Andy Jarvis - Julián Ramírez -Flora Mer –   Carlos Navarro - Patricia Moreno
• Clima y modelación de cultivos• Mejoramiento y modelos de cultivo• Nuestro plan: DSSAT-ORYZA2000• AgTrials
Importante evaluar impacto del cambio  climático en rendimiento de cultivos (Craufurd et  al., 2011).  Incrementos en temp...
Selección de escenarios • Evaluación de la calidad: Simulación con datos del pasado vs. Clima   histórico • Presente, 2030...
Ejemplo: Modelación EcoCROPEvalúa sobre una base mensual sihay condiciones climáticasadecuadas dentro de una estaciónde cr...
50 cultivos seleccionados basados en el área cosechada     en FAOSTAT                                                     ...
Cambio promedio de aptitud para todos los cultivos en el2050
Necesaria una                                                               modelación más                                ...
Mejoramiento     genético     como                                                                 estrategia de adaptació...
DSSAT: Decision                                                                                      Support System for   ...
Potencial                     production                                     Integración DSSAT-ORYZA2000                  ...
The Global Agricultural Trial RepositoryIMPORTANTE                                  Uso de infomación de ensayos en• Calib...
•   Auffhammer, M., V. Ramanathan, J.R. Vincent. 2012. Climate change, the monsoon, and rice yield in    India. Climatic C...
Modelos de prediccion y cambio climatico
Upcoming SlideShare
Loading in...5
×

Modelos de prediccion y cambio climatico

1,458

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
1,458
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Modelos de prediccion y cambio climatico

  1. 1. Andy Jarvis - Julián Ramírez -Flora Mer – Carlos Navarro - Patricia Moreno
  2. 2. • Clima y modelación de cultivos• Mejoramiento y modelos de cultivo• Nuestro plan: DSSAT-ORYZA2000• AgTrials
  3. 3. Importante evaluar impacto del cambio climático en rendimiento de cultivos (Craufurd et al., 2011). Incrementos en temperatura, sequía y lluvias extremas presentan efecto negativo en rendimiento de arroz (Craufurd et al., 2011; Auffhammer et al., 2012). Generación de estrategias de adaptación y mitigación a través de modelación ex ante (Craufurd et al., 2011).Figura 1. Efecto del aumento de la temperatura mínima envariables de rendimiento en arroz (Peng et al., 2004).
  4. 4. Selección de escenarios • Evaluación de la calidad: Simulación con datos del pasado vs. Clima histórico • Presente, 2030 pesimista, 2030 optimista? • Establecimiento de base de datos operacional como escenarioEstudios globales • Modelo sencillo • Aproximación espacializada con una grilla • Mapeo global de respuesta del cultivo al CCZoom-ins: Experimentos virtuales • Modelos G*E*M • Calibración del modelo por variedades • Identificación de rango de parámetros • Acercamiento en TPE por cada cultivo • Análisis de sensibilidad: Variación de parámetros vs. Ambiente • Composición de ideotipo para cultivos adaptados Dingkuhn, 2011
  5. 5. Ejemplo: Modelación EcoCROPEvalúa sobre una base mensual sihay condiciones climáticasadecuadas dentro de una estaciónde crecimiento según la …y calcula la aptitud climática de lastemperatura y la precipitación… interacciones resultantes entre precipitación y temperatura…
  6. 6. 50 cultivos seleccionados basados en el área cosechada en FAOSTAT Area AreaN FAO name Scientific name harvested N FAO name Scientific name harvested (kha) (kha) 1 Alfalfa Medicago sativa L. 15214 26 African oil palm Elaeis guineensis Jacq. 13277 2 Apple Malus sylvestris Mill. 4786 27 Olive, Europaen Olea europaea L. 8894 3 Banana Musa acuminata Colla 4180 28 Onion Allium cepa L. v cepa 3341 4 Barley Hordeum vulgare L. 55517 29 Sweet orange Citrus sinensis (L.) Osbeck 3618 5 Bean, Common Phaseolus vulgaris L. 26540 30 Pea Pisum sativum L. 6730 6 Common buckwheat* Fagopyrum esculentum Moench 2743 31 Pigeon pea Cajanus cajan (L.) Mill ssp 4683 7 Cabbage Brassica oleracea L.v capi. 3138 32 Plantain bananas Musa balbisiana Colla 5439 8 Cashew Anacardium occidentale L. 3387 33 Potato Solanum tuberosum L. 18830 9 Cassava Manihot esculenta Crantz. 18608 34 Swede rap Brassica napus L. 2779610 Chick pea Cicer arietinum L. 10672 35 Rice paddy (Japonica) Oryza sativa L. s. japonica 15432411 White clover Trifolium repens L. 2629 36 Rye Secale cereale L. 599412 Cacao Theobroma cacao L. 7567 37 Perennial reygrass Lolium perenne L. 551613 Coconut Cocos nucifera L. 10616 38 Sesame seed Sesamum indicum L. 753914 Coffee arabica Coffea arabica L. 10203 39 Sorghum (low altitude) Sorghum bicolor (L.) Moench 4150015 Cotton, American upland Gossypium hirsutum L. 34733 40 Perennial soybean Glycine wightii Arn. 9298916 Cowpea Vigna unguiculata unguic. L 10176 41 Sugar beet Beta vulgaris L. v vulgaris 544717 European wine grape Vitis vinifera L. 7400 42 Sugarcane Saccharum robustum Brandes 2039918 Groundnut Arachis hypogaea L. 22232 43 Sunflower Helianthus annuus L v macro 2370019 Lentil Lens culinaris Medikus 3848 44 Sweet potato Ipomoea batatas (L.) Lam. 899620 Linseed Linum usitatissimum L. 3017 45 Tea Camellia sinensis (L) O.K. 271721 Maize Zea mays L. s. mays 144376 46 Tobacco Nicotiana tabacum L. 389722 mango Mangifera indica L. 4155 47 Tomato Lycopersicon esculentum M. 459723 Millet, common Panicum miliaceum L. 32846 48 Watermelon Citrullus lanatus (T) Mansf 378524 Rubber * Hevea brasiliensis (Willd.) 8259 49 Wheat, common Triticum aestivum L. 21610025 Oats Avena sativa L. 11284 50 White yam Dioscorea rotundata Poir. 4591
  7. 7. Cambio promedio de aptitud para todos los cultivos en el2050
  8. 8. Necesaria una modelación más detalladaArroz no es posible modelar conEcoCROP por complejidad del sistema Lafarge, 2010Se espera que el arroz irrigado crezca ensistemas de cultivo con uso eficiente del agua El arroz secano más sensible a sufrirlo cual ayuda a evitar estrés por temperatura estrés hidrico
  9. 9. Mejoramiento genético como estrategia de adaptación y mitigación al cambio climático (Craufurd et5% al., 2011). Evaluación de la sensibilidad a variaciones en umbrales de adaptación 0.5 °C (Jarvis et al., 2012).Figura 3. Diagrama del modelo usado paraevaluación de aptitud (Ramirez-Villegas et al., 2011). Simular escenarios posibles de mejoramiento. Diferentes predicciones de aptitud Cuantificación de posibles beneficios. Figura 4. Beneficios potenciales de una nueva combinación de parámetros reflejando escenarios de mejoramiento en yuca (Jarvis et al., 2012).
  10. 10. DSSAT: Decision Support System for Agrotechnology Transfer Estructura modular: componentes separados por disciplinas científicasFigura 5. Estructura del modelo DSSAT.(Tomado de: http://www.stoorvogel.info/tradeoffs/course/course_4.html). Con una interfase para agregar modelos de cultivos
  11. 11. Potencial production Integración DSSAT-ORYZA2000 permite simulaciones a gran escala de arroz (Mottaleb, 2012). Nitrogen- limited production DSSAT-ORYZA2000 resultados comparables a los de ORYZA2000 de maneraKumar et al., 2011 Water-limited independiente (Mottaleb, 2012). productionPLAN: Calibración y validación para Latinoaméricacon variedades de la región (Creamer y Gonzalez, 2012; Mottaleb, 2012).
  12. 12. The Global Agricultural Trial RepositoryIMPORTANTE Uso de infomación de ensayos en• Calibración y evaluación de los modelos diferentes zonas –datos de• Desarrollo de otras investigaciones rendimiento
  13. 13. • Auffhammer, M., V. Ramanathan, J.R. Vincent. 2012. Climate change, the monsoon, and rice yield in India. Climatic Change (111),411–424.• Craufurd, P.Q. V. Vadez, S.V. Krishna Jagadishb, P.V. Vara Prasadc, M. Zaman-Allaha. 2011. Crop science experiments designed to inform crop modeling. Agricultural and Forest Meteorology. Article in press. 11 p.• Creamer, B., C. Gonzalez. 2012. Progress of Research Activities And Next Steps. Global Futures Workshop, 23-27 January , Mt. Kenya Safari Club.• Dingkuhn, M. Modeling Approach. Developing Climate-Smart Crops for a 2030 World Workshop ILRI, Addis Ababa, Ethiopia.• Jarvis, A., J. Ramirez-Villegas, B.V. Herrera Campo, C. Navarro-Racines. 2012. Is Cassava the Answer to African Climate Change Adaptation? Tropical Plant Biol. 21 p.• Kumar,R.N., B. Sailaja and S.R. Voleti. 2011. Crop Modelling with Special Reference to Rice Crop. Rice Knowledge Management Portal (RKMP).24 p.• Lafarger, T. 2010. Phenotypic plasticity and adaptation of the rice crop: opportunities for collaborations. UMR AGAP (Genetic improvement and adaptation of Tropical and Mediterranean Crops). CIAT, Cali, Colombia.• Mottaleb, Kh.A. 2012. Global Futures for Agriculture Project: IRRI’s Achievements and Future Plans. Global Futures Workshop, 23-27 January , Mt. Kenya Safari Club.• Peng, S., J. Huang, J.E. Sheehy, R. C. Laza, R. M. Visperas, X. Zhong, G.S. Centeno, G.S. Khush and K. G. Cassman. 2004. Rice yields decline with higher night temperature from global warming. PNAS (101), 9971-9975.• Ramirez-Villegas, J., A. Jarvis, P. Läderach. 2011. Empirical approaches for assessing impacts of climate change on agriculture: The EcoCrop model and a case study with grain sorghum. Agricultural and Forest Meteorology. 12 p.

×