Avances en modelación de clima y cultivos

Carlos Navarro-RacinesM. Beltrán, M. Romero, P. Pradhan, M. Quintero

c.e.navarro@cgiar.org

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.