Taller internacional cambio climático, planificación y manejo de areas naturales protegidas (Organizado por WWF, Bogotá-Colombia, 17 de marzo de 2014)

1. Modelación Climática;
Cambio Climático &
Agricultura
Carlos Navarro
J. Ramirez, A. Jarvis, J. Tapasco,

4. Garantizar la
Seguridad alimentaria

5. … con menos agua, tierra y
recursos

7. ¿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?

8. – 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.
–T°
• Max,
• Min,
• Media
–Prec
–HR
– Radiacion
– Vientos
– …….
Menosimportantes
Mascertidumbre

9. Necesidades Limitaciones

10. Económico
Ambiental
Global Regional
PESIMISTA
“Bussiness as
usual”
OPTIMISTAMundo perfecto
Intermedio
P
E
P
E
P
E
P
E
Los Escenarios de Emisión
IPCC, 2007

11. 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
Los GCMs son la
única manera en que
podemos predecir el
clima a futuro

12. IPCC CMIP5 Transición a nuevos Escenarios…
• Representative Concentration Pathways (RCPs)
• Más y mejores modelos (i.e. mayor resolución).
R. Knutti, J. Sedlácek, 2012
Global temperature change and
uncertainty (mean and one
standard deviation as shading)
relative to 1986–2005

13. En la agricultura, los
diferentes escenarios
de emisiones no son
importantes… de aqui
a 2030 la diferencia
entre escenarios es
minima
J. Rogelj et al, 2012

14.  Escala global
Pero..  Escala regional o local
Dificultad 1. Acerca de la resolución
• Resolución horizontal 100 a 300 km
• 18 y 56 niveles verticales.
Mezcla de Resoluciones
Baja Resolución
Model Country Atmosphere Ocean
BCCR-BCM2.0 Norway T63, L31 1.5x0.5, L35
CCCMA-CGCM3.1 (T47) Canada T47 (3.75x3.75), L31 1.85x1.85, L29
CCCMA-CGCM3.1 (T63) Canada T63 (2.8x2.8), L31 1.4x0.94, L29
CNRM-CM3 France T63 (2.8x2.8), L45 1.875x(0.5-2), L31
CSIRO-Mk3.0 Australia T63, L18 1.875x0.84, L31
CSIRO-Mk3.5 Australia T63, L18 1.875x0.84, L31
GFDL-CM2.0 USA 2.5x2.0, L24 1.0x(1/3-1), L50
GFDL-CM2.1 USA 2.5x2.0, L24 1.0x(1/3-1), L50
GISS-AOM USA 4x3, L12 4x3, L16
GISS-MODEL-EH USA 5x4, L20 5x4, L13
GISS-MODEL-ER USA 5x4, L20 5x4, L13
IAP-FGOALS1.0-G China 2.8x2.8, L26 1x1, L16
INGV-ECHAM4 Italy T42, L19 2x(0.5-2), L31
INM-CM3.0 Russia 5x4, L21 2.5x2, L33
….

15. Dificultad 2. Disponibilidad de datos
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 OK
CCCMA-CGCM3.1-T63 OK OK NO NO NO NO NO NO OK OK NO NO
CCCMA-CGCM3.1-T47 OK OK NO NO OK OK NO NO OK OK NO NO
CNRM-CM3 OK OK NO NO OK OK NO NO OK OK NO NO
CSIRO-MK3.0 OK OK OK OK OK OK OK OK OK OK OK OK
CSIRO-MK3.5 OK OK OK OK OK OK OK OK OK OK OK OK
GFDL-CM2.0 OK OK OK OK OK OK OK OK OK OK OK OK
GFDL-CM2.1 OK OK OK OK OK OK OK OK OK OK OK OK
GISS-AOM OK OK OK OK NO NO NO NO OK OK OK OK
GISS-MODEL-EH OK OK NO NO NO NO NO NO NO NO NO NO
GISS-MODEL-ER OK OK NO NO OK OK NO NO OK OK NO NO
IAP-FGOALS1.0-G OK OK NO NO NO NO NO NO OK OK NO NO
INGV-ECHAM4 OK OK NO NO OK OK NO NO NO NO NO NO
INM-CM3.0 OK OK OK OK OK OK OK OK OK OK OK OK
IPSL-CM4 OK OK NO NO OK OK NO NO OK OK NO NO
MIROC3.2.3-HIRES OK OK OK OK NO NO NO NO OK OK OK OK
MIROC3.2.3-MEDRES OK OK OK OK OK OK OK OK OK OK OK OK
MIUB-ECHO-G OK OK NO NO OK OK NO NO OK OK NO NO
MPI-ECHAM5 OK OK NO NO OK OK NO NO OK OK NO NO
MRI-CGCM2.3.2A OK OK NO NO OK OK NO NO OK OK NO NO
NCAR-CCSM3.0 OK OK OK OK OK OK OK OK OK OK OK OK
NCAR-PCM1 OK OK OK OK OK OK OK OK OK OK OK OK
UKMO-HADCM3 OK OK NO NO OK OK NO NO OK OK NO NO
UKMO-HADGEM1 OK OK NO NO OK OK NO NO NO NO NO NO

16. Dificultad 3. Habilidad limitada de representar clima presente.
Depender de un solo GCM no es recommendable!

17. Cómo utilizar esta información?
Problema
Necesidad
Opciones
Downscaling por
métodos
estadísticos o
dinámicos..
Aumentar resolución,
uniformizar… proveer
datos de alta resolución,
contextualizados
Aún el GCM más
preciso es demasiado
grueso (100km).

18. Cómo combinar GCM & Observaciones?
Hawkins, 2012

19. Estaciones x variable:
• 47,554 precipitación
• 24,542 tmean
• 14,835 tmax y
tmin
-30.1
30.5
Mean annual
temperature (ºC)
0
12084
Annual
precipitation (mm)
Fuentes:
•GHCN
•FAOCLIM
•WMO
•CIAT
•R-Hydronet
•Redes nacionalesRamirez-Villegas and Challinor 2012
Definiendo la Línea Base WorldClim

20. Definiendo la Línea Base
GHCN (Global Historical
Climatological Network)
• Very robust weather
station dataset
(NOAA)
• Used for many
studies:
– WorldClim
– CRU datasets
– Hockey-stick
warming trend
analysis

21. Definiendo la Línea Base
¿Suficiente información?

22. Definiendo la Línea Base
Información Satelital: TRMM
TRMM 3B43 Characteristics
Temporal Coverage Start Date: 1998-01-01; Stop Date: -
Geographic Coverage
Latitude: 50°S - 50°N; Longitude:180°W -
180°E
Temporal Resolution Monthly
Horizontal Resolution 0.25° x 0.25°; nlat = 400, nlon = 1440
Average File Size Compressed: ~4.95 MB; Original: ~4.95 MB
File Type HDF
Resolución espacial (~ 28 km),
TRMM tiende a sobreestimar
precipitación real (aunque la
distribución espacial de la
precipitación es bastante
bueno).

23. Definiendo la Línea Base
Combining TRMM and Surface Observations of Precipitation:
Technique and Validation over South America
J. Rozante and D. Moeira, 2010

24. Downscaling: 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

25. Método Delta

26. – Usan resultados de GCMs
– Son de área limitada.. Necesitan condiciones de frontera.
– Datos diarios | Resolucion varia entre 25-50km | > 170
variables
PRECIS
Providing REgional
Climates for Impacts
Studies
Coordinated Regional Climate
Downscaling Experiment
(CORDEX) Eta Model
ETA

27. Método Pros Contras
Delta
*Rápido de implementar
*  resoluciones
*Aplicable a TODOS los GCMs
*Uniformiza líneas base
* Cambios solo varían en gran escala
*  variables
RCMs
* Robusto
*Aplicable a GCMs dependiendo
de disponibilidad de datos
* variables
*Pocas plataformas
*Mucho procesamiento y almacenamiento
*Limitada resolución (25-50km)
*Aun falta mucho desarrollo
*Incertidumbre difíciles de cuantificar
¿Qué metodología empleo?
Métodos Estadísticos vs Dinámicos
Necesidades y recursos..
Tiempos? Resultados rápidos? Capacidad de procesamiento?
Disponibilidad??

28. La incertidumbre cientifica SI es relevante para
la agricultura: tenemos que tomar decisiones
dentro de un contexto de incertidumbre

29. Hawkins, 2012

30. 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)
Cómo cuantificar?

31. 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

33. GCMs
Effective
adaptation
options
MarkSim
DSSAT
Statistical Downscaling
Dynamical downscaling:
Regional Climate Model
EcoCrop
Statistical
Downscaling
MaxEnt
Necesitamos modelos para cuantificar los impactos y diseñar
opciones de adaptación efectiva
Based on niches
Probability
Environmental gradient
Based on process

34. Changes in climate affect the adaptability of crops…
Number of crops with more than 5% gain
There will be
winners…
Number of crops with more than 5% loss
…But much
more losers in
developing
countries

35. 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

36. Is cassava the answer to African climate change adaptation?
Jarvis A. et al, 2012
Current Climate Contraint

37. Cassava suitability change compared with other staples
Cassava consistently outperforms other staples in
terms of changes in suitability
Cassava Impacts by AF REGIONS
EcoCrop

38. Adaptation entry points in maize-bean systems
DSSAT

39. • 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.

41. http://ccafs-climate.org

42. Actualiced Nov 2013

43. > 150 Publications
• Progressive climate
change over
agriculture (24%),
• Ecology and species
distribution (53%)
• Climate dynamics (3%)
• Hydrological modeling
(4%)
• Non-academic (i.e.
policy making, food
security, and
adaptation planning
(17% )

45. http://analogues.ciat.cgiar.org/climate/
¿Donde puedo encontrar el
clima futuro de mi sitio hoy?
¿Donde puedo encontrar el
clima presente de mi sitio en
el futuro?
¿Donde encuentro el clima
presente (o futuro) de mi sitio
en el mundo actualmente?

46. Visualizing data for knowledge sharing and research development
Adaptation and Mitigation Knowledge Network
Viendo más allá
www.amkn.org

47. Agtrials
•Trial sites: 489
•84 countries
• Institutions: 165
Objectives:
- Yield
- Quality
- Biotic/abiotic tolerance
- Nutrient efficiency
- Animal nutrition/ health
- Farming practices (crop rotation)
- Soil fertility/conservation
http://agtrials.org/
Outputs
• New geographic interface
and functionalities
• From repository to database
• Successful integration with
the GCP’s CropOntology.
• New partnerships (i.e University
of California, AgMIP project, Tropical
Legumes project, Monsanto)
• Linkages with CRP RTB
Public data!
2888 trials
22 crops

54. Local implementation grounded in
local realities
Climateresilience
Baseline
Adapted
technologies
Adapted
technologies
+
Climate-
specific
management
Adapted
technologies
+
Climate-
specific
management
+
Seasonal
agroclimatic
forecasts
Adapted
technologies
+
Climate-
specific
management
+
Seasonal
agroclimatic
forecasts
+
Enabling
environment
NAPs and
NAMAs
Climate smartness

55. • Downscaling es inevitable.
• Se está haciendo una mejora
continua.
• El foco principal es hacer un
análisis de incertidumbres
• Mejorar los datos de línea base.
• Evaluar y validar incertidumbres.
• Proyecciones climáticas junto con
modelos mecanisticos y
fisiológicos de cultivos nos
ayudarán a entender como
adaptar.

56. Carlos Navarro-Racines
c.e.navarro@cgiar.org