'869,H4 7'064,765 7'038,331 1 -~ ~- 1 REQUERIMIENTOS ANUALES AGROPECUARIOS Actividad 1964 1965 1966 1967 1968 1969 1970 1971 1972 .. 1 ~. 1973 1974 1975 1976 1977 1978 1979 -· 1. Agdcol.a 1 1 1 1 1 1 1 9,200 18,400 9.200 18,400 9,200 18,400 13,800 28,520 27,600 27,600 27,600 29,440 30 ,544 30,820 30,360 23,000 16,560 16,560 17,250 18,975 19,320 19,550 17,250 14,950 13,800 44,000 44,000 42,240 47,520 47,168 35,200 3,520 2,640 3,520 3,520 3,520 3,520 3,168 1,760 Aro~ 71,000 49,700 49,700 163,300 198,800 102,950 127,800 122,120 132,060 142,000 113,600 56,000 63.000 24,500 63,000 35,000 41,300 35,000 38,500 ill,SOO 35,350 33,600 39,900 25,200 13,780 17,490 19,080 169,200 169,200 169,200 144,800 135,080 115,200 126,000 14,310 144,800 39,200 13,250 108,000 13.250 144,800 23,800 12,720 38,600 15,370 40,600 13,250 31,850 38,500 33,950 24.500 15,370 392.650 456,302 396,890 396,890 371,820 417,610 479,870 500,630 401,585 456,358 494,088 396.890 468,778 460,169 416,287 463,950 528.871 548.690 444,047 495,045 76.69 90.00 86.09 86.09 75.50 55.17 61.48 60.68 55.51 60.64 33,600 381500 14,575 153,000 463,809 511,522 60.55 35,000 24,500 15,370 35,000 87,100 781100 31,500 85,200 Maíz Plátano Frijol Yuca Sub·total Total Por Ha. 49.700 63,000 880 71,000 47,520 3,520 44,000 3,520 49,280 3,520 51,040 3,520 47,520 3,520 19,550 48,400 19,550 44,000 18,400 44,000 18,400 70,400 3,520 17,250 42,240 5.5,248 .5.5,248 117,408 117,408 117,408 121,.548 124,308 12tl,448 5,184 5,184 4,152 4,668 4,668 Pastos 12,880 Cacao 28,750 Café Coca 31,500 10,600 - 132,060 149,400 162,000 153,000 144,000 406,458 439,120 459,950 450,908 421,550 466,056 490,239 509,709 508,875 532,747 60.00 61.07 66.61 71.65 80.23 135,360 135,360 138,120 4.668 4,668 - - 2. Pecuaria Vacunos 1 1 ¡ 1 ¡ 41,436 55,248 Ovinos 1,560 1,560 Auquénidos - - Equinos - - - - - - 5,760 5,760 5,760 41,160 37,584 - - - 3,600 3,600 14,400 3,600 41,760 41,760 41,760 58,464 4,320 4,320 7,200 7,200 58,464 7,200 7,200 41.760 7,200 5,760 1,440 .5,760 7,680 7,680 7,680 9,600 9,600 9,600 10,560 9,600 96,7.56 114,168 114,488 126,288 196,272 203,616 186,912 189,540 183,360 187,500 Porcinos 1,920 41,760 Caprinos Aves Total - 5,760 3. A¡¡ropccuaria (1+ 2) 553,058 608,2.56 584,266 - - --- ----'- - - - . 586¡4$7 612,559 4.668 - 5,763 5,763 5,763 37,584 40,092 40,092 40,092 1,440 1,512 9,600 9,600 1.440 9,600 10,368 196,992 196,920 200,4.51 662,976 690,690 - 5,763 1,440 - 66'7,566 715, 783 738,230 627,407 682,545 38,500 13,7llll 153,000 ' ¡ 13,250 38,500 13,780 708,514 REQU~IMNTO S ANUALES AGROPECUARIOS Actividad 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1915 1976 1977 1978 1979 .1 1. Agrícola Pastos Olivo Cebada Maíz Trigo Haba 359,790 54,250 435,500 428,800 442,200 442,200 438,850 425,450 415,400 437,180 54,250 69,750 79,750 68,200 68,200 68,200 68,200 55,760 50,320 44,200 53,720 52,360 68,200 53,720 42,160 24,820 142,500 123,750 104,250 108,750 111,375 110,250 120,000 57.800 23,240 47,600 36,040' 41.480 39,780 38,420 19,090 27,805 24,485 27,390 30,295 49.120 28.635 1,560 31,960 115,125 20,060 26,145 1,950 179,300 858,140 958,676 82.47 975 780 200,490 195,600 931,915 907,225 985,476 1'028,639 1'006,338 82.12 81.57 82.66 Frijol Papa Sub-total Total Por Ha. 390 187,450 881,180 975 780 585 212,715 235,535 222,495 211,900 954,075 977,620 962,875 938,025 965,499 1'067,218 1'092,813 1'072,848 82.78 83.74 83.29 83.12 449,570 70,525 442,200 70,525 481,060 513,890 491,110 514,560 519,250 70,525 69,750 21,760 114,000 17,000 21,760 69,750 18,700 102,750 25,840 103,875 69.750 25,840 83,625 97,125 139,500 15,980 25,730 17,680 43,860 36,720 36,720 22,440 26,975 26,975 28,220 27,805 35,088 31,540 1,755 585 164,630 975 915 1,170 186,635 164,630 196,415 868,525 933,850 923,235 943,958 978,546 1'036,533 1'016,560 1'028,231 81.44 81.56 80. 11 81.90 1,365 145,885 81.70 915 163,815 865,300 955,578 81.48 69,905 20,400 87,750 20,400 32,370 1,560 136,920 888,555 971,395 79.05 111,375 167,075 852,115 934,957 30,295 942,495 991,165 79.21 2. Pecuaria Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Aves 471,600 238,200 452,736 452,736 433,872 207,240 452.736 209,616 424,440 460,284 473,484 490,464 496,128 238,200 452,736 252,492 452,736 242,964 209,616 183,420 188,184 191,508 198,180 504,000 504,000 468,000 374,400 71,040 385,200 194,844 381,600 71,040 66,240 392,400 66,240 77,676 - 676,800 Total 499,896 202,944 401,040 66,240 77,676 468,000 381,600 338,400 96,000 105,600 105,600 105,600 105,600 103,680 91,200 80,640 108,576 108,576 75,168 75,168 66,816 69,324 79,344 81,012 76,008 81,012 82,680 57,600 57,600 57,600 57,600 43,200 43,200 50,400 56,160 54,000 55,440 58,320 57,960 58,320 1S,360 7,680 7,680 8,604 7,488 10,368 18,048 12,096 12,480 13,056 14,016 13,440 13.632 1 1'664,136 1'083,732 1'440,984 1'338,540 1'322,616 1'400,124 1'282,944 1'176,168 1'236,396 1'270,740 1'288,164 1'296,264 1' 313,988 - 1----- ' · Apop..:uarla (1 • l) -~ 1- - 1'649,616 2'212,371 2'447,322 2' 304,039 2'389,834 2'492,933 2'355,792 2'134,844 2'171,353 2'226,318 2'266,710 2'332,797 2'330,548 1 REQUERIMIENTOS ANUALES AGROPECUARIOS Actividad 1964 1965 1966 138,000 110,400 695,000 101,200 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 l. Agrícola Pastos Café Naranjo Palta Cebada Maíz Trigo Plátano Frijol liaba Oca y olluco Papa Yuca Sub·total Total Por Ha. 695,000 - - 6,360 23,850 13,200 14,850 123,200 115,500 4,500 6,200 5,400 6,200 6,860 3,840 10,780 3,840 23,250 32,550 556,000 834,000 110,400 138,000 1'706,710 1'970,470 959,100 36,480 25,440 37,950 731,500 92,700 23,560 5,880 76,800 158,100 2'363,000 73,660 4'685,310 1'850,377 2'323,318 4'842,047 59.86 76.52 77.10 133,40( 202,538 110,400 138,138 212,014 211,922 211,968 212,014 221,076 2Z2,180 202,832 193.632 212,032 1 945,200 2 1085,000 2'085,000 1'820,900 1'668,000 1'473,400 1'251,000 1'251,000 1.000,800 1.000,800 834,000 834.ooo • 834.000 36,480 68,400 77,520 77,520 84,360 79,800 91,200 91,200 91,200 84,360 71,364 71,364 71,364 25,440 25,440 25,440 47,700 49,290 57,000 57,240 63,600 63,600 63,600 22,101 22,101 22.101 . 46,200 33,000 26,400 16,500 19,800 7,260 7,425 6,600 6,930 6,600 4,950 3.300 1.650 777,700 446,600 831,600 423,500 331,100 307,230 300,300 289,520 300,300 304,150 284,900 255.640 284,515 97,200 16,200 81,000 9,000 9,900 4,770 4,050 4,500 4,050 4,230 4,050 3,870 4,050 24,800 49,600 49,600 49,600 43,400 41,540 43,400 52,080 52,700 41,540 52,328 52,700 : 52.328 • 8,330 6,370 4,410 4,655 6,615 5,635 5,880 6,860 6,615 6,860 6,223 6,713 7,203 86,400 38,400 72,000 25,440 23,040 22,080 18,720 19,680 22,560 23,280 18,576 14,640 13,200 223,200 167,400 167,400 167,400 106,950 77,190 67,890 73,470 60,450 57,660 50,034 51,150 52.080 3'058,000 1'251,000 2'780,695 834,000 882,650 847,900 806,200 952,150 967,440 945,200 903,500 945,200 924,350 73,600 55,200 55,200 59,800 64,400 69,000 80,960 84,640 179,400 73,600 73,600 81,880 78,200 5'010,990 4'377,970 6'394,133 3'741,843 3'493,659 3'167,827 2'979 ,233 3'102,634 2'970,605 2'850,956 2'519,258 2'541 ,338 2'561 ,625 5'128,357 4'593,365 6'694,604 3'989,450 3'832,247 3'314,968 3'108,474 3'165,009 3'055,234 3'345,501 2'161,253 2'632,154 2'647,575 72.67 84.30 84.24 73.37 69.09 66.37 64.39 65.87 63.54 61.51 61.45 60.75 59.48 2. Pecuarla Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Aves Total 3. Agro pecuaria (l + Z) 648,600 626,544 687,516 687,516 843,180 1'180,452 1 '141,536 1'102,620 996,252 985,872 946,956 946,956 953,448 1'551,000 1'635,600 1'635,600 1'607,400 1'607,400 1'635,600 1'649,700 1'748,400 1'663,800 1'635,600 1'635,600 1'632,000 1'632,000 50,400 108,000 151,200 72,000 72,000 270,000 338,400 313,200 226,800 190,800 169,200 169,200 169,200 144,000 163,200 163,200 163,200 211,200 307,200 307,200 286,080 264,960 264,960 270,720 270,720 21o,no 250,560 2 50,560 250,560 250,560 258,912 417,600 334,080 292,3 20 334,080 332,412 350,784 342,432 342,432 14,400 14,400 14.400 41,760 41,760 58,464 58,464 66.816 106,908 110,244 118,596 116,928 121,104 16,704 16,704 16,704 28,800 20,160 27,840 28,800 27,264 27,264 27,264 28,032 30,528 30,720 2'687,760 2'815,008 2'839,980 2'839,140 3'133,812 3'987,U6 3'8.58,180 3'836,700 3'620,064 3'547 ,152 3'518,220 3'510,432 3'519,624 4'538,137 5'138,326 7'713,020 7'967,497 7'727,177 ~0'591,76 7'847,630 7'668,947 6'935,032 6'655,626 6'683,229 6'565.666 6'865,125 ·-· --· - ANUALES AGROPECUARIOS ~EQURIMNTOS DEPARTAMENTO DE PIURA (1964-1979) Actividad 1964 1965 l. Agrícola Pasros Café Lim6n Mango Naranjo Arroz Cebada Maíz Sorgo Trigo Maní Plátano Cebolla Tomate Paliar Arveja verde Frijol verde Arveja ~ca Frijol ~co Zarandaja Camote Papa Yuca Algodón Caña de azúcar Sub-total Total Por Ha. 1 2. PeL-uaria Vacunos Ovinos Equinos Porcinos Caprinos Aves Total 3. Agropecuaria (1 + 2) 1966 1967 - - -1-- . 196,350 367,500 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 -- -- 1978 1979 307,710 306,600 360,591 381,843 426,657 518,133 512,820 470,894 477,246 489,951 4-95,033 463,155 451,605 480,711 514,737 560,984 288,645 260,925 308,700 31 5,00C 273,000 296,100 323,400 336,00<: 338,100 292,950 292,950 253,050 353,850 496,650 215,040 179,232 184,320 245,760 264,000 178,368 104,640 215,232 224,160 256,128 256,320 362,496 31!2,752 356,832 97,600 101,992 110,044 172,752 215,3 30 208,864 194,346 269,986 291,580 403,210 404,430 297,070 530,090 H2,042 534,726 73, 216 76,856 76,960 96,720 100,880 138,320 134,784 130,000 131,248 111,904 111 ,904 102,960 102,856 101,920 1'241,000 715,400 1 '606.000 1'941,800 1'316,190 2'182, 700 2'774,000 3'197.400 1'679,000 2'379.800 2'117,000 2'359,360 2'639,680 2'628,000 2'506,820 2'522,150 14,400 40,800 80,160 65,520 99,360 76,080 60,960 62,640 60,960 54,580 57,360 30,240 30,240 17,520 14,112 18,240 857,90C 860,200 1'081,000 844,560 538,200 878,140 1'1 08,600 1'094,800 1 '123,090 705,640 1 '120,330 1'374,020 796,490 858,176 639,722 870,918 260 8,580 8,840 2,340 13,000 72,800 128,180 126,100 105,660 36.79C 90,350 195,000 278,226 283,946 366,068 216,000 24-0,000 313,44<1 300,240 216,480 3l1,040 347,280 379,200 382,560 349,920 34-2,240 343,200 236,304 188,880 217,440 5,600 4,800 5,200 4,800 400 400 1,800 2,600 3,000 1,000 800 1,200 1,600 1,440 37,500 230,000 302,500 ~2,50 352,500 280,000 260,000 235,000 187,500 173,500 174,500 120,250 135,000 204,250 177,950 204,650 23,400 105,300 265,590 314,730 136,890 111,735 105,885 82,485 91,845 99,450 156,195 59,085 130,455 35,685 54,405 33,111 6,650 19,000 75,050 66,50( 116,850 29,45 20,90< 14,25C 15,675 16,62 ~ 8,07~ 11,40( 6,900 11,776 6,H8 5,888 1,722 12,300 23,206 22,960 2,050 2,870 410 1,066 123 205 205 25,960 17,110 5,900 10,325 5,310 21.240 3,245 3,245 3,245 3,500 1,770 1,770 1,475 1,180 1,180 36,400 91,520 94,900 31,200 42,120 13,000 4,420 21,580 18,200 23,920 13,000 9,880 260 260 260 86,000 84,25C 53,250 53,250 84,250 80,500 35,000 32,000 21 ,ooc 21,75( 29,00C 30,000 7,500 50,000 59,4-00 147,200 234,320 112,640 248,320 293,760 307,200 27 4,880 304,000 296,320 292,480 261,760 317,440 217,408 188,416 302,720 14,000 37,000 24,000 38,200 33,200 40,800 50,400 42,400 25,800 45,200 25,600 45,800 46,400 22,000 26,000 26,000 27,300 58,800 65,520 70,980 44,520 51,240 54,600 53,970 46,410 22,470 31,920 43,260 40,320 34,566 29,736 32,424 90,000 135,000 77,850 101,250 70,200 75,1 so 67,050 80,550 87,300 85,950 96,300 147,150 136,800 85,140 104,940 102,780 270,600 237,800 235,340 205,820 164,000 168,100 156,620 115,620 104,550 108,240 106,600 104,965 91,840 283,966 138,826 S7,576 8'214,000 8'325,000 8'325,000 8'103,000 6'216,000 6'882,000 5'661,000 5'960,700 5'046,460 5'739,810 7'215,000 6'361,410 4'802,970 5'034,072 4'497,276 5'022,750 10,692 46,9llO 61,020 18,090 21,060 29,484 36,180 29,160 27,270 26,730 11 ,880 23,760 10,800 29,970 27,540 26.946 11'642,174 12'247,230 13'774,542 13'932,713 10'648,749 12'935,223 12'506,419 3'051,188 0'677,147 11'825,07 3 12'923,041 12'663,472 11'860,724 11'736,724 ~0'79,51 11'958,086 12'387,210 2'959,287 15'253 ,836 15'697 ,573 ~1'806,29 13'845,703 14'112,887 10'963,621 14'794,961 13'608,389 13'296,649 12'634,709 3'150,831 1' 171,846 12'345,025 ~4'359,87 84.57 86.31 86.51 92.99 84.56 83.28 80.30 83.12 76.80 82.80 86.20 83.05 77.76 80 94 80.38 81.36 - 1 1 ":·~¡ - - - - 2'840,160 2'840,160 2'840,160 3'065,280 2'630,208 2'531 ,328 2'412,672 2'452,224 2'709,312 2'926,84f 2'837,856 2'926,84! 2'996,064 298,ll00 308,760 323,700 323,700 318,720 313,740 313,740 846,600 338,640 876,480 856,560 871,500 871,500 576,000 576,000 960,000 960.000 960,000 864,000 739,200 487,680 960,000 490,560 489,600 504.960 514,560 1'002,240 SOl ,12( 501,120 559,584 651,456 613,872 613,872 538,704 701,56! 768,384 843,552 843,552 835,200 1'692,000 1'800,000 1'918,800 2'016,000 2'124,000 2'232,000 2'340,000 2'448,000 2'556,000 2'664,000 2'772,000 2'952,000 3'060,000 134,400 57,600 62,400 60,096 76,800 69,120 82,560 72,96( 72,960 74,880 76.800 81,79• 84,864 6'543,600 6'083,640 6'593,076 6'981,984 6"758,484 6 '727,740 6'626,844 6' 593,568 7'374,108 7'778,352 7'890,348 8'180,652 8'367,168 ·- 18'930,810 19'042,927 ~1'846,92 -- - ...... 22'679,557 ~8'56,31 _ _ _ _ 1 _ __ _ __ 121'087 ,614 20'47%,547 ~0'76,45 .___ _ ~8'H7,29 ---- _____ 122'57 3,313 21'498,737 lzt'477,301 121'001,877 __._ i 1 ! '1 REQUERIMIENTOS ANUALES AGROPECUARIOS DEPARTAMEÑ.TO DE...f_U.NO U964-f979) 1 Actividad 1. AFÍcola Pastos Cacao Café Coca Arroz Cebada Ma{z 168 Quinua Plátano Frijol Haba Arracacha Papa Yuca Caña de azúcar Sub-total Total Por Ha. 2. Pecuaria Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Aves Total 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 61~ 1,938 799 61 306 306 289 272 306 332 366 366 559 1,966 2,07S 2,449 2,30( 2,30( 2,300 1,150 2,30C 2,300 2,875 1,725 2,30( 2,070 2,070 1,150 1,150 1,150 2,070 1,150 1'408,000 1'408,00( 1'408,00( 1'408,00( 1'408,00C 1'496,000 1'584 ,000 1'760,000 1'920,00( 1'267,200 1'267,200 668,800 534,864 616,000 739,200 968,0001 86,24( 86,24( 86,24( 86.240 105,000 123,200 140,800 105,60( 123,200 105,600 105,600 79,200 79,200 75,680 68,640 66,880 ¡ 12,30( 12,30( 8,200 12,300 13,940 10,660 8,200 11,480 8,200 6,560 7,380 8,200 11,890 14,760 12,300 10,660! 840,000 1'176,000 504,00( 567,00( 378,000 560,700 661,080 818,160 690,900 811,440 824,460 729,120 1'197,000 1'180,200 1'131,060 1'143,324 ¡ 236,250 169,425 141,075 141,075 76,950 132,300 184,950 199,800 184,950 338,175 193,725 195,975 203,000 195,790 224,350 233,450 1 880,00( 422,400 880,000 968,000 910,800 792,660 778,800 710,380 692,560 720,280 685,520 670,560 727,760 898,084 888,404 591,140 1 21,000 63,000 63,00( 63,000 42,000 42,000 42,000 42,00C 42,000 42,000 45,500 51,100 53,200 45,500 42,000 34,650 1 6 ,89( 6,890 6,890 6,89C 5,830 2,650 3,445 3,710 3.445 4,240 3,445 1,060 1,590 1,431 1,325 1,166 1 106,56( 131,72( 185,000 125,800 72,890 85,470 100,240 235,320 89,160 253,450 187.590 271,125 290,510 334,702 350,538 318,052 1 4,98( 4 ,98( 3,320 6,640 6,640 11,620 14,940 14,110 12,450 7,470 9,130 10,790 7,802 6,640 6,142 8'832,000 7'360,000 6'440,00( 6'992,00< 6'642,400 7'549,520 9'380,320 9'255,200 9'441,040 8'663,640 8'390,400 8'280,000 8'390,400 8'040,800 8'509,080 8'000,320 66,40( 66,400 66,400 66,40C 49,800 48,140 99,600 127,820 106,240 97,940 99,600 83,000 83,000 66,400 53,120 41,500 1 90< 600 600 660 600 360 1 12'567,868 11'448,474 9'723,257 10'393,317 9'297,456 10'850,086 12'989,599 13'045,167 13'526,501 12'162,797 12'027,136 11'048,781 11'574,723 1'480,925 12'030,482 11'420,403 13'303.430 12'047,403 10'823,03í 11'891,325 12'176,125 13'179,567 15'232,170 15'835,431 ~5'098,4 15'363,788 15'053,962 14'123,445 13'0,54~ 120.58 109.39 112.75 113.26 138.38 126.02 130.19 130.76 150.30 124.47 121.84 122.64 112.88 1 1 8'127,000 8'127,000 8'127,00( 8'686,860 8'690,472 8'509,872 8'515,296 8'371,896 7'801,920 7'760,388 7'821,792 7'792,896 7'774,836 18'792,000 19'418,400 19'418,400 21'924,000 22'550,400 22'237,200 21'924,000 19'418,400 5'033,600 15' 418,8 30 5'816,600 15'566,040 15'566,040 17'978,400 17'978,400 17' 964,000 16'848,00( 17'856,000 18'000,00( 17'280,000 14'400,000 12'960,000 12'816,000 12'744,000 11'808,000 11'448,000 1'344,000 1'353,600 1' 353,600 1'353,600 1'276,800 988,800 787,200 785,280 766,080 786,240 776,640 768,000 766,080 1'252,800 1'252,800 1'252,80( 1'261,152 1'236,000 1'269,504 1'219,392 1'135,872 836,040 881,136 860,256 868,601 870,276 64,800 64,800 7,200 7,200 7,200 6,480 7,200 9,360 7,920 8,604 8,180 8,640 8,640 115,200 31,680 32,064 32,640 36,480 61,440 92,160 112,320 102,912 103,872 104,448 104,832 107,232 47'674,200 148'226,680 148'155,040 50'113,452 H'653,352 51'072,09( 49' 825,248 44'233,128 37'508,46~ 37'774,536 38'132,016 36'917,01( 36'541,104 J. Agropecuaria (1+2) 60'977,630 160'274,083 158'978,077 62'004,777 ~3'829 , 47 j64'2S1,663 165'057 ,418 160'068,559 ~2'60,54 b3'138,324 3'185,978 ~1'04 , 461 149'544,649 --- - ----- REQUERIMIENTOS ANUALES AGROPECUARIOS DEPARTAMENTO DE SAN MARTIN (i 964-1979) A&:tividad 1964 1965 1966 1967 1968 1969 1?70 1971 1972 1973 1974 1975 1976 1977 1978 1979 l . Agrícola Pt~.so 169 Cacao Coca Café Arroz Maíz Plátano Frijol Yuca Tabaco Sub-total Total Por Ha. 2- Pecua.ria Vacunos Ovinos Equinos 1 Porcinos Caprinos Aves Total 3. Agropecuaria (t+-2) 110,400 216,200 220,800 211,600 220,800 239,200 129,720 32,300 33,350 11,2·50 11,250 18,400 3,450 33,3 so 52,800 44,000 44,000 45,760 42 ,240 52 ,800 52,800 630,000 560,000 560,000 578,900 364,000 560,000 560,000 74 4,000 845,680 434,000 620,000 632,400 994,480 1'364,000 455,000 455,000 455,000 445 ,250 705,250 942,500 981,500 1'155,000 1'186,500 1' 176,000 1' 155,000 945,000 1' 260,000 1' 134,000 264,620 515,605 252,500 268,660 298,960 515,100 459,550 460,000 368,000 363,400 391 ,000 478,400 506,000 570,400 501,150 702,000 296,400 351,000 390,000 312,000 214,500 3'849,550 4'010,430 4'147,810 4' 420,060 4' 828,785 5'372,130 5'587 ,310 4 '644,644 4 '486,755 4'644,258 4'457,892 5'324,667 6'052,227 6' 412,878 74.25 73.79 64.81 6 6.49 69.80 61.90 67.18 257,600 270,480 294,400 308,200 322,000 322,000 18,400 8,050 8,050 8,050 8,050 8,050 52,800 49,280 44,000 44,000 44,000 44,000 525,000 350,000 223,300 245,000 315,000 196,700 1'438,400 1'079,420 814,680 541,260 1'034,160 897,760 955,500 942,506 845,000 858,000 854,750 936,000 1'312,500 1'260,000 1'260,000 1'281,000 1' 312,500 1' 312,500 767,600 338,350 373,700 466,115 555,500 544,390 563,040 460,000 469,200 469,200 476,560 487,600 195,000 235,950 243,750 343,200 370,500 184,000 6'082,320 4'997,550 4'667,780 4'515,725 5'201,320 4'981,300 6'703,463 5 1 302,661 5'021,310 4' 956,221 5'725,226 5'455,192 67.99 63.05 59.51 60.00 61.18 58.39 S70,400 28,750 528,000 238,000 892,924 1'127,945 1'329,825 513,181 404,248 150,540 5'783,813 6'203,467 49.81 598,000 644,000 36,800 34,500 880,000 70 4 ,000 238,000 238,000 1'458,488 1'559,176 1'605 ,890 2'495,350 1'417,500 1'522,500 4 54,500 391,779 507,012 376,556 123,630 90,090 7'078,799 8'296,972 1'592,696 8'932,352 54.14 53.35 319,800 351,780 351,780 364,572 511,680 543,660 543,660 511,680 518,076 524,472 543,660 543 ,660 553,260 24 ,600 24,600 24,600 24,600 22,140 39,360 39,360 29,520 19,680 20,664 22,1 40 21,156 21 ,156 115,200 115,200 115,200 115,200 144,000 192,000 192,000 163,200 168,000 172,800 177,600 182,400 185,280 417,600 668,160 668,160 668,160 668,160 626,400 668,160 751 ,680 751,680 764,208 835,200 843,552 847,728 7,200 7,200 7,200 1,200 7,200 21,600 14,400 12,960 7,200 7,200 7,200 7,200 7,200 38,400 28,800 38,400 38,400 48,000 61,440 76,800 96,000 79,680 80,640 80,640 96,960 97,152 922,800 1' 189,260 1'205,340 1'218,132 1'401,180 1'!126,220 1'492,620 1'!165,040 1'!144,316 1'569,984 1'666,440 1'670,928 1'711,776 5'567,4 44 5' 676,015 5'849,598 5'676,024 6'725,847 7'578,447 7'90S,498 8'268,S03 6'846,977 6'591,294 6'622,661 7'396,154 7'166,968 - - --- 1 REQUERIMIENTOS ANUALES AGROPECUARIOS DEPART~O Actividad 1. Agdcola Putos Olivo Vid Maíz 170 Trigo Ají Cebolla Col Tomate Zapallo Haba Papa Algodón Sub-total Total Por Ha. 1964 1965 565,760 693,500 21,560 25,480 25,750 23,690 212,895 264,040 7,700 11,550 40,250 39,100 2,840 6,390 5,880 6,000 12,000 - - 20,750 24,900 116,250 148,800 56,080 57,770 1'076,425 1 '442,060 1'185,892 1'571,$21 76.02 87.77 492,480 492,480 245,232 417,600 1966 1967 1969 1968 DE TACNA Ü964-1979) 1970 1971 1972 1973 1974 1975 1976 1978 1979 708,100 678,900 708,100 693,500 722,700 754,090 816,870 869,430 896,440 850,100 1'103,400 1'045,360 1' 063,975 1'036,600 30,282 50,282 30,086 32,046 33,614 31,556 39,5 92 41,824 34,300 49,000 53,704 67,522 75,362 23,175 23,175 25,132 26,265 26,265 25,150 24,823 25,853 26,986 26,986 21,630 24,720 21,836 23,896 199,640 189,175 193,200 193,200 199,238 211,71 S 170,660 217,350 201,290 205,275 140,360 177,320 178,200 235,400 10,780 14,630 14,630 13,860 11,550 10,780 9,625 11,165 14,630 10,070 15,785 8,470 15,400 10,39 5 36,800 40,250 48,300 60,950 57,500 64,400 59,800 39,675 31,050 21,850 44,275 20,125 22,425 24,725 5,680 6,390 5,325 6,795 9,230 10,650 13,135 6,745 5.680 8,875 9,585 8,520 6,03S 7,455 5,460 5,040 5,040 5,880 5,040 5,040 4,620 5,880 6,300 5,880 5,880 6,300 5,460 5,88() 11,250 13,500 1 3,500 15,000 21,000 14,250 22,500 9 ,750 11,250 11,250 11,250 9,750 7, 500 13, 500 14,880 12,400 21,700 26,660 26,040 31,620 27,900 26,660 21,080 18,600 24.800 24,180 25,420 26,040 23,240 27,390 30,295 26,560 23,240 26,560 26,560 26,560 26,560 23,655 21,580 29,880 26,145 25,7 30 148,800 162,750 158,100 150,660 154,380 131,175 118,110 113,460 124,620 151,590 119,S05 63,705 68,355 96,255 34,880 21,800 5,450 1,635 3,270 2,180 2,180 7,085 9,265 5,450 1,090 1 '220,86 7 1'257,362 1'531,938 1 '252,121 1 '293,067 1'307,692 1'381 ,956 1'399,318 t•4hi,602 1'356,325 1'561,940 1'472,137 1 '510,333 1'582,062 1 ' 338,250 1'386,576 1'714,924 1'452,321 1'475,409 1'493,818 1'656,504 1'508,738 1'640,274 2'018,076 1'663,938 1'600,362 1'703,618 1'732,821 79.8~ 79.76 97.07 81.22 80.1S 80.16 85.34 78.72 78.36 78.30 76.12 77.85 77 .99 78.89 - - 2. Pec¡¡aria Vacunos Ovinos Auquénidos Equinos Porcinos Caprinos Aves Total 57,600 83,520 91,872 72,000 72,000 79,200 23,040 5,376 7,872 6,912 1'344,888 1'37J,808 1'377,828 1'401,288 3. Agropecuaria (1+ 2) 2'530,780 2'945,329 2'716,078 2'787,864 3'068,860 2'772,429 2'890,317 2'903,218 2'923,,2 2'778,7% 2'927,610 3'342,024 3'029,2SO 235,800 417,600 28,800 75,168 1977 492,480 492,480 242,916 417,600 57,600 83,520 79,200 254,664 417,600 57,600 479,232 459,648 508,896 535,164 477,696 479,064 479,352 492,480 515,460 285 ,324 287,676 268,812 188,640 186,288 183,924 195,120 206,088 349,200 360,000 367,200 370,800 378,000 383,040 383,040 378,040 52,800 52,800 43,200 42,240 43,200 45,120 47,040 49,440 108,576 116,928 91,872 108,576 87,696 94,380 93,540 93,540 54,000 64,800 59,760 69,120 70,920 72,720 77,'160 84,960 9,600 10,560 23,808 26,688 26,880 27,840 28,800 34,368 37,824 1'353,936 1 '320,108 1'414,908 1'409,400 1'267,248 1'270,008 1'287,336 1'323,948 1'365,312 245,232 417,600 52,800 91,872 57,600 - - REQUERJMJENTOS.:t\NUALES AGROPECUARIOS ~ DEPARJMiENTO DE TUM.IIES (t_9:64-l!l_79) - 1964 Actividad 1 1. Agricola Arroz 218,4{}0 Maíz 42,000 Plátano Ají Tomate Camote Yuca Algod6n Tabaco Sub-toral 89,300 1,360 730 4,200 24,150 49,500 214,830 644,470 767,032 102.13 TotB.I PorHo.. 2. P"uaria Vacunos 206,64D 4,824 57,600 83,520 244,800 Ovinos Equino& Porcinos Caprino• 9,600 606,984 AVti Total J, AirOPNUIIil (1 + ~ 2, 196$ 1966 1961 1968 212,800 221,760 221,760 5(),400 70,560 60,200 84,600 112,800 4,760 2,040 4,080 1,095 13,505 1'7,885 7,560 6,720 5,880 34,500 40,365 32,430 128,700 217,800 208,395 341,880 219,450 272,580 8S3,125 824,725 916,655 952,895 1'M2,708 1'040,316 105.42 92.38 98.71 280,000 3a,660 150,400 3,060 2,555 11,760 8,280 47,520 152,460 206,64D 189,420 4,824 57,600 83,520 259,200 3,824 4,824 57,600 66,816 266,400 4,224 206,64D 6,756 62,400 615,624 589,284 - 189,420 4,824 57,600 58,464 27;1,600 4,608 588,516 689,635 819,98(! 99.66 58,464 280,800 8,640 623,700 1969 1970 1971 358,400 37,800 272,600 1,360 1,460 5,460 18,285 23,760 135,135 854,260 4D3,200 14,000 297,980 680 16,060 1,680 8,970 17,820 97,020 857,410 979,113 98.08 984,534 103.69 873,575 998,61S 106.60 189,420 7,716 189,420 6,756 172,200 5,784 184,260 12,540 62,400 50,112 288;000 62,400 54,288 295,200 17,280 57,600 41,760 309,600 17,280 618,144 606,384 9.600 607,248 412,160 10,080 318,660 680 730 1,260 3,450 20,295 106,260 197Z 347,760 18,460 376,000 1973 1974 1976 H1,720 16,800 416,420 340 2,190 1,260 13,800 9,900 97,020 889,990 940,475 1'042,537 103.17 98.04 248,640 26,320 366,130 340 2,920 1,680 8,280 6,930 57,750 718,990 846,853 94.85 280,000 36,800 4D4,200 340 3,235 1,470 6,900 57,600 62,640 324,000 11,520 194,592 14,472 57,600 66,816 28,800 12,480 199,752 15,432 57,600 79,344 273,600 13,440 206,640 14,472 57,600 75,168 302,400 210,084 14,472 57,600 75,168 313,200 13,056 652,560 633,960 639,168 669,336 12,480 683,004 680 1,460 2,520 3,795 5,940 124,740 881,375 963,298 103.57 224,000 24,360 394,800 1,360 2,555 3,360 5,865 1,980 173,250 831,530 1975 328,160 291,116 480,716 136 3,444 6,969 4,554 46,200 57,750 790,745 1'161,295 971,597 1'407,937 98.29 122.10 1'574,016 1'568,519 1'621,992 1'628,832 1'443,688 1'586,361 1'602,678 1'604,999 1'615,858 1'574,435 1'681,705 1'516,189 1'654,601 .. -. . - -·- -- 1977 1978 356,608 124,764 480,340 136 1979 348,096 87,953 485,510 136 1,344 966 9,453 2,967 2,376 2,970 38,346 3,927 1'013,367 932,525 1'191,115 1'244,510 111.37 107.17 - III REQUERIMIENTOS AGRICOLAS Y AGROPECUARIOS MENSUALES POR PROVINCIA 1972 RElUIMNT<YS-LABO ~GJU COLAS ARo 1972 Enero TOTAL DEL PAJS Febrero Mano Abril Mayo Junio 15'140,812 14'664,681 15'117,707 14'548,389 16'801,488 20'680,132 Julio Agosto 18'582,706 13'034,833 Octubre. Setb~. Novbre. Dlcbre. TOTAL 9'019,398 12'139.,932 12'259,972 14'051,893 176' 751,943 Opto. Amazonu Chachapoyas Ball'la Bongara Luya Rodríguez de Mendoza 601,105 411,503 354,558 23,113 133,628 41,30.3 436,940 57,645 143,114 11,218 106,737 ·18,226 442,722 56,962 199,471 12,801 142,055 31,433 293,527 55,357 203,39.5 7,.570 11,428 15,777 486,642 26,631 254,620 16,020 1.55,436 33,935 641,459 81,822 298,951 30,365 191,411 38,900 864,597 97,582 468,521 33,587 216,461 48,446 514,182 26,108 262,310 27,390 153,273 45,101 2,,232 60,914 83,006 8,922 76,844 27,546 356,045 65,931 160,35.5 14,312 91,011 24,436 359,060 44,741 213,946 9,480 63,340 27,553 362,887 59,776 135,390 21,240 103,047 43,434 5'616,398 681,972 2'877,637 216,018 1'444,681 396,090 Dpto. AnciUh Huaraz Aija Antonio Raimondi Bolognesi Carhuaz Casma Corongo Huari Huaylas Mariscal Luzu_!iaga Paliase a Po,ma.bamba Recuay Santa Sihuas Vungay 920,386 52,081 23,511 52,023 40,887 61,201 11,732 5?,039 45,475 100,888 40,877 $3-,677 31 ,119 96,693 70,140 81,925 917,515 66,512 30,962 57,817 7,498 32,467 89,517 8,843 231,888 39,498 75,601 34,875 33,653 18,802 78,558 54,931 56,033 1 '402,000 131,533 72,012 120,169 55,33.5 39,751 40,928 1'270,414 11,680 .52,665 64,776 38,239 21,178 17,142 331,077 56,823 135,681 60,188 57,359 37,205 .51,585 79,237 99,497 944,200 6S,S64 50,476 57,.584 42,370 25,219 69,306 5,314 242,911 44,528 41,030 19,376 12,217 21,452 160,576 22,563 63,714 786,279 33,692 29,209 76,278 2.50,828 65,659 134,317 56,023 71,357 38,063 110,463 101,992 99,311 548,695 55,079 7,551 7,273 38,572 31,745 22,164 11,285 2,552 21,670 97,905 41,945 45,804 18,850 46,841 .57,478 41,981 19,143 69,481 8,406 200,206 27,626 67,64.5 33,120 37,068 13,636 71.065 56,779 42,925 768,515 42,005 33,109 82,792 7,707 20,359 3,970 8,702 214,010 38,472 71,630 33,648 37,91 S 16,247 53,057 56,916 47,976 258,752 6,088 4,370 32,430 33,159 1,216 5,780 591 103,529 9,515 630 58!1 279 2,377 52,533 332 S,H8 583,595 43,516 10,818 17,909 75,481 39,642 .5,534 8,436 7 39,018 56,626 10,841 24,207 22,159 57,846 .54,053 11,04.5 100,Z46 48,149 82,.541 769,1ZO 64,994 15,389 45,356 .51,741 50,526 53,464 9,318 126,008 42,421 66,252 27,373 26,148 10,381 70,.536 37,741 48,-549 n,936 10,420 73,382 47,842 70,875 25,922 17,843 78,.581 23,841l 68,143 9'908.489 776,407 369,483 610,102 424,884 414,883 496,636 115,013 1'930,143 469,905 937,733 413,574 433,335 236,39.5 943,870 609,71)9 726,267 Dpto. Apurlmac Abllncay Andahuaylas Antabamba Aymaracs Cotabambas Grau 291,070 17,744 180,959 18,507 25,971 29,309 19,574 256,494 56,629 93,096 7,550 28,644 50,858 19,697 350,094 14,47.5 170,136 12,217 36,569 79,477 37,220 598,196 53,242 300,790 48,160 9S,S81 54,834 45,589 743,250 90,615 402,959 54,694 107,3% 46,751 40,885 800,117 108,557 263,158 43,897 160,677 142,365 81,463 5.58,207 87,9.57 131,380 .53,754 161,729 56.469 66,918 429,843 73,.510 146,629 47,692 91,811 30,224 39,977 236,603 45,31.5 13,512 22,900 62,014 59,979 32,883 570,829 76,622 198,579 37,473 101,993 99,693 56,469 725,923 104,422 301,267 59,911 135,5" 66,998 57,760 441,479 41,367 155,286 3.5,326 82,539 64,051 62,910 6'003,105 77(),4.55 2'357,7.51 442,081 1'090,465 781,008 561,345 Dpto. Arequipa Arequipa Carnaná Caravelí Castilla Caylloma Condesuyos Islay La Unión 241,103 94,825 22,078 31,712 17,875 2,372 171 70,956 1,114 U6,488 280,649 91,049 89,198 42,043 1,301 23.669 3,241 15,714 14,434 368,642 140,852 42,188 21,841 37,!34 34,241 19,903 4ó,ll7 26,366 633,933 201,147 8,940 52,467 113,601 70,915 4 8,657 79,790 58,416 531,068 210,0H 27,578 43,60.5 85,911 34,767 26,001 90,229 12,923 540,338 194,663 76,999 58,689 74,8H 17,393 15,543 93,657 8, 543 571,~3 202,8S5 127,876 53,502 94,671 33,728 18,961 24,748 14,8S2 302,468 137,875 10,220 57,210 26,735 14,165 10,237 37,669 8,357 460,342 82,408 55,655 27,837 66,B6 83,578 20,824 70,400 53,509 493,651 123,1.58 125,481 21,147 9,483 66,895 23,864 72,476 51,147 .567,864 1.59,373 109,976 22,903 39,296 78,408 32,479 58,091 67,338 5'147,739 1'698,818 697,30.5 454,943 570,604 491,009 230,379 672,946 331,735 99.118 60,559 1.ll6 21,987 3,610 30,883 10,498 13,099 14,736 14.~59 56,08~ - 67,~.9 30,069 63,613 36,250 ~9,314 Enero Febrero Dpto. Ayacuclto Huamangp. Qln¡allo Hu anta ' LaMar Parinacoc:has Víctor Fajardo Lucanas 1'240,??8 123,012 280,632 87,886 217,104 56,631 45,717 430,022 Dpto. Cajamarca Cajamarca Caja bamba Celendín Contumazá Cutervo Chota Hualgp.yoc: Jaén San Ignacio Sa,n Miguel Santa Cruz 1 176 Prov. Const. Callao 1 1 Dp~o. cuzco Cuzco Acomayo Anta Calca Canas Can chis Chwnbivilcas Espinar La Convención Paruro Paucanambo Quispicanchis Urubamba Dpto. Huancavelica Huancavelica Acobamba Angaraes Castrovirreyna Tayacaja Mano Abril 1'6H,80? 29,095 47,770 1'419,201 61,923 27,387 22,299 26,134 609,252 19,608 159,882 89,954 272,123 19,138 19,898 28,649 419,360 1'834,703 218,837 110,696 120,273 70,844 214,058 167,560 73,564 289,005 436,140 85,406 48,320 2'331,466 565,639 174,102 175,705 127,496 849,343 153,341 107,034 Mayo Junio 38,051 1'278,708 79,192 284,518 163,639 519,526 S4,Q63 67550 110,220 1'436,536 169,044 292,251 178,374 380,516 106,625 114,415 195,311 1,801 114,596 46,814 1' 394,302 117,132 68,508 64,711 65,310 219;104 173,194 35,148 272,874 263,684 57,233 57,404 1'803,931 337,827 224,485 111,089 117,076 161,439 247,713 65,963 155,758 217,750 92,090 72,741 1'521,505 148,375 53,160 50,210 65,584 203,051 257,949 77,790 237,847 306,083 75,224 46,232 2'307,111 494,639 151,347 160,979 60,597 133,287 261,162 151,677 337,378 308,638 148,384 99,023 1,265 1,473 7,880 22,535 22,367 1'153,880 35,475 83,898 150,468 70,188 61,406 70,684 69,227 46,302 316,431 39,831 64,934 114,596 30,440 1'014,637 37,154 32,717 195,858 101,290 37.196 46,627 62,467 24,458 241,710 76,085 67,128 25,603 66,344 976,502 1'390,046 785 569,764 8.373 21,157 147,950 31,897 8,842 170,444 73.417 50,205 79,106 61,734 891,923 3,172 3,655 46,421 342 1'680,724 57,702 129.465 252,979 204,333 3,250 61,885 29,798 930,412 253,849 115,516 71,363 118,520 371,164 429,123 89,403 112,715 49,464 22,797 154,744 271,225 67,594 36,526 15,340 14,741 137,024 241,248 61,412 35,345 1,920 15,310 127,261 15,595 - 37,484 216 153,263 4 6,394 - - 50,719 92,532 238,058 - - - Julio Agosto Octubre. s~tbre. No libre. Dlcbre. TOTAL 105,707 59,249 167,195 467,866 49,910 44,275 104,892 452,326 25,017 70,277 76,714 263,608 774 72 15,864 106,408 2,361 32,051 11,144 38,857 2,578 363 19,054 1'608,463 221,565 252,398 :J72,809 280,356 98,062 88,489 94,784 719,530 84,202 177,225 84,827 198,925 S2,02l 51,297 71,033 685,09, 11'189,579 94,928 953,731 218,803 1'925,775 67,644 3'011,913 129,488 3'068,350 503,022 35,833 94,394 548,769 44,005 1'178,019 590,156 194,602 184,847 120,569 341,648 287,767 119,854 388,986 442,407 137,817 117,795 2'770,H3 315,852 173,367 159,209 98,659 340,179 286,945 104,503 458,053 624,699 122,219 86,648 1'057,583 123,629 52,149 71,891 48,040 80,634 131,745 59,806 2Z7,153 174,043 45,790 42,709 1'186,773 353,809 106,572 115,717 101,868 82,940 125,694 84,258 93,983 13,821 69,245 38,866 1'215,644 98,039 95,118 92,785 74,777 177,423 113,053 53,867 104,511 316,680 47,355 42,036 988,344 :U'338,143 145,196 3'509,124 91,104 1'495,210 117,788 1'425,204 47,890 998,710 101,621 2'904,727 98,437 2'304,560 60,802 994,260 128,857 2'710,000 106,744 3'212,490 1'056,711 61,352 28,559 727,147 16,028 27,366 21,759 8,969 15,819 7,341 2'115,508 7,851 58,745 64,908 293,346 40,486 134,317 69,989 19,848 1'161 ,850 66,139 66,349 49,239 82,441 1'156,432 11,776 54,394 73,470 156,981 2,981 32,002 28,989 482,66:; 111,414 99,251 127,925 120,057 1'523,550 57,702 82,688 25,180 177,441 116,635 116,558 140,123 81,582 384,471 79,918 82,235 88,644 90,373 500,520 7,066 2,176 38,917 76,545 S,602 7,786 12,388 2,206 232,251 15,754 11,832 51 ,802 36,195 l'OU,656 21,070 92.922 117,346 92,552 32,907 64,621 64,748 24,253 234,286 92,969 72,711 68,362 .53,909 1'605,205 48,726 105,999 214,584 162,502 33,350 85,909 60,288 22,049 552,409 95,152 63,502 91,820 68,915 292,511 44,036 95,227 15,915 10,945 126,388 671,514 115,455 145,401 91,982 53,282 265,388 495,055 93,307 111,337 87,849 50,646 151,916 309,006 118,275 6n,468 193.899 76,047 33,957 27,309 306,256 589,210 88,825 106,606 137,653 24,860 231,266 393,313 108,085 29,233 37,360 23,197 195,438 - 999,094 2'9~6.48 - - 640,956 66,133 19,893 37,645 31,212 - 40,658 21,759 128,314 ----- 7,518 160,320 772,060 14'921,720 291,019 5,712 6,941 687.429 17,100 1'159,868 140,574 1'799,459 441,320 34,086 739,475 62.487 36,16$ 653,288 28,662 311,094 342,414 6'051,130 2,692 657,632 3,698 576,345 28,06$ 878,072 63,464 675,589 442,,0 101,055 92,182 56,129 54,194 138,990 5'702 ,635 1'33S,l95 956,135 639,590 437,566 2' 334,149 Enero 1 1 Febrcro Mar.~:o Abril Mayo Junlo J ulio --- Agosto Sctbre. 177 156,594 31,825 18,720 534,272 117,132 22,048 195,649 75,430 25,399 57,711 40,903 834,307 224,848 65,324 148,292 93,322 171,481 22,711 108,329 612,747 94,016 89,044 198,752 104,280 36,088 56,837 93,730 748,680 180,149 7,712 216,671 84,046 129,001 51,236 79,871 945,218 79,948 44,488 276,365 99,722 247,679 80,539 116,477 1'015,016 176,898 41,048 223,374 157,423 216,286 125,232 74,755 585,492 178,383 S 5,042 127,224 19,442 126,911 26,383 52,107 295,186 65,702 401 46,721 15,882 106,342 12,656 48,082 Dpto.lca 1e a Chincha Nazca Palpa Pisco 268,240 55, 147 62,645 43,183 9,846 97,419 319,397 32,699 119,614 35,904 29,113 102,067 24$,905 50,101 11 7,482 20,952 6,964 50,406 357,998 28,234 175,351 80,507 46,058 27,848 434,669 117,270 172,115 61,446 31,740 52,098 316,977 90,027 101,233 29,808 40,652 55,257 466,259 282,813 73,933 46,007 3,794 59,712 557,205 221,635 174,410 28,709 2,116 H0,335 Dpto. Junín Huancayo Concepción Chanchamayo Jauja Junín Satípo Tanna Yauli 660,620 245,916 89,094 81.232 87,346 914 142,851 12,618 649 952,709 223,154 164,597 278,224 178,335 2,939 86,680 17,185 1.595 1'378,370 101,485 23,071 368,452 157,931 2,939 711,617 12,573 302 1'634,958 96,405 1,669 1'278,294 1,037 15,205 214,652 27,696 1'174,612 219,963 31,914 390,828 211,137 25,116 200,881 93,076 1,697 1 '416,996 230,749 71,846 380,114 248,231 9,830 441,073 33,103 2,050 1'66.5,184 129,223 71,513 954,017 166,122 113,163 180,598 49,961 587 1'407,523 331,138 30,923 183,372 160,380 404,654 84,926 212,130 2'006,151 274,835 96,690 300.919 310,377 325,473 255,064 703,296 211,354 8,597 55,778 194,552 216,570 13,693 2,752 1'267,327 129,655 28,010 183,352 318,162 24S,701 100,012 262,43.5 931,603 196,351 31,914 1 85,049 226,501 80,277 73,468 138,043 1'288,086 328,086 27,576 179,165 310,852 250,721 100,507 91,179 81$,625 232,247 367,037 216,341 1'005,245 322,172 :!70,552 3U,521 757,349 358,785 39,152 359,412 582,185 80,823 81,143 420,219 471,452 167,384 72,216 231,852 890,190 357,544 117,709 414,937 Dpto. Huánuco Hu6nuco Ambo DosdcMayo Huama!{es Lconcio Prado Marailón Pachitea 548,043 42,274 41,960 199,1 05 57,~6 Dpto. La Libertad Trujillo Bolívar Huamachuco Otuzco Pacasmayo Pataz Santiago de: Chuco Dpto. Lambayeque Chiclayo Ferrcñafc L unbaycquc 1 4·~2.793 - OctUbre. Novbre. Dicbre. TOTAL 94,912 47,Sl7 638,611 208,923 274,834 68,836 91,723 980,474 179,824 56,035 324,616 92,073 113,558 124,774 84,591 881,672 110,739 175,496 303,263 87,287 53,296 78,544 73.047 9'461.063 1'544,825 646,115 2'898,643 1'095,398 1'662,469 737,278 882,335 330,240 91,310 163,100 51,692 10,268 13,870 272,360 40,077 79,846 64,687 39,8.51 47,899 2,,376 13,465 80,351 64,605 4-,4-51 112,510 757,322 407,765 69,733 53,015 15,873 210,936 4'601,948 1'430,543 1'389,813 580,515 240,720 775,884 84,130 57,835 394,453 38,262 34,336 111,852 54,532 484 800,363 148,247 24,486 384,148 24,579 21,272 110,726 86,824 81 823,769 214,611 113,983 125,532 114,836 19,444 176,400 57,993 970 946,334 179,133 120,498 357,478 130,351 23,700 92,940 47,113 1,121 980,350 13'210,149 189,946 2 '062,962 130,590 901,096 . 5'358,614 365,842 120,946 1'479,113 10,941 279,799 93,097 2'563,367 67,995 554,669 10,529 993 1'887,928 39,577 95,807 465,103 311,284 213,516 323,311 439,330 941,429 160,156 21,479 131,572 423,4!2 20,066 48,744 136,000 750,532 423,339 52,656 178,924 3,466 19,393 63,848 1'194,628 105,349 43,413 225,722 189,074 275,320 168,849 186,901 1'124,305 97,602 36,822 233,017 188,654 278,993 82,156 207,061 656,597 166,001 104,935 38$,661 352,992 45,263 149,461 158,268 518,869 231,039 120,640 167,190 321,2H 140,204 29,519 151,550 314,320 72,524 93,223 148,573 8,906 1'4~5,3S6 960,357 1'002,706 14'505,514 239,351 2'536,793 21,240 451,377 92,406 2'429,985 281,200 3'083,914 113,407 2'413,068 76,330 1'416,862 178,772 2' 173,515 932,927 338,629 330,871 263,427 1 7'619,024 2'512 ,615 1'876,458 3'229 ,951 Enero Febrero Marzo 675,7H 35,814 600,786 31,293 24,353 12,004 321,885 926,153 121,223 38,633 26,433 465,970 Dpto.Lima Lima Cajatambo Canta Chanc:ay Caflete Huaroc:hirl Yauyos 131,090 74,365 76,222 15,749 14,369 178,305 137,194 126,303 97,573 Opto. Lorcto Maynas Alto Amazonas Coronel Ponillo 679,037 185,080 107,817 187,686 323,812 71 ,356 14 3,914 34,760 Lo reto Requena Uc:ayali 57,756 60,031 80,667 13,329 17,874 42,579 Opto. Madre de Dios Tambopata Manú Tahuaman\1 42,922 30,177 6,445 6,300 6 ,586 - Opto. Moquegua 11 o Mariscal Nieto General Sánc:hez Cerro Abril 695,846 130,258 Mayo 1'219,286 220,998 103,956 56,953 588,975 167,805 40,512 40,087 182,521 73,917 53,456 31 ,oso 20,496 285,929 134,943 34,793 58,377 639,154 274,605 154,918 224,718 128,592 36,676 67,952 57,041 54,367 30,271 21,094 16,487 12,765 9,104 69,847 64,S8S 35,391 33,516 32,643 853 5,733 34,947 23,716 8,779 2,452 25,580 8,650 13,532 3,398 12,733 51,525 20,149 486 5,529 6,718 156 1 1,127 60,606 5,837 25,652 40,2 42 10 6,934 13,205 115,481 114,551 143,505 22,036 26;072 67,373 14,945 20,506 79,100 28,529 29 ,277 85,699 Junio 964,753 218,467 26,963 37,564 277,021 314,644 38,667 51,427 Julio Agosto Sc:tbre. Octubre Novbre. Dlc:bre. TOTAL 670,227 861,799 284,918 16,974 24,140 227,180 193,427 921,969 149,803 93,708 43,729 862,836 552,655 66,633 67,629 17,386 271,387 845,988 79,522 9'834,031 1'603,651 74,797 26,966 620,011 363,008 69,352 45,808 41,485 50,893 100,160 11 !1,.555 47,347 370,287 171,973 26,899 30,615 404,816 111,127 28,726 120,034 3'992,487 1'959,438 618,135 677,301 193,696 59,339 61,418 578,449 239,693 84,190 77,331 66,479 83,287 27,469 l'l34,61S 6' 131,059 285,205 83 ,616 216,468 400,780 79,772 68,774 1'998,313 1'157,798 38,168 11,244 14,333 9,194 254,834 104,663 85,793 25,323 22,023 6,500 10,532 366,581 227,761 84,579 54,247 164,562 10,644 35,621 219,607 167,929 38,058 33,806 381,125 161,226 85,559 25,058 19,003 1 1 1 178 1'026,2"7 335,0911 175,131 197,101 95,137 111,378 112,391 589,909 139,208 146,148 125,826 50,630 59,194 68,303 122,881 47,738 8,330 8,446 20,:J02 24,511 13,554 24,731 15,16 8 2,243 7,320 77,690 50,832 25,881 26,749 8,030 4,847 13,872 49,590 42,900 2,871 3,819 17,074 12,214 2,596 2,264 22,913 11,053 S,Sll 6,349 25,098 17,670 7,428 977 12,707 7,351 3,593 1,763 109,260 11,159 45,661 52,440 95,157 5,857 40,462 48,838 109,560 19,946 41,833 47,781 45,092 3,152 21,050 54,642 3,204 29,117 128,932 16,116 41,088 71,728 27,439 1,170 39,878 46,391 49,718 2,763 21,949 25,206 824,813 69,856 324,416 430,541 556,649 61,935 46,115 448,599 333,SH 6S,S10 71,840 196,223 218,169 449,834 45,059 46,2S3 358,522 268,680 42,866 181,369 12,410 262,547 46,463 44,873 J 71,211 3'102,009 1 526,610 !179,427 363,717 127,735 - 1'064,740 846,599 558,128 505,481 1 1 Opto. Paac:o Pasc:o Daniel Carribn Oxaparnp• 39,380 56,463 122,326 46,392 179,422 ~- 20,890 279,007 80,529 71,968 126,780 -- 23,453 Z7,98S 178,644 67,218 60,750 50,676 58,918 110,041 1'99!1,972 Enero Dpto. Pluta Piura Ayabaca Huancabamba Morrop6n Paita Su llana Talara Opto. Puno Puno Al: ángaro Carabaya Chucuito Huancané Lampa 179 Melgar Sandia San Rom4n Dpto. San Martín Moyobamba Huallaga Lamas MariS~:l Cáceres Rlojf. San Dpto.Tama Tec.. ,.............,...... t:ulttfl...,lftlt ........u.. Yller - Mayo Junio JuHo Agotto Setbre. 1'013,903 190,671 166,521 245,.541 94,821 54,168 262,085 1'905,381 832,850 707,633 151,220 142,728 205,401 165,220 1'758,578 459,028 363,720 579,680 131,365 27,212 969,849 261,277 234,128 282,990 44,523 .5,108 604,704 176,368 163,044 420,240 81,238 296,093 883,564 328,535 86,016 119,072 151,5.55 .51,001 147,079 306 96 338 223 141,6.52 171 90,331 .584 197,179 394 264,899 50,148 98,542 32,171 44,3.55 9,228 30,445 152 10 804,921 120,566 953,949 69,050 145,794 7,693 239,817 145,664 164,072 11,728 168,254 1,877 753,859 204,697 169,825 42,983 23,984 138,46.5 29,213 23,885 68,597 52,210 1'622,266 281,291 283,081 37,284 491,164 246,112 42,202 3'\,.515 129,040 11,517 16'529,173 2'240,142 2'775,993 467,796 4'939,506 2'.544,681 592,236 346,237 2'002,041 620,541 402,696 23,710 8,421 116,207 66,312 6,697 181,349 151,089 6,823 Zl8,79J 17,500 491 Jtl,569 23,152 2,094 81,260 17.376 68,622 48,192 6 ,453 60,650 .526,954 51,644 45,823 211,174 75,795 23,063 119,455 4'652,748 355,213 346,307 1'462,029 58,554 J6,247 22,307 250,018 111,9U 109,345 140,673 SS,:WI 56,7JI 1'470,180 714,260 25,324 16,012 121 9,191 2,739 2,066 121 552 Abril 1'117,593 127,982 396,036 190 67,145 197,5.56 152 1'187,482 20,141 138,942 80,936 270,656 129,973 41,430 18,474 315,298 171,632 671,449 198,705 10,681 56,789 153,517 23,337 2.5,070 1,230 53,498 148,622 2'617,060 20,794 21,470 8,431 1 '894,628 274,776 3,172 3,521 380,558 9,710 2'083,802 446,631 433,827 7,304 908,392 136,466 11,642 58,812 56,930 23,798 2 '308,487 605,439 616,397 79,319 132,528 548,925 108,501 82,969 94,225 40,184 2'430,566 203,653 351,492 92,198 509,684 487,207 94,770 72,124 400,856 18,582 833,838 18,189 232,530 12,296 44,794 230,362 41,638 20,129 213,146 11,754 261,494 50,986 25,775 13,430 62,6J 7 18,900 458,183 43,066 44,042 164,268 216,404 17,707 11,314 42,492 30,545 13,287 101,059 283,948 17,216 18,135 68,882 37,513 6,381 13.5,821 327,671 27,780 35,070 97,518 65,320 14,823 87,160 ns,744 37,583 45,903 168,483 93,964 9,970 169,841 767,375 50,435 63,585 261,139 110,937 15,787 259,492 601,599 47,676 55,410 197,153 93,648 24,245 183,467 172,292 14,073 737 29,522 27,683 8,874 8,874 39,726 21,800 17,926 102,462 34,207 68,255 308,306 152,5+4 223,146 77,573 79,867 57,703 187,U 1 104,691 1.55,762 145,573 22,164 89,160 47,681 41,479 81,942 75,091 Z,HK 10),015 JIJ,U8 •.•u ,P,IU I,IPJ ll,742 18,848 10,626 3,107 5,115 :U,403 17,3ll I,OU H,CI96 83,069 71,176 3,852 361,432 58,044 89,988 343,276 10,784 8,394 2,390 T..lll Mano 1'421,.01 524,549 129,623 82,246 160,775 79,239 23,088 104,480 Manto Febrero - 1'731,953 594,386 JH,I16 J70,6PJ 151,168 141,9111 6J,412 SZ,ZOJ 1,701 4,049 tO,JfH J,OU II,U? ...... . -. "·'"' . 369,329 148,257 465,876 ,_- 179,844 130,127 15,768 136,267 7,HI ·.;...,;.. - 8,697 146,179 29,1H 207,725 164,494 21,829 7,453 74,239 33,303 2,397 47,400 31,292 11,013 89,264 12,660 113 ~ 7,977 Octubre 237,831 9.5,717 111.172 38,799 30,702 l-.-- Novbre. ._ _ Dicbre. TOTAL 717,924 13'302,599 268,S09 4'189,400 1'842,868 117,749 89,264 2'177,740 84,089 2'013,254 38,074 655,883 120,087 2'480,686 152 ••••• 7,7" 1,1\41\ . 2,768 759,000 i 156,901 1'573,298 715,920 ..........,.. M0,949 IH.OIZ -a 1 TOTAL DEL PAIS REQUERIMIENTOS LABORALES AGROPECUARIOS ~o 1972 Enero 30'719,319 Februo Marzo Abril 30'168,241 31'092,634 30'147,009 Mayo Junio 32'923,548 36'547,659 JuUo Setbre. AcOlitO OctUbre Novbre. Dicbre. TOTAL 34' 1,,707 28'799,407 24'844,141 28'505,542 27'715,401 29'800,655 ~65'419,23 - - 807,387 104,148 420,732 36,963 184,735 60,809 643,222 113,290 309,288 25,068 157,844 37,732 649,004 111,607 265,645 26,651 193,162 50,939 499,809 111,002 269,569 21,420 62,535 35,283 692,924 82,276 320,794 29,870 206,543 53 ,441 847,741 137,467 365,125 44,215 242,528 58,406 1'070,879 153,227 534,695 47,437 267,568 67,952 120,464 81,753 328,484 41 ,240 204,380 64,607 463,514 116,559 149,180 22,772 127,951 47,052 562,327 121,576 226,529 28, 162 142,118 43.942 565,342 100,386 280,120 23,330 114,447 47.059 Yungay 1'932,512 181,859 86,343 59,056 144,443 81,156 90,394 39,467 213,566 109,711 167,828 98,422 97,470 96,739 163,852 140,642 161,564 1'929,641 149,253 65,224 93,362 99 ,918 72,736 118,770 36,578 386,415 103,734 142,541 92,420 77,446 84,422 145,717 125,433 135,672 2'414,126 214,274 106,274 155,714 147,755 80,0ZO 70,121 41,994 405,355 129,895 201,257 113,568 115,150 103,683 177,622 172,494 178,950 1'560,821 137,820 41,813 42,818 130,992 72,014 51,357 39,020 157,079 85,906 164,845 99,490 89,597 84,470 114,000 127,980 121,620 2'282,540 194,421 86,927 100,321 130,659 96,351 50,371 44,877 485,604 121,059 202,621 117,733 101,152 102,825 118,744 149,739 179,136 1'956,326 148,305 84,738 93,129 134,790 65,488 98,499 34,049 397,438 108,764 107,970 76,921 56,010 87,072 227,735 93,065 143,353 1'792,405 116,433 63,471 111,823 92,420 59,412 98,674 36,141 354,733 91,862 134,585 90,665 80,861 79,256 138,224 127,281 122,564 1'780,641 124,746 67,371 118,337 100,127 60,628 33,163 36,437 368,537 102,708 138,570 91,193 81,708 81,867 120,216 127,418 127,61 S 1'270,878 88,829 38,632 67,975 125,579 41,485 34,P73 28,326 258,056 73,751 67,570 58,130 44,072 67,997 119,692 70,834 84,977 1'595,721 126,257 45,080 53,454 167.901 79,911 34,727 36,171 222,376 94,305 130,553 84,918 69,941 76,l){Jl 137,695 108,243 128,188 1'751,144 139,367 45,103 59,752 115,179 98,115 83,246 38,780 254,773 112,385 149,481 93,795 75,729 76,040 140,H1 118,344 150,514 1'781,246 22'054,001 147,735 1'769,299 49,651 790,627 80,901 1'036,642 144,161 1'533,924 90,795 898,1 11 82,657 846,952 37,053 447,893 3'784,467 280,535 106,657 1'240,737 133,192 1'741,013 86,859 1'104,114 69,715 958,851 83,463 1'023,835 145,740 1'749,778 94,350 1'455,823 147,782 1'681,9H Dpto. Apurímac Aban ca y Andahuaylas Anta bamba Aymaraes Cotabambaa Grau 1'106,072 115,072 479,764 117,103 172,540 117,991 103,602 1'070,496 153,957 391,901 106,146 175,227 139,540 103,725 1'164,096 111,803 468,941 183,132 168,159 121,248 1'412,198 150,570 599,595 146,756 242,144 143,516 129,617 1' 557,252 187,943 701,764 153,290 253,909 135,433 124,913 1'614,119 205,885 561,963 142,493 507,240 231,047 165,491 1'372,209 185,285 430,185 152,350 308,292 145,151 150,946 1'243,845 170,838 445,434 146,288 238,374 118,906 124,005 1'050,605 142,643 312,317 121,496 208,577 148,661 116,911 1'384,831 173,950 497,384 136,069 248,556 188,375 140,497 1'539,925 201,750 600,072 158,507 282,128 155,680 141 ,788 1'255,481 15'771,129 138,695 1'938,391 454,091 5'945,411 133,922 1'625,233 229,102 2'849,221 1'845,192 152,733 146,938 1'569,681 681,579 212, 197 32,353 76,926 49,459 115,665 47,544 96,131 51,304 596,964 177,931 11,391 67,201 35,194 144,176 57,871 38,274 64,926 721,125 208,42 1 99,413 87,257 3 2,885 136.962 50,614 40,889 64,624 809,118 258,224 52,463 67,0S5 68,718 147,534 67,276 71,292 76,556 1'074,409 318,519 19,215 91,681 145,185 184,208 96,030 104,965 108,606 971,544 327,426 37,853 88,819 117,495 148,060 73,374 115,404 63,113 980,814 312,035 87,274 103,903 106,435 130,686 62,916 118,832 58,733 1'011,669 320,227 138,151 98,716 126,255 147,021 66,334 49,923 65,042 742,944 255,247 20,495 102,424 58,319 127,458 57,610 62,844 58,547 900,818 199,780 65,930 73,051 97,720 196,866 68,197 95,575 103,699 934,127 240,530 135,756 66,361 41 ,067 180,188 71,237 97,651 101,337 1'008,340 10'433,4!11 276,745 3 '107,282 820,605 120,251 68,117 997,511 70,880 949,612 1'850,525 191,701 79,852 798,855 83,266 975,046 117,528 934,015 Dpto. Amazona• Chachapoyas Bagua Bongará Luya Rodríguez de Mendoza 180 Dpto.Ancuh Hu ata% Aija Antonio Raimondi Bolognesi Carhuaz Casma Corongo Huari Huaylas Mariscal Luzuriaga Pallasca Pomabamba Recua y Santa Sihuas Dpto. Aftqulpa Arequipa Camaná CaravcH Castilla Caylloma Condcsuyos Isla y Le Vnión 110,813 569,169 115,421 201,564 35,090 154,154 62,940 8'091,782 1'349,712 3'671,725 382,218 2'057,965 630,162 -- Enero Febrero Mano Abril Mayo Junio Julio Agosto Sctbrc. Octubre 181 Opto. Ayacucho Huamanga Can~ lo Huanta La Mar Parinacochas Víctor Fajardo Lucanas 2'578,356 270,612 498,414 163,766 J29,863 214,710 261,311 839,680 2'971,167 176,695 265,552 1'495,087 174,682 185,466 237,893 435,792 1'946,610 167,208 377,664 165,840 384,882 177,217 235,492 438,307 1'756,718 147,600 268,501 H8,418 350,817 158,079 215,594 447,709 2'616,066 226,792 502,300 239,525 632,285 212,092 283,144 519,878 2'773,894 316,644 510,033 2S4,260 493,27S 264.704 330,009 604,969 2'336,452 253,307 277,031 243,081 580,625 207,989 259,869 514,550 1'789,684 172,617 288,059 152,600 376,367 158,853 215,666 425,522 1'443,766 149,961 249,833 87,030 151,616 260,657 215,957 428,712 2'945,821 Dpto. Cajamarca Cajamarca Cajabamba Celendín Contumazá Cutervo Chota Hua.lgayoc Jaén San lgnacío SanMigue.l Santa Cruz 3' 139,518 485,066 223,668 205,699 153,099 366,914 364,603 145,902 389,929 486,554 197,295 120,789 3'636,281 831,868 287,074 261,131 209,751 1'002,199 350,384 179,372 116,.519 52,215 226,485 119,283 2'699,117 383,361 181,480 150,137 147,565 371,960 370,237 107,486 373,798 314,098 169,122 129,873 3'108,746 604,056 337,457 196,515 199,331 314,295 444,756 138,301 256,682 268,164 203,919 145,210 2'826,320 414,604 166,132 135,636 147,839 355,907 4)4,992 150,128 338,771 356,497 187,113 118,701 3'611,926 760,868 264,319 246,405 142,852 286,143 458,205 224,015 438,302 B9,on 260,273 171,492 4'231,263 856,385 307,574 270,273 202,824 494,504 484,810 192,192 489,910 492,821 249,706 190,264 4'075,148 582,081 286,339 244,635 180,914 493,035 483,988 176,841 558.917 6,,113 234,108 l 59,117 17,727 17,935 24,342 38,997 38,829 32,490 43,828 Canas Canchis Chumbivilcas Espinar La Convención Paruro Paucartambo Quispicanchi Urubamba 2'582,735 63,194 145,592 237,503 150,789 184,934 259,347 300,954 285,274 366.960 109,480 134,072 256,360 88,276 2'443,492 64,873 94,411 282,893 181,891 160,724 235,290 294,194 263,430 292,239 145,734 136,266 167.367 124,180 2'405,357 27,719 99,178 87,251 233,864 123,532 195,057 231,727 238,972 620,293 78,022 90,295 289.714 89,733 2'818,901 28,504 61,694 95,877 251,045 196,945 238,868 310,833 300,706 942,452 72,821 72,793 188,185 58,178 3'109,579 85,421 191,159 340,014 284,934 126,778 250,548 261,525 238,972 533,194 181,063 168,389 269,689 177,893 2'952,405 85,421 144,382 112,215 258,042 240,163 305,221 371,850 320,554 435,000 149,567 151,373 230,408 148,209 Opto. Huancavelka Huancavelica Acobamba Angaraes Castrovirreyna. Tayacaja 1'819,111 493,101 178,446 170,376 423,884 553,284 1'317,822 328,655 175,665 148,477 328,161 336,864 1'159,924 306,846 99,476 114,353 320,105 319,144 1'129,947 300,664 98,295 100,933 320,674 309,381 1'181,210 283,288 158,177 114,928 316,309 308,508 1'560,213 354,707 208,351 190,995 3S8,652 447,508 Prov. Conn. Callao Dpto. Cu.zco Cuzco Acomayo Anra C;~.lca - Novbre. - Olcbre. TOTAL 470,180 648,695 393,115 256,141 304,083 504,442 2•056,888 231,802 395,007 160,713 311,684 210,100 266,891 480,691 2'022,453 27'U7,875 242,528 2'724,931 436,585 4'539,159 143,530 3'922,S45 242,2 47 4'421,458 2'399,910 193,912 3'135,897 309,988 453,663 6'093,91 S 2'362,398 389,858 165,121 157,317 130,295 233,490 328,788 132,138 328,077 224,457 157,679 115,178 2'491,588 620,038 219,544 201,143 184,123 235,796 322,737 156,596 194,907 64,235 181,134 111,335 2' 520,459 364,268 208,090 178,211 157,032 330,279 310,096 126,205 205,435 367,0st4 159,244 114,505 2'293,159 36'995,923 417,419 6'703,872 2'850,874 204,076 2'450,316 203,214 130,145 1'985,770 254,477 4'738,999 295,480 4'669,076 133,140 1'862,316 229,781 3'921,088 157,158 3'817,458 173,241 2'399,379 101,028 1'596,775 38,221 25,431 32,281 23,803 3'544,363 35,570 120,439 151,943 373,947 164,014 322,980 301,716 258,820 1'212,379 135,788 135,487 191,003 140,277 2'585,288 39,495 116,088 160,505 237,582 126,509 220,665 260,716 238,972 691,485 135,782 89,031 179,409 89,048 1'929,375 34,785 63,870 125,952 157,146 129,130 196,449 244,115 241,178 282,780 85,403 80,970 193,566 94,031 2'461,511 48,789 154,616 204,381 173,153 156,435 253,284 296,475 263,225 284,815 162,618 141,849 210,126 111,745 3'034,060 76,445 167,693 301,619 243,103 156,818 274,572 292,015 261,021 602,938 164,801 132,640 233,584 126,751 2'200,915 32'067,981 33,431 623,647 1'427,757 68,635 104,135 2'204,288 221,175 1'766,671 1'923,656 157,614 251,150 3'003,431 3'434,012 267,892 267,634 3'178,759 392,943 6'657,478 72,341 1'493,420 72,836 1'406,001 2'579,240 169,829 121,300 1'369,621 1'383,754 332,559 174,287 186,862 356,010 334,036 1'197,705 357,527 62,950 139,671 327,123 310,434 1'526,167 433,151 138,997 132,970 332,673 488,376 1'477,909 328,077 169,556 236,666 330,224 413,386 1'282,012 347,337 92,183 136,373 328,561 377,558 1'331,249 16'367,023 340,307 4'206,219 1 55,132 1'711,535 1'827,746 1H.142 359,H8 4'101,934 321,110 4'519,589 369,1~ 23,980 H7,864 Enero - Mano Febrero -AbrU Mayo 1'228,049 149,095 117,066 447,461 153,223 172,324 112,015 76,865 1'114,278 223,953 97,154 444,005 171,088 41,129 H7,901 99,048 1'514,313 231,669 140,430 396,648 188,980 187,211 102,901 166,474 1' 352,753 200,837 164,150 447,108 199,938 51,818 137,027 151,875 1'418,686 286,970 82,818 465,027 179,704 144,731 131,420 138,016 451,H5 98,113 136,800 68,954 19,808 127,660 502,492 15,665 193,769 61,675 39,075 132,308 429,000 93,067 191,637 46,723 16,926 80,647 541,093 71,200 249,506 106,278 56,020 58,089 617,764 160,236 246.270 87,217 41,702 82,339 Dpto.¡unín Hultncayo Concepción Chanchamayo Jltuja Junín Satipo Tarma Y&uli 1'424,635 466,228 181,982 95,640 240,385 85,130 155,148 97,299 102,823 1'716,724 443,466 257,485 292,632 331,374 87,155 98,977 101,866 103,769 2'142,385 115,959 382,860 310,970 87,155 723,914 97,254 102,476 2'398,973 316,717 94,557 1'292,702 154,076 99,421 226,949 112,377 102,174 1'938,627 440,275 124,802 405,236 364,176 109,332 213,178 177,757 103,871 Dpto. La Libertad Trujillo Bol{vu Huamachuco Otuzco Pacasmayo Patu Sltntiago de Chuco 2'178,506 424,702 72,688 336,868 334,561 447,377 201,450 360,860 2'777,134 368,399 138,455 596,289 475,100 353,100 441,997 403,794 1'474,279 304,918 50,362 209,274 368,733 259,293 130,217 151,482 2'038,310 223,219 69,715 336,848 492,343 288,424 216,536 411,165 1'702,586 289,915 73,679 338,545 400,682 123,000 189,992 286,773 Dpto. Lunbayeque Chiclayo Ferreñafe Lambayeque 1'079,340 300,286 424,236 354,818 1'268,960 390,211 427,751 450,998 1'021,064 426,8Z4 96,351 497,889 845,900 148,862 138,342 558,696 735,167 235,423 129,415 379,329 Dpto. Huánuco Huánuco Ambo Dos de M&yo Huamalles Leoncio Pr&do Mar&ñ6n Pachítea Dpto. lea I ea Chinchlt Nazca P&lpa Pisco 321.7~ Jurúo Julio Agosto ·- ,..._... Setbre. Octubre Novbre. Dicbre. TOTAL 1'625,224 186,769 119,594 524,721 195,380 263,409 160 ,729 174,622 1'695,022 283,719 118,154 471,730 253,081 232,016 205,422 132,900 1'265,498 285,204 130,148 375,580 115,100 142,641 106,573 110,252 975,792 172,523 75,507 295,077 111,540 122,072 92,846 106,227 2'105,362 201,733 122,623 886,967 304,581 290,564 149,026 149,868 1'660,480 286,645 131,141 500,072 132,993 175,388 55,579 50,614 85,498 649,354 325,779 148,088 71,778 13,756 89,953 740,300 264,601 248,565 54,480 12,078 160,576 SI3,33S 134,276 237,255 77,463 20,230 44,111 455,45'5 83,043 154,001 90,458 49,813 78,140 458 ,471 56,431 154,506 90,376 14,407 142,751 2'181,011 451,061 164,734 394,522 401,270 94,046 453,370 117,784 104,224 2'429,199 349,535 164,401 968,425 319,161 197,379 192,895 134,642 102,761 1'539,899 304,442 150,723 408,861 191,301 118,552 124.149 139,213 102,658 1'S64,378 368,559 117,374 398,556 177,618 105,488 123,023 171,505 102,255 1'587,784 434,923 206,871 139,940 267,875 103,660 188,697 142,674 103,144 1'710,349 399,445 213 ,386 371,886 283 , 390 107,916 105,237 125,794 103,295 1'744,365 22'378,329 410,258 4'706,706 223,478 2'015,752 380,250 5' 531,510 273,985 3'315,581 95,157 1'290,391 105,394 2'71 0,931 152,676 1'570,841 103,167 1'236,617 2'059,069 421,650 69,341 332,661 485,033 293,444 217,031 239,909 2'658,911 133,141 137,572 618,599 485,465 256,239 439,835 588,060 1'712,412 253,720 63,244 285,068 597,593 62,789 165,268 284,730 1'521,515 516,903 50,671 206,152 353,105 46,189 135,917 212,578 1'965,611 198,913 85,178 379,218 363,255 318,043 285,373 335,631 1'895,288 191,166 78,587 386,513 362,835 321,716 198,680 355,791 1'77),689 23'757,310 332,915 3'659,561 63,005 952,557 4'271,937 245,902 5'174,086 455,381 2'925,744 156,130 192,854 2'815,150 327,502 3'958,275 1'153,90!! 425,583 174,908 !!53,414 920,312 234,040 162,134 524,138 616,707 113,302 206,660 296,745 782,584 299,078 1 77,839 305,667 584,988 208,243 86,718 578,03!! 140,563 150,422 287,050 290,027 '572 ,972 187,734 134,288 204,964 142,736 1'561,678 17'627,135 217,560 2'826,677 250,602 1'547,387 5'878,91 S 551,619 2'24J,294 182,945 1' 851,229 69,026 158,734 1'699,558 131,192 1'580,075 940,417 450,731 143,888 78,786 25,835 241,177 1'196,642 406,668 388,070 401,904 6'799,088 1'946,135 2'279.673 889,767 360,264 1 ' 323,249 10'783,604 3'329,083 2'562,846 4'891,675 l!.nero Opto. Lbna Lima Caja tambo Canta Chane ay Cañete Huarochirí Yauyos 183 Opto. Loreto Mayoas Alto Amazonas Coronel Portillo Loreto Requcna Ucayali 1'494,826 201,856 112,466 94,839 480,6!J2 170,684 181,651 2!J2,678 796,Z3l 219,909 127,177 223,930 63,246 69,506 92,463 Febrero Marzo Mayo Julio Agosto - -· 1'!114,939 296,300 119,163 103, 331 444,696 174,537 2'038,379 387,040 1'681,929 266,202 203,668 130,182 142,079 234,833 1'680,892 450,960 105,087 106,475 385,947 233,021 176,638 222,264 1'741,062 315,845 181,821 126,564 207,399 147,798 216,543 120,399 435,788 354,238 145,953 227,883 1'489,320 330,604 98,757 118,456 378,374 207,523 145,344 210,262 539,892 200,820 148,771 227,349 S29.0S4 211,567 13-4 ,185 207,071 310,890 94,168 372,028 139,492 105,153 61,567 27,513 15,975 22,328 -- -- . Junio 1'783,846 384,509 115,076 Setbre. - Octubre 1'419,879 197,335 103,862 97,204 337,072 176,788 233,589 274,029 1'781,246 287,265 126,746 109,268 624, 737 441,006 106,185 163,274 71,004 756,348 309,434 174,278 104,196 62,531 63,842 42,067 341,912 163,421 56,036 57,338 21,977 22,240 480,911 1'143,431 707,103 240,075 162,564 89,207 100,829 40,881 42,991 20,900 44,439 369,928 194,491 233,345 100,627 120,853 124,187 174,037 165,508 162,070 56,120 69,269 80,099 82,567 27,690 44,690 25,792 33,986 25,350 44,538 22,030 15, 379 43,689 31,665 20,731 5,440 5,494 45,707 21,410 6,694 17,603 68,548 36,032 56,280 4,718 7,550 25,594 4,443 18,819 27,349 54,375 222,115 181,203 229,912 61,880 43,557 8,292 10,031 25,544 53,905 13,380 2,700 9,464 37,096 10,626 6,183 Opto. Moque¡ua Ilo Mariscal Nieto Sánchez Cerro 117,753 1,152 45,447 71,154 156,545 822 51,045 104,678 Opto. P IUICO Paseo Daniel Carrión Oxapampa 392,860 160,495 114,885 117,480 391,930 1S3,404 109,319 129,207 Opto. Madre de Dios Tambopa.ta Manú Tahua.manu Abril 192,069 139,788 747,742 80,778 74,412 16,734 23,808 20,990 Dicbre. --- 1'371,748 232,675 155,742 100,221 430,154 125,153 i 32,344 195,459 TOTAL 1'66!J,081 19'663,147 245,564 3'596,1 SS 1'677,36 7 162,910 109,801 1'357,028 5'897,691 563.583 150,721 2'434,566 136,012 1'90 5,567 296,490 2'794,773 695,643 274,522 1'251,809 320,034 7'537,387 2'416,261 1'390,118 l '499,668 103,550 113,575 71,969 92,762 39,265 102,976 252,712 406,270 89,247 80,570 5,995 41,871 24,433 7,358 10,080 44,056 31,050 9,275 3,731 594,083 388,321 106,743 99,019 912,479 671,828 647,033 7,129 4,090 11 ,051 96,648 64,212 27,728 4,708 125,169 676 46,852 77,641 165,626 6,503 65,570 93,553 233,952 16,782 81,006 136,164 214,280 11,825 85,579 116,876 200,177 6,523 80,380 113,274 214,580 20,612 81,751 112,217 150,112 3,818 60,968 85,326 159,662 3,870 63,371 92,421 192,459 1,836 79,796 110,827 154,738 3,429 61,667 89,642 2'085,053 77,848 803,432 1'203,773 420,884 166,988 118,090 834,028 200,394 610,952 203,969 160,653 246,330 495,548 177,839 145,276 172,433 727,Zl3 183,518 135,066 408,629 546,059 181,325 135,205 556,386 218,718 160,781 176,887 456,023 205 ,677 149,563 100,783 458,748 150,869 147,731 160,148 539,926 184,922 133,686 221,318 6'4 30,557 2'188,118 1'645,183 2'597,256 135,806 134,928 498,706 --------- - - - - - - ~8,54 ------------ - 229,529 - - - 1 Enero Dpto. Piura Plura Ayabac:a Huancabambr. .Mor ropón Palta Sullana Talara 1'179,943 1'876,135 647,085 372,692 253,988 246,990 143,625 Dpto.Puno Puno Azángaro Carabaya 1 l l 1 1 Febrero Marzo Abril 1'490,495 1'642,106 483,968 116,922 301,113 41 9 ,H7 Mayo Junio Julio Agosto 1'591,392 1'517,120 Setbre. Octubre Novbre. 1'728,391 1'363,246 1'023,441 Dlcbce. TOTAL 1 1'772,445 2' 743,923 451,071 313,207 830,169 327,937 581,564 383,813 360,367 172,684 409,590 417,283 394,289 314,470 408,289 477,197 454,732 338.786 282,914 341.611 203,913 391,045 360,818 5'659,831 ' 4 ' 759,696 ' 351,586 606.789 751,422 261,006 4'178,644 216,342 217,580 125,014 130,570 170.304 3'047.834 46,345 24,871 53.717 843,599 233.602 5,974 3'842,866 1'476,466 21'405,103 261,730 334,786 329,085 290,814 429,491 506,455 237,770 181,036 96,881 66,644 69,811 163,900 31,41 J 42,855 soJ,.sH 82,788 31 1,071 130,738 20,751 409,608 260,594 375,600 249,782 310,694 255,167 203,846 143,960 6,012 5,974 6,406 6,128 5,918 579,391 6,160 6,045 6,216 5,993 5,974 5,832 3'600,176 3' 084,143 5' 029,754 4'496,496 4'721,181 4'843,260 3'246,532 2'674,188 3'217,615 3'366,643 3'166,553 326,1 12 504,676 326,765 752,602 911,410 324,160 356,957 426,537 375,021 510,668 587,262 5'911,794 538,121 409,860 231,276 420,649 833,006 1'005,576 631,709 424,954 545,3S8 544,973 569,004 682,260 7'566,1 41 . 182,918 2'346,070 181,791 253,806 509.624" 950,671 266,685 186,783 187,917 203,620 182,180 217,470 211,771 1'359,834 583,970 961,126 496,236 514,059 691,259 475,426 2'561,640 í 942,606 10'356,810 439,190 431,991 539,638 6'066,993 466,470 331,611 344,600 4'221,012 322,242 334,399 345,029 4'072,405 232,014 132,357 192,800 2'767,161 113 ,294 163,627 188,994 1'957,545 6 'l4l ,144 255,423 722,098 Chucuito Huanc:ané Lampa Melgar 328,988 Sandía 379,058 604,959 316,86 3 327,468 311 ,744 117,258 San Román 283,049 260,039 Dpto. San Martín Moyobamba Hu aliaga Lamas Mariscal Cáceres Rioja San Martín 582,216 340,437 49,120 67,215 207,362 4~5. 72,632 4'034,960 45'481,501 568,302 429,992 842,451 780,7 33 523,888 312,426 305., 570 314,040 410,899 397,168 344,036 311,095 314,035 369,326 393,483 382.638 339,643 312,911 444.318 121,127 120,690 157,985 276,906 111.,160 135,215 151,601 464.616 129,999 123,171 142,709 659,167 458,020 324,227 317,967 137,999 144,720 407,981 23,270 451,704 33,834 649,777 891,408 725,632 296,325 526,729 650,987 43,637 56,489 53,730 20,127 29,764 275,122 12,877 342,826 23,761 23,554 57,698 4 2 7,861 34,487 41,308 58,243 86,758 78,.583 23,664 40,549 68,996 624 ,38 3 111.976 55,574 140,612 304,233 23,910 72,616 31,594 159,301 79,66 3 111 ,716 254 ,268 1'979,157 45,744 84,373 66,253 93,856 975,73 2 9,614 9,930 211,767 4 1,913 5,327 9,686 26,296 195,697 134,898 85 ,586 48. 606 16,520 131,477 69,076 211,577 111,678 91,068 149,873 1'938,314 Dpto. Tacna Tacna Tarata 114,043 53,979 60,064 Dpto. Tumbes Tumbes Contralmirante Villar Zarumilla 423,499 343,828 134,998 240.247 111,709 18,056 112,025 13,203 19,020 27,478 14,246 166,239 117,578 200,259 289,910 213,885 119,682 112,133 142,985 205,721 41l,S6S 326,405 183,126 192,419 290,610 161,813 353,277 215,191 2'709,288 54,459 67,385 79,792 123,158 103,288 93,266 150,276 125,929 203,247 79,838 99,153 140,334 100.786 114,405 1'261,280 75,600 81 ,832 79,981 154,930 57,674 198,129 213,436 352,529 213,881 119,125 137,MS 158,738 168,971 138,782 71,561 81,116 81,037 296,938 24,987 30,604 170,163 78,448 98,021 26,078 22,339 42.257 22,347 58,452 28,311 23.619 36.871 25, 333 43,558 25,278 116,137 23,263 125,368 26.275 101,336 24,774 17.44 3 15,399 l l ,S45 19,338 19,984 14,683 12,357 15,219 16,433 97,300 26,321 83,381 198,347 22,347 7,794 64,658 33,544 22,226 8,888 1'448,008 1'649,505 1 '170,952 288,866 189,687

Log In

Requerimientos de mano de obra en la agricultura peruana

Free related PDFsRelated papers

Free related PDFsRelated papers

Related topics