Date post: | 18-Jun-2015 |
Category: |
Documents |
Upload: | decision-and-policy-analysis-program |
View: | 1,631 times |
Download: | 2 times |
Carlos Navarro, Julian Ramirez, Andy Jarvis, Peter Laderach
Avances en Modelación Climática; CC & Agricultura
20/08/2012, Managua - Nicaragua
• Breve sobre clima & agricultra• Datos climáticos, disponibilidad
y dificultades• Opciones - Downscaling
– Empírico– Dinámico
• Nuestras bases de datos• Cuantificación de
incertidumbres• ¿Qué dicen los modelos para
Nicaragua?• Aplicaciones GCM &
Agricultura • ¿Cómo Adaptar?
Contenido
Clima & Agricultura– Múltiples variables– Muy alta resolución
espacial (1 km, 90m??).– Alta resolución temporal
(i.e. mensual, diaria).– Alta certidumbre ,
previsiones precisas del tiempo y las proyecciones climáticas.
• Tanto para presente como para futuro.
La demanda - Certidumbre
–T°• Max,• Min, • Media
–Prec–HR– Radiacion– Vientos– …….
Men
os im
port
ante
s
Mas
cer
tidum
bre
•Cualquier agro-ecosistema responde a variaciones de factores antropogenicos, bióticos, abioticos.• El clima es el factor menos predecible.• El clima va a cambiar y cada sistema es un caso
específico• Los cultivos son suprememente sensibles a sus
condiciones climaticas
La demanda - CertidumbreLo que sí sabemos…
>> INCERTIDUMBRE
Lo que no sabemos… ¿Qué condiciones tendremos en 30, 50, 100 años?
¿Cómo responderán nuestros sistemas a estas condiciones?
¿Cuándo, dónde, y qué tipo de cambio se
requiere para adaptar?
¿Quién debe planear? ¿Quién debe
ejecutar?
La demanda - Certidumbre
La demanda - Certidumbre
Datos climáticos confiables Vacíos representación del
sistema climático
Modelos climáticos inadecuados
Evaluación de Impactos
cambio climático
Alto grado de
incertidumbre
>> INCERTIDUMBRE
Necesidades Limitaciones
¿Cómo predecir el futuro?
Económico
Ambiental
Global Regional
PESIMISTA“Bussiness as
usual”
OPTIMISTAMundo perfecto
IntermedioP
E
P
E
P
E
P
E
Los Escenarios de Emisión
En la agricultura, los diferentes escenarios de emisiones no son
importantes… de aqui a 2030 la
diferencia entre escenarios es
minima
Mensaje 1
Los GCMs son la única manera en que podemos predecir el clima a futuro
Usando el pasado para aprender del futuro
Los ModelosGCM “Global Climate Model”
Los Modelos
Variaciones en la temperatura de la superficie de la tierra: de 1000 a 2100
Qué es lo que dicen los modelos??
Cambios antropogénicos llevan a cambios atmosféricos
Concentraciones Atmosféricas
Escala global Pero.. Escala regional o local
Resoluciones
• Resolución horizontal de unos 100 a 300 km • 18 y 56 niveles verticales.
GCM - Limitaciones
Model Country Atmosphere OceanBCCR-BCM2.0 Norway T63, L31 1.5x0.5, L35CCCMA-CGCM3.1 (T47) Canada T47 (3.75x3.75), L31 1.85x1.85, L29CCCMA-CGCM3.1 (T63) Canada T63 (2.8x2.8), L31 1.4x0.94, L29CNRM-CM3 France T63 (2.8x2.8), L45 1.875x(0.5-2), L31CSIRO-Mk3.0 Australia T63, L18 1.875x0.84, L31CSIRO-Mk3.5 Australia T63, L18 1.875x0.84, L31GFDL-CM2.0 USA 2.5x2.0, L24 1.0x(1/3-1), L50GFDL-CM2.1 USA 2.5x2.0, L24 1.0x(1/3-1), L50GISS-AOM USA 4x3, L12 4x3, L16GISS-MODEL-EH USA 5x4, L20 5x4, L13GISS-MODEL-ER USA 5x4, L20 5x4, L13IAP-FGOALS1.0-G China 2.8x2.8, L26 1x1, L16INGV-ECHAM4 Italy T42, L19 2x(0.5-2), L31INM-CM3.0 Russia 5x4, L21 2.5x2, L33IPSL-CM4 France 2.5x3.75, L19 2x(1-2), L30MIROC3.2-HIRES Japan T106, L56 0.28x0.19, L47MIROC3.2-MEDRES Japan T42, L20 1.4x(0.5-1.4), L43MIUB-ECHO-G Germany/Korea T30, L19 T42, L20MPI-ECHAM5 Germany T63, L32 1x1, L41MRI-CGCM2.3.2A Japan T42, L30 2.5x(0.5-2.0)NCAR-CCSM3.0 USA T85L26, 1.4x1.4 1x(0.27-1), L40NCAR-PCM1 USA T42 (2.8x2.8), L18 1x(0.27-1), L40UKMO-HADCM3 UK 3.75x2.5, L19 1.25x1.25, L20UKMO-HADGEM1 UK 1.875x1.25, L38 1.25x1.25, L20
Incertidumbres!
GCM - Limitaciones
Dificultad 1. Mezcla de resoluciones
GCM - Limitaciones
Dificultad 2. Disponibilidad de datos (via IPCC)WCRP CMIP3 A1B-P A1B-T A1B-Tx A1B-Tn A2-P A2-T A2-Tx A2-Tn B1-P B1-T B1-Tx B1-Tn
BCCR-BCM2.0 OK OK OK OK OK OK OK OK OK OK OK OKCCCMA-CGCM3.1-T63 OK OK NO NO NO NO NO NO OK OK NO NOCCCMA-CGCM3.1-T47 OK OK NO NO OK OK NO NO OK OK NO NOCNRM-CM3 OK OK NO NO OK OK NO NO OK OK NO NOCSIRO-MK3.0 OK OK OK OK OK OK OK OK OK OK OK OKCSIRO-MK3.5 OK OK OK OK OK OK OK OK OK OK OK OKGFDL-CM2.0 OK OK OK OK OK OK OK OK OK OK OK OKGFDL-CM2.1 OK OK OK OK OK OK OK OK OK OK OK OKGISS-AOM OK OK OK OK NO NO NO NO OK OK OK OKGISS-MODEL-EH OK OK NO NO NO NO NO NO NO NO NO NOGISS-MODEL-ER OK OK NO NO OK OK NO NO OK OK NO NOIAP-FGOALS1.0-G OK OK NO NO NO NO NO NO OK OK NO NOINGV-ECHAM4 OK OK NO NO OK OK NO NO NO NO NO NOINM-CM3.0 OK OK OK OK OK OK OK OK OK OK OK OKIPSL-CM4 OK OK NO NO OK OK NO NO OK OK NO NOMIROC3.2.3-HIRES OK OK OK OK NO NO NO NO OK OK OK OKMIROC3.2.3-MEDRES OK OK OK OK OK OK OK OK OK OK OK OKMIUB-ECHO-G OK OK NO NO OK OK NO NO OK OK NO NOMPI-ECHAM5 OK OK NO NO OK OK NO NO OK OK NO NOMRI-CGCM2.3.2A OK OK NO NO OK OK NO NO OK OK NO NONCAR-CCSM3.0 OK OK OK OK OK OK OK OK OK OK OK OKNCAR-PCM1 OK OK OK OK OK OK OK OK OK OK OK OKUKMO-HADCM3 OK OK NO NO OK OK NO NO OK OK NO NOUKMO-HADGEM1 OK OK NO NO OK OK NO NO NO NO NO NO
GCM - Limitaciones
Dificultad 3. habilidad limitada de representar clima presente.
GCM - Limitaciones
Depender de un solo GCM es peligroso!
Cómo utilizar esta información?
Problema
Necesidad
OpcionesDownscaling por métodos estadísticos o dinámicos..
Aumentar resolución, uniformizar… proveer
datos de alta resolución,
contextualizadosAún el GCM
más preciso es demasiado
grueso (100km).
GCM - Limitaciones
Método Delta–Base climatológica: WorldClim– Tomar superficies GCM originales
(series de tiempo)–Calcular promedios para línea
base y períodos específicos–Calcular anomalías– Interpolar anomalías (spline)– Sumar anomalías a WorldClim
Opciones – Métodos Estadísticos
Opciones – Métodos Estadísticos
Estaciones x variable:• 47,554
precipitación • 24,542
tmean • 14,835
tmax y tmin
- 3 0 .1
3 0 .5
M e a n a n n u a lt e m p e r a t u r e ( º C )
0
1 2 0 8 4
A n n u a l p r e c i p i t a t i o n ( m m )
¿Qué es WorlClim?
Fuentes:•GHCN•FAOCLIM•WMO•CIAT•R-Hydronet•Redes nacionales
Opciones – Métodos Estadísticos
Método Disegregación• Similar a DELTA pero sin interpolacion– Base climatologica: CRU, WorldClim– Calcular anomalias para periodos requeridos para
celdas GCM– Sumar anomalias a climatologia base
– Usar resultados de GCMs
– Son de área limitada.. Necesitan condiciones de frontera.
– Realiza cálculos de la dinámica atmosférica y resuelve ecuaciones para cada grilla.
– Datos diarios– Resolucion varia entre 25-50km– Más de 170 variables de salida
Opciones – Métodos Dinámicos
RCM PRECIS Providing REgional Climates for Impacts Studies
Método Pros Contras
Delta
*Rápido de implementar* resoluciones*Aplicable a TODOS los GCMs*Uniformiza líneas base
* Cambios solo varían en gran escala* Variables no cambian sus relaciones en tiempo* variables
RCMs
* Robusto*Aplicable a GCMs dependiendo de disponibilidad de datos* variables
*Pocas plataformas (PRECIS)*Mucho procesamiento y almacenamiento*Limitada resolución (25-50km)*Aun falta mucho desarrollo*Incertidumbre difíciles de cuantificar
Opciones - Comparación
¿Qué metodología empleo?
Métodos Estadísticos vs Dinámicos
Emisiones Escenarios de población, energía, modelos económicos
Concentraciones Ciclo del carbono, modelos químicos
Cambio climático Global GCMs
Detalles regionales RCMs,Downscaling
Impactos Modelos de impacto
En resumen…
Nuestras Bases de Datos
CCAFS Climate - Usuarios
CCAFS Climate - Usuarios
CCAFS Climate - Bases de Datos
• Reducidos de escala empíricamente y disaggregados para todo el mundo de 1 a 20 km.
• Reducidos de escala dinámicamente (PRECIS) para Sur América.
• 20 GCM para 2050, 9 para 2020 (Datos Stanford) dowscalados a 20km, 5km, 1km
• 7 GCMs con información Tyndall.
¿Qué ofrecemos?
Comparison (R2 based) of interpolated climatology (WorldClim, The University of East Anglia Climatic Research Unit dataset (CRU)), and each of the GCMs (average 1961-1990 period) for each of the countries in the study area for mean temperature (left) and precipitation (right) for the annual mean. All R2 values were statistically significant at p < 0.001. (Ramirez and Challinor, 2012)
¿Y qué pasa con las incertidumbres? Cómo cuantificar?
Las Incertidumbres
2010_2039 2020_2049 2030_2059 2040_2069 2050_2079 2060_2089 2070_2099700.000
720.000
740.000
760.000
780.000
800.000
820.000
Annual Precipitation
bccr_bcm2_0 cccma_cgcm3_1_t47 cnrm_cm3
csiro_mk3_0 csiro_mk3_5 gfdl_cm2_0
gfdl_cm2_1 giss_model_er ingv_echam4
inm_cm3_0 ipsl_cm4 miroc3_2_medres
miub_echo_g mpi_echam5 mri_cgcm2_3_2a
ncar_ccsm3_0 ncar_pcm1 ukmo_hadcm3
ukmo_hadgem1
Period (30 yr)
Ann
ual P
reci
pita
tion
(mm
)Projections of future global average annual precipitation for A1B scenarios from
donwscaled data.
Incertidumbres
Las Incertidumbres
La incertidumbre cientifica SI es relevante para la agricultura: tenemos que tomar
decisiones dentro de un contexto de incertidumbre
Mensaje 2
Comparación con estaciones in-situ
0 100 200 300 400 500 600 7000
100
200
300
400
500
600
700
R² = 0.280058915841598
R² = 0.707312312307941
Observed vs. Modeled Acumulated Monthly Rainfall (Mean Monthly 1979-2003)
GHCN Stations (mm/month)
MRI
Dat
aset
s (m
m/m
onth
)
-5 0 5 10 15 20 25 30 35-5
0
5
10
15
20
25
30
R² = 0.9009193900267R² = 0.991495346306954
Observed vs. Modeled Mean Monthly Temperature (Mean Monthly 1979-2003)
MRI Datasets (°C)
GHC
N S
tatio
ns (°
C)
Validación GCMs
60
80
100
120
140
160
180
200
Jan Feb Mar Apr May Jun Jul Jul Sep Oct Nov Dec
Pre
cipi
tati
on(m
m/m
onth
)
Month
AGHCN Stations
MRI Datasets
0.0
0.2
0.4
0.6
0.8
1.0
-40 -30 -20 -10 0 10 20
RSQ
Latitude
D
0.0
0.2
0.4
0.6
0.8
1.0
0 1000 2000 3000 4000
RSQ
Altitude
E
Análisis consistencia temporal y espacial
Validación GCMs
Seiler 2009
Validación GCMs
• Downscaling es inevitable.• Se está haciendo una
mejora continua. • El foco principal es hacer
un análisis de incertidumbres y
• Mejorar los datos de línea base.
• Evaluar y validar incertidumbres.
Conclusiones Preliminares
• Necesitamos multiples acercamientos para mejorar la base de informacion acerca de escenarios de cambio climatico– Desarollo de RCMs (multiples:
PRECIS NO ES SUFICIENTE)– Downscaling empirico, metodos
hybridos– Probamos diferentes
metodologias
Flujo de informacion es
critico para nosotros como retroalimentaci
on y para no repetir trabajo que otros han
hecho ya.
Conclusiones Preliminares
Próxima Generación de Escenarios Climáticos (IPCC, AR5)
Representative Concentration Pathways (RCP)Caminos representativos de concentración
¿Qué sigue?
• Proyecciones AR5 … más modelos, mayor resolución.
• Evaluar y validar incertidumbres.
¿Qué sigue?
BCC_csm1-1BNU_esm CCCMA_cancm4CCCMA_canesm2CNRM_cm5CSIRO_access1_0CSIRO_mk3-6-0ICHEC_ec_earthINM_inmcm4IPSL_ipsl_cm5a_lrIPSL_ipsl_cm5a_mrIPSL_ipsl_cm5b_lrMIROC_esm
MIROC_esm-chemMIROC_miroc4hMIROC_miroc5MOHC_hadcm3MOHC_hadgem2-ccMOHC_hadgem2-esMPI-M_mpi-esm-lrMPI-M_mpi-esm-mrMRI_mri-cgcm3NCAR_ccsm4NCC_noresm1-mNOAA_gfld_esm2gNOAA_gfld_esm2m
RCP 4.5
¿Qué dicen los modelos para Nicaragua?
Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm Csiro Mk3.0 Csiro Mk 3.5
Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0
Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam Mri Cgcm 2 .3.2a
Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1
Pred
icci
ones
GCM
s pa
ra N
icar
agua SRES A2 2030s Cam
bios en Temeprartura M
edia Anual
Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm Csiro Mk3.0 Csiro Mk 3.5
Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0
Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam Mri Cgcm 2 .3.2a
Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1
SRES A2 2030s Cambios en Precipitación total anual
Pred
icci
ones
GCM
s pa
ra N
icar
agua
Cambios promedio en Precipitación total anual
2030s 2050s
Predicciones GCMs para Nicaragua
2030s
2050s
Cambios promedio en Temperatura Media anual
2030s 2050s
Predicciones GCMs para Nicaragua
2030s
2050s
Predicciones GCMs para Nicaragua
Predicciones GCMs para Nicaragua
ANNUAL DJF MAM JJA SON ANNUAL DJF MAM JJA SONMODEL C WC C WC C WC C WC C WC C WC C WC C WC C WC C WC
bccr_bcm2_0 1 0.9 0.8 0.7 0.8 0.8 0.8 0.7 0.9 0.9 1 1 1 1 1 1 1 1 1 1
cccma_cgcm3_1_t47 1 0.9 0.6 0.4 0.9 0.8 0.9 0.8 1 1 1 1 1 1 1 1 1 1 1 1
cnrm_cm3 1 0.9 0.8 0.7 0.8 0.7 0.9 0.7 0.9 1 1 1 1 1 1 1 1 1 1 1
csiro_mk3_0 1 0.4 0.3 0.2 0.6 0.5 0.6 0.8 0.6 0.5 1 1 1 1 1 1 1 1 1 1
csiro_mk3_5 0 0.3 0.2 0.1 0.3 0.2 0.2 0.6 0.4 0.4 1 1 1 1 1 1 1 1 1 1
gfdl_cm2_0 1 0.8 0.5 0.3 0.7 0.7 0.6 0.6 0.8 0.9 1 1 1 1 1 1 1 1 1 1
gfdl_cm2_1 1 0.7 0.9 0.8 0.7 0.7 0.6 0.7 0.7 0.8 1 1 1 1 1 1 1 1 1 1
giss_model_er 1 0.6 0.6 0.6 0.5 0.6 0.5 0.8 0.5 0.5 1 1 1 1 1 1 1 1 1 1
ingv_echam4 1 0.9 0.6 0.6 0.8 0.8 0.9 0.7 0.9 0.9 1 1 1 1 1 1 1 1 1 1
inm_cm3_0 1 0.6 0.2 0 0.7 0.6 0.6 0.6 0.6 0.6 1 1 1 1 1 1 1 1 1 1
ipsl_cm4 1 0.9 0.3 0.2 0.9 0.9 0.8 0.6 0.9 0.9 1 1 1 1 1 1 1 1 1 1
miroc3_2_medres 1 0.9 0.7 0.6 0.9 0.9 1 0.8 1 0.9 1 1 1 1 1 1 1 1 1 1
miub_echo_g 1 0.8 0.8 0.6 0.9 0.8 0.8 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1
mpi_echam5 1 0.6 0.4 0.3 0.6 0.5 0.5 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1
mri_cgcm2_3_2a 1 0.9 0.9 0.9 0.8 0.8 0.8 0.5 0.9 0.9 1 1 1 1 1 1 1 1 1 1
ncar_ccsm3_0 1 0.9 0.7 0.7 0.9 0.9 0.9 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1
ncar_pcm1 1 0.8 0.8 0.7 0.7 0.7 0.5 0.6 0.8 0.8 1 1 1 1 1 1 1 1 1 1
ukmo_hadcm3 1 0.6 0.4 0.3 0.7 0.7 0.4 0.7 0.7 0.8 1 1 1 1 1 1 1 1 1 1ukmo_hadgem1 0.8 0.8 0.5 0.5 0.9 0.8 0.8 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1
rcm_ECHAM5 1 0.8 0.7 0.7 0.8 0.8 0.8 0.6 0.8 0.8 1 1 1 1 1 1 1 1 1 1
rcm_HadAM3P_3 1 0.8 0.7 0.7 0.8 0.8 0.8 0.8 0.8 0.8 1 1 1 1 1 1 1 1 1 1
rcm_HadCM3Q0 1 0.8 0.6 0.6 0.8 0.8 0.8 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1
rcm_HadCM3Q16 1 0.8 0.6 0.6 0.8 0.8 0.7 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1
rcm_HadCM3Q3 1 0.8 0.7 0.7 0.8 0.8 0.8 0.8 0.8 0.8 1 1 1 1 1 1 1 1 1 1
gcm_mri 1 0.9 0.9 0.9 0.9 0.9 0.9 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1
< 0.50 0.50 - 0.60 0.60 - 0.70 0.70 - 0.80 0.80 - 0.90 0.90 - 0.95 0.95 - 0.98 0.98 - 1.00
C CRUW WorldClim
Comparación Línea Base
Precipitación Temperatura
R2 observaciones y cada GCM
Los cambios en el clima afectan la adaptabilidad de los cultivos que cultivamos ...
Number of crops with more than 5% loss
Number of crops with more than 5% gain
Hay algunos ganadores..
… pero muchos perdedores en países en desarrollo…
Impactos
GCMs
Effective adaptation options
MarkSim
DSSAT
Statistical Downscaling
Dynamical downscaling:Regional Climate Model
EcoCropStatistical Downscaling
MaxEnt
Necesitamos modelos para cuantificar los impactos y opciones de diseño de adaptación eficaces
Basados en nichos
Prob
abili
ty
Environmental gradient
Basados en procesos
Impactos
Evalúa si hay las condiciones climáticas adecuadas ,
dentro de un periodo de crecimiento para T° y Prec….
… y calcula la adaptabiliad climática 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
El Modelo EcoCrop
Impactos
MaxEnt (Maximum Entropy Modelling)• Modelo de predicción de la
distribución potencial de una especie• Maxent utilizar el principio de la
máxima entropía• Usa puntos de presencia de
determinadas especies y las variables ambientales
• Uno de el modelo más precisos para la predicción cambios en los rangos en los que la especie puede adaptarse.
Impactos
Un Ejemplo…
El susto de café en Cauca, Colombia
Climas se mueven hacia arriba
Rango Altitudinal
Tmedia anual actual
Tmedia anual futuro
Tmedia anual
cambio (ºC)
Ppt total anual actual
190-500 25.54 27.70 2.16 5891 6002 1.88501-1000 23.47 25.66 2.19 3490 3597 3.041000-1500 21.29 23.50 2.21 2537 2641 4.101500-2000 18.36 20.58 2.22 2519 2622 4.082000-2500 15.60 17.82 2.22 2555 2657 4.002500-3000 13.33 15.54 2.21 2471 2575 4.20
Temperatura media se reduce 0.51oC por cada 100m en la zona cafetera. Un cambio de 2.2oC equivale a
una diferencia de 440m.
Suitability in Cauca
• Cambios significativos a 2020s… cambios drásticos a 2050s.
• El caso del Cauca: Reducción de areas de crecimiento y cambios en la ditribución geográficas.
• Algunas nuevas oportunidades.
Mensaje 3
Hay retos y oportunidades: cada pais deberia tener una estrategia
para enfrentar ambos
Los cambios son más drásticos en América Central
• Cambios en días de plantación y sistemas de irrigación para manejar el stress durante la temporada de crecimiento.
• Cultivos puedesn requerir migración altitudinal. • Relocalización de las actividades productivas.• Establecimiento de subsidios para pequeños agricultores
(reducción de la vulnerabilidad).• Conservación y mejoramiento de recursos genéticos.
Entonces como adaptamos?
• Necesitamos saber que hacemos, como lo hacemos, cuando lo hacemos y donde?
• Primero paso es analisar el problema• Segundo, analizar opciones de
adaptacion• Evaluar costo-beneficio para el sector• Implementar• HAZLO AHORA!
INVE
STIG
ACIO
N Y
DES
ARRO
LLO
TE
CNO
LOG
ICO
POLI
TICA
S PÚ
BLIC
AS Y
PRI
VADA
S
BUEN MANEJO AGRONOMICO
Como adaptamos?