Vol. 12/ Núm. 4 2025 pág. 2360
https://doi.org/10.69639/arandu.v12i4.1821
Análisis exploratorio multivariante regional del uso del suelo
agropecuario en el Ecuador
Regional multivariate exploratory analysis of agricultural land use in Ecuador
Carvajal Chavez Carlos Arturo
ccarvajal@uagraria.edu.ec
https://orcid.org/0000-0002-2781-6953
Universidad Agraria del Ecuador
Artículo recibido: 18 noviembre 2025 -Aceptado para publicación: 28 diciembre 2025
Conflictos de intereses: Ninguno que declarar.
RESUMEN
El uso del suelo constituye una de las dimensiones más críticas en la planificación territorial, el
desarrollo agrícola y la conservación ambiental. En contextos como el ecuatoriano, caracterizado
por una alta heterogeneidad geográfica y socioeconómica, el análisis del uso del suelo permite no
solo identificar patrones productivos y ecológicos diferenciados, sino también orientar políticas
públicas hacia un desarrollo más sostenible, equitativo y eficiente. El presente trabajo busca
realizar una exploración de la información del uso de suelo agropecuario del Ecuador, usando
como fuente de datos la encuesta de Superficie y Producción Agropecuaria Continúa, publicada
por el INEC en el periodo 2024, a través de un análisis multivariante de componentes principales
y uso de método Biplot. Los resultados obtenidos lograron extraer el 66.9% de la varianza
explicada de los dos primeros componentes, se definieron 2 patrones de estructura latentes entre
las variables medias (Cultivos Permanentes, Cultivos Transitorios y Barbecho, Descanso, Pastos
Cultivados y Otros Usos) y (Pastos Naturales y Páramos), además estas relaciones permitieron
determinar en territorio como se representan estas relaciones. Los hallazgos permiten aportar en
la toma de decisiones en el área agrícola, y deja una brecha para futuras investigaciones
profundicen en estructuras más complejas.
Palabras claves: uso de suelo, toma de decisiones, ESPAC, multivariante, PCA, BIplot
ABSTRACT
Land use is one of the most critical dimensions in territorial planning, agricultural development,
and environmental conservation. In contexts such as Ecuador, characterized by high geographic
and socioeconomic heterogeneity, land-use analysis not only makes it possible to identify
differentiated productive and ecological patterns but also to guide public policies toward more
sustainable, equitable, and efficient development. This study aims to explore information on
agricultural land use in Ecuador, using data from the Continuous Agricultural Surface and
Vol. 12/ Núm. 4 2025 pág. 2361
Production Survey (ESPAC), published by INEC for the year 2024. A multivariate analysis was
carried out using Principal Component Analysis (PCA) and the Biplot method. The results
extracted 66.9% of the explained variance from the first two components and identified two latent
structural patterns among the average variables: (Permanent Crops, Temporary Crops and Fallow,
Rest, Cultivated Pastures, and Other Uses) and (Natural Pastures and Páramo). These
relationships also made it possible to determine how these patterns are represented territorially.
The findings contribute to decision-making in the agricultural sector and open a gap for future
research to delve into more complex structures.
Keywords: land use, decision-making, ESPAC, multivariate analysis, PCA, Biplot
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Production Survey (ESPAC), published by INEC for the year 2024. A multivariate analysis was
carried out using Principal Component Analysis (PCA) and the Biplot method. The results
extracted 66.9% of the explained variance from the first two components and identified two latent
structural patterns among the average variables: (Permanent Crops, Temporary Crops and Fallow,
Rest, Cultivated Pastures, and Other Uses) and (Natural Pastures and Páramo). These
relationships also made it possible to determine how these patterns are represented territorially.
The findings contribute to decision-making in the agricultural sector and open a gap for future
research to delve into more complex structures.
Keywords: land use, decision-making, ESPAC, multivariate analysis, PCA, Biplot
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 12/ Núm. 4 2025 pág. 2362
INTRODUCCIÓN
El uso del suelo constituye una de las dimensiones más críticas en la planificación
territorial, el desarrollo agrícola y la conservación ambiental(ODS, 2025). En contextos como el
ecuatoriano, caracterizado por una alta heterogeneidad geográfica, ecosistémica y
socioeconómica, el análisis del uso del suelo permite no solo identificar patrones productivos y
ecológicos diferenciados, sino también orientar políticas públicas hacia un desarrollo más
sostenible, equitativo y eficiente. La superficie destinada a cultivos, pastizales, bosques o
barbechos refleja decisiones complejas vinculadas a factores agroclimáticos, históricos,
institucionales y tecnológicos, cuya comprensión integral requiere herramientas analíticas
robustas.
En este marco, el análisis multivariante, en particular los métodos basados en componentes
principales y técnicas de representación biplot, ofrece una perspectiva valiosa para explorar
relaciones latentes entre variables del uso del suelo y para identificar agrupaciones territoriales
que comparten perfiles similares. Estas técnicas permiten visualizar la estructura de datos
complejos y capturar patrones de variabilidad espacial que no son evidentes mediante enfoques
univariados o puramente descriptivos.
Para Li et al. (2025)menciona que la aplicación en análisis multivariante, sobre estudios
sobre uso del suelo en Ecuador, aún presenta limitaciones significativas. Varios estudios se
concentran en escalas locales o microregionales, como la planificación de suelos en áreas rurales
específicas (Rämö et al., 2024), o el impacto de actividades productivas en coberturas naturales.
Si bien estos trabajos ofrecen insumos valiosos, tienden a fragmentar el análisis, sin construir una
visión sistémica del mosaico territorial nacional (Yurco & Clay, 2025).
En este sentido, Khangar & Mohanasundari (2025), informa que las herramientas de
teledetección y sistemas de información geográfica (SIG), aplicados a la clasificación de
coberturas o monitoreo de cambios de uso, tanto Abdela et al. (2024) y Chen (2025), mencioana
que sin incorporar técnicas multivariantes que permitan explorar correlaciones entre variables
sociales, biofísicas y ecológicas. La mayoría de investigaciones se limita a enfoques
unidimensionales o temporales, sin representar gráficamente agrupaciones territoriales ni
dinámicas espaciales mediante biplots o clústeres [1], [4].
Además, es escasa la integración de variables socioeconómicas o institucionales que
complementen la dimensión biofísica del uso del suelo. Solo algunos estudios consideran factores
como pobreza (Kanosvamhira et al., 2025), tenencia de la tierra o presión demográfica, y lo hacen
de forma marginal. Tampoco se evidencian trabajos que relacionen los patrones de uso del suelo
con procesos emergentes como el cambio climático, la transición agroecológica o el diseño de
instrumentos de ordenamiento territorial con base en evidencia empírica multiescalar
(Bhattacharya & Sachdev, 2024; Hedden-Nicely & Kaiser, 2024; Kayal et al., 2025).
INTRODUCCIÓN
El uso del suelo constituye una de las dimensiones más críticas en la planificación
territorial, el desarrollo agrícola y la conservación ambiental(ODS, 2025). En contextos como el
ecuatoriano, caracterizado por una alta heterogeneidad geográfica, ecosistémica y
socioeconómica, el análisis del uso del suelo permite no solo identificar patrones productivos y
ecológicos diferenciados, sino también orientar políticas públicas hacia un desarrollo más
sostenible, equitativo y eficiente. La superficie destinada a cultivos, pastizales, bosques o
barbechos refleja decisiones complejas vinculadas a factores agroclimáticos, históricos,
institucionales y tecnológicos, cuya comprensión integral requiere herramientas analíticas
robustas.
En este marco, el análisis multivariante, en particular los métodos basados en componentes
principales y técnicas de representación biplot, ofrece una perspectiva valiosa para explorar
relaciones latentes entre variables del uso del suelo y para identificar agrupaciones territoriales
que comparten perfiles similares. Estas técnicas permiten visualizar la estructura de datos
complejos y capturar patrones de variabilidad espacial que no son evidentes mediante enfoques
univariados o puramente descriptivos.
Para Li et al. (2025)menciona que la aplicación en análisis multivariante, sobre estudios
sobre uso del suelo en Ecuador, aún presenta limitaciones significativas. Varios estudios se
concentran en escalas locales o microregionales, como la planificación de suelos en áreas rurales
específicas (Rämö et al., 2024), o el impacto de actividades productivas en coberturas naturales.
Si bien estos trabajos ofrecen insumos valiosos, tienden a fragmentar el análisis, sin construir una
visión sistémica del mosaico territorial nacional (Yurco & Clay, 2025).
En este sentido, Khangar & Mohanasundari (2025), informa que las herramientas de
teledetección y sistemas de información geográfica (SIG), aplicados a la clasificación de
coberturas o monitoreo de cambios de uso, tanto Abdela et al. (2024) y Chen (2025), mencioana
que sin incorporar técnicas multivariantes que permitan explorar correlaciones entre variables
sociales, biofísicas y ecológicas. La mayoría de investigaciones se limita a enfoques
unidimensionales o temporales, sin representar gráficamente agrupaciones territoriales ni
dinámicas espaciales mediante biplots o clústeres [1], [4].
Además, es escasa la integración de variables socioeconómicas o institucionales que
complementen la dimensión biofísica del uso del suelo. Solo algunos estudios consideran factores
como pobreza (Kanosvamhira et al., 2025), tenencia de la tierra o presión demográfica, y lo hacen
de forma marginal. Tampoco se evidencian trabajos que relacionen los patrones de uso del suelo
con procesos emergentes como el cambio climático, la transición agroecológica o el diseño de
instrumentos de ordenamiento territorial con base en evidencia empírica multiescalar
(Bhattacharya & Sachdev, 2024; Hedden-Nicely & Kaiser, 2024; Kayal et al., 2025).
Vol. 12/ Núm. 4 2025 pág. 2363
En consecuencia, se advierte una necesidad urgente de estudios que integren estadística
multivariante, análisis espacial y datos multidimensionales para comprender la complejidad del
uso del suelo en Ecuador (Karner et al., 2024). Esta brecha investigativa limita el diseño de
políticas de planificación territorial que respondan con pertinencia a los desafíos contemporáneos
de sostenibilidad, seguridad alimentaria, conservación ambiental y resiliencia socioecológica
(Erkuş-Öztürk et al., 2024).
El presente documento tiene la siguiente estructura: Sección 2, implicaciones de la encuesta
Superficie y Producción Agropecuaria Continua. Sección 3, metodología, presenta el tipo de
investigación, el modelo y técnicas cuantitativas para el análisis de los datos. Sección 4,
resultados, presenta un análisis de la tendencia y distribución de los datos, además se realiza un
análisis multivariante por componentes principales a través del método biplot. Sección 5,
discusión, se analiza los resultado obtenidos por el modelo biplot y la validación correspondiente
de la hipótesis planteada. Sección 6, Conclusiones, presenta los principales hallazgos del presente
trabajo. Además, se señalan las oportunidades y líneas potenciales para futuras investigaciones.
Implicaciones de la encuesta de Superficie y Producción Agropecuaria Continua
La Encuesta de Superficie y Producción Agropecuaria Continua (ESPAC) (INEC, 2025),
desarrollada por el Instituto Nacional de Estadística y Censos (INEC) del Ecuador, constituye un
instrumento estadístico fundamental para el monitoreo sistemático y actualizado del sector
agropecuario a escala nacional. En su edición correspondiente al año fiscal 2024, esta operación
se alinea con estándares metodológicos internacionales como los propuestos por la FAO, el Banco
Mundial y el sistema AGRISurvey, con el objetivo de garantizar una producción de datos
agropecuarios confiable, oportuna y pertinente para la toma de decisiones en políticas públicas,
investigación, y planificación estratégica sectorial.Importancia del sector agropecuario y
necesidad de la encuesta
La relevancia de la ESPAC radica en el papel estratégico del sector agropecuario
ecuatoriano, el cual representa cerca del 7,7% del PIB nacional y proporciona empleo directo al
30% de la población económicamente activa, según datos del año 2024. Este sector no solo
asegura la soberanía alimentaria, sino que también genera divisas mediante la exportación de
productos agrícolas y pecuarios tradicionales y no tradicionales. Dado el dinamismo del entorno
productivo rural y las crecientes demandas de información para cumplir los Objetivos de
Desarrollo Sostenible (ODS), el levantamiento de datos mediante encuestas continuas como la
ESPAC permite llenar vacíos estadísticos, generar indicadores innovadores y mejorar la
planificación del desarrollo rural.
Marco metodológico y diseño estadístico
La ESPAC 2024 está estructurada según un enfoque de producción estadística moderna
basado en cinco fases: planificación, recolección, procesamiento, análisis y difusión de
resultados. Para el diseño muestral se implementa una estrategia de marcos múltiples (Multiple
En consecuencia, se advierte una necesidad urgente de estudios que integren estadística
multivariante, análisis espacial y datos multidimensionales para comprender la complejidad del
uso del suelo en Ecuador (Karner et al., 2024). Esta brecha investigativa limita el diseño de
políticas de planificación territorial que respondan con pertinencia a los desafíos contemporáneos
de sostenibilidad, seguridad alimentaria, conservación ambiental y resiliencia socioecológica
(Erkuş-Öztürk et al., 2024).
El presente documento tiene la siguiente estructura: Sección 2, implicaciones de la encuesta
Superficie y Producción Agropecuaria Continua. Sección 3, metodología, presenta el tipo de
investigación, el modelo y técnicas cuantitativas para el análisis de los datos. Sección 4,
resultados, presenta un análisis de la tendencia y distribución de los datos, además se realiza un
análisis multivariante por componentes principales a través del método biplot. Sección 5,
discusión, se analiza los resultado obtenidos por el modelo biplot y la validación correspondiente
de la hipótesis planteada. Sección 6, Conclusiones, presenta los principales hallazgos del presente
trabajo. Además, se señalan las oportunidades y líneas potenciales para futuras investigaciones.
Implicaciones de la encuesta de Superficie y Producción Agropecuaria Continua
La Encuesta de Superficie y Producción Agropecuaria Continua (ESPAC) (INEC, 2025),
desarrollada por el Instituto Nacional de Estadística y Censos (INEC) del Ecuador, constituye un
instrumento estadístico fundamental para el monitoreo sistemático y actualizado del sector
agropecuario a escala nacional. En su edición correspondiente al año fiscal 2024, esta operación
se alinea con estándares metodológicos internacionales como los propuestos por la FAO, el Banco
Mundial y el sistema AGRISurvey, con el objetivo de garantizar una producción de datos
agropecuarios confiable, oportuna y pertinente para la toma de decisiones en políticas públicas,
investigación, y planificación estratégica sectorial.Importancia del sector agropecuario y
necesidad de la encuesta
La relevancia de la ESPAC radica en el papel estratégico del sector agropecuario
ecuatoriano, el cual representa cerca del 7,7% del PIB nacional y proporciona empleo directo al
30% de la población económicamente activa, según datos del año 2024. Este sector no solo
asegura la soberanía alimentaria, sino que también genera divisas mediante la exportación de
productos agrícolas y pecuarios tradicionales y no tradicionales. Dado el dinamismo del entorno
productivo rural y las crecientes demandas de información para cumplir los Objetivos de
Desarrollo Sostenible (ODS), el levantamiento de datos mediante encuestas continuas como la
ESPAC permite llenar vacíos estadísticos, generar indicadores innovadores y mejorar la
planificación del desarrollo rural.
Marco metodológico y diseño estadístico
La ESPAC 2024 está estructurada según un enfoque de producción estadística moderna
basado en cinco fases: planificación, recolección, procesamiento, análisis y difusión de
resultados. Para el diseño muestral se implementa una estrategia de marcos múltiples (Multiple
Vol. 12/ Núm. 4 2025 pág. 2364
Frame Sampling), combinando el Marco de Áreas y el Marco de Lista. Esta combinación permite
mejorar la cobertura de unidades de observación y aumentar la precisión de las estimaciones.
Cobertura, operatividad y alcance
La encuesta tiene cobertura nacional, excluyendo únicamente zonas urbanas densamente
pobladas y la provincia de Galápagos. El universo está compuesto por toda la superficie
continental con actividades agropecuarias, y su unidad de análisis es el terreno productivo. La
recolección de datos se realiza anualmente durante el último cuatrimestre del año, mediante el
uso de ortofotos, GPS y cuestionarios estructurados, supervisados mediante un sistema de
monitoreo técnico y operativo en campo.
El cuestionario incluye módulos principales (superficie, producción, empleo, manejo de
ganado y cultivos) y módulos rotativos asociados a variables económicas, sociales y
medioambientales, según el modelo propuesto por AGRISurvey. Este enfoque modular permite
ampliar el espectro temático y responder a demandas específicas de información sectorial y
territorial.
Implicaciones para políticas públicas e investigación
Los datos generados por la ESPAC son utilizados por diversos organismos nacionales e
internacionales, incluyendo el Ministerio de Agricultura y Ganadería, FAO, Banco Central del
Ecuador, Superintendencias, academia y medios de comunicación. Entre sus aplicaciones más
relevantes se encuentran la planificación agrícola, evaluación del uso de fertilizantes,
identificación de patrones de siembra, monitoreo del empleo rural, caracterización de la
agricultura familiar campesina y análisis del impacto ambiental de la producción.
Este enfoque estadístico riguroso permite al Ecuador disponer de una herramienta técnica
de alto nivel para la formulación de políticas sostenibles, la medición de los ODS y la generación
de evidencia empírica que soporte el desarrollo integral del sector agropecuario.
Por lo tanto, el presente trabajo busca aplicar una técnica multivariante basado en el análisis
de componentes principales, planteando la siguiente hipótesis:
H1: El modelo multivariante biplot permitirá explorar el uso del suelo en las regiones en el
Ecuador a partir de los resultados de la encuesta de Superficie y Producción Agropecuaria
Continua (ESPAC)
En el contexto de nuestra investigación, la encuesta de Superficie y Producción
Agropecuaria Continua (ESPAC), proporciona información detallada y actualizada sobre las
características de uso del suelo, entro otros aspectos. Esta información, de naturaleza
multivariante y altamente estructurada, requiere de herramientas estadísticas que permitan su
análisis integral y visualización simultánea de múltiples variables.
En este sentido, el modelo multivariante biplot se presenta como una técnica estadística
adecuada para la exploración de estructuras internas en los datos agropecuarios recolectados por
la ESPAC. El biplot, basado en técnicas de reducción de dimensión como el Análisis de
Frame Sampling), combinando el Marco de Áreas y el Marco de Lista. Esta combinación permite
mejorar la cobertura de unidades de observación y aumentar la precisión de las estimaciones.
Cobertura, operatividad y alcance
La encuesta tiene cobertura nacional, excluyendo únicamente zonas urbanas densamente
pobladas y la provincia de Galápagos. El universo está compuesto por toda la superficie
continental con actividades agropecuarias, y su unidad de análisis es el terreno productivo. La
recolección de datos se realiza anualmente durante el último cuatrimestre del año, mediante el
uso de ortofotos, GPS y cuestionarios estructurados, supervisados mediante un sistema de
monitoreo técnico y operativo en campo.
El cuestionario incluye módulos principales (superficie, producción, empleo, manejo de
ganado y cultivos) y módulos rotativos asociados a variables económicas, sociales y
medioambientales, según el modelo propuesto por AGRISurvey. Este enfoque modular permite
ampliar el espectro temático y responder a demandas específicas de información sectorial y
territorial.
Implicaciones para políticas públicas e investigación
Los datos generados por la ESPAC son utilizados por diversos organismos nacionales e
internacionales, incluyendo el Ministerio de Agricultura y Ganadería, FAO, Banco Central del
Ecuador, Superintendencias, academia y medios de comunicación. Entre sus aplicaciones más
relevantes se encuentran la planificación agrícola, evaluación del uso de fertilizantes,
identificación de patrones de siembra, monitoreo del empleo rural, caracterización de la
agricultura familiar campesina y análisis del impacto ambiental de la producción.
Este enfoque estadístico riguroso permite al Ecuador disponer de una herramienta técnica
de alto nivel para la formulación de políticas sostenibles, la medición de los ODS y la generación
de evidencia empírica que soporte el desarrollo integral del sector agropecuario.
Por lo tanto, el presente trabajo busca aplicar una técnica multivariante basado en el análisis
de componentes principales, planteando la siguiente hipótesis:
H1: El modelo multivariante biplot permitirá explorar el uso del suelo en las regiones en el
Ecuador a partir de los resultados de la encuesta de Superficie y Producción Agropecuaria
Continua (ESPAC)
En el contexto de nuestra investigación, la encuesta de Superficie y Producción
Agropecuaria Continua (ESPAC), proporciona información detallada y actualizada sobre las
características de uso del suelo, entro otros aspectos. Esta información, de naturaleza
multivariante y altamente estructurada, requiere de herramientas estadísticas que permitan su
análisis integral y visualización simultánea de múltiples variables.
En este sentido, el modelo multivariante biplot se presenta como una técnica estadística
adecuada para la exploración de estructuras internas en los datos agropecuarios recolectados por
la ESPAC. El biplot, basado en técnicas de reducción de dimensión como el Análisis de
Vol. 12/ Núm. 4 2025 pág. 2365
Componentes Principales (ACP), permite representar simultáneamente observaciones (regiones
o provincias) y variables (como tipos de uso del suelo, superficie sembrada, producción por
cultivo, etc.) en un espacio bidimensional. Esta capacidad resulta especialmente valiosa cuando
se busca identificar patrones regionales, asociaciones entre variables agro productivas y
similitudes o diferencias en las prácticas de uso del suelo.
Aplicar el modelo biplot sobre los datos de la ESPAC permitirá explorar visualmente la
diversidad del uso del suelo entre regiones, detectar gradientes agroecológicos o productivos, y
facilitar la identificación de regiones con perfiles agropecuarios similares o contrastantes.
Además, el análisis podrá contribuir a comprender cómo se relacionan las variables agrarias con
factores geográficos, que afectan la gestión territorial y la planificación rural.
Esta estrategia multivariante no solo optimiza la interpretación de matrices complejas de
datos, sino que también aporta evidencia empírica robusta para apoyar decisiones de política
pública, ordenamiento territorial y sostenibilidad en el sector agropecuario. Por tanto, el uso del
modelo biplot en este estudio se justifica plenamente como una herramienta exploratoria potente,
complementaria a los objetivos de la ESPAC y alineada con los principios de análisis estadístico
multivariado en contextos agroecológicos complejos.
METODOLOGÍA
La metodología aplicada en el presente trabajo es de corte no experimental, exploratorio,
multivariante que describe los patrones del uso del suelo agrícola del Ecuador acorde a la
información proporcionada por la encuesta de Superficie y Producción Agropecuaria Continua y
aplicando el método biplot.
Selección de la fuente de los datos
El uso de los datos de la encuesta ESPAC, garantiza que el presente trabajo mantenga una
integridad en el acceso a la información, al ser una fuente de acceso publico, su contenido no
puede ser alterado por el investigador. para el uso del suelo en el Ecuador, la encuesta estable las
variables definidas en la siguiente tabla:
Tabla 1
Variables definidas
ID Variables Descripción
V1 Cultivos
Permanentes
Superficie destinada a cultivos que permanecen más de un año en el terreno sin
necesidad de replantación tras cada cosecha, como café, banano o cacao.
V2 Cultivos
Transitorios y
Barbecho
Áreas usadas para cultivos de ciclo corto (menor a un año) y terrenos en
barbecho o preparación entre ciclos agrícolas.
V3 Descanso Terrenos que no reciben ningún tipo de cultivo ni uso productivo durante el
año agrícola, generalmente para recuperación de la fertilidad.
Componentes Principales (ACP), permite representar simultáneamente observaciones (regiones
o provincias) y variables (como tipos de uso del suelo, superficie sembrada, producción por
cultivo, etc.) en un espacio bidimensional. Esta capacidad resulta especialmente valiosa cuando
se busca identificar patrones regionales, asociaciones entre variables agro productivas y
similitudes o diferencias en las prácticas de uso del suelo.
Aplicar el modelo biplot sobre los datos de la ESPAC permitirá explorar visualmente la
diversidad del uso del suelo entre regiones, detectar gradientes agroecológicos o productivos, y
facilitar la identificación de regiones con perfiles agropecuarios similares o contrastantes.
Además, el análisis podrá contribuir a comprender cómo se relacionan las variables agrarias con
factores geográficos, que afectan la gestión territorial y la planificación rural.
Esta estrategia multivariante no solo optimiza la interpretación de matrices complejas de
datos, sino que también aporta evidencia empírica robusta para apoyar decisiones de política
pública, ordenamiento territorial y sostenibilidad en el sector agropecuario. Por tanto, el uso del
modelo biplot en este estudio se justifica plenamente como una herramienta exploratoria potente,
complementaria a los objetivos de la ESPAC y alineada con los principios de análisis estadístico
multivariado en contextos agroecológicos complejos.
METODOLOGÍA
La metodología aplicada en el presente trabajo es de corte no experimental, exploratorio,
multivariante que describe los patrones del uso del suelo agrícola del Ecuador acorde a la
información proporcionada por la encuesta de Superficie y Producción Agropecuaria Continua y
aplicando el método biplot.
Selección de la fuente de los datos
El uso de los datos de la encuesta ESPAC, garantiza que el presente trabajo mantenga una
integridad en el acceso a la información, al ser una fuente de acceso publico, su contenido no
puede ser alterado por el investigador. para el uso del suelo en el Ecuador, la encuesta estable las
variables definidas en la siguiente tabla:
Tabla 1
Variables definidas
ID Variables Descripción
V1 Cultivos
Permanentes
Superficie destinada a cultivos que permanecen más de un año en el terreno sin
necesidad de replantación tras cada cosecha, como café, banano o cacao.
V2 Cultivos
Transitorios y
Barbecho
Áreas usadas para cultivos de ciclo corto (menor a un año) y terrenos en
barbecho o preparación entre ciclos agrícolas.
V3 Descanso Terrenos que no reciben ningún tipo de cultivo ni uso productivo durante el
año agrícola, generalmente para recuperación de la fertilidad.
Vol. 12/ Núm. 4 2025 pág. 2366
V4 Pastos
Cultivados Superficie sembrada con especies forrajeras seleccionadas y manejadas por el
productor para alimentar ganado.
V5 Pastos Naturales Terrenos cubiertos por vegetación espontánea utilizada para el pastoreo sin
intervención directa del productor en su establecimiento.
V6 Páramos Ecosistemas de alta montaña caracterizados por vegetación herbácea nativa,
usados ocasionalmente para pastoreo extensivo.
V7 Montes y
Bosques
Montes y Bosques: Áreas cubiertas por vegetación arbórea o arbustiva,
naturales o reforestadas, sin uso agrícola directo.
V8 Otros Usos Superficies utilizadas para infraestructura, vivienda rural, caminos internos,
cuerpos de agua u otros fines no agrícolas ni pecuarios.
Análisis exploratorio multivariante
El análisis exploratorio del uso de suelo agrícola en el Ecuador aplico el método
multivariante Biplot, desarrollando el siguiente flujo de trabajo:
1. Se descargo del sitio oficial del INEC, los resultados de la encuesta de Superficie y
Producción Agropecuaria Continua (ESPAC) y se diseño un conjunto de datos con los datos
de uso de suelo
2. Se elaboro un código en lenguaje R versión 4.5.2, y con el uso de las librerías factoextra,
FactoMineR, corrplot y psych.
3. Se realizo un análisis descriptivo de los datos que permitió determinar la tendencia y
distribución de los datos
4. Se extrajeron los componentes principales correspondiente y se realizó el análisis
exploratorio correspondiente.
RESULTADOS
Análisis descriptivo
El análisis descriptivo de las variables relacionadas con el uso del suelo revela una marcada
heterogeneidad en la distribución de superficies agrícolas y naturales a nivel regional. Las
variables presentan amplias diferencias en sus medidas de tendencia central y dispersión, lo cual
evidencia patrones diferenciados en la ocupación del territorio por parte de las provincias
ecuatorianas ver la siguiente tabla con el resultado de los principales estadísticos descriptivos.
V4 Pastos
Cultivados Superficie sembrada con especies forrajeras seleccionadas y manejadas por el
productor para alimentar ganado.
V5 Pastos Naturales Terrenos cubiertos por vegetación espontánea utilizada para el pastoreo sin
intervención directa del productor en su establecimiento.
V6 Páramos Ecosistemas de alta montaña caracterizados por vegetación herbácea nativa,
usados ocasionalmente para pastoreo extensivo.
V7 Montes y
Bosques
Montes y Bosques: Áreas cubiertas por vegetación arbórea o arbustiva,
naturales o reforestadas, sin uso agrícola directo.
V8 Otros Usos Superficies utilizadas para infraestructura, vivienda rural, caminos internos,
cuerpos de agua u otros fines no agrícolas ni pecuarios.
Análisis exploratorio multivariante
El análisis exploratorio del uso de suelo agrícola en el Ecuador aplico el método
multivariante Biplot, desarrollando el siguiente flujo de trabajo:
1. Se descargo del sitio oficial del INEC, los resultados de la encuesta de Superficie y
Producción Agropecuaria Continua (ESPAC) y se diseño un conjunto de datos con los datos
de uso de suelo
2. Se elaboro un código en lenguaje R versión 4.5.2, y con el uso de las librerías factoextra,
FactoMineR, corrplot y psych.
3. Se realizo un análisis descriptivo de los datos que permitió determinar la tendencia y
distribución de los datos
4. Se extrajeron los componentes principales correspondiente y se realizó el análisis
exploratorio correspondiente.
RESULTADOS
Análisis descriptivo
El análisis descriptivo de las variables relacionadas con el uso del suelo revela una marcada
heterogeneidad en la distribución de superficies agrícolas y naturales a nivel regional. Las
variables presentan amplias diferencias en sus medidas de tendencia central y dispersión, lo cual
evidencia patrones diferenciados en la ocupación del territorio por parte de las provincias
ecuatorianas ver la siguiente tabla con el resultado de los principales estadísticos descriptivos.
Vol. 12/ Núm. 4 2025 pág. 2367
Tabla 2
Resultados de los principales descriptivos
Vars Mean sd trimmed mad min max skew kurtosis se
Cultivos
Permanentes 59394,77 86929,45 42067,59 20938,81 2345,60 309657,57 1,67 1,51 18126,04
Cultivos
Transitorios
y Barbecho 34536,68 61330,99 19661,69 12441,74 245,82 229893,13 2,20 3,51 12788,40
Descanso 7836,94 11114,82 5531,42 3522,85 205,55 51075,58 2,63 7,21 2317,60
Pastos
Cultivados 100940,16 126338,64 76191,45 54772,94 1505,72 638006,28 3,30 11,27 26343,43
Pastos
Naturales 29839,77 29352,38 26721,74 21543,22 551,09 93506,36 0,87 -0,69 6120,39
Páramos 9774,11 11607,89 8029,74 10962,37 0,00 39055,52 0,92 -0,15 2420,41
Montes y
Bosques 260272,37 211366,78 237576,70 154797,20 41197,18 749633,24 0,82 -0,67 44073,02
Otros Usos 27731,26 31715,54 20969,52 15990,03 2633,36 149927,00 2,62 7,03 6613,15
La variable Montes y Bosques destaca por registrar la mayor superficie promedio
(260 272,37 ha), seguida de Pastos Naturales (183 730,37 ha) y Pastos Cultivados (130 632,03
ha), lo que sugiere una fuerte presencia de cobertura vegetal en gran parte del país. En contraste,
las superficies dedicadas a Descanso (7836,93 ha), Otros Usos (10 413,67 ha) y Páramos
(17 065,80 ha) reflejan menor participación relativa en el uso del suelo.
La dispersión también fue notoria. Montes y Bosques y Pastos Cultivados exhibieron
desviaciones estándar elevadas (211 366,78 ha y 182 124,37 ha, respectivamente), lo cual indica
diferencias significativas entre provincias. Además, el rango de valores fue particularmente
amplio en variables como Pastos Cultivados (rango de 617 093 ha) y Montes y Bosques (630 698
ha), lo que sugiere la existencia de regiones con uso extensivo del suelo frente a otras con
ocupación más limitada.
Los indicadores de asimetría revelaron distribuciones sesgadas hacia la derecha en
variables como Pastos Cultivados (asimetría = 3,30), Descanso (2,63), Otros Usos (2,61), y
Cultivos Transitorios y Barbecho (2,19), evidenciando la presencia de valores extremos altos en
algunas provincias. Del mismo modo, la curtosis fue elevada en estas variables, con valores que
alcanzaron 11,27 en Pastos Cultivados, lo que sugiere una alta concentración de datos cerca de la
media y colas más pesadas que en una distribución normal.
Por otro lado, variables como Páramos y Montes y Bosques presentan distribuciones más
simétricas y mesocúrticas, lo que puede reflejar una mayor homogeneidad en su distribución
espacial. En conjunto, estos resultados permiten caracterizar el uso del suelo en el Ecuador desde
una perspectiva cuantitativa, identificando patrones de concentración, dispersión y desigualdad
Tabla 2
Resultados de los principales descriptivos
Vars Mean sd trimmed mad min max skew kurtosis se
Cultivos
Permanentes 59394,77 86929,45 42067,59 20938,81 2345,60 309657,57 1,67 1,51 18126,04
Cultivos
Transitorios
y Barbecho 34536,68 61330,99 19661,69 12441,74 245,82 229893,13 2,20 3,51 12788,40
Descanso 7836,94 11114,82 5531,42 3522,85 205,55 51075,58 2,63 7,21 2317,60
Pastos
Cultivados 100940,16 126338,64 76191,45 54772,94 1505,72 638006,28 3,30 11,27 26343,43
Pastos
Naturales 29839,77 29352,38 26721,74 21543,22 551,09 93506,36 0,87 -0,69 6120,39
Páramos 9774,11 11607,89 8029,74 10962,37 0,00 39055,52 0,92 -0,15 2420,41
Montes y
Bosques 260272,37 211366,78 237576,70 154797,20 41197,18 749633,24 0,82 -0,67 44073,02
Otros Usos 27731,26 31715,54 20969,52 15990,03 2633,36 149927,00 2,62 7,03 6613,15
La variable Montes y Bosques destaca por registrar la mayor superficie promedio
(260 272,37 ha), seguida de Pastos Naturales (183 730,37 ha) y Pastos Cultivados (130 632,03
ha), lo que sugiere una fuerte presencia de cobertura vegetal en gran parte del país. En contraste,
las superficies dedicadas a Descanso (7836,93 ha), Otros Usos (10 413,67 ha) y Páramos
(17 065,80 ha) reflejan menor participación relativa en el uso del suelo.
La dispersión también fue notoria. Montes y Bosques y Pastos Cultivados exhibieron
desviaciones estándar elevadas (211 366,78 ha y 182 124,37 ha, respectivamente), lo cual indica
diferencias significativas entre provincias. Además, el rango de valores fue particularmente
amplio en variables como Pastos Cultivados (rango de 617 093 ha) y Montes y Bosques (630 698
ha), lo que sugiere la existencia de regiones con uso extensivo del suelo frente a otras con
ocupación más limitada.
Los indicadores de asimetría revelaron distribuciones sesgadas hacia la derecha en
variables como Pastos Cultivados (asimetría = 3,30), Descanso (2,63), Otros Usos (2,61), y
Cultivos Transitorios y Barbecho (2,19), evidenciando la presencia de valores extremos altos en
algunas provincias. Del mismo modo, la curtosis fue elevada en estas variables, con valores que
alcanzaron 11,27 en Pastos Cultivados, lo que sugiere una alta concentración de datos cerca de la
media y colas más pesadas que en una distribución normal.
Por otro lado, variables como Páramos y Montes y Bosques presentan distribuciones más
simétricas y mesocúrticas, lo que puede reflejar una mayor homogeneidad en su distribución
espacial. En conjunto, estos resultados permiten caracterizar el uso del suelo en el Ecuador desde
una perspectiva cuantitativa, identificando patrones de concentración, dispersión y desigualdad
Vol. 12/ Núm. 4 2025 pág. 2368
regional que servirán de base para análisis posteriores, en el gráfico a continuación se presenta
tendencia de la distribución de los datos.
Figura 1
Tendencia de distribución de los dos datos
Análisis exploratorio multivariante
La aplicación del análisis de componentes principales Ver figura 2, permitió extraer 8
componentes, de los cuales, los dos primeros componentes concentra un 66.9% de la varianza
explicada, estos componentes serán la base del presente análisis.
Figura 2
Componentes principales
regional que servirán de base para análisis posteriores, en el gráfico a continuación se presenta
tendencia de la distribución de los datos.
Figura 1
Tendencia de distribución de los dos datos
Análisis exploratorio multivariante
La aplicación del análisis de componentes principales Ver figura 2, permitió extraer 8
componentes, de los cuales, los dos primeros componentes concentra un 66.9% de la varianza
explicada, estos componentes serán la base del presente análisis.
Figura 2
Componentes principales
Vol. 12/ Núm. 4 2025 pág. 2369
En la Figura 3, se puede determinar a través de un gráfico de calor como aportar las
variables a cada componente, Las variables: Cultivos Permanentes, Cultivos Transitorios y
Barbecho, Descanso, Pastos Cultivados y Otros Usos, tiene una alta correlación con el primer
componente, lo cual sugiere que estas categorías comparten patrones comunes de variabilidad
territorial que podrían estar explicando un eje dominante de uso agropecuario intensivo o
antropogénico. Las variables: Pastos Naturales, Páramos, Montes y Bosques, lo que indica que
estas categorías comparten una dimensión común, posiblemente vinculada a patrones ecológicos
o de conservación del territorio. Este hallazgo sugiere que el segundo componente refleja una
dimensión ambiental o natural del uso del suelo en el territorio analizado.
Figura 3
Correlación de variable por componente
La figura 4, muestra la gráfica biplot, generada a partir del análisis de componentes
principales, revela patrones claros de asociación entre diversas categorías de uso del suelo. En
particular, se observa una alta correlación entre las variables Cultivos Permanentes, Cultivos
Transitorios y Barbecho, Descanso, Pastos Cultivados y Otros Usos, las cuales se agrupan en una
dirección común dentro del espacio factorial definido por los dos primeros componentes
principales. Esta disposición sugiere que estas variables comparten una estructura latente común,
posiblemente vinculada a usos agrícolas y productivos del territorio. La proximidad de los
vectores y su orientación similar en el biplot indican que estas categorías tienden a variar
conjuntamente a lo largo del primer componente, lo que refuerza su vínculo con prácticas
agropecuarias intensivas o con intervención antrópica significativa. Además, la longitud de los
vectores en el gráfico respalda su contribución explicativa dentro del modelo, reflejando que estas
variables tienen un peso considerable en la varianza capturada por los primeros componentes.
En este mismo sentido, una segunda agrupación se encuentra una fuerte asociación entre
las variables Pastos Naturales y Páramos, evidenciada por la cercanía y alineación de sus vectores
en el espacio definido por los dos primeros componentes principales. Esta disposición indica que
ambas categorías de uso del suelo comparten un comportamiento estructural similar dentro del
conjunto de datos analizados, esta disposición indica que ambas categorías de uso del suelo
comparten un comportamiento estructural similar dentro del conjunto de datos analizados.
En la Figura 3, se puede determinar a través de un gráfico de calor como aportar las
variables a cada componente, Las variables: Cultivos Permanentes, Cultivos Transitorios y
Barbecho, Descanso, Pastos Cultivados y Otros Usos, tiene una alta correlación con el primer
componente, lo cual sugiere que estas categorías comparten patrones comunes de variabilidad
territorial que podrían estar explicando un eje dominante de uso agropecuario intensivo o
antropogénico. Las variables: Pastos Naturales, Páramos, Montes y Bosques, lo que indica que
estas categorías comparten una dimensión común, posiblemente vinculada a patrones ecológicos
o de conservación del territorio. Este hallazgo sugiere que el segundo componente refleja una
dimensión ambiental o natural del uso del suelo en el territorio analizado.
Figura 3
Correlación de variable por componente
La figura 4, muestra la gráfica biplot, generada a partir del análisis de componentes
principales, revela patrones claros de asociación entre diversas categorías de uso del suelo. En
particular, se observa una alta correlación entre las variables Cultivos Permanentes, Cultivos
Transitorios y Barbecho, Descanso, Pastos Cultivados y Otros Usos, las cuales se agrupan en una
dirección común dentro del espacio factorial definido por los dos primeros componentes
principales. Esta disposición sugiere que estas variables comparten una estructura latente común,
posiblemente vinculada a usos agrícolas y productivos del territorio. La proximidad de los
vectores y su orientación similar en el biplot indican que estas categorías tienden a variar
conjuntamente a lo largo del primer componente, lo que refuerza su vínculo con prácticas
agropecuarias intensivas o con intervención antrópica significativa. Además, la longitud de los
vectores en el gráfico respalda su contribución explicativa dentro del modelo, reflejando que estas
variables tienen un peso considerable en la varianza capturada por los primeros componentes.
En este mismo sentido, una segunda agrupación se encuentra una fuerte asociación entre
las variables Pastos Naturales y Páramos, evidenciada por la cercanía y alineación de sus vectores
en el espacio definido por los dos primeros componentes principales. Esta disposición indica que
ambas categorías de uso del suelo comparten un comportamiento estructural similar dentro del
conjunto de datos analizados, esta disposición indica que ambas categorías de uso del suelo
comparten un comportamiento estructural similar dentro del conjunto de datos analizados.
Vol. 12/ Núm. 4 2025 pág. 2370
La orientación convergente de los vectores sugiere una correlación positiva significativa,
lo cual puede interpretarse como una tendencia conjunta en aquellas regiones donde predomina
una cobertura vegetal de carácter extensivo y de menor intervención humana. Estas variables,
típicas de zonas de alta montaña y ecosistemas frágiles, se diferencian claramente de otras
categorías más asociadas a la actividad agroproductiva intensiva.
En conjunto, esta agrupación proporciona evidencia estadística de que existe una
dimensión subyacente en los datos asociada al aprovechamiento agrícola del suelo, diferenciable
de otros patrones territoriales o ecológicos representados por otras variables.
Figura 4
Gráfico Biplot
En la figura 5, el gráfico biplot, permite identificar una asociación significativa entre las
provincias de Esmeraldas, Guayas, Los Ríos y Manabí con el primer grupo de variables
analizadas: Cultivos Permanentes, Cultivos Transitorios y Barbecho, Descanso, Pastos Cultivados
y Otros Usos. Esta relación se evidencia por la proximidad espacial de los puntos que representan
estas provincias respecto a los vectores de dichas variables en el plano de los dos primeros
componentes principales. Estas provincias, ubicadas en la región litoral del Ecuador, muestran un
patrón de uso del suelo predominantemente agroproductivo, con fuerte presencia de cultivos tanto
transitorios como permanentes, así como prácticas agrícolas intensivas. La orientación y
magnitud de los vectores reflejan un comportamiento conjunto que distingue a estas zonas de
otras regiones del país, caracterizándolas como núcleos de actividad agrícola diversificada, lo cual
respalda la importancia estratégica de la región costera en la producción agropecuaria nacional.
Además, en la Figura 5, se visualizar una segunda relación entre las variables conformada
por Pastos Naturales, Páramos, Montes y Bosques y las observaciones (provincias), conformadas
por: Azuay, Bolívar, Cañar, Carchi, Cotopaxi, Chimborazo, Loja, Pichincha y Tungurahua, que se
La orientación convergente de los vectores sugiere una correlación positiva significativa,
lo cual puede interpretarse como una tendencia conjunta en aquellas regiones donde predomina
una cobertura vegetal de carácter extensivo y de menor intervención humana. Estas variables,
típicas de zonas de alta montaña y ecosistemas frágiles, se diferencian claramente de otras
categorías más asociadas a la actividad agroproductiva intensiva.
En conjunto, esta agrupación proporciona evidencia estadística de que existe una
dimensión subyacente en los datos asociada al aprovechamiento agrícola del suelo, diferenciable
de otros patrones territoriales o ecológicos representados por otras variables.
Figura 4
Gráfico Biplot
En la figura 5, el gráfico biplot, permite identificar una asociación significativa entre las
provincias de Esmeraldas, Guayas, Los Ríos y Manabí con el primer grupo de variables
analizadas: Cultivos Permanentes, Cultivos Transitorios y Barbecho, Descanso, Pastos Cultivados
y Otros Usos. Esta relación se evidencia por la proximidad espacial de los puntos que representan
estas provincias respecto a los vectores de dichas variables en el plano de los dos primeros
componentes principales. Estas provincias, ubicadas en la región litoral del Ecuador, muestran un
patrón de uso del suelo predominantemente agroproductivo, con fuerte presencia de cultivos tanto
transitorios como permanentes, así como prácticas agrícolas intensivas. La orientación y
magnitud de los vectores reflejan un comportamiento conjunto que distingue a estas zonas de
otras regiones del país, caracterizándolas como núcleos de actividad agrícola diversificada, lo cual
respalda la importancia estratégica de la región costera en la producción agropecuaria nacional.
Además, en la Figura 5, se visualizar una segunda relación entre las variables conformada
por Pastos Naturales, Páramos, Montes y Bosques y las observaciones (provincias), conformadas
por: Azuay, Bolívar, Cañar, Carchi, Cotopaxi, Chimborazo, Loja, Pichincha y Tungurahua, que se
Vol. 12/ Núm. 4 2025 pág. 2371
ubicaron próximas, reflejando una mayor vinculación con estos usos del suelo, probablemente
asociados a condiciones topográficas y climáticas particulares de la región interandina.
Estos hallazgos reflejan una segmentación territorial en función de los patrones de uso del
suelo agrícola y natural, sugiriendo la existencia de dos grandes bloques geográficos con
características diferenciadas en términos de cobertura y aprovechamiento del territorio.
En conjunto, estos hallazgos reafirman la utilidad del modelo multivariante para identificar
agrupamientos regionales con características de uso del suelo compartidas, permitiendo explorar
de forma visual y estadística las dinámicas territoriales derivadas de los datos de la encuesta
ESPAC.
Figura 5
Gráfico biplot con las observaciones
DISCUSIÓN
Los resultados obtenidos a través del análisis descriptivo y el análisis exploratorio
multivariante permiten identificar patrones consistentes y diferenciados en el uso del suelo
agrícola del Ecuador. La aplicación del método biplot, sustentado en los datos oficiales de la
encuesta ESPAC, facilitó una visualización clara de las correlaciones entre variables y su
expresión territorial, permitiendo extraer componentes significativos para la interpretación
regional del fenómeno agrario permitiendo validar la hipótesis planteada.
En primer lugar, la alta correlación observada entre las variables Cultivos Permanentes,
Cultivos Transitorios y Barbecho, Descanso, Pastos Cultivados y Otros Usos evidencia la
existencia de un componente subyacente vinculado al uso intensivo y diversificado del suelo,
asociado a prácticas agropecuarias dinámicas y de mayor intervención antrópica. Este patrón fue
claramente expresado en el gráfico biplot, donde la orientación conjunta y la proximidad de los
vectores señalaron una dirección dominante de variabilidad, atribuible al eje agrícola-productivo
del territorio ecuatoriano.
ubicaron próximas, reflejando una mayor vinculación con estos usos del suelo, probablemente
asociados a condiciones topográficas y climáticas particulares de la región interandina.
Estos hallazgos reflejan una segmentación territorial en función de los patrones de uso del
suelo agrícola y natural, sugiriendo la existencia de dos grandes bloques geográficos con
características diferenciadas en términos de cobertura y aprovechamiento del territorio.
En conjunto, estos hallazgos reafirman la utilidad del modelo multivariante para identificar
agrupamientos regionales con características de uso del suelo compartidas, permitiendo explorar
de forma visual y estadística las dinámicas territoriales derivadas de los datos de la encuesta
ESPAC.
Figura 5
Gráfico biplot con las observaciones
DISCUSIÓN
Los resultados obtenidos a través del análisis descriptivo y el análisis exploratorio
multivariante permiten identificar patrones consistentes y diferenciados en el uso del suelo
agrícola del Ecuador. La aplicación del método biplot, sustentado en los datos oficiales de la
encuesta ESPAC, facilitó una visualización clara de las correlaciones entre variables y su
expresión territorial, permitiendo extraer componentes significativos para la interpretación
regional del fenómeno agrario permitiendo validar la hipótesis planteada.
En primer lugar, la alta correlación observada entre las variables Cultivos Permanentes,
Cultivos Transitorios y Barbecho, Descanso, Pastos Cultivados y Otros Usos evidencia la
existencia de un componente subyacente vinculado al uso intensivo y diversificado del suelo,
asociado a prácticas agropecuarias dinámicas y de mayor intervención antrópica. Este patrón fue
claramente expresado en el gráfico biplot, donde la orientación conjunta y la proximidad de los
vectores señalaron una dirección dominante de variabilidad, atribuible al eje agrícola-productivo
del territorio ecuatoriano.
Vol. 12/ Núm. 4 2025 pág. 2372
Este comportamiento se ve reforzado por la ubicación en el plano factorial de provincias
como Esmeraldas, Guayas, Los Ríos y Manabí, que mostraron una fuerte asociación con dicho
grupo de variables. Estas provincias, pertenecientes a la región litoral, se caracterizan por sus
condiciones climáticas favorables, su infraestructura agroexportadora y su participación histórica
en la producción intensiva, lo cual explica su alineación con el componente identificado.
Por otra parte, el segundo grupo de variables, conformado por Pastos Naturales, Páramos
y Montes y Bosques, mostró una estructura correlacional distinta, asociada a patrones de
ocupación territorial de carácter extensivo, vinculados a ecosistemas de montaña, conservación y
pastoreo de baja intervención. En el gráfico biplot, estas variables se agrupan en una dirección
opuesta al primer grupo, dando cuenta de una dimensión ambiental o ecológica en el uso del suelo.
Este patrón fue reflejado espacialmente en provincias como Azuay, Bolívar, Cañar, Carchi,
Cotopaxi, Chimborazo, Loja, Pichincha y Tungurahua, que presentan una topografía andina,
condiciones climáticas particulares y presencia significativa de ecosistemas altoandinos. Estas
provincias se agrupan en el espacio factorial en torno al segundo componente, confirmando su
orientación hacia un modelo de uso del suelo más conservacionista o silvopastoril.
En conjunto, los hallazgos del presente estudio no solo validan la utilidad del análisis biplot
para identificar dimensiones latentes en datos multivariados del sector agropecuario, sino que
también permiten proponer una lectura geoespacial del uso del suelo en Ecuador, diferenciando
regiones con perfiles productivos intensivos de aquellas con mayor peso en ecosistemas naturales
y usos extensivos. Esta segmentación territorial puede aportar a futuras políticas públicas de
ordenamiento del territorio, sostenibilidad agrícola y planificación regional.
CONCLUSIONES
El análisis biplot permitió identificar patrones diferenciados en la distribución y uso del
suelo agrícola a nivel provincial en Ecuador. A partir de los componentes principales, se
evidenciaron dos grupos claramente definidos de variables: uno vinculado al uso intensivo del
suelo (Cultivos Permanentes, Cultivos Transitorios y Barbecho, Descanso, Pastos Cultivados y
Otros Usos), y otro asociado a un uso extensivo o natural (Pastos Naturales, Páramos, Montes y
Bosques).
Las provincias con mayor correlación con el primer componente principalmente ubicadas
en la región litoral reflejan una lógica productiva agroindustrial y de alta intervención humana,
mientras que aquellas relacionadas con el segundo componente mayoritariamente andinas
expresan una orientación hacia sistemas de uso más conservacionistas, pastoriles o con presencia
de ecosistemas frágiles. Esta diferenciación territorial es coherente con las características físicas,
climáticas y socioeconómicas de cada región.
En términos metodológicos, el uso del biplot no solo permitió visualizar las correlaciones
entre variables, sino también interpretar la afinidad espacial de las provincias, lo cual proporciona
Este comportamiento se ve reforzado por la ubicación en el plano factorial de provincias
como Esmeraldas, Guayas, Los Ríos y Manabí, que mostraron una fuerte asociación con dicho
grupo de variables. Estas provincias, pertenecientes a la región litoral, se caracterizan por sus
condiciones climáticas favorables, su infraestructura agroexportadora y su participación histórica
en la producción intensiva, lo cual explica su alineación con el componente identificado.
Por otra parte, el segundo grupo de variables, conformado por Pastos Naturales, Páramos
y Montes y Bosques, mostró una estructura correlacional distinta, asociada a patrones de
ocupación territorial de carácter extensivo, vinculados a ecosistemas de montaña, conservación y
pastoreo de baja intervención. En el gráfico biplot, estas variables se agrupan en una dirección
opuesta al primer grupo, dando cuenta de una dimensión ambiental o ecológica en el uso del suelo.
Este patrón fue reflejado espacialmente en provincias como Azuay, Bolívar, Cañar, Carchi,
Cotopaxi, Chimborazo, Loja, Pichincha y Tungurahua, que presentan una topografía andina,
condiciones climáticas particulares y presencia significativa de ecosistemas altoandinos. Estas
provincias se agrupan en el espacio factorial en torno al segundo componente, confirmando su
orientación hacia un modelo de uso del suelo más conservacionista o silvopastoril.
En conjunto, los hallazgos del presente estudio no solo validan la utilidad del análisis biplot
para identificar dimensiones latentes en datos multivariados del sector agropecuario, sino que
también permiten proponer una lectura geoespacial del uso del suelo en Ecuador, diferenciando
regiones con perfiles productivos intensivos de aquellas con mayor peso en ecosistemas naturales
y usos extensivos. Esta segmentación territorial puede aportar a futuras políticas públicas de
ordenamiento del territorio, sostenibilidad agrícola y planificación regional.
CONCLUSIONES
El análisis biplot permitió identificar patrones diferenciados en la distribución y uso del
suelo agrícola a nivel provincial en Ecuador. A partir de los componentes principales, se
evidenciaron dos grupos claramente definidos de variables: uno vinculado al uso intensivo del
suelo (Cultivos Permanentes, Cultivos Transitorios y Barbecho, Descanso, Pastos Cultivados y
Otros Usos), y otro asociado a un uso extensivo o natural (Pastos Naturales, Páramos, Montes y
Bosques).
Las provincias con mayor correlación con el primer componente principalmente ubicadas
en la región litoral reflejan una lógica productiva agroindustrial y de alta intervención humana,
mientras que aquellas relacionadas con el segundo componente mayoritariamente andinas
expresan una orientación hacia sistemas de uso más conservacionistas, pastoriles o con presencia
de ecosistemas frágiles. Esta diferenciación territorial es coherente con las características físicas,
climáticas y socioeconómicas de cada región.
En términos metodológicos, el uso del biplot no solo permitió visualizar las correlaciones
entre variables, sino también interpretar la afinidad espacial de las provincias, lo cual proporciona
Vol. 12/ Núm. 4 2025 pág. 2373
una herramienta valiosa para la formulación de estrategias diferenciadas de planificación
territorial y uso del suelo.
Implicaciones para futuras investigaciones
Estos hallazgos abren múltiples líneas de investigación futuras. En primer lugar, sería
pertinente profundizar el análisis incorporando variables adicionales como productividad,
rendimiento por hectárea, tenencia de la tierra, o uso de tecnología agrícola, que podrían explicar
con mayor detalle las dinámicas territoriales observadas. En este mismo sentido, futuras
investigaciones podrían aplicar enfoques longitudinales para observar la evolución de estos
patrones a lo largo del tiempo, o integrar datos climáticos y socioeconómicos para explorar la
relación entre uso del suelo, cambio climático y vulnerabilidad agrícola.
También es recomendable replicar este análisis a nivel cantonal o parroquial, donde las
dinámicas territoriales pueden presentar mayores contrastes y detalles, así como explorar modelos
multivariantes más complejos como STATIS o análisis de conglomerados con validación cruzada.
Finalmente, estos resultados pueden servir de base para estudios de evaluación de políticas
públicas en temas de ordenamiento territorial, transición agroecológica y conservación ambiental,
promoviendo una gestión del territorio más contextualizada y sostenible.
una herramienta valiosa para la formulación de estrategias diferenciadas de planificación
territorial y uso del suelo.
Implicaciones para futuras investigaciones
Estos hallazgos abren múltiples líneas de investigación futuras. En primer lugar, sería
pertinente profundizar el análisis incorporando variables adicionales como productividad,
rendimiento por hectárea, tenencia de la tierra, o uso de tecnología agrícola, que podrían explicar
con mayor detalle las dinámicas territoriales observadas. En este mismo sentido, futuras
investigaciones podrían aplicar enfoques longitudinales para observar la evolución de estos
patrones a lo largo del tiempo, o integrar datos climáticos y socioeconómicos para explorar la
relación entre uso del suelo, cambio climático y vulnerabilidad agrícola.
También es recomendable replicar este análisis a nivel cantonal o parroquial, donde las
dinámicas territoriales pueden presentar mayores contrastes y detalles, así como explorar modelos
multivariantes más complejos como STATIS o análisis de conglomerados con validación cruzada.
Finalmente, estos resultados pueden servir de base para estudios de evaluación de políticas
públicas en temas de ordenamiento territorial, transición agroecológica y conservación ambiental,
promoviendo una gestión del territorio más contextualizada y sostenible.
Vol. 12/ Núm. 4 2025 pág. 2374
REFERENCIAS
Abdela, K. A., Divya, S., Mohammed, E. A., & Fantabil, A. (2024). Greenhouse Gas Emission,
and Mitigation Strategies in Africa: A Systematic Review. En Water, Air, and Soil
Pollution (Vol. 235, Número 10). https://doi.org/10.1007/s11270-024-07431-8
Bhattacharya, S., & Sachdev, B. K. (2024). Sustainable land management in industry 5.0 and its
impact on environment, society, and governance (ESG) (pp. 113-132).
https://doi.org/10.4018/979-8-3693-7322-4.ch006
Chen, X. (2025). The role of modern agricultural technologies in improving agricultural
productivity and land use efficiency. En Frontiers in Plant Science (Vol. 16).
https://doi.org/10.3389/fpls.2025.1675657
Erkuş-Öztürk, H., Alkan, Y. S., & Tırış, G. (2024). Deliberative Democracy and Making
Sustainable and Legitimate Development Plans: The Case of the Antalya Kırcami
Agrihood. En Land (Vol. 13, Número 4). https://doi.org/10.3390/land13040447
Hedden-Nicely, D. R., & Kaiser, K. E. (2024). Water Governance in an Era of Climate Change:
A Model to Assess the Shifting Irrigation Demand and Its Effect on Water Management
in the Western United States. En Water (Switzerland) (Vol. 16, Número 14).
https://doi.org/10.3390/w16141963
INEC. (2025). Estadísticas Agropecuarias. Instituto Nacional de Estadística y Censos.
https://www.ecuadorencifras.gob.ec/estadisticas-agropecuarias-2/
Kanosvamhira, T. P., Musasa, T., & Mupepi, O. (2025). The potential for urban agriculture (UA)
in Cape Town, South Africa: A suitability analysis. En Annals of GIS (Vol. 31, Número 1,
pp. 107-122). https://doi.org/10.1080/19475683.2025.2455430
Karner, K., Mitter, H., Sinabell, F., & Schönhart, M. (2024). Participatory development of Shared
Socioeconomic Pathways for Austria’s agriculture and food systems. En Land Use Policy
(Vol. 142). https://doi.org/10.1016/j.landusepol.2024.107183
Kayal, P., Das, S., & Roy Chowdhury, I. R. (2025). Modeling Agricultural Land Suitability Using
MCDM-AHP Techniques in Semi-arid Region of West Bengal, India. En Springer
Geography: Vol. Part F207 (pp. 657-694). https://doi.org/10.1007/978-3-031-62376-
9_28
Khangar, N. S., & Mohanasundari, T. (2025). Assessment of the environmental impacts of
soybean production within fields in Madhya Pradesh: A life cycle analysis approach. En
Integrated Environmental Assessment and Management (Vol. 21, Número 3, pp. 688-
701). https://doi.org/10.1093/inteam/vjae052
Li, Q., Hui, F., Wang, L., Wang, X., & Sun, L. (2025). Identification and interaction mechanism
of territorial spatial conflict in oasis region based on the functional competitiveness of
«Agriculture-Town-Ecology»; 基于“三类”功能竞争力的绿洲国土空间冲突识别与作
REFERENCIAS
Abdela, K. A., Divya, S., Mohammed, E. A., & Fantabil, A. (2024). Greenhouse Gas Emission,
and Mitigation Strategies in Africa: A Systematic Review. En Water, Air, and Soil
Pollution (Vol. 235, Número 10). https://doi.org/10.1007/s11270-024-07431-8
Bhattacharya, S., & Sachdev, B. K. (2024). Sustainable land management in industry 5.0 and its
impact on environment, society, and governance (ESG) (pp. 113-132).
https://doi.org/10.4018/979-8-3693-7322-4.ch006
Chen, X. (2025). The role of modern agricultural technologies in improving agricultural
productivity and land use efficiency. En Frontiers in Plant Science (Vol. 16).
https://doi.org/10.3389/fpls.2025.1675657
Erkuş-Öztürk, H., Alkan, Y. S., & Tırış, G. (2024). Deliberative Democracy and Making
Sustainable and Legitimate Development Plans: The Case of the Antalya Kırcami
Agrihood. En Land (Vol. 13, Número 4). https://doi.org/10.3390/land13040447
Hedden-Nicely, D. R., & Kaiser, K. E. (2024). Water Governance in an Era of Climate Change:
A Model to Assess the Shifting Irrigation Demand and Its Effect on Water Management
in the Western United States. En Water (Switzerland) (Vol. 16, Número 14).
https://doi.org/10.3390/w16141963
INEC. (2025). Estadísticas Agropecuarias. Instituto Nacional de Estadística y Censos.
https://www.ecuadorencifras.gob.ec/estadisticas-agropecuarias-2/
Kanosvamhira, T. P., Musasa, T., & Mupepi, O. (2025). The potential for urban agriculture (UA)
in Cape Town, South Africa: A suitability analysis. En Annals of GIS (Vol. 31, Número 1,
pp. 107-122). https://doi.org/10.1080/19475683.2025.2455430
Karner, K., Mitter, H., Sinabell, F., & Schönhart, M. (2024). Participatory development of Shared
Socioeconomic Pathways for Austria’s agriculture and food systems. En Land Use Policy
(Vol. 142). https://doi.org/10.1016/j.landusepol.2024.107183
Kayal, P., Das, S., & Roy Chowdhury, I. R. (2025). Modeling Agricultural Land Suitability Using
MCDM-AHP Techniques in Semi-arid Region of West Bengal, India. En Springer
Geography: Vol. Part F207 (pp. 657-694). https://doi.org/10.1007/978-3-031-62376-
9_28
Khangar, N. S., & Mohanasundari, T. (2025). Assessment of the environmental impacts of
soybean production within fields in Madhya Pradesh: A life cycle analysis approach. En
Integrated Environmental Assessment and Management (Vol. 21, Número 3, pp. 688-
701). https://doi.org/10.1093/inteam/vjae052
Li, Q., Hui, F., Wang, L., Wang, X., & Sun, L. (2025). Identification and interaction mechanism
of territorial spatial conflict in oasis region based on the functional competitiveness of
«Agriculture-Town-Ecology»; 基于“三类”功能竞争力的绿洲国土空间冲突识别与作
Vol. 12/ Núm. 4 2025 pág. 2375
用机理. En Nongye Gongcheng Xuebao/Transactions of the Chinese Society of
Agricultural Engineering (Vol. 41, Número 6, pp. 266-277).
https://doi.org/10.11975/j.issn.1002-6819.202401106
ODS. (2025). Objetivos de Desarrollo Sostenible. UNDP. https://www.undp.org/es/sustainable-
development-goals
Rämö, J., Tzemi, D., Lehtonen, H. S., Palosuo, T., & Peltonen-Sainio, P. (2024). Improving a
dynamic farm level model by coupling empirically estimated pre-crop values with crop
rotation optimization. En Agricultural and Food Science (Vol. 33, Número 3, pp. 223-
236). https://doi.org/10.23986/afsci.144747
Yurco, K., & Clay, N. (2025). Cultivating care in ‘hidden places’: Sweet potatoes, gender, and
resistance in Rwanda; Cultiver les soins dans les « endroits cachés »: Patates douces,
genre et résistance au Rwanda. En Critical African Studies (Vol. 17, Número 2, pp. 159-
172). https://doi.org/10.1080/21681392.2025.2470636
用机理. En Nongye Gongcheng Xuebao/Transactions of the Chinese Society of
Agricultural Engineering (Vol. 41, Número 6, pp. 266-277).
https://doi.org/10.11975/j.issn.1002-6819.202401106
ODS. (2025). Objetivos de Desarrollo Sostenible. UNDP. https://www.undp.org/es/sustainable-
development-goals
Rämö, J., Tzemi, D., Lehtonen, H. S., Palosuo, T., & Peltonen-Sainio, P. (2024). Improving a
dynamic farm level model by coupling empirically estimated pre-crop values with crop
rotation optimization. En Agricultural and Food Science (Vol. 33, Número 3, pp. 223-
236). https://doi.org/10.23986/afsci.144747
Yurco, K., & Clay, N. (2025). Cultivating care in ‘hidden places’: Sweet potatoes, gender, and
resistance in Rwanda; Cultiver les soins dans les « endroits cachés »: Patates douces,
genre et résistance au Rwanda. En Critical African Studies (Vol. 17, Número 2, pp. 159-
172). https://doi.org/10.1080/21681392.2025.2470636