d.giraldo@cgiar.org              Event namedanagirandom@gmail.com       Using multi-site experimental data for seasonal   ...
2 • 3/21/11              Theme Leader: Andy Jarvis & Andy Challinor (CIAT)Theme Leader: Roberto Quiroz (CIP)
ACTIVITY RATIONALE3 • 3/21/11   Seasonal weather forecasting is of paramount importance in order   to assess and address v...
Using multi-site experimental data for 4 • 3/21/11         seasonal potato/bean yield forecasting  Climate and crop       ...
5 • 3/21/11              P              A   BATATA              P   POTATO              A
POTATO CROP AND MODELING6 • 3/21/11 As the fourth most important crop after rice, wheat and maize, potato is an important ...
CROP MODEL : SOLANUM7 • 3/21/11                SOLANUM model is a modification LINTUL-POTATO                model (Spitter...
WEATHER DATA8 • 3/21/11          Espectrogramas de los valores del Índice de Precipitación estandarizado (SPI) a escala de...
CROP YIELD FORECASTING9 • 3/21/11                                     50                                               c. ...
Expert System based on biological and etnometeorological10 • 3/21/11 indicators related to ancestral climate perceptions  ...
11 • 3/21/11               B               E                 FRIJOL               A FEIJÃO               N
BEAN CROP AND MODELING12 • 3/21/11                          (Phaseolus vulgaris L.)The bean provides an important source o...
MODELO: CROPGRO – BEAN DDSAT13 • 3/21/11           Sistema de Apoyo para la Toma de Decisiones en la                    Tr...
WEATHER DATA14 • 3/21/11 Espectrogramas de los valores del Índice de Precipitación estandarizado (SPI) a escala de 3 (SPI-...
Simulations of crop yield15 • 3/21/11
Modelo de simulación Eta escenario futuro A1B16 • 3/21/11                                                              (20...
Modelo de simulación Eta escenario futuro A1B    17 • 3/21/11                                                             ...
Upcoming SlideShare
Loading in...5
×

Using multi-site experimental data for seasonal forecasting and future conditions of crop yield

812

Published on

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

  • Be the first to like this

No Downloads
Views
Total Views
812
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
  • Dada la dependencia del desarrollo del cultivo las condiciones ambientales que ha sido materia de estudio por muchos autores tanto para aplicaciones de fungicidas, simulaciones de rendimiento o solo traslado el tema de pronóstico estacionales en términos de agricultura este seminario presenta la metodologia , herramientas y resultados preliminares en terminos de modelacion de cultivo + pronsticoclimatico estacional y proyeccciones futuras.
  • El pronóstico climático estacional es de suma importancia para evaluar y direccionar las vulnerabilidades de la agricultura a las variaciones climáticas de corto plazo. Sin embargo, el acoplamiento de modelos de cultivos con las previsiones climáticas estacionales no es una tarea fácil, en parte debido a la brecha entre el clima y la ciencia agrícola, acceso limitado a los datos de ensayos en campo y las diferencias de escalas en el modelamientoLos agro-ecosistemas andinos se han declarado como uno de los sistemas más vulnerables, debido principalmente a que los cultivares nativos están adaptados a nichos ambientales específicos y los niveles de tecnología agrícola son escasos. El cultivo de frijol y papa son probablemente los dos cultivos mas importantes en los Andes, en parte porque es el lugar donde estos cultivos se originaron y fueron domesticados, y porque una gran cantidad de población rural depende de los rendimientos de estos cultivos. Por lo tanto, la adaptación al cambio climático tanto progresiva y al riesgo climático actual son críticos en estas áreas.
  • El Modelo regional Eta es utilizado operacionalmente por el Centro de pronóstico de Tiempo y Estudios Climáticos (CPTEC). Eta describe la dinámica y la física de los procesos atmosféricos de forma compleja y robusta. y como condiciones de contorno el pronóstico del modelo global CPTEC/COLA (Bonattiet al., 1996) actualizadas a cada 6 horas con plazo de integración de 4 meses y medio. La temperatura de la superficie del mar es actualizada cada día, a partir de un archivo de persistencia de anomalía de temperatura de la superficie del mar (Figura 3).
  • se realizó una evaluación completa de las simulaciones de rendimiento del cultivo de papa en Perú y, frijol en Colombia con diversos datos sobre clima estacional y proyecciones de escenarios provenientes del modelo regional ETAa una resolución de 40 km. La información de los experimentos de AgTrials y los datos meteorológicos disponibles se aprovecharán al máximo para (1) la calibración de los modelos de cultivo, (2) la corrección de errores sistemáticos (sesgos) en el modelo ETA, y (3) el desarrollo de un método que permita combinar ambos y evaluar la precisión y efectividad de las predicciones
  • se realizó una evaluación completa de las simulaciones de rendimiento del cultivo de papa en Perú y, frijol en Colombia con diversos datos sobre clima estacional y proyecciones de escenarios provenientes del modelo regional ETAa una resolución de 40 km. La información de los experimentos de AgTrials y los datos meteorológicos disponibles se aprovecharán al máximo para (1) la calibración de los modelos de cultivo, (2) la corrección de errores sistemáticos (sesgos) en el modelo ETA, y (3) el desarrollo de un método que permita combinar ambos y evaluar la precisión y efectividad de las predicciones
  • Using multi-site experimental data for seasonal forecasting and future conditions of crop yield

    1. 1. d.giraldo@cgiar.org Event namedanagirandom@gmail.com Using multi-site experimental data for seasonal CCAFS: An Overview forecasting and future conditions of crop yield Case Study : Potato and Bean Mg. Sc. Diana C. Giraldo Name Position
    2. 2. 2 • 3/21/11 Theme Leader: Andy Jarvis & Andy Challinor (CIAT)Theme Leader: Roberto Quiroz (CIP)
    3. 3. ACTIVITY RATIONALE3 • 3/21/11 Seasonal weather forecasting is of paramount importance in order to assess and address vulnerabilities of agriculture to short-term climate variations and climate risk. However, coupling crop models with seasonal weather forecasts is not an easy task, partly because of our limited understanding of climate and biological systems, access to multi-sites experimental data, the differences in modeling scales, and possible feedbacks and partly due to the gap between climate and agricultural science. Using the information of the AgTrials data repository for a set of key sites in the Andean region, We’re exploring the feasibility of the application of two crop models (SOLANUM-potato and CROPGRO-bean) over seasonal weather forecasts, to evaluate their accuracy and effectiveness for adaptation and the form for improving models of agricultural production under current and future conditions.
    4. 4. Using multi-site experimental data for 4 • 3/21/11 seasonal potato/bean yield forecasting Climate and crop Potato/bean yield data collation simulation using Potato/bean yield observed data simulation using Impacts ETA model outputwww.agtrials.org Seasonal climate forecast data is useful for driving the SOLANUM and CROPGRO models for most sites/seasons
    5. 5. 5 • 3/21/11 P A BATATA P POTATO A
    6. 6. POTATO CROP AND MODELING6 • 3/21/11 As the fourth most important crop after rice, wheat and maize, potato is an important source of income for many farmers in Peru.Genetic ResourcesManagement CHALLENGES:Integrated Pest andDisease 1. Pest and Disease (FAO, 2008) emergence of new and more aggressive populationsCrop Management 2. Planting dates : Increased temperature, bad weather conditions, is changing the height atSoils which it is sown. 3. Extreme events: Frost, drought and highEnvironmental rainfall. Change in growing season.Conditions 4. Native potato: reduction of biodiversity, genetic erosion 5. increase (CO2): Physiological changes in the plant.
    7. 7. CROP MODEL : SOLANUM7 • 3/21/11 SOLANUM model is a modification LINTUL-POTATO model (Spitters, 1988 and 1990; Kooman, 1995 and Kraalingen, 1994), which was validated in the Andes (Condon et al., 2009). The model consists of a set of equations, using potato crop parameters under certain environmental conditions simulating crop development. Unica Canchan
    8. 8. WEATHER DATA8 • 3/21/11 Espectrogramas de los valores del Índice de Precipitación estandarizado (SPI) a escala de 6 meses (SPI-6) y 12 (SPI-12) meses para la estación de Huancayo. 20 17 Temperatura (°C) 14 Temperatura máxima y mínima 11 -Cajamarca- 8 5 2 DIC ENE FEB MAR ABR Campaña Agricola Tmax-2009 Tmin-2009 Tmax-2010 Tmin-2010
    9. 9. CROP YIELD FORECASTING9 • 3/21/11 50 c. Huancayo: Variedad Unica (2009-10) 45 40 Rendimiento (tns/Ha) 35 30 25 20 15 10 5 0 1 2 Repeticiones 3 4 Rdto. Observado Promedio Obs. Simulado SOLANUM Simulado ETA
    10. 10. Expert System based on biological and etnometeorological10 • 3/21/11 indicators related to ancestral climate perceptions “En estos años el calor es mas intenso y las heladas de noche son mas crueles que nunca. Nosotros no usamos químicos y estamos más expuestos a las plagas, a la mosca y a los hongos. En nuestra chacra hace demasiado calor para la papa”. Testimonio. PISAC, CUSCO (2008) “Este año nos ha traído mucha preocupación. El frío se ha llevado las sonrisas de los niños, que todo el tiempo sufren de problemas respiratorios. No hemos podido sembrar nuestra papita amarga y estamos viendo muy poca lluvia desde hace años.” Testimonio. ANDARAY, AREQUIPA (2008).
    11. 11. 11 • 3/21/11 B E FRIJOL A FEIJÃO N
    12. 12. BEAN CROP AND MODELING12 • 3/21/11 (Phaseolus vulgaris L.)The bean provides an important source of protein and essential micronutrients indiets, too, is an important source of income for small farmers. CHALLENGES:: 1. Pest and Disease (Beebe et al., 2000) high temperatures and relative humidity. 2. Effect of photoperiod : Longer days, causing delay in flowering and maturity (Salisbury y Ross ,1994). 3. Drought and heavy rains : Floral abscission due to high rainfall (White, 2002). • Genotype (resistant or susceptible) • Soils • Agronomic management • Planting time • Environmental conditions
    13. 13. MODELO: CROPGRO – BEAN DDSAT13 • 3/21/11 Sistema de Apoyo para la Toma de Decisiones en la Transferencia Agro tecnológica To run the model, standard climate file (*. WTH). The minimum data required are DDSAT radiation, maximum temperature, minimum and precipitation ..
    14. 14. WEATHER DATA14 • 3/21/11 Espectrogramas de los valores del Índice de Precipitación estandarizado (SPI) a escala de 3 (SPI-3) y 6 (SPI-6) meses para la estación de a. Palmira y, b. Popayán. 26 32 Temperatura (°C). Palmira 25 31 24 30 29 23 28 22 27 21 26 20 25 19 24 18 23 17 22 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 Temperatura Minima Temperatura Maxima Serie temporal temperatura máxima y mínima de las localidad de Palmira
    15. 15. Simulations of crop yield15 • 3/21/11
    16. 16. Modelo de simulación Eta escenario futuro A1B16 • 3/21/11 (2030 - 2040) 180 Precipitacion promedio mensual: Palmira 150 Precipitacion mensual (mm) 120 90 60 30 0 1 2 3 4 5 6 7 8 9 10 11 12 prec_aexsb prec_aexsm prec_aexso prec_cntrl Observ. Escenario Futuro Simulación de rendimiento con Eta
    17. 17. Modelo de simulación Eta escenario futuro A1B 17 • 3/21/11 (2030 - 2040) 180 Precipitacion promedio mensual: Palmira 150 Precipitacion mensual (mm) 120 90 60 30 “El riesgo se refiere a una probabilidad, de que un sistema considerado 0 1 2 3 4 5 6 7 8 9 10 11 12 importante por una unidad social resulte afectada en cierto grado por un determinado evento con cierta intensidad. prec_aexsb prec_aexsm prec_aexso prec_cntrl Observ. Escenario Futuro Riesgo: Impacto potencial que puede sufrir un sistema de referencia como resultado de la acción de un evento amenazante” Simulación de rendimiento con EtaPic by Neil Palmer (CIAT).

    ×