1. PREDIÇAO E AVALIAÇÃO DO IMPACTOS DAS
MUDANÇAS CLIMATICAS SOBRE SISTEMAS
AGROFLORESTAIS NA AMAZONIA PERUANA
(Presentación preparada para el VIII CONGRESO BRASILEÑO DE SAF)
Manuel Soudre (IIAP-Perú)
Efraín Leguía (IIAP-Perú)
Marcos Tito (ICRAF-Brasil)
Emmanuel Zapata (CIAT-Colombia)
José Riofrio (INIAP-Ecuador)
Belem - PA, 24 de Noviembre 2011

2. Ámbito de ação: Bacia do rio Aguaytia, Región Ucayali Perú,
1´800,000 ha.
Limite de la Zona de Influencia
de Pucallpa
PUCALLPA
El área de interés
en el Perú
Uso agrícola
Uso forestal
Ríos / carreteras AGUAYTIA Río Ucayali River
Nubes

3. Objetivos
● Prover ferramentas para a seleção de áreas potenciais,
sistemas e componentes agroflorestais;
● Fortalecer os processos de planificação e manejo dos
sistemas agroflorestais;
● Facilitar a elaboração de políticas, programas e projetos
orientados ao desenvolvimento agroflorestal através da
socialização de resultados do estudo com atores claves a
nível regional.

4. Ciclo do Projeto

5. Metodologia (Passo 1)
Seleção de especies
Criterios para seleção
– Importância para as comunidades
– Presença nos SAF da região
– Localização georeferenciada
Especies Agroflorestais estudiadas:
Bolaina (Guazuma crinita)
Capirona (Calycophyllum spruceanum)
Cacao (Theobroma cacao)

6. “chico-magro”
Guazuma crinita

7. “Pao mulato”
Calycophyllum spruceanum

8. “cacau”
Theobroma cacao

9. Metodologia (Passo 2)
Sistematização de informação
Requerimentos de clima e solos
Especies
Variaveis climáticas Guazuma crinita Calycophyllum Theobroma cacao
spruceanum
Precipitação Apto 1000 - 3000 1000 - 3000 1300 - 2800
(mm/año) Otimo 1800 - 2500 1800 - 2500 1500 - 2500
Período Seco Apto 1–4 2–5
(nº meses/ano) Optimo 2–3 3–4 <2
Temp. Media Apto 13 – 43 18 – 38 15 – 30
(ºC) Optimo 24 - 26 24 – 29 24 – 26
Altitude Apto 0 - 1000 0 – 1000 0 -1000
(msnm) Optimo 0 - 900 0 – 600 0 -800
Variaveis edáficas
Profundidade Profundos Profundos Medios
Drengem Drenados Bien drenados Bien drenados
Relevo Planos a Planos a ligeramente Planos a ondulados
ligeramente ondulados
ondulados

10. Metodologia (Passo 3)
Capacitação do Grupo
Reunião CIAT, Colômbia

11. Metodologia (Passo 4)
Localização de pontos de coletas
– Coletas 1996-1998 (ICRAF)
– Silvicutura da boliana en plantações e
sucessão secundaria em Ucayali (Soudre
2007)
– Parcelas de produtores de Programa de
Desenvolvimento Alternativo (PDA-Aguaytía)
– Coletas de cacau de alto rendimento ICT
– ACATPA (associação produtores cacau)
– Base de dados de www.gbif.org

12. Metodologia (Passo 4b)
Base de Dados na Internet
http://www.gbif.org/

13. Metodologia (Passo 4c)
Localização de pontos de coletas
Bolaina (ICRAF, Soudre, Capirona (ICRAF, GBIF) Cacau (ACAPTA, PDA,
GBIF) GBIF, ITC)

14. Metodologia (Passo 5)
Climatologia atual: Base de WORLDCLIM (Hijmans et al. 2005)
www.worldclim.org
– 47,554 estações meteorológicas (1950-2000)
– Resolução 30 arc seg (~1km)

15. Metodologia (Passo 6)
Utilizando MaxEnt Modelar a distribuição das espécies
(máxima entropia)
Modelo de nicho ecológico (probabilidade
Localização Variáveis de presença)
das coletas climáticas
Modelo
probabilístico
multivariado Distribuição
probabilística
potencial
Distribuição de
probabilidade de
cada variável

16. Metodologia (Passo 7)
Identificação de Variáveis bioclimáticas
• BIO1 = Temperatura promedio anual
• BIO2 = Rango diurno promedio (promedio mensual (temperatura máxima – temperatura
mínima))
• BIO3 = Isotermalidad (P2/P7) (* 100)
•
•
TEMPERATURA
BIO4 = Temperatura estacional (desviación estándar *100)
BIO5 = Temperatura máxima del mes más caliente
• BIO6 = Temperatura mínima del mes más frio
• BIO7 = Rango de temperatura anual (P5-P6)
• BIO8 = Temperatura promedio del trimestre más húmedo
• TEMPERATURA e
BIO9 = Temperatura promedio del trimestre más seco
• BIO10 = Temperatura promedio del trimestre más caliente
• PRECIPITAÇÃO
BIO11 = Temperatura promedio del trimestre más frio
• BIO12 = Precipitación anual
• BIO13 = Precipitación del mes más húmedo
• BIO14 = Precipitación del mes más seco
• PRECIPITAÇÃO
BIO15 = Precipitación estacional (coeficiente de variación)
• BIO16 = Precipitación en el trimestre más húmedo
• BIO17 = Precipitación en el trimestre más seco
• BIO18 = Precipitación en el trimestre más caliente
• PRECIPITAÇÃO E TEMPERATURA
BIO19 = Precipitación en el trimestre más frio

17. Metodologia (Passo 8)
Construção de Mapas
Ex. distribuição da bolaina
Bacia do rio Aguaytía
Peru

18. Metodologia (Passo 9)
Definição de cenário de emissões de GEE
• Cenario A2a. Mínima mudança no padrão de emissões
de GEE e implementações tecnológicas

19. Metodologia (Passo 10b)
Seleção do Modelo Global de Circulação
• Clima futuro
– HADCM3 (Handley Centre for Climate Prediction and
Research, UK Met Office)
• Resolución 96x76 celdas
– CCMA-CGCM2 (Canadian Centre for Climate
Modelling and Analysis)
• Resolución: 96x48 celdas

20. Metodologia (Passo 10c)
Seleção do Modelo Global de Circulação
Downscaling
• Diferente resolução e pixels muito grandes
– Passar a uma resolução de 30 arc sec (~1km)

21. Metodologia (Passo 11)
Determinação de Supostos
• El cambio climático ocurre a una velocidad que no
permite la adaptación autónoma de las especies a
las nuevas condiciones ambientales.
• Los parámetros edáficos se mantendrán constantes.

22. Metodologia (Passo 12)
Construção de Mapas (modelos futuros)
Ex. Distribução da bolaina no Perú
2020 (HADCM3) 2050 (HADCM3)
Cenário atual
Mudanças em 2020 Mudanças em 2050

23. Metodologia (Passo 12b)
Construção de Mapas (modelos futuros)
Distribução da bolaina na bacia do rio Aguaytía
Cenario atual
2020 (HADCM3)
Mudanças em 2020

24. Metodologia (Passo 13)
Consulta primeiros resultados: Validación y propuestas do expertos
45 especialistas de 4 Regiões do Perú

25. Metodologia (Passo 14)
Construção de Mapas
Ex. Distribução da bolaina no Perú
2020 (HADCM3) 2050 (HADCM3)
Cenário atual
Mudanças em 2020 Mudanças em 2050

26. Metodologia (Passo 15)
Construção de Mapas (Clima + Solos)

27. Metodologia (Passo 16)
Difusão e socialização dos resultados

28. Ubicación de las colectas y parcelas
de bolaina, capirona y cacao
Bolaina (ICRAF, Soudre, Capirona (ICRAF, GBIF) Cacao (ACAPTA, PDA,
GBIF) GBIF, ITC)

29. Bolaina: climatología actual
Apto e Optimo=873,091.39 ha (49.8% do bacia)

30. Bolaina: para el 2020
(HADCM3)
Apto e Optimo = 841,336.50 ha (48.2% de la cuenca)

31. Bolaina: para el 2050
(HADCM3)
Apto e optimo = 751,112.30 ha (42.8% do bacia)

32. Importancia de Variables en las
Contribución Relativa de las variables a la predicción de
predicciones de distribución de bolaina adecuación de Bolaina
bio_14 0
Variable Unidad 2020 2050
bio_11 0
Min Max Min Max
bio_16 0,2
BIO5 oC -0.7 3.2 2.5 5.1
bio_7 0,2
BIO8 oC -1.2 4.2 1.3 2.5 cons_mths 0,5
BIO18 mm mes-1 -840 399 -869 -6 bio_19 0,6
bio_12 0,6
bio_10 0,8
BIO5 Temperatura máxima del mes más caliente bio_3 1,4
BIO8 Temperatura promedio del trimestre más húmedo
bio_4 1,6
BIO18 Precipitación en el trimestre más caliente
bio_17 2,8
bio_6 3,1
bio_9 3,3
bio_13 4
bio_2 4,4
bio_1 6,7
bio_15 7,1
bio_18 13,5
bio_8 19,8
bio_5 29,1
0 5 10 15 20 25 30 35

33. Capirona: climatologia actual
Apto e optimo = 691,214.85 ha (39.5% do bacia)

34. Capirona: para el 2020
(HADCM3)
Apto e optimo = 683,906.19 ha (39.0% do bacia)

35. Capirona: para el 2050
(HADCM3)
Apto y optimo = 104,841.53 ha (6% do bacia)

36. Importancia de Variables en las
predicciones de distribución de Contribución Relativa de las variables a la predicción de
adecuación de capirona
capirona
cons_mths 0,1
Variable Unidad 2020 2050 bio_1 0,2
bio_16 0,3
Min Max Min Max
bio_7 0,4
BIO8 oC -1.2 4.2 1.3 2.5
bio_12 0,5
BIO11 oC -1.5 3.9 2.2 3.4
bio_14 0,7
BIO15 CV -4 5 -1 6
bio_6 0,9
bio_19 1,6
bio_17 1,7
BIO8 Temperatura promedio del trimestre más húmedo
bio_3 1,8
BIO11 Temperatura promedio del trimestre más frio
bio_10 3
BIO15 Precipitación estacional (coeficiente de variación)
bio_4 3,5
bio_2 4,6
bio_18 4,6
bio_13 5,5
bio_9 5,6
bio_5 6,6
bio_15 7,8
bio_11 21,1
bio_8 29,5
0 5 10 15 20 25 30 35

37. Cacao climatología actual
Apto e optimo = 564,615.34 ha. (32.3% do bacia)

38. Cacao: Horizonte 2020
Apto e optimo = 796,560.43 ha (45.73% do bacia)

39. Cacao: Horizonte 2050
Apto e optimo = 965,751.81 ha. (55.13% do bacia)

40. Relación Clima - SAF
SEQUIA CAMBIOS EN LA EVENTOS
PRECIPITACIÓN EXTREMOS
-El fenómeno del
-A mayor precipitación niño incremento la
Guazuma crinita -Alteración del ciclo
mayor crecimiento y menor sequía generando
“Chico-magro” fenológico
densidad de la madera. incendios y pérdidas
de cultivos.
-Aumento de mortandad -El fenómeno del
Bacia do Aguaytía, Perú
Calycophyllum -Cambios fenológicos -Mortandad niño incremento la
spruceanum -Menos regeneración -Erosión del suelo (lavado) sequía generando
“Pau mulato” natural -Ataque de hongos. incendios y pérdidas
-Presencia de plagas de cultivos.
-El fenómeno del
niño se manifiesta
mediante la
alteración de la
-Defoliación. -Cambios en la fenología
Theobroma cacao época de
-Aborto floral -Problemas fitosanitarios
“Cacau” precipitaciones
-Muerte de la planta -Aborto de flores y frutos
especialmente
durante los meses
de enero, febrero y
marzo.

41. Arreglos agroforestales
Potenciales asociaciones Plantaciones Control de plagas y
enfermedades
Cacao
Plátano
Guaba -6 x 6 m
Guazuma crinita -No requiere
Tornillo -Contorno
Shihuahuaco
Marupa
-Con coberturas
Naranja
-Mejoramiento genético
Cuenca Aguaytía, Perú
Cacao
Calycophyllum -Mayor densidad de -Mejoramiento
Cerco vivo
spruceanum siembra genético
Tornillo
-Sirve como sombra en
Pastos
potreros y piscigranjas
Ingas
Capironas
Bolaina
-Especies que sirvan de
Musas -Optimización de las
sombra como las ingas y las
Shihuahuaco prácticas de manejo
musas, especies maderables
Theobroma cacao. Tornillo agronómico,
, como opciones de
Cedro especialmente el de
incrementar la biodiversidad
Caoba las podas
-Explorar opciones de PSA
Coberturas
Commelinaceas
Leguminosas
Recomendaciones del taller con expertos (Pucallpa, 2010)

42. Conclusiones y Recomendaciones
• El cambio climático impactará los SAF a través de cambios en la
distribución de sus componentes.
• Las especies reaccionan de manera diferente al cambio en las variables
climatológicas hacia los horizontes futuros.
• Existe incertidumbre respecto a los escenarios de emisiones de GEI y
también en los modelos que predicen en clima futuro.
• Los modelos tienen supuestos que pueden ser debatibles.
• Validar la distribución actual de la especie es fundamental para ajustar su
predicción futura.
• Evaluar la capacidad genética de las especies para enfrentarse a eventos
extremos.
• Mejorar los arreglos agroforestales que permitan aliviar los impactos
extremos

43. Links de utilidad
• http://www.ipcc-data.org/ddc_gcm_guide.html
• http://elclima.esparatodos.es/hadcm3/index.htm
• www.worldclim.org
• www.gbif.org
• http://www.ipcc-data.org/
• http://www.metoffice.gov.uk/
• http://www.cccma.ec.gc.ca/eng_index.shtml
• http://www.cs.princeton.edu/~schapire/maxent/

44. Muito obrigado !
Instituto de Investigaciones de la
Amazonia Peruana
Carretera Federico Basadre km 12.400
Pucallpa, Ucayali
msoudre@hotmail.com