Milk production on cattle farms in the lower Guayas basin, Ecuador

Results and Discussion

⌅

The principal component analysis (table 1) explained 74.95 % of the total accumulated variance, similar to that obtained by Pérez et al. (2024)Pérez, D.F., Medina, H.H. & Navarro, J. (2024). Tipificación y caracterización de sistemas productivos agroforestales en comunidades del departamento del Chocó, Colombia. Ciencia y Tecnología Agropecuaria, 25(1): e3176, ISSN: 2500-5308. https://doi.org/10.21930/rcta.vol25_num1_art:3176. and corroborated the suitability of the model for the classification of data. Regarding the variables, all showed correlations higher than 0.50, a value that expressed the degree of structural dependence of the data and the principal components extracted. In a similar analysis, Di Vita et al. (2024)Di Vita, G., Zanchini, R., De Cianni, R., Pippinato, L. Mancuso, T. & Brun. F. (2024). Sustainable Livestock Farming in the European Union: A Study on Beef Farms in NUTS 2 Regions. Sustainability, 16(3): 1098, ISSN: 2071-1050. https://doi.org/10.3390/su16031098. used principal components to evaluate the sustainability of livestock systems with different agro-productive conditions. The authors, when studying the correlation between the variables and the extracted factors, considered 0.40 to be the lower limit, an aspect that confirmed the validity of the performed analysis.

Table 1. Magnitude of the correlations between the inlet indicators and the extracted principal components

Total	7.46	4.69	4.16	2.42
% of variance	29.84	18.77	16.64	9.69
% accumalated	29.84	48.62	65.26	74.95
Indicators	Milk production	Management	Inputs	Costs
Milking cows, number	0.92	-0.13	0.02	0.06
Females in herds, number	0.92	-0.14	0.01	0.06
Total area, ha	0.89	-0.27	0.08	0.01
Area for livestock, ha	0.88	-0.28	-0.08	-0.00
Concentrate used, kg.ha^-1	0.81	-0.22	0.10	0.06
Number of paddocks, number	0.74	-0.38	-0.07	0.04
Claving- calving interval, months	-0.68	0.57	-0.08	-0.01
Days with animals movement, days	-0.68	0.02	-0.26	0.03
Days open, days	-0.68	0.56	-0.13	-0.03
Days with flooding, days	-0.65	-0.17	-0.12	0.04
Birthrate, %	0.59	0.00	0.30	-0.39
Age at first calving, months	-0.58	0.21	-0.25	0.03
Need of foods, tDM.ha^-1	-0.18	0.92	-0.21	0.08
Global stocking rate, LAU/ha	-0.18	0.92	-0.21	0.08
Introduced foods, tDM.ha^-1	-0.08	0.86	0.04	-0.19
Work intensity, hr.ha^-1d^-1	-0.37	0.81	-0.08	0.19
Fuel used, L.ha^-1	0.08	-0.52	0.01	0.10
Energy used, MJ.ha^-1	0.13	0.16	0.92	0.01
Chemical fertilizers used kg.ha^-1	0.14	-0.11	0.91	-0.14
Herbicides used, kg.ha^-1	-0.06	-0.03	0.85	0.235
Grasses production, tDM.ha^-1	-0.08	0.30	-0.74	-0.23
Wastes used, tDM.ha^-1	0.16	-0.16	0.68	0.44
Porcentage of covered foods, %	0.24	-0.19	0.52	-0.32
Costs of agricultural activity, dollars.ha^-1	-0.11	0.00	0.15	0.92
Costs of livestock activity, dollars.ha^-1	0.20	-0.06	0.13	0.92

The first component (table 1), considered by Vázquez et al. (2023)Vázquez, O.O.S., Macías, W.O.C., Saldaña, R.A.C. & García, V.H. (2023). Caracterización socio productiva de sistemas ganaderos Bovinos en dos áreas de la Región Frailesca, Chiapas. Ciencia Latina Revista Científica Multidisciplinar, 7(2): 3795-3810, ISSN: 2707-2215. https://doi.org/10.37811/cl_rcm.v7i2.5611. to be the most influential, explained about 30 % of the total variance and was higher than to that obtained by Rodríguez et al. (2022)Rodríguez, A.R., López, G.H., Tantahuillca, F.C., Azania, R. & Bernal, A.R. (2022). Análisis multivariado para la caracterización productiva de sistemas de producción bovina en el trópico alto de la región Pasco. Revista de Investigación Agropecuaria Science and Biotechnology, 2(2): 54-63, ISSN: 2788-6913. https://doi.org/10.25127/riagrop.20222.828. , who needed two components to reach a similar value. Regarding the variables, they comprised the largest number, with approximately 50 % of the total used for the analysis. All variables were related to the milk production potential of the farms and coincided with those included by Berton et al. (2020)Berton, M., Bittante, G., Zendri, F., Ramanzin, M., Schiavon, S. & Sturaro, E. (2020). Environmental impact and efficiency of use of resources of different mountain dairy farming systems. Agricultural Systems, 181: 102806, ISSN: 0308-521X. https://doi.org/10.1016/j.agsy.2020.102806. , Sanad et al. (2021)Sanad, S.S., Gharib, M.G., Ali, M.A.E. & Farag, A.M. (2021). Prediction of Milk Production of Holstein Cattle Using Principal Component Analysis. Journal of Animal and Poultry Production, Mansoura Univ., 12(1): 1-5, ISSN: 2090-3723. https://doi.org/10.21608/jappmu.2021.149198. and Torres et al. (2022)Torres, V.F., López, L.Y., Perezgrovas, R.A., Espinosa, V.E., Peralta, J.A. & Severino, V.H. (2022). Evaluación económica de la eficiencia reproductiva y productiva en sistemas productivos con ganado criollo en Campeche, México. Acta Universitaria, 32: e3501, ISSN: 2007-9621. https://doi.org/10.15174/au.2022.3501. in similar studies, although they were not always presented in the first component nor analyzed together. The result revealed the importance of milk production in the sample and coincided with what was showed by Medina et al. (2024)Medina, G.E., Pereda, J.J. & Curbelo, L.M. (2024). Producción de leche en Ecuador, su proyección a partir de escenarios con énfasis en la cuenca baja del Guayas. Revista de Producción Animal, 36(1): 38-56, ISSN: 2224-7920. https://rpa.reduc.edu.cu/index.php/rpa/article/view/e4597. , who, when referring to the lower Guayas basin, indicated that milk is the only traditional product that has given a secure and growing income in recent years to the small farmer.

The correlations in the milk production component were positive in seven variables, the highest values were in the total number of females, the number of milking cows, the total area and the area dedicated to livestock, the concentrates used and the number of paddocks. The lowest positive correlation was showed in birth rate. In this regard, Torres et al. (2022)Torres, V.F., López, L.Y., Perezgrovas, R.A., Espinosa, V.E., Peralta, J.A. & Severino, V.H. (2022). Evaluación económica de la eficiencia reproductiva y productiva en sistemas productivos con ganado criollo en Campeche, México. Acta Universitaria, 32: e3501, ISSN: 2007-9621. https://doi.org/10.15174/au.2022.3501. related reproductive efficiency to birth rate and highlighted its importance for achieving increases in production and profitability, an aspect that could constitute an element of analysis, considering the lower relation of the variable with the component. Five variables showed an inverse relation with the extracted component: two were linked to climatic conditions, their negative influence on farm management, the need to move animals to areas with better conditions temporarily or permanently due to flooding, and three to reproductive aspects. When dealing with the topic discussed on dairy farms on the Ecuadorian coast, emphasis was placed on the need to improve bovine reproduction (Solórzano et al. 2022Solórzano, A.O., Benítez, A.A., Hurtado, E.A. & Guillen, M.M. (2022). Parámetros reproductivos y productivos bovinos en sistemas de producción de leche durante tiempos de la COVID 19. Revista Científica de la Facultad de Ciencias Veterinarias de La Universidad del Zulia, 32: 1-8, ISSN: 2521-9715. https://doi.org/10.52973/rcfcv-32114. ). Today, milk production on the coast has low yields, which is determined, among other things, by reproductive problems.

The second component was related to livestock management in the production system. The variables with the highest correlations corresponded to animal feeding and global stocking rate. In agreement with these results, Filian et al. (2019)Filian, W., Alvarado, H., Pereda, J., Curbelo L., Vázquez, R. & Pedraza, R. (2019). Caracterización de sistemas de producción agrícolas con ganado vacuno en la cuenca baja del río Guayas, provincia de Los Ríos, Ecuador. Revista de Producción Animal, 31(1): 1-10, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e2784. found similar variables in the second component and linked them to farm management. These authors highlighted the need to prioritize grasses, crop wastes, and establish global stocking rate capacity values according to the agro-productive capacity of the systems. In the analyzed component also included the work intensity and, with a negative value, the fuel used. Both variables, despite including agricultural activity, were related to the animals feeding of on the farms. The farmers required time for the collection and disposal of agricultural wastes for feeding the herd and grazing in communal areas, which includes the transport and care of the animals. The activities mentioned involved, in certain cases, hiring labor, especially during periods of flooding or prolonged drought. The situation is different for fuels with the lowest values. They are generally used for various crops. In Ecuadorian livestock, pastoral systems predominate and the feeding comes mainly from grasses plus wastes (Gutiérrez et al. 2024Gutiérrez, F.A., Briones, S.P., Lastra, X.B., Gutiérrez, F.A., Briones, S.P. & Lastra, X.B. (2024). Estimación de la huella hídrica de la ganadería de leche en la Sierra Centro Norte del Ecuador. Chilean Journal of Agricultural & Animal Sciences, 40(2): 362-375, ISSN: 0719-3890. https://doi.org/10.29393/CHJAAS40-31EEFX30031. ). The consideration showed justifies the inverse relation that the analyzed variable had with the principal component, called management.

The third component was called inputs. In this case, the variables linked to agricultural activity showed the highest correlations. Filian et al. (2019)Filian, W., Alvarado, H., Pereda, J., Curbelo L., Vázquez, R. & Pedraza, R. (2019). Caracterización de sistemas de producción agrícolas con ganado vacuno en la cuenca baja del río Guayas, provincia de Los Ríos, Ecuador. Revista de Producción Animal, 31(1): 1-10, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e2784. , when studying agricultural farms with livestock in the region, found that the variables related to inputs were in the first component, with growth in recent years. Contrary to what was stated, in the research, livestock occupied 30 % or more of the total farm area and was established primarily from local resources. In this component, grasses production also had a negative value, conditioned in certain cases by the greater production and use of agricultural wastes and the total percentage of food covered, represented in most farms by grasses plus wastes. Studies performed in other regions, but with conditions similar to those of the research, showed that livestock production systems are mainly based on natural grasslands and local resources, with low inputs and limitations, which at a certain time prevent them from being replaced by other productions (Cieza 2020Cieza, R.I. (2020). Transformaciones productivas en la Cuenca del Salado y persistencia de la ganadería familiar (1999-2019). Ciencias Agronómicas, 36(20): e008, ISSN: 2250-8872. https://doi.org/10.35305/agro36.295. ), an aspect that justified the obtained result.

Costs characterized the fourth component. In livestock, costs are determined by farm management and labor, as noted by Polanco et al. (2021)Polanco, A.C., Taipe, M.V.T. & de la Cueva, F.I.C. (2021). Costo real de producción del litro de leche, en pequeños ganaderos de la comunidad de Sivicusig, cantón Sigchos, Ecuador. Ciencia Latina Revista Científica Multidisciplinar, 5(4): 4474-4489, ISSN: 4474-4489. https://doi.org/10.37811/cl_rcm.v5i4.632. . These authors state that in Ecuador, the farmer generally does not consider his system an economic activity and therefore does not apply accounting, which does not allow for a reliable economic valuation. This aspect could justify the inclusion of the location of costs in the last component.

The component analysis (CA) was based on the first two components of the previous analysis, which together explained 48.62 % of the total variance and included variables that were determinants for milk production and cattle herd management. It is important to highlight that the farms under study had different percentages of productive diversification, in which livestock was part of the production system.

The statistical summary of the variables by categories is shown in table 2. Category I with 24 cases represented 34 %, category II 32 %, and finally category III had the same percentage value as the previous one (32 %), which showed an equitable distribution and well-defined categories in relation to their average values.

Table 2. Average values and coefficients of variation between milk production categories

Variables	I (N=24)		II (N=23)		III (N=23)
Variables	Mean	CV, %	Mean	CV, %	Mean	CV, %
Milking cows, number	2.0	65	6.1	58	30.7	70
Females in herd , number	2.9	69	10.0	55	46.7	69
Total area, ha	2.8	94	10.5	42	40.8	58
Area for livestock, ha	1.9	103	7.4	58	25.9	63
Concentrate used, kg.ha^-1	4.8	91	12.7	49	32.5	52
Number of paddocks, number	1.7	38	3.0	34	5.1	45
Animals in movement, days	14.3	56	11.0	67	5.9	115
Days with flooding, days	23.6	52	22.5	44	15.4	53
Need of foods, tDM.ha^-1	9.1	33	5.1	46	5.0	26
Global stocking rate , LAU/ha	2.4	33	1.3	46	1.3	26
Introduced foods, tDM.ha^-1	3.7	85	0.8	209	1.0	110
Work intensity, hr.ha^-1d^-1	4.7	63	1.3	87	0.5	69
Calving-calving interval, months	22.3	5	18.8	4	16.1	5
Non- pregnant cows, days	398.8	9	298.7	8	212.6	12
Birthrate, %	49.0	20	52.2	16	59.3	9
Age at first calving, months	41.5	13	40.5	11	34.4	11

When making an assessment between the categories (table 2), the variables related to reproduction showed coefficients of variation lower than 20 %, a value considered low according to González et al. (2021)González, D., Colás, A., Rodríguez, O., Álvarez, D.L., Gattorno, S. & Chacón, A. (2021). Variabilidad espacial de la materia orgánica de suelos cultivados con Ipomoea batatas (L.) Lam. Centro Agrícola, 48(2): 5-13, ISSN: 2072-2001. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0253-57852021000200005&lng=es&tIng=es. . The rest exceeded the stated value, an aspect that confirmed the heterogeneity that existed in the structure of the herd, the dimensions of the farms and the management in the system. Musafiri et al. (2020)Musafiri, C., Macharia, J.M., Ng’eticha, O.K., Kiboi, M.N., Okeyoc, Shisanya, J.C, Okwuosa, E.A., Mugendi, D.N. & Ngetichc, F.K. (2020). Farming systems’ typologies analysis to inform agricultural greenhouse gas emissions potential from smallholder rain-fed farms in Kenya. Scientific African, 8: e00458, ISSN: 2468-2276. https://doi.org/10.1016/j.sciaf.2020.e00458. typified small farms dedicated to milk production and highlighted the social and spatial diversity they presented. Medina et al. (2024)Medina, G.E., Pereda, J.J. & Curbelo, L.M. (2024). Producción de leche en Ecuador, su proyección a partir de escenarios con énfasis en la cuenca baja del Guayas. Revista de Producción Animal, 36(1): 38-56, ISSN: 2224-7920. https://rpa.reduc.edu.cu/index.php/rpa/article/view/e4597. also highlighted the differences between farms and their characteristics in the lower Guayas basin.

The results showed problems with reproduction. When analyzing the calving-calving interval and the average number of days open, Villoch et al. (2017)Villoch, A., Hernández, A., Lopetegui, C., Roque, E., Brutau, K., Alonso, M., Pacheco, M. & Landa, Y. (2017). La cadena de valor de la leche vacuna en Cuba. Estudio de su situación en siete municipios de las provincias de Sancti Spíritus y Villa Clara. Playa, Cuba: Instituto de Investigaciones en Fruticultura Tropical, ISBN: 978-959-296-049-7. http://www.fruticulturacubana.co.cu. reported optimal intervals of 12 to 13 months for the first one and 85 to 110 days for the second one. In the sample, both variables exceeded the mentioned values. The age at first calving was higher than that reported by Solórzano et al. (2022)Solórzano, A.O., Benítez, A.A., Hurtado, E.A. & Guillen, M.M. (2022). Parámetros reproductivos y productivos bovinos en sistemas de producción de leche durante tiempos de la COVID 19. Revista Científica de la Facultad de Ciencias Veterinarias de La Universidad del Zulia, 32: 1-8, ISSN: 2521-9715. https://doi.org/10.52973/rcfcv-32114. , in categories I and II. It was not the case in the III category, where it was similar. However, the mentioned authors showed that maximum productive yield is achieved with an age at first calving of 22 months. In the sample, the analyzed indicator showed values that exceeded 34 months.

The birthrate was lower than that obtained by Abdourhamane (2024)Abdourhamane, I.M. (2024). Efecto de la introducción de un proceso del perfeccionamiento en el sistema técnico-organizativo de una unidad lechera. Revista Científica de la Facultad de Ciencias Veterinarias, 34(1): e3433, ISSN: 0798-2259. https://doi.org/10.52973/rcfcv-e34331. , who reported percentages ranging from 76.2 % to 96.2 % on dairy farms. This resulted in pregnancy losses, increased maintenance costs, and production inefficiencies. Regarding this topic, Martínez-Melo et al. (2011)Martínez-Melo, J., Torres, V., Jordán, H., Guevara, G., Hernández, N., Brunett, L., Fontes, D., Mazorra, C. Lezcano, Y. & Cubillas, N. (2011). Classification of dairy units belonging to the Basic Units of Cooperative Production in Ciego de Avila, Cuba. Cuban Journal of Agricultural Science, 45(4): 373-379, ISSN: 2079-3480. https://www.redalyc.org/articulo.oa?id=193022260006. analyzed groups of livestock units with birthrates similar to those presented in this research. These authors showed that the herds were in unsustainable conditions, a situation that compromises the efficient growth of the livestock population.

Regarding the average values of the variables in each category (table 2), category I consisted of those farms with the lowest number of females in the herd, total area, use of concentrate and number of paddocks. These farms showed the highest global stocking rate, with a greater need of foods and introduced foods, represented mainly by wastes. They required more days of moving their animals off the farm, aspects that contributed to having the highest values of work intensity.

Studies conducted by Filian et al. (2020)Filian, W., Mora, A.J., Pereda, J., Curbelo, L., Pedraza, R.M. & Vázquez, R. (2020). Balance forrajero según tipologías de fincas agrícolas con ganadería vacuna de la cuenca baja del río Guayas, Ecuador. Revista de Producción Animal, 32(1): 30-43, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e3372. in the region reported a relation between farms with smaller areas and medium to high global stocking rates, and those that had low milk production yields per hectare and income from livestock activity. These authors referred that farmer groups cultivating less than 10 hectares of land were considered small, with mixed production that included crops and where Creole cattle prevailed. They are also characterized by limited technology, floodable soils of medium to low fertility, and low yields. This characterization corresponds to category I and justified the higher values in the calving-calving interval, average number of days open, age at first calving, in addition to the lowest percentage of births, factors that negatively impacted their potential for milk production. In accordance with the above, Avilés et al. (2024)Avilés, R., Barrón, O.G. Gutiérrez, A.J. & Ruiz, M. (2024). Principales sistemas de producción de leche de bovinos en México: recopilación actual de parámetros productivos, reproductivos y de manejo. Ciencias Veterinarias y Producción Animal, 1(2): 32-47, ISSN: 2992-7501. https://doi.org/10.29059/cvpa.v1i2.16. characterized backyard family dairy production systems, similar to the one showed in category I, when referring to reproduction they indicated that they do not implement reproductive management programs or genetic improvement, with negative results and productive deficiencies.

Regarding category II, higher values were found when compared to the previous one and coincided with those obtained by Guevara et al. (2020)Guevara, R.V., Lascano, P.J., Arcos, C.N., Guevara, G.E., Torres, C.S., Narváez, J.A., Aguirre, A.J., Arcos, F.R., Beltrán, C.F., Soria, M.E., Bravo, M.X., Machuca, D. & Guerrero, F.M. (2020). Caracterización físico-productiva y tipologías de sistemas lecheros diversificados en la sierra de Ecuador. Archivos de Zootecnia, 69(268): 418-423, ISSN: 1885-4494. https://dialnet.unirioja.es/servlet/articulo?codigo=7666330. , who typified diversified dairy systems in the highlands of Ecuador, with similar results. However, the cited authors suggest that the percentage of livestock on the farms was higher. It is important to highlight that in the coastal region there is a tendency to increase agricultural production, a factor that could justify the smaller livestock area in the sample. Palacios et al. (2023)Palacios, A., Guilcapi, C., Toscano, L. & Vayas, G. (2023). Caracterización de sistemas productivos lecheros en la parroquia Juan Benigno Vela, Tungurahua, Ecuador. Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS, 5(4): 147-157, ISSN: 2806-5794. https://doi.org/10.59169/pentaciencias.v5i4.656. evaluated three groups of production systems. In the second case, they showed that they combined reproductive management between artificial insemination and the use of the bull for mating, supplemented the diet of the cows in production with feed concentrate, and carried out a more efficient management of productive resources. In the analyzed category, farmers had access to certain levels of inputs that made possible higher level of productions on the farms and better reproductive results. However, these results were lower than those previously reported.

In category III, the farms had a greater number of animals, dimensions, and use of concentrate. They showed the fewest days with animal movement and the lowest average values in the calving-calving interval, the days that the cows remain open and the highest birthrate. It is important to highlight that farmers in category III introduce herd management technologies that are in line with the largest number of paddocks, combine the use of native grasses with improved species, supplement milking animals with concentrate, and use certain reproduction techniques, including artificial insemination.

In relation to the obtained results, Torres et al. (2022)Torres, V.F., López, L.Y., Perezgrovas, R.A., Espinosa, V.E., Peralta, J.A. & Severino, V.H. (2022). Evaluación económica de la eficiencia reproductiva y productiva en sistemas productivos con ganado criollo en Campeche, México. Acta Universitaria, 32: e3501, ISSN: 2007-9621. https://doi.org/10.15174/au.2022.3501. classified small and medium-sized farms in the studied region and revealed a correspondence between the larger area and the yields in milk production. Jurado et al. (2023)Jurado, A.G., Pardo, Y.Y. & Hernández, C.E. (2023). Tipificación de sistemas agropecuarios familiares y la seguridad alimentaria en el piedemonte amazónico colombiano. Revista Facultad de Ciencias Económicas, 31(1): 31-51, ISSN: 1909-7719. https://doi.org/10.18359/rfce.6239. , when evaluating the technical efficiency and potential for improvement of livestock systems, also noted that farms with high incomes had a larger area, more coverage in grasses and forests, and combined dairy activity with traditional crops. However, they pointed out that they could have more income with fewer hectares of grasses and crops. To corroborate the above, Filian et al. (2020)Filian, W., Mora, A.J., Pereda, J., Curbelo, L., Pedraza, R.M. & Vázquez, R. (2020). Balance forrajero según tipologías de fincas agrícolas con ganadería vacuna de la cuenca baja del río Guayas, Ecuador. Revista de Producción Animal, 32(1): 30-43, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e3372. when classifying agricultural farms with livestock in the lower Guayas basin, found that those with the largest area showed negative forage balances, with milk production yields similar to those that were located in groups with smaller dimensions. According to the authors, the agricultural production potential is not linked to livestock, nor are the available resources used efficiently. Wastes and trees are highlight, aspects that could be considered when drawing up policies for the development of dairy production in the region, regardless of the area and characteristics of the farm.

Using a different procedure, Guevara et al. (2020)Guevara, R.V., Lascano, P.J., Arcos, C.N., Guevara, G.E., Torres, C.S., Narváez, J.A., Aguirre, A.J., Arcos, F.R., Beltrán, C.F., Soria, M.E., Bravo, M.X., Machuca, D. & Guerrero, F.M. (2020). Caracterización físico-productiva y tipologías de sistemas lecheros diversificados en la sierra de Ecuador. Archivos de Zootecnia, 69(268): 418-423, ISSN: 1885-4494. https://dialnet.unirioja.es/servlet/articulo?codigo=7666330. and Paredes et al. (2024)Paredes, V.A., Guamán, S.A., Tobar, M.G., Sánchez, M.E., Carrera, P.D. & Medina, L.F. (2024). Typology and characterization of the agricultural productive units in the NE Amazonian region of Ecuador. Journal of Advanced Veterinary and Animal Research, 11(1): 171-180, ISSN: 2311-7710. https://doi.org/10.5455/javar.2024.k762. differentiated typologies of dairy livestock systems in the Sierra and Amazon regions of Ecuador respectively. In both cases, they compared the variables included in the groupings independently, without considering the system as a whole. Jurado et al. (2023)Jurado, A.G., Pardo, Y.Y. & Hernández, C.E. (2023). Tipificación de sistemas agropecuarios familiares y la seguridad alimentaria en el piedemonte amazónico colombiano. Revista Facultad de Ciencias Económicas, 31(1): 31-51, ISSN: 1909-7719. https://doi.org/10.18359/rfce.6239. referred to systems theory and stated that characterization refers to the identification of primary attributes of variables and their interrelations in production units.

Considering the above, table 3 shows the summary of the two canonical discriminant functions, obtained by comparing the milk production potential categories. The statistical significance was tested by Wilk’s Lambda (λ), with a p=0.000 value. The first function explained 94.9 %, a higher value than that found by Bardales et al. (2022)Bardales, R., Yana, I., Cuadros, L., Ramos, E. & Torres, M.R. (2022). Riqueza varietal de vid (Vitis vinífera L.) del Valle de Majes, Perú: Identificación, caracterización morfológica, análisis ampelográfico y genético. Scientia Agropecuaria, 13(3): 197-208, ISSN: 1573-2975. https://doi.org/10.17268/sci.agropecu.2022.018. , using the same procedure and considered valid for the performed analyses. The second, with a smaller percentage, represented 5.1 % of the total variation. However, it was higher than 4 %, the value allowed for the analysis according to Véliz et al. (2020)Véliz, K.E., Martínez, A.M., Vásquez, A.C.S., Pineda, E.P., Solis, M.A.C., Rodríguez, F.V. & Capote, C.B. (2020). Biometría del cerdo criollo ecuatoriano en el contexto del ganado porcino iberoamericano. Agrociencia, 54(7): 897-909, ISSN: 1405-3195. https://www.agrociencia-colpos.org/index.php/agrociencia/article/view/2241. . The results provided validity and it was possible to differentiate between the three categories of milk production potential. Other authors, with different production conditions and objectives, used the same research procedure to validate their results. Acciaro et al. (2020)Acciaro, M., Decandia, M., Sitzia, M., Manca, C., Giovanetti, C., Cabiddu, A., Addis, M., Piegiacomo, S., Rassu, G., Molle, G. & Dimauro, C. (2020). Discriminant analysis as a tool to identify bovine and ovine meat produced from pasture or stall-fed animals. Italian Journal of Animal Science, 19(1): 1065-1070, ISSN: 1065-1070, https://doi.org/10.1080/1828051X.2020.1816507. established differences between feeding systems for meat production in two species, where cattle was included. Zambrano and Vinces (2023)Zambrano, L. & Vinces, M.B. (2023). Interpretación de la actividad agrícola sustentada en la formación y adecuadas prácticas de los productores de la provincia de Manabí. Revista Científica Multidisciplinaria Arbitrada YACHASUN, 7(12): 331-341, ISSN: 2697-3456. https://editoriallibkn.com/index.php/Yachasun/article/view/353. also compared agricultural farmers, grouped according to clusters by means of a discriminant analysis.

Table 3. Summary of canonical discriminant functions

Function	Eigenvalue	% of variance	% accumulated	Canonical correlation	λ	X²	p
1	7.961	94.9	94.9	0.943	0.078	168.101	0.000
2	0.425	5.1	100.0	0.546	0.702	23.370	0.000

λ = Wilks' - Lambda; X ²= Chi-square

The correlations between the discriminant variables and the canonical discriminant functions are shown in table 4. The first function with the highest explanation percentage of the total variance was represented by reproductive activity. The highest values were for the calving- calving interval and open days, thus significantly contributing to the differentiation between the categories. In function two, the variables with the highest correlations were those related to management, where the highest values were for the number of females and those that are milked, as well as the areas, the need of foods and the global stocking rate. The analysis revealed the factors that determined the differences between the evaluated categories. In accordance with what was obtained by Ruiz et al. (2021)Ruiz, J.A., Vázquez, M., Burgos, M., Gutiérrez, J. & Terrazas, T. (2021). Anatomía de la madera de especies de Forestiera (Oleaceae) en México. Acta Botánica Mexicana, 128: e1924, ISSN: 2448-7589. https://doi.org/10.21829/abm128.2021.1924. , it was consistent with that of clusters.

Table 4. Correlations between discriminant variables and standardized canonical discriminant functions

Variables	Function
Variables	1	2
Calving-calving interval, months	0.987	0.121
Days open, days	0.923	0.151
Work intensity, hr.ha^-¹d^-¹	0.355	0.354
Birthrate , %	-0.207	0.152
Age at first calving, months	0.175	0.029
Milking cows, number	-0.409	0.719
Females in the herd , number	-0.406	0.714
Total area, ha	-0.401	0.684
Area for livestock , ha	-0.447	0.659
Need of foods, tDM.ha^-¹	0.271	0.572
Global stocking rate, LAU/ha	0.271	0.571
Introduced foods, tDM.ha^-¹	0.196	0.466
Number of paddocks, number	-0.299	0.340
Concentrate used, kg.ha^-¹	-0.198	0.317
Days with animals in movement, days	0.008	-0.287
Days with flooding, days	0.023	-0.250

The results shown (table 4) were similar to those presented by Azeze et al. (2024)Azeze, T., Eshetu, M., Yilma, Z. & Berhe, T. (2024). Typification and differentiation of smallholder dairy production systems in smallholder mixed farming in the highlands of southern Ethiopia. PLoS ONE, 19(8): e0307685, ISSN: 1932-6203. https://doi.org/10.1371/journal.pone.0307685. , who typified mixed milk production systems and emphasized the need for access to technical assistance for improved management and the implementation of reproduction programs adapted to local conditions. In the study region, technical assistance and the level of education, as well as the technological infrastructure dedicated to cattle reproduction, are scarce. Only farmers with higher production, number of animals and surface area include certain techniques, including artificial insemination, an aspect that may have influenced the variability showed between the categories.

To corroborate the above, Velasco et al. (2015)Velasco, J. Pedraza, R., Rivera, V., Jara, R. & Guapi, R. (2015). Análisis de unidades vacunas lecheras ecuatorianas. Revista de Producción Animal, 27(3): 1-7, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/. , when analyzing typologies of Ecuadorian dairy cattle units, pointed out that the activities related to management and reproduction constituted factors that determined differences, with basic deficiencies that limited the obtaining of better productions. The authors warned of the need to guarantee management and reproduction conditions in Ecuador's dairy cattle industry, as these largely determine its productivity.

The graphical representation of the canonical discriminant analysis is shown in figure 1. The evaluated categories were located on different planes, well differentiated by both functions. The studied cases were located around the centroids in each category, without overlaps. The classification by groups showed that 95.7 % of the cases were included in category III. In I and II, 100 % of the cases were included, respectively. Similar studies used Ataei et al. (2020)Ataei, P., Sadighi, H., Mohammad C.M. & Abbasi, E. (2020). Discriminant analysis of the participated farmers’ characteristics in the conservation agriculture project based on the learning transfer system. Environment, Development and Sustainability, 23(1): 291-307, ISSN: 1573-2975. https://doi.org/10.1007/s10668-019-00580-5. to validate differences between farmers grouped into three levels. The membership percentages shown were below those obtained in the conducted research. However, they were considered appropriate to differentiate between the studied groups, an aspect that gave importance to the obtained result. The analyses carried out corroborated the differences and made possible to determine which quantitative characteristics are useful to discriminate between the categories of milk production potential, which establishes guidelines for future analyses, particularized in the study area.

Figure 1. Discriminant scores in individual observations for each treatment in the first two canonical functions

Introducción

⌅

La cuenca del río Guayas, en Ecuador, está constituida por el área de captaciones del sistema fluvial que conforman los ríos Daule, Vinces y Babahoyo (Moreno et al. 2018Moreno, V.J., Lasso, L., Reyes, M.D., Haro, R.X. & Cruz, G.I. (2018). Aptitud agroecológica de tres cultivos estratégicos (maíz, arroz y caña de azúcar) en 14 cantones de la cuenca baja del río Guayas. Pro Sciences: Revista de Producción, Ciencias e Investigación, 2(13): 15-24, ISSN: 2588-1000. https://doi.org/10.29018/issn.2588-1000vol2iss13.2018pp15-24. ). Se caracteriza por la gran variedad e intensa actividad agrícola, pecuaria y forestal, debido a la excelente calidad de sus suelos y a la dinámica de la tierra, que la ubica como el mayor centro de producción de bienes agropecuarios a nivel nacional (Caicedo et al. 2019Caicedo, O., Dueñas, D., Franco, J. & Triana, A. (2019). Descripción y propuesta de manejo agroecológico de la subcuenca del río Babahoyo, Ecuador. Revista Killkana Técnica, 3(3): 21-30, ISSN: 2588-0888. https://doi.org/10.26871/killkana_tecnica.v3i3.577. ).

Las condiciones ecológicas en la región han incentivado la producción de cultivos varios. La ganadería vacuna ha quedado en áreas marginales y de menor potencial económico y presenta gran variabilidad respecto a niveles de intensificación, con tendencia a la disminución en la producción de leche (Medina et al. 2024Medina, G.E., Pereda, J.J. & Curbelo, L.M. (2024). Producción de leche en Ecuador, su proyección a partir de escenarios con énfasis en la cuenca baja del Guayas. Revista de Producción Animal, 36(1): 38-56, ISSN: 2224-7920. https://rpa.reduc.edu.cu/index.php/rpa/article/view/e4597. ). Filian et al. (2019)Filian, W., Alvarado, H., Pereda, J., Curbelo L., Vázquez, R. & Pedraza, R. (2019). Caracterización de sistemas de producción agrícolas con ganado vacuno en la cuenca baja del río Guayas, provincia de Los Ríos, Ecuador. Revista de Producción Animal, 31(1): 1-10, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e2784. y Contero et al. (2021)Contero, R., Requelme, N., Cachipuendo, C. & Acurio, D. (2021). Calidad de la leche cruda y sistema de pago por calidad en el Ecuador. La Granja. Revista de Ciencias de la Vida, 33(1): 31-43, ISSN: 1390-8596. https://doi.org/10.17163/lgr.n33.2021.03. , al hacer referencia a la cuenca baja del Guayas, enfatizaron que la producción de leche constituye una opción para el consumo familiar y local, además de que su comercialización es una vía de ingresos adicionales al productor. Otro aspecto a destacar es que el comercio de unidades bovinas es una forma de venta de patrimonio para la obtención de efectivo, sobre todo en períodos sin entradas por la actividad agrícola. Los autores citados coinciden en la necesidad de evaluar los sistemas de producción con ganadería, de manera que se establezcan estrategias para su sostenibilidad en la región.

Al considerar lo expuesto, Torres et al. (2021)Torres, V., Serrano, J.O., Martínez, J., Fonseca, N., Borroto, A. & Mazorra, C.A. (2021). Application of categorical principal component analysis in the study of ovine production systems in Ciego de Ávila province. Cuban Journal of Agricultural Science, 55(4): 347-359, ISSN: 2079-3480. https://www.cjascience.com/index.php/CJAS/article/view/1031. señalaron que las técnicas de análisis multivariadas evalúan de forma conjunta variables que dan respuestas integrales a diferentes interrogantes. Estas variables han sido utilizadas por varios autores para proponer alternativas de desarrollo sostenibles a la ganadería vacuna, atendiendo a las condiciones específicas de cada región. Vargas et al. (2011)Vargas, J., Benítez, D., Torres, V., Velázquez, F. & Erazo, O. (2011). Tipificación de las fincas ganaderas en el piedemonte de las provincias Los Ríos y Cotopaxi de la República del Ecuador. Revista Cubana de Ciencia Agrícola, 45(4): 381-390, ISSN: 0034-7485. http://www.redalyc.org/articulo.oa?id=193022260007. tipificaron unidades ganaderas en Los Ríos y Cotopaxi, Ecuador, y propusieron alternativas para la producción. También Segura y Torres (2014)Segura, E.O. & Torres, V. (2014). Comparison criteria strengthened in classification and type representation, according to the Statistical Model of Impact Measuring, in a case study in Pastaza, Ecuador. Cuban Journal of Agricultural Science, 48(4): 329-332, ISSN: 2079-3480. http://www.redalyc.org/articulo.oa?id=193033033003. contrastaron diferentes clasificaciones, en función de los impactos estimados en fincas lecheras en Pastaza, Ecuador. En Cuba, Martínez et al. (2022)Martínez, J., Fontes, D., Mazorra, C., Serrano, J.O., Torres, V. & Jordán, H. (2022). Análisis multivariado de fincas ganaderas en la provincia Ciego de Ávila para su reordenamiento productivo. Universidad & Ciencia, 11(1): 116-130, ISSN: 2227-2690. http://revistas.unica.cu/uciencia. y Peña-Rueda et al. (2022)Peña-Rueda, Y.F., Benítez-Jiménez, D.G., Almaguer-Pérez, N.A. & Pacheco-Peña, C.E. (2022). Factores que limitan la producción de carne vacuna en el suroeste de la provincia Holguín, Cuba. Ciencia y Tecnología Agropecuaria, 23(3): e2694, ISSN: 2500-5308. https://doi.org/10.21930/rcta.vol23_num3_art:2694. establecieron elementos para el reordenamiento productivo de sistemas lecheros campesinos y determinaron los factores que limitaron la producción de carne vacuna en las provincias de Ciego de Ávila y Holguín, respectivamente.

A partir de las experiencias señaladas, el objetivo de este estudio fue caracterizar el potencial de producción de leche en fincas con ganadería vacuna de la cuenca baja del Guayas, Ecuador.

Materiales y Métodos

⌅

El escenario de trabajo lo constituyeron los cantones Baba y Babahoyo, ubicados en la Cuenca baja del río Guayas, en la provincia de Los Ríos, Ecuador. Estos territorios poseen una gran variedad de suelos, donde predominan los inceptisols (47.28 %), le siguen los entisols (37.24 %) y los alfisols (8.43 %). El suelo de la región es generalmente bajo, con pequeñas elevaciones que no sobrepasan los 800 m.s.n.m. (Filian et al. 2020Filian, W., Mora, A.J., Pereda, J., Curbelo, L., Pedraza, R.M. & Vázquez, R. (2020). Balance forrajero según tipologías de fincas agrícolas con ganadería vacuna de la cuenca baja del río Guayas, Ecuador. Revista de Producción Animal, 32(1): 30-43, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e3372. ).

El clima se comporta homogéneo. En su mayor parte se presenta como tropical megatérmico semihúmedo. Se caracteriza por registrar una estación húmeda y una seca, muy marcadas, con precipitaciones promedio por época, que van desde 500 mm a 2000 mm (Caicedo et al. 2019Caicedo, O., Dueñas, D., Franco, J. & Triana, A. (2019). Descripción y propuesta de manejo agroecológico de la subcuenca del río Babahoyo, Ecuador. Revista Killkana Técnica, 3(3): 21-30, ISSN: 2588-0888. https://doi.org/10.26871/killkana_tecnica.v3i3.577. ). Con respecto a las temperaturas, las medias anuales tienen poca variación, con valores en lluvia entre 25.8 °C a 27.0 °C y en la seca de 24.5 a 25.9 °C. La humedad relativa varia en un rango de 84 a 85 % (González et al. 2020González, B.B., Barragán, R., Simba, L. & Rivero, M. (2020). Influencia de las variables climáticas en el rendimiento de cultivos transitorios en la provincia Los Ríos, Ecuador. Centro Agrícola, 47(4): 54-64, ISSN: 2072-200. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0253-57852020000400054&lng=es&tIng=es. ).

Los pastos que predominan están representados por sabolla (Megathyrsus maximun Jacq.), estrella (Cynodon nlemfuensis Vanderhyst, Bull.), gordura (Melinis minutiflora P. Beauv.). Además, se pueden encontrar áreas establecidas con pará (Urochloa mutica Forssk. T. Q. Nguyen), signal (Urochloa decumbens Stapf R. D. Webster), janeiro (Eriochloa polystachya Kunth) y Cenchrus purpureus Schumach. Morrone, conocido por Taiwán. Con relación a la producción animal, prevalece la vacuna, formada por animales, por lo general mestizos, producto de los cruces entre el Criollo, Brahman, Brown Swiss y Holstein (Filian et al. 2020Filian, W., Mora, A.J., Pereda, J., Curbelo, L., Pedraza, R.M. & Vázquez, R. (2020). Balance forrajero según tipologías de fincas agrícolas con ganadería vacuna de la cuenca baja del río Guayas, Ecuador. Revista de Producción Animal, 32(1): 30-43, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e3372. ).

Selección de la muestra y toma de información en las fincas

⌅

Se realizó un muestreo aleatorio estratificado para la selección de la muestra, según Azeze et al. (2024)Azeze, T., Eshetu, M., Yilma, Z. & Berhe, T. (2024). Typification and differentiation of smallholder dairy production systems in smallholder mixed farming in the highlands of southern Ethiopia. PLoS ONE, 19(8): e0307685, ISSN: 1932-6203. https://doi.org/10.1371/journal.pone.0307685. . Se escogieron un total de 70 fincas, las que cumplieron con los siguientes criterios: presencia de la ganadería vacuna en un 30 % o más del área total y sistemas con producciones anuales estables previo al estudio. Se excluyeron aquellos tenedores de ganado sin tierras y los que no tuvieron presencia en la explotación de registros y/o información económico-productiva contable.

El trabajo se inició con un diagnóstico rural rápido. Se implementó mediante entrevistas y análisis documental. Para ello se diseñó una encuesta que integró variables de estructura de las fincas. Se tomó de referencia la metodología utilizada por Antúnez-Saiz y Ferrer-Castañedo (2021)Antúnez-Saiz, V.I. & Ferrer-Castañedo, M. (2021). Metodología para el análisis de cadenas productivas en Cuba: El caso de Agrocadenas como proyecto innovador. Revista Estudios del Desarrollo Social: Cuba y América Latina, 9(2), ISSN: 2308-0132, http://scielo.sld.cu/scielo.php?script=sci_abstract&pid=S2308-01322021000200014&lng=es&nrm=iso&tlng=pt. . La encuesta se validó previamente en un grupo reducido de productores.

Las encuestas se aplicaron directamente en las fincas para completar la información se revisaron los registros existentes en las oficinas territoriales del Ministerio de Agricultura y Ganadería de la región. La etapa de trabajo en campo correspondió con el período noviembre 2023-noviembre 2024 (un año).

Variables seleccionadas para los análisis

⌅

Se obtuvieron un total de 25 variables: área total de la finca, ha; área dedicada a la ganadería, ha; hembras en el rebaño vacuno, número; vacas en ordeño, número; natalidad, %; edad al primer parto, meses; intervalo parto-parto, meses; promedio de días vacías, días; carga global, UGM.ha^-1; días con inundación en la finca, días; días con movilización de animales, días; residuos aprovechados para la alimentación, tMS.ha^-1; producción de pastos en las fincas, tMS.ha^-1; necesidad de alimentos para los animales, tMS.ha^-1; alimentos introducidos para los animales, tMS.ha^-1, porcentaje de las necesidades de alimentos cubiertas, %; número de cuartones, número; intensidad de trabajo, hr.ha^-1d^-1; fertilizantes químicos utilizados, kg.ha^-1; herbicidas utilizados, kg.ha^-1; combustible utilizado, L.ha^-1; concentrado utilizado, kg.ha^-1; costos por la actividad agrícola, dólares.ha^-1; costos por la actividad ganadera, dólares.ha^-1 y energía utilizada, MJ.ha^-1.

Procedimiento para el análisis de la información

⌅

Se siguieron los procedimientos empleados por Vargas et al. (2013)Vargas, B., Solís, O., Sáenz, F. & León, H. (2013). Caracterización y clasificación de hatos lecheros en Costa Rica mediante análisis multivariado. Agronomía Mesoamericana, 24(2): 257-275, ISSN: 1021-7444. http://www.scielo.sa.cr/scielo.php?script=sci_abstract&pid=S1659-13212013000200003&lng=en&nrm=iso&tlng=es. y Awoke et al. (2024)Awoke, M., Aberab, W., Tamenea, L., Mulatua, K. & Tesfayec, A. (2024). Understanding farm typology for targeting agricultural development in mixed crop-livestock farming systems of Ethiopia. Farming System, 2(3): 100088, ISSN: 2949-9119. https://doi.org/10.1016/j.farsys.2024.100088. , quienes incluyeron el análisis de factores (AF) y el de conglomerados (AC). Para el AF se realizó la prueba de esfericidad de Bartlett, que resultó altamente significativa y el estadístico KMO, con valor 0.73, cumpliendo los datos con los criterios para los análisis. Se utilizó el método de componentes principales (CP) y para su interpretación se seleccionó el de rotación ortogonal Varimax. Se escogieron cuatro componentes, con una variabilidad explicada acumulada superior a 70 %. En cada factor o componente principal, aquellas variables que tuvieron un peso mayor a 0.58 se consideraron de significación. Los componentes se nombraron sobre la base de criterios teóricos, con relación a los procesos que involucran a las variables que les dieron origen (Peña-Rueda et al. 2022Peña-Rueda, Y.F., Benítez-Jiménez, D.G., Almaguer-Pérez, N.A. & Pacheco-Peña, C.E. (2022). Factores que limitan la producción de carne vacuna en el suroeste de la provincia Holguín, Cuba. Ciencia y Tecnología Agropecuaria, 23(3): e2694, ISSN: 2500-5308. https://doi.org/10.21930/rcta.vol23_num3_art:2694. ).

Se realizó un AC, en el que se utilizaron las variables de mayor importancia que formaron los dos primeros componentes del análisis anterior, los que explicaron en conjunto alrededor del 50 % de la varianza total y se relacionaron con la producción de leche y el manejo del rebaño en las fincas con ganadería vacuna. Se establecieron dos momentos: en el primero se utilizó el método de agrupación jerárquico de Ward, con el fin de determinar un número preliminar de grupos a formar, en el segundo se procedió a obtener la agrupación definitiva de los casos. Se utilizó el método no jerárquico k-medias, especificando como punto de partida el número de conglomerados identificado como óptimo en el paso anterior.

Se definieron tres conglomerados, que fueron codificados en relación con los valores medios de las variables utilizadas desde I hasta III. Cada conglomerado se consideró una categoría de potencial para la producción de leche en la región. Se denominó al primero (I) de baja producción, al segundo (II) de media producción y al tercero (III) de alta producción de leche. La caracterización de los casos incluidos dentro de conglomerados y entre ellos se realizó a través de sus valores medios y coeficientes de variación (CV).

Para validar los resultados obtenidos y evaluar si las categorías formadas podían ser discriminadas a través de las variables incluidas, se realizó un análisis de discriminante canónico. Se siguió la metodología empleada por Acciaro et al. (2020)Acciaro, M., Decandia, M., Sitzia, M., Manca, C., Giovanetti, C., Cabiddu, A., Addis, M., Piegiacomo, S., Rassu, G., Molle, G. & Dimauro, C. (2020). Discriminant analysis as a tool to identify bovine and ovine meat produced from pasture or stall-fed animals. Italian Journal of Animal Science, 19(1): 1065-1070, ISSN: 1065-1070, https://doi.org/10.1080/1828051X.2020.1816507. . Se contrastó la igualdad de matrices de varianzas covarianzas por medio de la M de Box, se obtuvo un valor de p=0.000. El estadístico lambda de Wilk’s se usó para corroborar si las funciones discriminantes canónicas contribuyeron significativamente en la separación de las categorías. Se determinaron las correlaciones intragrupo, combinadas entre las variables discriminantes y las funciones discriminantes canónicas tipificadas y la mayor correlación absoluta entre cada variable y la función discriminante. Se representaron en un gráfico bidimensional los casos estudiados según funciones canónicas obtenidas. Todos los métodos se procesaron mediante el programa IBM SPSS Statistics 25 (Visauta y Martori 2023Visauta, B.V. & Martori, J.C. (2003). Análisis estadístico con SPSS para Windows. Estadística Multivariante. Vol II. Ed. McGraw-Hill. España, ISBN: 978-84-481-3993-3, https://books.google.com.cu/books?id=pJf-AAAACAAJ. ).

Resultados y Discusión

⌅

El análisis de componentes principales (tabla 1) explicó 74.95 % de la varianza total acumulada, semejante al obtenido por Pérez et al. (2024)Pérez, D.F., Medina, H.H. & Navarro, J. (2024). Tipificación y caracterización de sistemas productivos agroforestales en comunidades del departamento del Chocó, Colombia. Ciencia y Tecnología Agropecuaria, 25(1): e3176, ISSN: 2500-5308. https://doi.org/10.21930/rcta.vol25_num1_art:3176. y corroboró la adecuación del modelo para la clasificación de los datos. Respecto a las variables, todas presentaron correlaciones superiores a 0.50, valor que expresó el grado de dependencia estructural de los datos y los componentes principales extraídos. En un análisis semejante, Di Vita et al. (2024)Di Vita, G., Zanchini, R., De Cianni, R., Pippinato, L. Mancuso, T. & Brun. F. (2024). Sustainable Livestock Farming in the European Union: A Study on Beef Farms in NUTS 2 Regions. Sustainability, 16(3): 1098, ISSN: 2071-1050. https://doi.org/10.3390/su16031098. emplearon los componentes principales para evaluar la sostenibilidad de sistemas ganaderos con diferentes condiciones agro productivas. Los autores, al estudiar la correlación entre las variables y los factores extraídos, consideraron a 0.40 límite inferior, aspecto que confirmó la validez del análisis realizado.

Tabla 1. Magnitud de las correlaciones entre los indicadores de entrada y los componentes principales extraídos

Total	7.46	4.69	4.16	2.42
% de la varianza	29.84	18.77	16.64	9.69
% acumulado	29.84	48.62	65.26	74.95
Indicadores	Producción de leche	Manejo	Insumos	Costos
Vacas en ordeño, número	0.92	-0.13	0.02	0.06
Hembras en el rebaño, número	0.92	-0.14	0.01	0.06
Área total, ha	0.89	-0.27	0.08	0.01
Área dedicada a la ganadería, ha	0.88	-0.28	-0.08	-0.00
Concentrado utilizado, kg.ha^-1	0.81	-0.22	0.10	0.06
Número de cuartones, número	0.74	-0.38	-0.07	0.04
Intervalo parto-parto, meses	-0.68	0.57	-0.08	-0.01
Días con movilización de animales, días	-0.68	0.02	-0.26	0.03
Días vacías, días	-0.68	0.56	-0.13	-0.03
Días con inundación, días	-0.65	-0.17	-0.12	0.04
Natalidad, %	0.59	0.00	0.30	-0.39
Edad al primer parto, meses	-0.58	0.21	-0.25	0.03
Necesidad de alimentos, tMS.ha^-1	-0.18	0.92	-0.21	0.08
Carga global, UGM/ha	-0.18	0.92	-0.21	0.08
Alimentos introducidos, tMS.ha^-1	-0.08	0.86	0.04	-0.19
Intensidad de trabajo, hr.ha^-1d^-1	-0.37	0.81	-0.08	0.19
Combustible utilizado, L.ha^-1	0.08	-0.52	0.01	0.10
Energía utilizada, MJ.ha^-1	0.13	0.16	0.92	0.01
Fertilizantes químicos utilizados, kg.ha^-1	0.14	-0.11	0.91	-0.14
Herbicidas utilizados, kg. ha^-1	-0.06	-0.03	0.85	0.235
Producción de pastos, tMS.ha^-1	-0.08	0.30	-0.74	-0.23
Residuos aprovechados, tMS.ha^-1	0.16	-0.16	0.68	0.44
Porcentaje de alimentos cubiertos, %	0.24	-0.19	0.52	-0.32
Costos por la actividad agrícola, dólares.ha^-1	-0.11	0.00	0.15	0.92
Costos por la actividad ganadera, dólares.ha^-1	0.20	-0.06	0.13	0.92

El primer componente (tabla 1), considerado por Vázquez et al. (2023)Vázquez, O.O.S., Macías, W.O.C., Saldaña, R.A.C. & García, V.H. (2023). Caracterización socio productiva de sistemas ganaderos Bovinos en dos áreas de la Región Frailesca, Chiapas. Ciencia Latina Revista Científica Multidisciplinar, 7(2): 3795-3810, ISSN: 2707-2215. https://doi.org/10.37811/cl_rcm.v7i2.5611. más influyente, explicó alrededor del 30 % de la varianza total y fue superior al obtenido por Rodríguez et al. (2022)Rodríguez, A.R., López, G.H., Tantahuillca, F.C., Azania, R. & Bernal, A.R. (2022). Análisis multivariado para la caracterización productiva de sistemas de producción bovina en el trópico alto de la región Pasco. Revista de Investigación Agropecuaria Science and Biotechnology, 2(2): 54-63, ISSN: 2788-6913. https://doi.org/10.25127/riagrop.20222.828. , quienes necesitaron dos componentes para alcanzar un valor similar. Respecto a las variables, integraron el mayor número, con aproximadamente 50 % del total utilizadas para el análisis. Todas las variables se relacionaron con el potencial de producción de leche que tuvieron las fincas y coincidieron con las incluidas por Berton et al. (2020)Berton, M., Bittante, G., Zendri, F., Ramanzin, M., Schiavon, S. & Sturaro, E. (2020). Environmental impact and efficiency of use of resources of different mountain dairy farming systems. Agricultural Systems, 181: 102806, ISSN: 0308-521X. https://doi.org/10.1016/j.agsy.2020.102806. , Sanad et al. (2021)Sanad, S.S., Gharib, M.G., Ali, M.A.E. & Farag, A.M. (2021). Prediction of Milk Production of Holstein Cattle Using Principal Component Analysis. Journal of Animal and Poultry Production, Mansoura Univ., 12(1): 1-5, ISSN: 2090-3723. https://doi.org/10.21608/jappmu.2021.149198. y Torres et al. (2022)Torres, V.F., López, L.Y., Perezgrovas, R.A., Espinosa, V.E., Peralta, J.A. & Severino, V.H. (2022). Evaluación económica de la eficiencia reproductiva y productiva en sistemas productivos con ganado criollo en Campeche, México. Acta Universitaria, 32: e3501, ISSN: 2007-9621. https://doi.org/10.15174/au.2022.3501. en estudios similares, aunque no siempre fueron presentadas en la primera componente ni analizadas en su conjunto. El resultado reveló la importancia que tuvo la producción de leche en la muestra y coincidió con lo señalado por Medina et al. (2024)Medina, G.E., Pereda, J.J. & Curbelo, L.M. (2024). Producción de leche en Ecuador, su proyección a partir de escenarios con énfasis en la cuenca baja del Guayas. Revista de Producción Animal, 36(1): 38-56, ISSN: 2224-7920. https://rpa.reduc.edu.cu/index.php/rpa/article/view/e4597. , quienes al referirse a la cuenca baja del Guayas señalaron que la leche es el único producto tradicional que ha dado un ingreso seguro y creciente en los últimos años al pequeño productor.

Las correlaciones en la componente producción de leche fueron positivas en siete variables, los valores más altos estuvieron en el total de hembras, las vacas en ordeño, el área total y la dedicada a la ganadería, los concentrados utilizados y el número de cuartones. La correlación positiva más baja se mostró en la natalidad. Al respecto, Torres et al. (2022)Torres, V.F., López, L.Y., Perezgrovas, R.A., Espinosa, V.E., Peralta, J.A. & Severino, V.H. (2022). Evaluación económica de la eficiencia reproductiva y productiva en sistemas productivos con ganado criollo en Campeche, México. Acta Universitaria, 32: e3501, ISSN: 2007-9621. https://doi.org/10.15174/au.2022.3501. relacionaron la eficiencia reproductiva con la natalidad y resaltaron su importancia para alcanzar incrementos en la producción y rentabilidad, aspecto que podría constituir un elemento de análisis, al tener en cuenta la menor relación de la variable con el componente. Cinco variables mostraron una relación inversa con el componente extraído: dos se vincularon con las condiciones climáticas, su influencia negativa en el manejo de las fincas, la necesidad de movilizar animales a zonas de mejores condiciones de forma temporal o permanente debido a las inundaciones y tres con aspectos reproductivos. Al abordar el tema tratado en fincas lecheras de la costa ecuatoriana, se enfatizó en la necesidad de mejorar la reproducción vacuna (Solórzano et al. 2022Solórzano, A.O., Benítez, A.A., Hurtado, E.A. & Guillen, M.M. (2022). Parámetros reproductivos y productivos bovinos en sistemas de producción de leche durante tiempos de la COVID 19. Revista Científica de la Facultad de Ciencias Veterinarias de La Universidad del Zulia, 32: 1-8, ISSN: 2521-9715. https://doi.org/10.52973/rcfcv-32114. ). Hoy la producción de leche en la costa presenta rendimientos bajos, lo que está determinado, entre otros aspectos, por problemas reproductivos.

El segundo componente se relacionó con el manejo de la ganadería en el sistema de producción. Las variables con mayores correlaciones se correspondieron con la alimentación de los animales y la carga global. En coincidencia con estos resultados, Filian et al (2019)Filian, W., Alvarado, H., Pereda, J., Curbelo L., Vázquez, R. & Pedraza, R. (2019). Caracterización de sistemas de producción agrícolas con ganado vacuno en la cuenca baja del río Guayas, provincia de Los Ríos, Ecuador. Revista de Producción Animal, 31(1): 1-10, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e2784. encontraron en la segunda componente variables similares y las vincularon con el manejo de las fincas. Estos autores destacaron la necesidad de dar prioridad a los pastos, los residuos de cosechas y establecer valores de carga global de acuerdo con la capacidad agroproductiva de los sistemas. En el componente analizado estuvo también la intensidad de trabajo y con valor negativo el combustible utilizado. Ambas variables, a pesar de incluir a la actividad agrícola, tuvieron relación con la alimentación de los animales en las fincas. Los productores requirieron de tiempo para la recolección, tiro de residuos agrícolas para la alimentación del rebaño y el pastoreo en áreas comunales, donde se incluye el traslado y el cuidado de los animales. Las actividades señaladas conllevaron en determinados casos a contratar mano de obra, sobre todo en los períodos de inundaciones o sequías prolongadas. En el caso de los combustibles con los valores más bajos, no ocurre igual. Por lo general, se destinan a los cultivos varios. En la ganadería ecuatoriana predominan los sistemas pastoriles y la alimentación proviene básicamente de los pastos más los residuos (Gutiérrez et al. 2024Gutiérrez, F.A., Briones, S.P., Lastra, X.B., Gutiérrez, F.A., Briones, S.P. & Lastra, X.B. (2024). Estimación de la huella hídrica de la ganadería de leche en la Sierra Centro Norte del Ecuador. Chilean Journal of Agricultural & Animal Sciences, 40(2): 362-375, ISSN: 0719-3890. https://doi.org/10.29393/CHJAAS40-31EEFX30031. ). La consideración señalada justifica la relación inversa que tuvo la variable analizada con el componente principal, denominado manejo.

El tercer componente se denominó insumos. En este caso, las variables vinculadas con la actividad agrícola mostraron las correlaciones más altas. Filian et al. (2019)Filian, W., Alvarado, H., Pereda, J., Curbelo L., Vázquez, R. & Pedraza, R. (2019). Caracterización de sistemas de producción agrícolas con ganado vacuno en la cuenca baja del río Guayas, provincia de Los Ríos, Ecuador. Revista de Producción Animal, 31(1): 1-10, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e2784. , al estudiar fincas agrícolas con ganadería en la región, encontraron que las variables tocantes a los insumos estuvieron en la primera componente, con crecimiento en los últimos años. A diferencia de lo señalado, en la investigación, la ganadería estuvo en 30 % o más del área total de las fincas y se estableció básicamente a partir de los recursos locales. En este componente estuvieron también con valor negativo la producción de pastos, condicionada en determinados casos por la mayor producción y uso de residuos agrícolas y el porcentaje total de alimentos cubiertos, representado en la mayoría de las fincas por los pastos más los residuos. En estudios realizados en otras regiones, pero con condiciones semejantes a las de la investigación, se señaló que los sistemas productivos ganaderos son principalmente en base a pastizales naturales y recursos locales, con bajos insumos y limitaciones, que incluso en determinado momento impiden ser reemplazados por otras producciones (Cieza 2020Cieza, R.I. (2020). Transformaciones productivas en la Cuenca del Salado y persistencia de la ganadería familiar (1999-2019). Ciencias Agronómicas, 36(20): e008, ISSN: 2250-8872. https://doi.org/10.35305/agro36.295. ), aspecto que justificó el resultado obtenido.

Los costos caracterizaron al cuarto componente. En la ganadería los costos están determinados por el manejo de la finca y la mano de obra, según señalan Polanco et al. (2021)Polanco, A.C., Taipe, M.V.T. & de la Cueva, F.I.C. (2021). Costo real de producción del litro de leche, en pequeños ganaderos de la comunidad de Sivicusig, cantón Sigchos, Ecuador. Ciencia Latina Revista Científica Multidisciplinar, 5(4): 4474-4489, ISSN: 4474-4489. https://doi.org/10.37811/cl_rcm.v5i4.632. . Estos autores refieren que en Ecuador, el productor, por lo general, no considera su sistema una actividad económica y por tal motivo no aplica la contabilidad, lo que no permite hacer una valoración económica confiable. Este aspecto podría justificar la inclusión que tuvo la ubicación de los costos en el último componente.

El análisis de componentes (AC) se basó en las dos primeras componentes del análisis anterior, las que explicaron en conjunto 48.62 % de la varianza total e incluyeron variables que fueron determinantes para la producción de leche y el manejo del rebaño vacuno. Es importante destacar que las fincas en estudio tuvieron diferentes porcentajes de diversificación productiva, en las cuales la ganadería vacuna formó parte del sistema de producción.

El resumen estadístico de las variables por categorías se muestra en la tabla 2. La categoría I con 24 casos representó 34 %, la II 32 % y por último la III, tuvo igual valor porcentual que la anterior (32 %), lo que demostró una distribución equitativa y categorías bien definidas en relación con sus valores medios.

Tabla 2. Valores medios y coeficientes de variación entre las categorías de producción de leche

Variables	I (N=24)		II (N=23)		III (N=23)
Variables	Media	CV, %	Media	CV, %	Media	CV, %
Vacas en ordeño, número	2.0	65	6.1	58	30.7	70
Hembras en el rebaño, número	2.9	69	10.0	55	46.7	69
Área total, ha	2.8	94	10.5	42	40.8	58
Área dedicada a la ganadería, ha	1.9	103	7.4	58	25.9	63
Concentrado utilizado, kg.ha^-1	4.8	91	12.7	49	32.5	52
Número de cuartones, número	1.7	38	3.0	34	5.1	45
Movilización de animales, días	14.3	56	11.0	67	5.9	115
Días con inundación, días	23.6	52	22.5	44	15.4	53
Necesidad de alimentos, tMS.ha^-1	9.1	33	5.1	46	5.0	26
Carga global, UGM/ha	2.4	33	1.3	46	1.3	26
Alimentos introducidos, tMS.ha^-1	3.7	85	0.8	209	1.0	110
Intensidad de trabajo, hr.ha^-1d^-1	4.7	63	1.3	87	0.5	69
Intervalo parto-parto, meses	22.3	5	18.8	4	16.1	5
Días vacías, días	398.8	9	298.7	8	212.6	12
Natalidad, %	49.0	20	52.2	16	59.3	9
Edad al primer parto, meses	41.5	13	40.5	11	34.4	11

Al hacer una valoración entre las categorías (tabla 2), las variables relacionadas con la reproducción presentaron coeficientes de variación inferiores al 20 %, valor considerado bajo de acuerdo con González et al. (2021)González, D., Colás, A., Rodríguez, O., Álvarez, D.L., Gattorno, S. & Chacón, A. (2021). Variabilidad espacial de la materia orgánica de suelos cultivados con Ipomoea batatas (L.) Lam. Centro Agrícola, 48(2): 5-13, ISSN: 2072-2001. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0253-57852021000200005&lng=es&tIng=es. . El resto superó el valor señalado, aspecto que confirmó la heterogeneidad que existió en la estructura del rebaño, las dimensiones de las fincas y el manejo en el sistema. Musafiri et al. (2020)Musafiri, C., Macharia, J.M., Ng’eticha, O.K., Kiboi, M.N., Okeyoc, Shisanya, J.C, Okwuosa, E.A., Mugendi, D.N. & Ngetichc, F.K. (2020). Farming systems’ typologies analysis to inform agricultural greenhouse gas emissions potential from smallholder rain-fed farms in Kenya. Scientific African, 8: e00458, ISSN: 2468-2276. https://doi.org/10.1016/j.sciaf.2020.e00458. tipificaron pequeñas granjas dedicadas a la producción de leche y resaltaron la diversidad social y espacial que presentaron. También Medina et al. (2024)Medina, G.E., Pereda, J.J. & Curbelo, L.M. (2024). Producción de leche en Ecuador, su proyección a partir de escenarios con énfasis en la cuenca baja del Guayas. Revista de Producción Animal, 36(1): 38-56, ISSN: 2224-7920. https://rpa.reduc.edu.cu/index.php/rpa/article/view/e4597. destacaron las diferencias entre fincas y sus características en la cuenca baja del Guayas.

Los resultados mostraron problemas con la reproducción. Al analizar el intervalo parto-parto y el promedio de días vacías, Villoch et al. (2017)Villoch, A., Hernández, A., Lopetegui, C., Roque, E., Brutau, K., Alonso, M., Pacheco, M. & Landa, Y. (2017). La cadena de valor de la leche vacuna en Cuba. Estudio de su situación en siete municipios de las provincias de Sancti Spíritus y Villa Clara. Playa, Cuba: Instituto de Investigaciones en Fruticultura Tropical, ISBN: 978-959-296-049-7. http://www.fruticulturacubana.co.cu. informaron intervalos óptimos de 12 a 13 meses para el primero y de 85 a 110 d para el segundo. En la muestra, ambas variables superaron los valores citados. La edad al primer parto fue mayor que la informada por Solórzano et al. (2022)Solórzano, A.O., Benítez, A.A., Hurtado, E.A. & Guillen, M.M. (2022). Parámetros reproductivos y productivos bovinos en sistemas de producción de leche durante tiempos de la COVID 19. Revista Científica de la Facultad de Ciencias Veterinarias de La Universidad del Zulia, 32: 1-8, ISSN: 2521-9715. https://doi.org/10.52973/rcfcv-32114. , en las categorías I y II. No sucedió así en la III, donde fue similar. No obstante, los autores mencionados señalaron que se logra maximizar el rendimiento productivo con una edad al primer parto de 22 meses. En la muestra, el indicador analizado presentó valores que sobrepasaron los 34 meses.

La natalidad estuvo por debajo de la obtenida por Abdourhamane (2024)Abdourhamane, I.M. (2024). Efecto de la introducción de un proceso del perfeccionamiento en el sistema técnico-organizativo de una unidad lechera. Revista Científica de la Facultad de Ciencias Veterinarias, 34(1): e3433, ISSN: 0798-2259. https://doi.org/10.52973/rcfcv-e34331. , quien reportó porcentajes que fueron del 76.2 % al 96.2 % en fincas lecheras. Lo anterior significó pérdidas de gestación, con incrementos en los costos de mantenimiento e ineficiencias en la producción. Con relación al tema, Martínez-Melo et al. (2011)Martínez-Melo, J., Torres, V., Jordán, H., Guevara, G., Hernández, N., Brunett, L., Fontes, D., Mazorra, C. Lezcano, Y. & Cubillas, N. (2011). Classification of dairy units belonging to the Basic Units of Cooperative Production in Ciego de Avila, Cuba. Cuban Journal of Agricultural Science, 45(4): 373-379, ISSN: 2079-3480. https://www.redalyc.org/articulo.oa?id=193022260006. analizaron grupos de unidades ganaderas con porcentajes de natalidad semejantes a los presentados en la investigación. Estos autores indicaron que los rebaños se encontraron en condiciones insostenibles, situación que compromete el crecimiento eficiente de la masa ganadera.

Respecto a los valores medios de las variables en cada categoría (tabla 2), la I se constituyó por aquellas fincas con el menor número de hembras en el rebaño, área total, uso de concentrado y número de cuartones. Estas fincas presentaron la carga global más alta, con mayor necesidad de alimentos y de alimentos introducidos, representados básicamente por residuos. Requirieron más días de movilización de sus animales fuera de la finca, aspectos que contribuyeron a tener los valores más altos de intensidad de trabajo.

En estudios realizados por Filian et al. (2020)Filian, W., Mora, A.J., Pereda, J., Curbelo, L., Pedraza, R.M. & Vázquez, R. (2020). Balance forrajero según tipologías de fincas agrícolas con ganadería vacuna de la cuenca baja del río Guayas, Ecuador. Revista de Producción Animal, 32(1): 30-43, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e3372. en la región se informó de la relación entre las fincas de menor área y valores de carga global medios y altos, con aquellas que tuvieron bajos rendimientos en producción de leche por hectárea e ingresos por la actividad ganadera. Estos autores refirieron que los grupos de productores que cultivan en menos de 10 ha de tierras se consideraron pequeños, con una producción mixta que incluyó a los cultivos y donde prevaleció el ganado criollo. Se caracterizan además, por escasa tecnología, suelos inundables de mediana a baja fertilidad y bajos rendimientos. Esta caracterización se corresponde con la categoría I y justificó los valores más altos en el intervalo parto-parto, promedio de días vacías, la edad al primer parto, además del porcentaje más bajo de natalidad, factores que incidieron de forma negativa en el potencial que puedan tener de producción de leche. En correspondencia con lo planteado, Avilés et al. (2024)Avilés, R., Barrón, O.G. Gutiérrez, A.J. & Ruiz, M. (2024). Principales sistemas de producción de leche de bovinos en México: recopilación actual de parámetros productivos, reproductivos y de manejo. Ciencias Veterinarias y Producción Animal, 1(2): 32-47, ISSN: 2992-7501. https://doi.org/10.29059/cvpa.v1i2.16. caracterizaron sistemas productivos lecheros familiares de traspatio, semejantes al presentado en la categoría I, al referirse a la reproducción señalaron que no implementan programas de manejo reproductivo ni mejoramiento genético, con resultados negativos y deficiencias productivamente.

Respecto a la categoría II, se encontraron valores superiores al compararlos con la anterior y coincidieron con los obtenidos por Guevara et al. (2020)Guevara, R.V., Lascano, P.J., Arcos, C.N., Guevara, G.E., Torres, C.S., Narváez, J.A., Aguirre, A.J., Arcos, F.R., Beltrán, C.F., Soria, M.E., Bravo, M.X., Machuca, D. & Guerrero, F.M. (2020). Caracterización físico-productiva y tipologías de sistemas lecheros diversificados en la sierra de Ecuador. Archivos de Zootecnia, 69(268): 418-423, ISSN: 1885-4494. https://dialnet.unirioja.es/servlet/articulo?codigo=7666330. , quienes tipificaron sistemas lecheros diversificados en la sierra de Ecuador, con resultados semejantes. No obstante, los autores citados dejan ver que el porcentaje de ganadería en las fincas fue superior. Es importante señalar que en la región Costa existe tendencia a incrementar la producción agrícola, factor que pudo justificar la menor área ganadera en la muestra. Palacios et al. (2023)Palacios, A., Guilcapi, C., Toscano, L. & Vayas, G. (2023). Caracterización de sistemas productivos lecheros en la parroquia Juan Benigno Vela, Tungurahua, Ecuador. Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS, 5(4): 147-157, ISSN: 2806-5794. https://doi.org/10.59169/pentaciencias.v5i4.656. evaluaron tres grupos de sistemas productivos. En el caso del segundo, señalaron que combinaron el manejo reproductivo entre la inseminación artificial y la utilización del toro para la monta, suplementaron la dieta de las vacas en producción con concentrado alimenticio y realizaron un manejo más eficiente de los recursos productivos. En la categoría analizada, los productores tuvieron acceso a determinados niveles de insumos que posibilitaron mayor nivel de operaciones en las fincas y mejores resultados reproductivos. No obstante, resultaron inferiores a los informados anteriormente.

En la categoría III, las fincas tuvieron mayor número de animales, dimensiones y uso de concentrado. Mostraron la menor cantidad de días con movilización de animales y los valores medios más bajos en el intervalo parto-parto, los días que permanecen vacías las vacas y la mayor natalidad. Es importante destacar que los productores en la categoría III introducen tecnologías para el manejo del rebaño acordes con el mayor número de cuartones, combinan el uso de los pastos nativos con especies mejoradas, suplementan a los animales en ordeño con concentrado y emplean determinadas técnicas en la reproducción, incluida la inseminación artificial. Con relación a lo obtenido, Torres et al. (2022)Torres, V.F., López, L.Y., Perezgrovas, R.A., Espinosa, V.E., Peralta, J.A. & Severino, V.H. (2022). Evaluación económica de la eficiencia reproductiva y productiva en sistemas productivos con ganado criollo en Campeche, México. Acta Universitaria, 32: e3501, ISSN: 2007-9621. https://doi.org/10.15174/au.2022.3501. tipificaron pequeñas y medianas fincas en la región estudiada y revelaron una correspondencia entre la mayor área y los rendimientos en producción de leche. También Jurado et al. (2023)Jurado, A.G., Pardo, Y.Y. & Hernández, C.E. (2023). Tipificación de sistemas agropecuarios familiares y la seguridad alimentaria en el piedemonte amazónico colombiano. Revista Facultad de Ciencias Económicas, 31(1): 31-51, ISSN: 1909-7719. https://doi.org/10.18359/rfce.6239. , al evaluar la eficiencia técnica y el potencial de mejora de sistemas con ganadería, señalaron que las fincas con altos ingresos tenían mayor extensión, más cobertura en pasturas y en bosques y combinan actividad ganadera de leche con cultivos tradicionales. No obstante, resaltaron que podrían tener más ingresos con menos hectáreas en pasturas y cultivos. Para corroborar lo planteado, Filian et al. (2020)Filian, W., Mora, A.J., Pereda, J., Curbelo, L., Pedraza, R.M. & Vázquez, R. (2020). Balance forrajero según tipologías de fincas agrícolas con ganadería vacuna de la cuenca baja del río Guayas, Ecuador. Revista de Producción Animal, 32(1): 30-43, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/article/view/e3372. al tipificar fincas agrícolas con ganadería en la cuenca baja del Guayas, encontraron que las de mayor área presentaron balances forrajeros negativos, con rendimientos en producción de leche semejantes a aquellas que fueron ubicadas en grupos con menor dimensión. Según plantean los autores, no se vincula el potencial agroproductivo con la ganadería ni se utilizan eficientemente los recursos que se disponen. Se destacan los residuos y los árboles, aspectos que podrían ser considerados al trazar políticas para el desarrollo de la producción lechera en la región, independiente del área y las características de la finca.

Utilizando un procedimiento diferente, Guevara et al. (2020)Guevara, R.V., Lascano, P.J., Arcos, C.N., Guevara, G.E., Torres, C.S., Narváez, J.A., Aguirre, A.J., Arcos, F.R., Beltrán, C.F., Soria, M.E., Bravo, M.X., Machuca, D. & Guerrero, F.M. (2020). Caracterización físico-productiva y tipologías de sistemas lecheros diversificados en la sierra de Ecuador. Archivos de Zootecnia, 69(268): 418-423, ISSN: 1885-4494. https://dialnet.unirioja.es/servlet/articulo?codigo=7666330. y Paredes et al (2024)Paredes, V.A., Guamán, S.A., Tobar, M.G., Sánchez, M.E., Carrera, P.D. & Medina, L.F. (2024). Typology and characterization of the agricultural productive units in the NE Amazonian region of Ecuador. Journal of Advanced Veterinary and Animal Research, 11(1): 171-180, ISSN: 2311-7710. https://doi.org/10.5455/javar.2024.k762. , diferenciaron tipologías de sistemas con ganadería lechera en la región de la Sierra y la Amazonía ecuatoriana respectivamente. En ambos casos, contrastaron las variables incluidas en los agrupamientos de forma independiente, sin considerar el sistema en su conjunto. Jurado et al. (2023)Jurado, A.G., Pardo, Y.Y. & Hernández, C.E. (2023). Tipificación de sistemas agropecuarios familiares y la seguridad alimentaria en el piedemonte amazónico colombiano. Revista Facultad de Ciencias Económicas, 31(1): 31-51, ISSN: 1909-7719. https://doi.org/10.18359/rfce.6239. hicieron referencia a la teoría de sistemas y plantearon que la caracterización se refiere a la identificación de atributos primordiales de las variables y sus interrelaciones en las unidades productivas.

Al considerar lo expuesto, en la tabla 3 aparece el resumen de las dos funciones discriminantes canónicas, obtenidas al comparar las categorías de potencial de producción de leche. El carácter estadístico significativo fue probado por Wilk’s Lambda (λ), con valor de p=0.000. La primera función explicó 94.9 %, valor superior al encontrado por Bardales et al. (2022)Bardales, R., Yana, I., Cuadros, L., Ramos, E. & Torres, M.R. (2022). Riqueza varietal de vid (Vitis vinífera L.) del Valle de Majes, Perú: Identificación, caracterización morfológica, análisis ampelográfico y genético. Scientia Agropecuaria, 13(3): 197-208, ISSN: 1573-2975. https://doi.org/10.17268/sci.agropecu.2022.018. , al usar el mismo procedimiento y considerado válido para los análisis realizados. La segunda, con un porcentaje menor, representó 5.1 % de la variación total. No obstante, fue superior 4 %, valor permitido para el análisis según Véliz et al. (2020)Véliz, K.E., Martínez, A.M., Vásquez, A.C.S., Pineda, E.P., Solis, M.A.C., Rodríguez, F.V. & Capote, C.B. (2020). Biometría del cerdo criollo ecuatoriano en el contexto del ganado porcino iberoamericano. Agrociencia, 54(7): 897-909, ISSN: 1405-3195. https://www.agrociencia-colpos.org/index.php/agrociencia/article/view/2241. . Los resultados proporcionaron validez y se logró diferenciar entre las tres categorías de potencial de producción de leche. Otros autores, con condiciones de producción y objetivos diferentes, emplearon el mismo procedimiento de investigación para validar sus resultados. Acciaro et al. (2020)Acciaro, M., Decandia, M., Sitzia, M., Manca, C., Giovanetti, C., Cabiddu, A., Addis, M., Piegiacomo, S., Rassu, G., Molle, G. & Dimauro, C. (2020). Discriminant analysis as a tool to identify bovine and ovine meat produced from pasture or stall-fed animals. Italian Journal of Animal Science, 19(1): 1065-1070, ISSN: 1065-1070, https://doi.org/10.1080/1828051X.2020.1816507. establecieron diferencias entre sistemas de alimentación para la producción de carne en dos especies, donde se incluyó la vacuna. También Zambrano y Vinces (2023)Zambrano, L. & Vinces, M.B. (2023). Interpretación de la actividad agrícola sustentada en la formación y adecuadas prácticas de los productores de la provincia de Manabí. Revista Científica Multidisciplinaria Arbitrada YACHASUN, 7(12): 331-341, ISSN: 2697-3456. https://editoriallibkn.com/index.php/Yachasun/article/view/353. compararon productores agrícolas, agrupados según conglomerados por medio de un análisis discriminante.

Tabla 3. Resumen de las funciones discriminantes canónicas

Función	Autovalor	% de varianza	% acumulado	Correlación canónica	λ	X²	p
1	7.961	94.9	94.9	0.943	0.078	168.101	0.000
2	0.425	5.1	100.0	0.546	0.702	23.370	0.000

λ = Wilks' - Lambda; X ²= Ji-cuadrada

Las correlaciones entre las variables discriminantes y las funciones discriminantes canónicas se muestran en la tabla 4. La primera función con el mayor porcentaje de explicación de la varianza total estuvo representada por la actividad reproductiva. Los mayores valores estuvieron el intervalo parto-parto y días vacías, por lo que contribuyeron significativamente a la diferenciación entre las categorías. En la función dos, las variables con mayores correlaciones se presentaron en aquellas que se relacionaron con el manejo, donde se destacaron con los valores más altos el número de hembras y las que se ordeñan, además de las áreas, la necesidad de alimentos y la carga global. El análisis realizado puso de manifiesto los factores que determinaron las diferencias entre las categorías evaluadas. En correspondencia con lo obtenido por Ruiz et al. (2021)Ruiz, J.A., Vázquez, M., Burgos, M., Gutiérrez, J. & Terrazas, T. (2021). Anatomía de la madera de especies de Forestiera (Oleaceae) en México. Acta Botánica Mexicana, 128: e1924, ISSN: 2448-7589. https://doi.org/10.21829/abm128.2021.1924. , fue congruente con el de conglomerados.

Tabla 4. Correlaciones entre las variables discriminantes y las funciones discriminantes canónicas tipificadas

Variables	Función
Variables	1	2
Intervalo parto-parto, meses	0.987	0.121
Días vacías, días	0.923	0.151
Intensidad de trabajo, hr.ha^-¹d^-¹	0.355	0.354
Natalidad, %	-0.207	0.152
Edad al primer parto, meses	0.175	0.029
Vacas en ordeño, número	-0.409	0.719
Hembras en el rebaño, número	-0.406	0.714
Área total, ha	-0.401	0.684
Área dedicada a la ganadería, ha	-0.447	0.659
Necesidad de alimentos, tMS.ha^-¹	0.271	0.572
Carga global, UGM/ha	0.271	0.571
Alimentos introducidos, tMS.ha^-¹	0.196	0.466
Número de cuartones, número	-0.299	0.340
Concentrado utilizado, kg.ha^-¹	-0.198	0.317
Días con movilización de animales, días	0.008	-0.287
Días con inundación, días	0.023	-0.250

Los resultados mostrados (tabla 4) fueron semejantes a los presentados por Azeze et al. (2024)Azeze, T., Eshetu, M., Yilma, Z. & Berhe, T. (2024). Typification and differentiation of smallholder dairy production systems in smallholder mixed farming in the highlands of southern Ethiopia. PLoS ONE, 19(8): e0307685, ISSN: 1932-6203. https://doi.org/10.1371/journal.pone.0307685. , quienes tipificaron sistemas mixtos de producción de leche y enfatizaron en la necesidad del acceso a la asistencia técnica para el mejoramiento del manejo y la implementación de programas de reproducción adaptados a las condiciones locales. En la región de estudio, la asistencia técnica y el nivel de instrucción, así como la infraestructura tecnológica dedicada a la reproducción vacuna es escasa. Solo los productores con mayores producciones, número de animales y superficie incluyen determinadas técnicas, dentro de ellas la inseminación artificial, aspecto que pudo influir en la variabilidad presentada entre las categorías.

Para corroborar lo planteado, Velasco et al. (2015)Velasco, J. Pedraza, R., Rivera, V., Jara, R. & Guapi, R. (2015). Análisis de unidades vacunas lecheras ecuatorianas. Revista de Producción Animal, 27(3): 1-7, ISSN: 2224-7920. https://revistas.reduc.edu.cu/index.php/rpa/. al analizar tipologías de unidades vacunas lecheras ecuatorianas, señalaron que las actividades relacionadas con el manejo y la reproducción constituyeron factores que determinaron diferencias, con deficiencias básicas que limitaron la obtención de mejores producciones. Los autores alertaron en la necesidad de garantizar condiciones de manejo y reproducción en la ganadería vacuna lechera de Ecuador, ya que determinan en gran medida su productividad.

La representación gráfica del análisis de discriminante canónico se muestra en la figura 1. Las categorías evaluadas se ubicaron en planos diferentes, bien diferenciados por ambas funciones. Los casos estudiados se situaron alrededor de los centroides en cada categoría, sin superposiciones. La clasificación según grupos mostró que en la categoría III se incluyó 95.7 % de los casos. En la I y la II se incluyó 100 % de los casos, respectivamente. Estudios semejantes utilizaron Ataei et al. (2020)Ataei, P., Sadighi, H., Mohammad C.M. & Abbasi, E. (2020). Discriminant analysis of the participated farmers’ characteristics in the conservation agriculture project based on the learning transfer system. Environment, Development and Sustainability, 23(1): 291-307, ISSN: 1573-2975. https://doi.org/10.1007/s10668-019-00580-5. para validar diferencias entre granjeros agrupados en tres niveles. Los porcentajes de pertenencia mostrados estuvieron por debajo de los obtenidos en la investigación realizada. Sin embargo, se consideraron apropiados para diferenciar entre los grupos estudiados, aspecto que dio importancia al resultado obtenido. Los análisis realizados corroboraron las diferencias y permitieron determinar qué caracteres cuantitativos son útiles para discriminar entre las categorías de potencial de producción de leche, lo que establece pautas para análisis futuros, particularizados en la zona de estudio.

Figura 1. Puntuaciones discriminantes en las observaciones individuales para cada tratamiento en las dos primeras funciones canónicas.

Milk production on cattle farms in the lower Guayas basin, Ecuador

Introduction

Materials and Methods

Sample selection and data collection on the farms

Variables selected for analysis

Procedure for information analysis

Results and Discussion

Conclusions

References

Producción de leche en fincas con ganadería vacuna de la cuenca baja del Guayas, Ecuador