PREDIÇAO E AVALIAÇÃO DO IMPACTOS DASMUDANÇAS CLIMATICAS SOBRE SISTEMASAGROFLORESTAIS NA AMAZONIA PERUANA   (Presentación p...
Ámbito de ação: Bacia do rio Aguaytia, Región Ucayali Perú,1´800,000 ha.                                                  ...
Objetivos● Prover ferramentas para a seleção de áreas potenciais,sistemas e componentes agroflorestais;● Fortalecer os pro...
Ciclo do Projeto
Metodologia (Passo 1)      Seleção de especiesCriterios para seleção   – Importância para as comunidades   – Presença nos ...
“chico-magro”Guazuma crinita
“Pao mulato”Calycophyllum spruceanum
“cacau”Theobroma cacao
Metodologia (Passo 2)     Sistematização de informação Requerimentos de clima e solos                                     ...
Metodologia (Passo 3)    Capacitação do GrupoReunião CIAT, Colômbia
Metodologia (Passo 4)  Localização de pontos de coletas– Coletas 1996-1998 (ICRAF)– Silvicutura da boliana en plantações e...
Metodologia (Passo 4b)Base de Dados na Internet    http://www.gbif.org/
Metodologia (Passo 4c)      Localização de pontos de coletasBolaina (ICRAF, Soudre,   Capirona (ICRAF, GBIF)   Cacau (ACAP...
Metodologia (Passo 5)Climatologia atual: Base de WORLDCLIM (Hijmans et al. 2005)   www.worldclim.org     – 47,554 estações...
Metodologia (Passo 6)     Utilizando MaxEnt        Modelar a distribuição das espécies                              (máxim...
Metodologia (Passo 7)    Identificação de Variáveis bioclimáticas•   BIO1 = Temperatura promedio anual•   BIO2 = Rango diu...
Metodologia (Passo 8)Construção de MapasEx. distribuição da bolaina                              Bacia do rio Aguaytía    ...
Metodologia (Passo 9) Definição de cenário de emissões de GEE• Cenario A2a. Mínima mudança no padrão de emissões  de GEE e...
Metodologia (Passo 10b) Seleção do Modelo Global de Circulação• Clima futuro  – HADCM3 (Handley Centre for Climate Predict...
Metodologia (Passo 10c) Seleção do Modelo Global de CirculaçãoDownscaling• Diferente resolução e pixels muito grandes  – P...
Metodologia (Passo 11)   Determinação de Supostos• El cambio climático ocurre a una velocidad que no  permite la adaptació...
Metodologia (Passo 12)Construção de Mapas (modelos futuros)Ex. Distribução da bolaina no Perú    2020 (HADCM3)            ...
Metodologia (Passo 12b)Construção de Mapas (modelos futuros)Distribução da bolaina na bacia do rio Aguaytía      Cenario a...
Metodologia (Passo 13)Consulta primeiros resultados: Validación y propuestas do expertos                  45 especialistas...
Metodologia (Passo 14)Construção de MapasEx. Distribução da bolaina no Perú    2020 (HADCM3)                              ...
Metodologia (Passo 15)Construção de Mapas (Clima + Solos)
Metodologia (Passo 16)Difusão e socialização dos resultados
Ubicación de las colectas y parcelas           de bolaina, capirona y cacaoBolaina (ICRAF, Soudre,   Capirona (ICRAF, GBIF...
Bolaina: climatología actualApto e Optimo=873,091.39 ha (49.8% do bacia)
Bolaina: para el 2020                  (HADCM3)Apto e Optimo = 841,336.50 ha (48.2% de la cuenca)
Bolaina: para el 2050                   (HADCM3)Apto e optimo = 751,112.30 ha (42.8% do bacia)
Importancia de Variables en las                                                                        Contribución Relati...
Capirona: climatologia actualApto e optimo = 691,214.85 ha (39.5% do bacia)
Capirona: para el 2020                 (HADCM3)Apto e optimo = 683,906.19 ha (39.0% do bacia)
Capirona: para el 2050                  (HADCM3)Apto y optimo = 104,841.53 ha (6% do bacia)
Importancia de Variables en las   predicciones de distribución de                                             Contribución...
Cacao climatología actualApto e optimo = 564,615.34 ha. (32.3% do bacia)
Cacao: Horizonte 2020Apto e optimo = 796,560.43 ha (45.73% do bacia)
Cacao: Horizonte 2050Apto e optimo = 965,751.81 ha. (55.13% do bacia)
Relación Clima - SAF                                                      SEQUIA             CAMBIOS EN LA                ...
Arreglos agroforestales                                              Potenciales asociaciones           Plantaciones      ...
Conclusiones y Recomendaciones• El cambio climático impactará los SAF a través de cambios en la  distribución de sus compo...
Links de utilidad•   http://www.ipcc-data.org/ddc_gcm_guide.html•   http://elclima.esparatodos.es/hadcm3/index.htm•   www....
Muito obrigado !  Instituto de Investigaciones de la          Amazonia Peruana  Carretera Federico Basadre km 12.400      ...
Upcoming SlideShare
Loading in …5
×

Dia 4 - Simposio 2 - SAFs como estratégia para adaptação a mudanças climáticas - Manuel Soudre

679 views

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
679
On SlideShare
0
From Embeds
0
Number of Embeds
16
Actions
Shares
0
Downloads
0
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Dia 4 - Simposio 2 - SAFs como estratégia para adaptação a mudanças climáticas - Manuel Soudre

  1. 1. PREDIÇAO E AVALIAÇÃO DO IMPACTOS DASMUDANÇAS CLIMATICAS SOBRE SISTEMASAGROFLORESTAIS NA AMAZONIA PERUANA (Presentación preparada para el VIII CONGRESO BRASILEÑO DE SAF) Manuel Soudre (IIAP-Perú) Efraín Leguía (IIAP-Perú) Marcos Tito (ICRAF-Brasil) Emmanuel Zapata (CIAT-Colombia) José Riofrio (INIAP-Ecuador) Belem - PA, 24 de Noviembre 2011
  2. 2. Ámbito de ação: Bacia do rio Aguaytia, Región Ucayali Perú,1´800,000 ha. Limite de la Zona de Influencia de Pucallpa PUCALLPA El área de interés en el Perú Uso agrícola Uso forestal Ríos / carreteras AGUAYTIA Río Ucayali River Nubes
  3. 3. Objetivos● Prover ferramentas para a seleção de áreas potenciais,sistemas e componentes agroflorestais;● Fortalecer os processos de planificação e manejo dossistemas agroflorestais;● Facilitar a elaboração de políticas, programas e projetosorientados ao desenvolvimento agroflorestal através dasocialização de resultados do estudo com atores claves anível regional.
  4. 4. Ciclo do Projeto
  5. 5. Metodologia (Passo 1) Seleção de especiesCriterios para seleção – Importância para as comunidades – Presença nos SAF da região – Localização georeferenciadaEspecies Agroflorestais estudiadas:Bolaina (Guazuma crinita)Capirona (Calycophyllum spruceanum)Cacao (Theobroma cacao)
  6. 6. “chico-magro”Guazuma crinita
  7. 7. “Pao mulato”Calycophyllum spruceanum
  8. 8. “cacau”Theobroma cacao
  9. 9. Metodologia (Passo 2) Sistematização de informação Requerimentos de clima e solos EspeciesVariaveis climáticas Guazuma crinita Calycophyllum Theobroma cacao spruceanumPrecipitação Apto 1000 - 3000 1000 - 3000 1300 - 2800(mm/año) Otimo 1800 - 2500 1800 - 2500 1500 - 2500Período Seco Apto 1–4 2–5(nº meses/ano) Optimo 2–3 3–4 <2Temp. Media Apto 13 – 43 18 – 38 15 – 30(ºC) Optimo 24 - 26 24 – 29 24 – 26Altitude Apto 0 - 1000 0 – 1000 0 -1000(msnm) Optimo 0 - 900 0 – 600 0 -800Variaveis edáficasProfundidade Profundos Profundos MediosDrengem Drenados Bien drenados Bien drenadosRelevo Planos a Planos a ligeramente Planos a ondulados ligeramente ondulados ondulados
  10. 10. Metodologia (Passo 3) Capacitação do GrupoReunião CIAT, Colômbia
  11. 11. Metodologia (Passo 4) Localização de pontos de coletas– Coletas 1996-1998 (ICRAF)– Silvicutura da boliana en plantações e sucessão secundaria em Ucayali (Soudre 2007)– Parcelas de produtores de Programa de Desenvolvimento Alternativo (PDA-Aguaytía)– Coletas de cacau de alto rendimento ICT– ACATPA (associação produtores cacau)– Base de dados de www.gbif.org
  12. 12. Metodologia (Passo 4b)Base de Dados na Internet http://www.gbif.org/
  13. 13. Metodologia (Passo 4c) Localização de pontos de coletasBolaina (ICRAF, Soudre, Capirona (ICRAF, GBIF) Cacau (ACAPTA, PDA,GBIF) GBIF, ITC)
  14. 14. Metodologia (Passo 5)Climatologia atual: Base de WORLDCLIM (Hijmans et al. 2005) www.worldclim.org – 47,554 estações meteorológicas (1950-2000) – Resolução 30 arc seg (~1km)
  15. 15. Metodologia (Passo 6) Utilizando MaxEnt Modelar a distribuição das espécies (máxima entropia) Modelo de nicho ecológico (probabilidadeLocalização Variáveis de presença)das coletas climáticas Modelo probabilístico multivariado Distribuição probabilística potencial Distribuição de probabilidade de cada variável
  16. 16. Metodologia (Passo 7) Identificação de Variáveis bioclimáticas• BIO1 = Temperatura promedio anual• BIO2 = Rango diurno promedio (promedio mensual (temperatura máxima – temperatura mínima))• BIO3 = Isotermalidad (P2/P7) (* 100)•• TEMPERATURA BIO4 = Temperatura estacional (desviación estándar *100) BIO5 = Temperatura máxima del mes más caliente• BIO6 = Temperatura mínima del mes más frio• BIO7 = Rango de temperatura anual (P5-P6)• BIO8 = Temperatura promedio del trimestre más húmedo• TEMPERATURA e BIO9 = Temperatura promedio del trimestre más seco• BIO10 = Temperatura promedio del trimestre más caliente• PRECIPITAÇÃO BIO11 = Temperatura promedio del trimestre más frio• BIO12 = Precipitación anual• BIO13 = Precipitación del mes más húmedo• BIO14 = Precipitación del mes más seco• PRECIPITAÇÃO BIO15 = Precipitación estacional (coeficiente de variación)• BIO16 = Precipitación en el trimestre más húmedo• BIO17 = Precipitación en el trimestre más seco• BIO18 = Precipitación en el trimestre más caliente• PRECIPITAÇÃO E TEMPERATURA BIO19 = Precipitación en el trimestre más frio
  17. 17. Metodologia (Passo 8)Construção de MapasEx. distribuição da bolaina Bacia do rio Aguaytía Peru
  18. 18. Metodologia (Passo 9) Definição de cenário de emissões de GEE• Cenario A2a. Mínima mudança no padrão de emissões de GEE e implementações tecnológicas
  19. 19. Metodologia (Passo 10b) Seleção do Modelo Global de Circulação• Clima futuro – HADCM3 (Handley Centre for Climate Prediction and Research, UK Met Office) • Resolución 96x76 celdas – CCMA-CGCM2 (Canadian Centre for Climate Modelling and Analysis) • Resolución: 96x48 celdas
  20. 20. Metodologia (Passo 10c) Seleção do Modelo Global de CirculaçãoDownscaling• Diferente resolução e pixels muito grandes – Passar a uma resolução de 30 arc sec (~1km)
  21. 21. Metodologia (Passo 11) Determinação de Supostos• El cambio climático ocurre a una velocidad que no permite la adaptación autónoma de las especies a las nuevas condiciones ambientales.• Los parámetros edáficos se mantendrán constantes.
  22. 22. Metodologia (Passo 12)Construção de Mapas (modelos futuros)Ex. Distribução da bolaina no Perú 2020 (HADCM3) 2050 (HADCM3) Cenário atual Mudanças em 2020 Mudanças em 2050
  23. 23. Metodologia (Passo 12b)Construção de Mapas (modelos futuros)Distribução da bolaina na bacia do rio Aguaytía Cenario atual 2020 (HADCM3) Mudanças em 2020
  24. 24. Metodologia (Passo 13)Consulta primeiros resultados: Validación y propuestas do expertos 45 especialistas de 4 Regiões do Perú
  25. 25. Metodologia (Passo 14)Construção de MapasEx. Distribução da bolaina no Perú 2020 (HADCM3) 2050 (HADCM3) Cenário atual Mudanças em 2020 Mudanças em 2050
  26. 26. Metodologia (Passo 15)Construção de Mapas (Clima + Solos)
  27. 27. Metodologia (Passo 16)Difusão e socialização dos resultados
  28. 28. Ubicación de las colectas y parcelas de bolaina, capirona y cacaoBolaina (ICRAF, Soudre, Capirona (ICRAF, GBIF) Cacao (ACAPTA, PDA,GBIF) GBIF, ITC)
  29. 29. Bolaina: climatología actualApto e Optimo=873,091.39 ha (49.8% do bacia)
  30. 30. Bolaina: para el 2020 (HADCM3)Apto e Optimo = 841,336.50 ha (48.2% de la cuenca)
  31. 31. Bolaina: para el 2050 (HADCM3)Apto e optimo = 751,112.30 ha (42.8% do bacia)
  32. 32. Importancia de Variables en las Contribución Relativa de las variables a la predicción de predicciones de distribución de bolaina adecuación de Bolaina bio_14 0Variable Unidad 2020 2050 bio_11 0 Min Max Min Max bio_16 0,2BIO5 oC -0.7 3.2 2.5 5.1 bio_7 0,2BIO8 oC -1.2 4.2 1.3 2.5 cons_mths 0,5BIO18 mm mes-1 -840 399 -869 -6 bio_19 0,6 bio_12 0,6 bio_10 0,8BIO5 Temperatura máxima del mes más caliente bio_3 1,4BIO8 Temperatura promedio del trimestre más húmedo bio_4 1,6BIO18 Precipitación en el trimestre más caliente bio_17 2,8 bio_6 3,1 bio_9 3,3 bio_13 4 bio_2 4,4 bio_1 6,7 bio_15 7,1 bio_18 13,5 bio_8 19,8 bio_5 29,1 0 5 10 15 20 25 30 35
  33. 33. Capirona: climatologia actualApto e optimo = 691,214.85 ha (39.5% do bacia)
  34. 34. Capirona: para el 2020 (HADCM3)Apto e optimo = 683,906.19 ha (39.0% do bacia)
  35. 35. Capirona: para el 2050 (HADCM3)Apto y optimo = 104,841.53 ha (6% do bacia)
  36. 36. Importancia de Variables en las predicciones de distribución de Contribución Relativa de las variables a la predicción de adecuación de capirona capirona cons_mths 0,1Variable Unidad 2020 2050 bio_1 0,2 bio_16 0,3 Min Max Min Max bio_7 0,4BIO8 oC -1.2 4.2 1.3 2.5 bio_12 0,5BIO11 oC -1.5 3.9 2.2 3.4 bio_14 0,7BIO15 CV -4 5 -1 6 bio_6 0,9 bio_19 1,6 bio_17 1,7BIO8 Temperatura promedio del trimestre más húmedo bio_3 1,8BIO11 Temperatura promedio del trimestre más frio bio_10 3BIO15 Precipitación estacional (coeficiente de variación) bio_4 3,5 bio_2 4,6 bio_18 4,6 bio_13 5,5 bio_9 5,6 bio_5 6,6 bio_15 7,8 bio_11 21,1 bio_8 29,5 0 5 10 15 20 25 30 35
  37. 37. Cacao climatología actualApto e optimo = 564,615.34 ha. (32.3% do bacia)
  38. 38. Cacao: Horizonte 2020Apto e optimo = 796,560.43 ha (45.73% do bacia)
  39. 39. Cacao: Horizonte 2050Apto e optimo = 965,751.81 ha. (55.13% do bacia)
  40. 40. Relación Clima - SAF SEQUIA CAMBIOS EN LA EVENTOS PRECIPITACIÓN EXTREMOS -El fenómeno del -A mayor precipitación niño incremento la Guazuma crinita -Alteración del ciclo mayor crecimiento y menor sequía generando “Chico-magro” fenológico densidad de la madera. incendios y pérdidas de cultivos. -Aumento de mortandad -El fenómeno delBacia do Aguaytía, Perú Calycophyllum -Cambios fenológicos -Mortandad niño incremento la spruceanum -Menos regeneración -Erosión del suelo (lavado) sequía generando “Pau mulato” natural -Ataque de hongos. incendios y pérdidas -Presencia de plagas de cultivos. -El fenómeno del niño se manifiesta mediante la alteración de la -Defoliación. -Cambios en la fenología Theobroma cacao época de -Aborto floral -Problemas fitosanitarios “Cacau” precipitaciones -Muerte de la planta -Aborto de flores y frutos especialmente durante los meses de enero, febrero y marzo.
  41. 41. Arreglos agroforestales Potenciales asociaciones Plantaciones Control de plagas y enfermedades Cacao Plátano Guaba -6 x 6 m Guazuma crinita -No requiere Tornillo -Contorno Shihuahuaco Marupa -Con coberturas Naranja -Mejoramiento genético Cuenca Aguaytía, Perú Cacao Calycophyllum -Mayor densidad de -Mejoramiento Cerco vivo spruceanum siembra genético Tornillo -Sirve como sombra en Pastos potreros y piscigranjas Ingas Capironas Bolaina -Especies que sirvan de Musas -Optimización de las sombra como las ingas y las Shihuahuaco prácticas de manejo musas, especies maderables Theobroma cacao. Tornillo agronómico, , como opciones de Cedro especialmente el de incrementar la biodiversidad Caoba las podas -Explorar opciones de PSA Coberturas Commelinaceas LeguminosasRecomendaciones del taller con expertos (Pucallpa, 2010)
  42. 42. Conclusiones y Recomendaciones• El cambio climático impactará los SAF a través de cambios en la distribución de sus componentes.• Las especies reaccionan de manera diferente al cambio en las variables climatológicas hacia los horizontes futuros.• Existe incertidumbre respecto a los escenarios de emisiones de GEI y también en los modelos que predicen en clima futuro.• Los modelos tienen supuestos que pueden ser debatibles.• Validar la distribución actual de la especie es fundamental para ajustar su predicción futura.• Evaluar la capacidad genética de las especies para enfrentarse a eventos extremos.• Mejorar los arreglos agroforestales que permitan aliviar los impactos extremos
  43. 43. Links de utilidad• http://www.ipcc-data.org/ddc_gcm_guide.html• http://elclima.esparatodos.es/hadcm3/index.htm• www.worldclim.org• www.gbif.org• http://www.ipcc-data.org/• http://www.metoffice.gov.uk/• http://www.cccma.ec.gc.ca/eng_index.shtml• http://www.cs.princeton.edu/~schapire/maxent/
  44. 44. Muito obrigado ! Instituto de Investigaciones de la Amazonia Peruana Carretera Federico Basadre km 12.400 Pucallpa, Ucayali msoudre@hotmail.com

×