Date post: | 23-Jan-2018 |
Category: |
Environment |
Upload: | decision-and-policy-analysis-program |
View: | 124 times |
Download: | 0 times |
Avances en modelación de clima y cultivos
Carlos Navarro-RacinesM. Beltrán, M. Romero, P. Pradhan, M. Quintero
1/3/2017Cali, Colombia
Componentes del Proyecto
WP1. Línea base ambiental y económica para paisajes deforestados.
WP2. Posibles Impactos del CC en la aptitud de cultivos y disponibilidad de agua (insumo para la identificación de opciones de uso de la tierra para la adaptación)
WP3. Alternativas de uso sostenible implementadas en sitios piloto; diseñadas en conjunto con pobladores locales y evaluadas conjuntamente con asesores de formuladores de política (teniendo en cuenta su costo-efectividad).
WP4. Rutas de transición hacia el desarrollo sostenible y sus implicaciones para uso sostenible de la tierra son identificadas y analizadas
WP5. Herramientas para el monitoreo de cambios de cobertura de la tierra validadas en Perú y capacidades para procesar e interpretar resultados fortalecidas
WP6. Retroalimentación con formuladores de política al nivel nacional y sub-nacional .
Datosbiofísicos y
de clima
Opciones de adaptación
efectivas
Necesitamos modelos de clima y cultivos para cuantificarimpactos y para diseñar opciones de adaptación efectivas.
Mensaje clave 1
GCM
IPCC, 2013
Anomalías observadas en el promedio mundial de temperaturas en superficie, terrestres y
oceánicas combinadas, desde 1850 hasta 2012, a partir de tres conjuntos de datos. Imagen
superior: valores medios anuales. Imagen inferior: valores medios decenales, incluida la
estimación de la incertidumbre para un conjunto de datos (línea negra). Las anomalías
son relativas a la media del período 1961-1990.
Cambios Observados Atmósfera
Parte IModelando el clima actual y proyectando el futuro
Figure 1 Frequency of use of the different data sources in agricultural studies based on a review of 247 recordings from published studies (taken from a comprehensive data use survey) (Ramirez-Villegas and Challinor 2012)
Caracterizando clima históricoProblemas de exactitud (es decir, falta de homogeneidad, discontinuidades)
Porcentaje de datos y periodos
+ CHIRPS+ AgMERRA
Definición del área para producción de datos de clima
- Include the two pilot zones in Colombia and Peru. - Include all the Colombian and Peruvian Amazon extension. - Keep some common characteristics like biodiversity and biophysical conditions. Results: - Zone defined by extent: Longitude -80 to -66, Latitude -16 to 5.- A subregion defined by the Napo Moist Forest Ecoregion which includes the two pilot zones and could be used for the climate trend analyses. According to Olson et al. (2001) this Global ecoregion is made up of 2 terrestrial ecoregions: Ucayali moist forests; and Napo moist forests
Línea Base
Precipitación Acumulada Mensual, 1981-2010Temperatura media Mensual, 1981-2010Rango diurno de temperatura, 1981-2010
GCMs es casi la única herramienta que tenemos para proyectar futuro
Mensaje clave 2
GCM
Problemas
Necesidad
Opciones
Downscaling pormétodosestadísticos o dinámicos y corrección de sesgo.
Aumentar resolución, uniformizar… proveer datos de alta resolución, contextualizados1. Baja Resolución
100- 300 Km2. Mezcla de resoluciones3. Disponibilidad de datos4. No representan bien clima
histórico
¿Cómo utilizar esta información?
Modelo País
BCC-CSM1.1 China
CSIRO-Mk3.6.0 Australia
FIO-ESM China
GFDL-CM3 United States
GISS-E2H United States
GISS-E2R United States
IPSL-CM5A-LR France
IPSL-CM5A-MR France
MIROC-ESM Japan
MIROC-ESM-CHEM Japan
MIROC-MIROC5 Japan
MOHC-HadGEM2-
CCUnited Kingdom
MRI-CGCM3 Japan
NCAR-CCSM4 United States
4 RCPMonthly
Temp, Prec5 km (2.5°)
Mean precipitation change (%)
Anomalías con RCP 8.5
Mean minimum temperature change (°C)Mean maximum temperature change (°C)
El Modelo EcoCrop
Evalúa si hay las condiciones climáticas adecuadas ,
dentro de un periodo de crecimiento para T° y Prec….
… y calcula la adaptabiliadclimática de la interacción
resultante entre la prec y la T°
• Un algoritmo sencillo para mirar el nicho de cada especie basado sólo en los datos del clima
Selección de cultivos a modelar
ReferenciasColombia: 2007_2015 Evaluaciones Agropecuarias Municipales (EVA). Oficina Asesora de Planeación y Prospectiva - Grupo de Información y Estadísticas Sectoriales. Ministerio de Agricultura y Desarrollo Rural.Perú: INEI 2012 (instituto nacional de estadísticas e informática). IV Ceso Nacional agropecuario 2012 de Perú http://censos.inei.gob.pe/Cenagro/redatam/#Ecuador: INEC 2013 ( Instituto Nacional de Estadística y Censos ) http://anda.inec.gob.ec/anda/index.php/catalog/477/get_microdata
Cultivo Area CultivadaLugar ocupado en área dentro de cultivos para
alimetaciónImportancia en dieta
Plátano (Musa paradisiaca)
Amazonía Colombiana: 45.484ha (2015)
Primer lugar en los 3 países
Importante en la dieta de comunidades amazónicas en Perú(FAO 2015). Base alimentación provincia Pastaza Ecuador (Siren 2007). Producto complementario de la alimentacion básica en la región media del río Caquetá (Colombia) (Peña et al. 2016). Cultivos que forman parte de agricultura a pequeña escala en la region Amazónica (WWF 2016)
Región Amazonia Peruana (selva): 104.788ha (2012)
Amazonia Ecuatoriana: 2.6807 (2013)
Yuca (Manihotesculenta)
Amazonía Colombiana: 23.768 ha (2015) Segundo lugar en área en Amazonía Colombianay Ecuatoriana y tercero en
Amazonía Peruana
Región Amazonía Peruana (selva): 61814ha (2012)
Amazonia Ecuatoriana: 9938 ha (2013)
Maíz (Zea mays)
Amazonía Colombiana: 14964 ha (2015)Tercer lugar Amazonía
Colombiana y Ecuatoriana y cuarto en Peruana
Región Amazonía Peruana (selva): 5707ha (2012).
Amazonía Ecuatoriana: 2139 ha (2013).
Arroz (Oryza sativa)
Región Amazonía Colombiana: 1308ha (2015)
Menos cultivado en Colombia , solo en tres
departamentos (puesto 4). Segundo lugar en área en Perú. Puesto 5 en Ecuador
Importante en la dieta de comunidades amazónicas en Perú (FAO 2015)
Región Amazonía Peruana (selva): 9429ha (2012)
Amazonía Ecuatoriana: 70 ha (2013)
Ajuste de parámetros - Maíz
Maiz Eitzinger et al Maiz Eitzinger Kai
Maíz de tierras poco húmedas de mediana latitud
Current suitability 1981-2010
Maíz de tierras húmedas bajas
Yuca
Ajuste de parámetros –Yuca y Platano
Current suitability 1981-2010
Yuca tomado de Ceballos et al, 2011
Platano Eitzinger
Platano Reggata
Platano Reggata-German
Changes in suitability
Areas no longersuitable
Areas suitable and same suitability in
the future
New Areas of suitability
Areas suitable butless suitable in the
future
Areas Suitable and more suitable
in the future
Incertidumbre
CuántificaciónIncertidumbreEjemplo RCP 4.5, 2050s
Parte III - Indices agro-climáticosCreación de perfil al estilo CSA
Índices agroclimáticos Index Units Description Hazard
𝑇𝑚𝑒𝑎𝑛 °𝐶Mean daily temperature averaged for a specified period
Heat stress
𝐺𝐷𝐷 °𝐶/𝑑𝑎𝑦Crop duration. Growing degree days calculated using a capped-top function with TB=10 ºC and TO=25 ºC
Heat stress
𝑁𝐷𝑇35 𝑑𝑎𝑦𝑠Total number of days with maximum temperature greater or equal to 35 ºC
Heat stress
𝑃𝑇𝑜𝑡 𝑚𝑚/𝑦𝑒𝑎𝑟 Annual total precipitation Flash floods
𝐶𝐷𝐷 𝑑𝑎𝑦𝑠Maximum number of consecutive dry days (i.e. with precipitation < 1 mm day-1)
Drought stress
𝑃5𝐷 𝑚𝑚/𝑑𝑎𝑦Maximum 5-day running average precipitation
Flash floods
𝑃95 𝑚𝑚/𝑑𝑎𝑦 95th percentile of daily precipitation Flash floods
𝑁𝐷𝑊𝑆 𝑑𝑎𝑦𝑠Maximum number of consecutive days with ratio of actual to potential evapotranspiration (ETa/ETp) ratio below 0.5
Drought stress
Clúster de tendencias (ejemplo)
Escenarios potenciales (ejemplo)Hazard Index Season Trend Severity
Drought spell Maximum number of consecutive dry days (precipitation < 1 mm day-1) First Decrease Slight
Erosion risk 95th percentile of daily precipitation First Increase Slight
Flooding Maximum 5-day running average precipitation First Increase Slight
Heat stress Mean temperature First Decrease Slight
Heat stress Growing degree days 10°C First Decrease Slight
Heat stress Growing degree days 25°C First N.S. None
Heat stress Total number of days with maximum temperature ≥ 35°C First N.S. None
Moisture stress Number of days with ratio of actual to potential evapotranspiration ratio below 0.5 First N.S. None
Total precipitation Annual total precipitation First Increase Moderate
SLGP Stability in start of season First Decrease Slight
LGP Length of growing season First Increase Slight
Drought spell Maximum number of consecutive dry days (precipitation < 1 mm day-1) Second Decrease High
Erosion risk 95th percentile of daily precipitation Second Increase Moderate
Flooding Maximum 5-day running average precipitation Second Increase Moderate
Heat stress Mean temperature Second Decrease Slight
Heat stress Growing degree days 10°C Second Decrease Slight
Heat stress Growing degree days 25°C Second N.S. None
Heat stress Total number of days with maximum temperature ≥ 35°C Second Decrease Slight
Moisture stress Number of days with ratio of actual to potential evapotranspiration ratio below 0.5 Second Increase Slight
Total precipitation Annual total precipitation Second Increase Moderate
SLGP Stability in start of season Second Decrease Moderate
LGP Length of growing season Second Increase Moderate
Prioridades 2017-2018• Refinar análisis con EcoCrop. Calibrar y añadir arroz y frijol.
• Finalizar análisis en clustering y generar escenarios con índices agro-climáticos
• Posible modelamiento de cash crops (cultivos comerciales) con Maxent (i.e. cacao, caucho, palmito, caña de azucar, panela cane, café).
• Retroalimentación con formuladores de política al nivel nacional y sub-nacional. Unir información de clima, impactos modelos e indices agroclimáticos para realizer talleres.
• Diseño e implementación de talleres con tomadores de decision para difundir las proyecciones del cambio climático y sus probables impactos sobre la idoneidad de los cultivos en las áreas del proyecto.
• Discusión de talleres con productores. Análisis de percepción local envariables de clima. ?
• Al menos 2 artículos.