Your SlideShare is downloading. ×
Cambio climático y suimpacto sobre labiodiversidad
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Cambio climático y su impacto sobre la biodiversidad

1,441

Published on

3 Comments
0 Likes
Statistics
Notes
  • Be the first to like this

No Downloads
Views
Total Views
1,441
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
20
Comments
3
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Cambio climático y su impacto sobre la biodiversidad J. Rubiano – KCL, UK y A. Jarvis y J. Ramirez - CIAT, Colombia
  • 2. Contenido 1. Biodiversidad 2. Cambio Climático 3. Impacto – Biodiversidad – Agro- biodiversidad
  • 3. 1. BIODIVERSIDAD
  • 4. Source: http://www.brazadv.com/images/biodiversity.bmp
  • 5. FRESHWATER FISH AMPHIBIANS
  • 6. Global patterns of endemism richness (ER; range equivalents per 10,000 km2) for (A) vascular plants, (B) terrestrial vertebrates, (C) amphibians, (D) reptiles, (E) birds, and (F) mammals across 90 biogeographic regions Kier G et al. PNAS 2009;106:9322-9327 ©2009 by National Academy of Sciences
  • 7. HABITAT LOST -PRE HUMAN TO 2001 Source: www.ambiotek.com/tropicalhydrology
  • 8. 2. CAMBIO CLIMATICO
  • 9. Qué está pasando con el clima?
  • 10. Datos históricos y proyección de Precipitación y Temperatura 2950 27.5 2900 Colombia 27.0 +8.1% +3.1ºC Precipitación total anual (mm) 2850 26.5 Temperatura media anual (ºC) 2800 26.0 2750 25.5 2700 25.0 2650 24.5 2600 Precipitación total anual (mm) 24.0 Temperatura media anual (ºC) Tendencia temporal Tendencia temporal 2550 Intervalo de confianza (95%) 23.5 Intervalo de confianza (95%) 2500 23.0 1870 1890 1910 1930 1950 1970 1990 2010 2030 2050 2070 2090 1870 1890 1910 1930 1950 1970 1990 2010 2030 2050 2070 2090 Año Año 810 12.0 790 Mundo +14% 11.0 +4.5ºC Precipitación total anual (mm) Temperatura media anual (ºC) 770 10.0 750 730 9.0 710 8.0 690 Temperatura media anual (ºC) Precipitación total anual (mm) 7.0 Tendencia temporal 670 Tendencia temporal Intervalo de confianza (95%) Intervalo de confianza (95%) 650 6.0 1870 1890 1910 1930 1950 1970 1990 2010 2030 2050 2070 2090 1870 1890 1910 1930 1950 1970 1990 2010 2030 2050 2070 2090 Año Año
  • 11. Una mirada más detallada en América Latina Método Diferencias del promedio (Anomalies) (1950-2000 a 2040-2069) de 17 GCMs. Diferencias en Temperatura y precipitación comparadas para todos los 17 GCMs Escenarios analizados incluyeron el promedio, peor caso y mejor caso Desacuerdos entre modelos e incertidumbre fueron analizados Estacionalidad y cambio comparados
  • 12. Temperature change AR4-A2a (1961-90) to 2050 – 10 of 17 different GCMs cnrm_cm3 bccr_bcm2_0 cccma_cgcm2 cccma_cgcm3_1 cccma_cgcm3_t_t63 csiro_mk3_0 gfdl_cm2_0 gfdl_cm2_1 giss_aom °C hccpr_hadcm3 All GCMS agree warming. There is some consistency in the pattern of warming for the Andes but all GCMs disagree elsewhere.... Climate data source : Ramirez, J.; Jarvis, A. 2008. High Resolution Statistically Downscaled Future Climate Surfaces. International Centre for Tropical Agriculture, CIAT. Available at: http://gisweb.ciat.cgiar.org/GCMPage/home.html
  • 13. Precipitation change AR4-A2a (1961-90) to 2050 – 17 different GCMs bccr_bcm2_0 cccma_cgcm2 cccma_cgcm3_1 cccma_cgcm3_t_t63 cnrm_cm3 mm/yr csiro_mk3_0 gfdl_cm2_0 gfdl_cm2_1 giss_aom hccpr_hadcm3 For precipitation there is disagreement on the direction of change as well as the magnitude. All models indicate wetting in the Andes... Data source : Ramirez, J.; Jarvis, A. 2008. High Resolution Statistically Downscaled Future Climate Surfaces. International Centre for Tropical Agriculture, CIAT. Available at: http://gisweb.ciat.cgiar.org/GCMPage/home.html
  • 14. Change AR4 A2a (1961-90) to 2050 – mean of 17 different GCMs °C 1. Temperature increases least on the coast (<2°C) 2. Around 2 °C in the Andes 3. Closer to 3 °C in the Amazon mm/yr 1. Precipitation changes greatest in the Andes and West 2. A few hundred mm/yr more in the N Andes, W Amazon, Llanos 3. A few hundred mm/yr less in the S Andes, Guyana shield, E Brazil
  • 15. Pessimist AR4 A2a (1961-90) to 2050 – worst case of 17 different GCMs in each pixel °C 1. Worst case = highest temperature increase 2. Worst case temperature 8 °C except coasts 3. Guyana shield especially prone to high change mm/yr 1. Worst case = greatest rainfall decrease 2. Andes generally showing increase, rarely decrease 3. Significant drying in forested NE Amazon
  • 16. Optimist ☺ AR4 A2a (1961-90) to 2050 – best case of 17 different GCMs in each pixel °C 1. Best case = lowest temperature increase 2. For NW Amazon best case is liitle change, slight cooling 3. Central (dry) Andes even best case is 2 °C warming mm/yr 1. Best case = greatest increase in precip 2. For most areas greatest increase 200 mm/yr 3. A few areas in Andes/Amazon with significant increases
  • 17. Uncertainty AR4 A2a (1961-90) to 2050 – SD of 17 different GCMs in each pixel °C 1. Standard deviation (SD) of results for 17 GCMs used as a measure of uncertainty 2. Low temperature uncertainty at high latitudes, coasts and mountains 3. Much greater certainty (low variability between model predictions) in the Andes mm/yr 1. Low rainfall uncertainty in S and SE and parts of Andes 2. Much greater uncertainty in NE Brazil and Amazons
  • 18. En Síntesis, Que pasará? Nadie sabe con certeza, dependerá del sitio pero en general se prevé que en América Latina…. • Será más caliente y húmedo aunque cada modelo predictivo presenta patrones diferentes • Para América Latina, el promedio de 17 modelos nos dicen que será más caliente en las tierras bajas. • Mas húmedo en las partes altas de la región Andina. • En el peor escenario, será entre 6-8 °C más caliente y entre 200 a 600 mm/año más húmedo en el suroccidente y entre 600 a 1000 mm/año más seco en el nororiente. • En el mejor caso 2 °C más cálido en los altos Andes, menos que este valor en el resto y un incremento de al menos 200mm/año en toda la región. • La incertidumbre de los cambios en temperatura es más alta en la Amazonia en comparación con los Andes, y • La incertidumbre en cambios en la precipitación, aunque se predice un patrón muy complejo, es mucho mayor en la región norte.
  • 19. AGROBIODIVERSITY
  • 20. Massive loss of agrobiodiversity • FAO (1998) estimates that since the beginning of this century, about 75% of the genetic diversity of agricultural crops has been lost. • In China, for example, nearly 10,000 wheat varieties were cultivated in 1949. By the 1970s, only about 1,000 varieties were still in use (FAO 1996). • In Mexico, only 20% of the maize varieties reported in 1930 are now known in the country (FAO 1996). • In Germany about half of the plant species in pastures have been lost (Isselstein 2003) • In south Italy about 75% of crop varieties have disappeared (Hammer et al. 2003).
  • 21. There are vulnerabilities throughout the agricultural sector •50-60% of Colombian producers are small •28.6% of the agricultural area in Colombia is above 1200masl •Permanent crops (66.4% of AgGDP in 2007) are severely affected 100 Cambio en temperatura mayor a 2.5ºC 90 Cambio en ppt mayor 3% Porcentaje de área con cambio 80 70 60 50 40 30 20 10 0 Café africana Maíz Caña de Plátano no Caña panela Papa Yuca Cacao Arroz total Frutales exportable azúcar Palma Fuente: CIAT, 2009 Slide by Andy Jarvis (CIAT)
  • 22. Cómo anticipar el impacto? • Diversos métodos con características comunes: – Usan datos ambientales de entrada – Relativmente flexibles – Fácilmente aplicables – Versátiles por sistema productivo/cultivo – Permiten incorporación de más datos si están disponibles
  • 23. Cómo se evalúa entonces el impacto? VARIABLES Clave en *19 índices • Si sabemos: investigación bioclimáticos Clima – 1. La distribución de clima actual actual Clima futuro *Temperaturas y cci ón – 2. El desempeño yactual de los cultivos precipitación Pro e mensuales – 3. Que existe una relación entre los dos anteriores Relación *Suelos (si – 4. El clima futuro ‘más probable’ disponible) • Entonces actual Cultivo podemos: Cultivo futuro *Lluvias diarias – 1. Cuantificar la relación entre clima y desempeño de satelitales Rendimiento, presión de cultivos actual Rendimiento, presión de plagas, enfermedades, etc *Cambios en plagas, enfermedades, – 2. Proyectar la relación hasta el futuro ‘más probable’ etc vegetación cada 16 días (satelitales)
  • 24. Metodos para evaluar el impacto • Analisis de Interacciones Genotipo X Ambiente (GxE) • EcoCrop • Máxima Entropia • Peso de Evidencia (CaNaSTA) • DSSAT
  • 25. Cómo se evalúa entonces el impacto? • 3. MaxEnt: modelos de nicho ecológico (probabilidad de presencia) Modelo probabilístico Evidencia Variables Distribución multivariado de ambientales probabilística presencia potencial Distribución de probabilidad alrededor de cada variable
  • 26. Impactos en productividad y adaptabilidad de cultivos: ejemplos • 50 cultivos más importantes según FAO Natural rubber Hevea brasiliensis (Willd.) 8259 Area Crop Species Harvested Oats Avena sativa L. 11284 Oil palm Elaeis guineensis Jacq. 13277 (k Ha) Olive Olea europaea L. 8894 Alfalfa Medicago sativa L. 15214 Onion Allium cepa L. v cepa 3341 Apple Malus sylvestris Mill. 4786 Oranges Citrus sinensis (L.) Osbeck 3618 Banana Musa acuminata Colla 4180 Pea Pisum sativum L. 6730 Barley Hordeum vulgare L. 55517 Pigeon pea Cajanus cajan (L.) Mill ssp 4683 Common Bean Phaseolus vulgaris L. 26540 Plantain bananas Musa balbisiana Colla 5439 Common buckwheat Fagopyrum esculentum Moench 2743 Potato Solanum tuberosum L. 18830 Cabbage Brassica oleracea L.v capi. 3138 Rapeseed Brassica napus L. 27796 Cashew nuts Anacardium occidentale L. 3387 Rice Oryza sativa L. s. japonica 154324 Cassava Manihot esculenta Crantz. 18608 Rye Secale cereale L. 5994 Chick pea Cicer arietinum L. 10672 Perennial reygrass Lolium perenne L. 5516 Clover Trifolium repens L. 2629 Sesame seed Sesamum indicum L. 7539 Cocoa bean Theobroma cacao L. 7567 Sorghum Sorghum bicolor (L.) Moench 41500 Coconut Cocos nucifera L. 10616 Perennial soybean Glycine wightii Arn. 92989 Coffee Coffea arabica L. 10203 Sugar beet Beta vulgaris L. v vulgaris 5447 Cotton Gossypium hirsutum L. 34733 Sugarcane Saccharum robustum Brandes 20399 Cow peas Vigna unguiculata unguic. L 10176 Sunflower Helianthus annuus L v macro 23700 Grapes Vitis vinifera L. 7400 Sweet potato Ipomoea batatas (L.) Lam. 8996 Groundnut Arachis hypogaea L. 22232 Tea Camellia sinensis (L) O.K. 2717 Lentil Lens culinaris Medikus 3848 Tobacco Nicotiana tabacum L. 3897 Linseed Linum usitatissimum L. 3017 Tomato Lycopersicon esculentum M. 4597 Maize Zea mays L. s. mays 144376 Watermelon Citrullus lanatus (T) Mansf 3785 Mango Mangifera indica L. 4155 Wheat Triticum aestivum L. 216100 Millet Panicum miliaceum L. 32846 Yams Dioscorea rotundata Poir. 4591 Natural rubber Hevea brasiliensis (Willd.) 8259
  • 27. Impactos en productividad y adaptabilidad de cultivos: ejemplos • Cultivos de mandato del CIAT: fríjol arbustivo
  • 28. Impactos en productividad y adaptabilidad de cultivos: ejemplos • Cultivos CIAT: fríjol voluble
  • 29. Impactos en productividad y adaptabilidad de cultivos: ejemplos • DSSAT para evaluar cambio en rendimiento de maíz Cambio a 2050 ACTUAL Yield kg ha-1 500 Change kg-1 1000 1500 <-2000 -1000 2000 -250 2500 +250 >2500 +1000 >2000 P.G.Jones (CIAT)& P.K.Thornton (ILRI) (2003)
  • 30. Suitability in Cauca • Significant changes to 2020, drastic changes to 2050 • The Cauca case: reduced coffeee growing area and MESETA changes in geographic distribution. Some new opportunities.
  • 31. Cómo enfrentar estas pérdidas? • Compartir conocimiento, socializar el problema • Anticipar el impacto para priorizar: – Necesidades de mejoramiento genético – Necesidades de adaptación sitio-específico – Necesidades de conservación de recursos genéticos – Necesidades de cambios en sistemas productivos – Innovación tecnológica • Establecer políticas nacionales/internacionales al respecto
  • 32. Gracias

×