Este documento discute las incertidumbres en los modelos agroclimáticos. Explica que existen incertidumbres en las simulaciones meteorológicas debido a factores como las condiciones iniciales y la estructura de los modelos. También hay incertidumbres en las simulaciones de cultivos causadas por variaciones en los parámetros del modelo, los datos de entrada y las condiciones iniciales. El documento concluye que a pesar de los esfuerzos por reducir las incertidumbres, existen muchos factores desconocidos y

1. Incertidumbres en
modelos agro-climáticos
Julián Ramírez-Villegas
International Centre for Tropical Agriculture, CIAT
CGIAR Research Program on Climate Change and Food Security
School of Earth and Environment, University of Leeds, UK

2. Contenido
• Cómo funcionan los modelos agroclimáticos?
• Definiendo la incertidumbre
• Incertidumbres en simulaciones
meteorológicas
• Incertidumbres en simulaciones de
cultivos

3. Modelos agro-climáticos
GCM
simulations
Statistical
models of
weather?
Effective
Response

4. Modelos en escalas espaciotemporales
Challinor et al. (2009)

5. Incertidumbre
• Dispersión de predicciones
• Barras de “error” en las predicciones
• Cantidad asociada con un error que no
podemos medir (Challinor et al. 2009)
• Cualquier diferencia con el imposible ideal
del completo determinismo (Walker et al.
2003)
Baja incertidumbre
Alto error
Alta incertidumbre
Bajo error

6. Pronóstico del tiempo
Ahora
+12 horas
GFS
(NCEP)
+48 horas
+96 horas

7. Observaciones y pronósticos
MetOffice, UK

8. Incertidumbres en simulación
Estructura de modelos
climática
Condiciones iniciales
MetOffice, UK

9. Incertidumbre en pronóstico de
varios días en Reino Unido
MetOffice, UK

10. Incertidumbre estructural
MetOffice, UK

11. Comparación de incertidumbres
Hawkins and Sutton (2009)
• También los parámetros son una
incertidumbre relevante

12. “Cascada” de incertidumbres en
modelos de impacto

13. Incertidumbres en modelos de
cultivos
• Variación en condiciones iniciales (estado
del suelo, emergencia de planta)
• Errores en datos de entrada
Watson & Challinor (2013)

14. Incertidumbre en observaciones
SD Temperatura
observada en
WorldClim

15. Incertidumbre en modelos de
cultivo
• Estructura de modelos
Asseng et al. (2013)

16. Incertidumbre paramétrica
• “Crop model parameters are true
mathematical constructs that represent
real world genotypes” (Boote et al. 1996)
• Many parameter combinations
successfully satisfy observational
constraints (Iizumi et al. 2009)
Posterior probability
density

17. Incertidumbres en modelos de
cultivo
• Incertidumbre paramétrica
Acumulación de
asimilado en grano
Temperatura óptima
para desarrollo

18. Ensemble de predicción para
manejo de incertidumbre
Predicción tipo ensemble
para dos zonas en India
Podemos preguntar
•Cuál es la probabilidad que el
rendimiento sea menor / mayor
que la media histórica?
•P(0.25)=?

19. Importancia relativa de
incertidumbres

20. Conclusiones
• El mundo cambia rápidamente y es imposible
predecir
• Hay muchas cosas que no sabemos…
• Investigamos aspectos relevantes (desconocimiento) y reducimos incertidumbres
(no funciona siempre)
• Cuál es el lugar de los diferentes tipos de
modelos (empíricos vs. mecanísticos) y la
información que producen?