Osana Bonilla - Climate Change impact on Colombian Agriculture_SSA project
Upcoming SlideShare
Loading in...5
×

Like this? Share it with your network

Share
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
1,505
On Slideshare
1,356
From Embeds
149
Number of Embeds
4

Actions

Shares
Downloads
5
Comments
0
Likes
0

Embeds 149

http://dapa.ciat.cgiar.org 146
http://gisweb.ciat.cgiar.org 1
http://translate.googleusercontent.com 1
http://amkn.org 1

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
  • Según los escenarios de CC, en general, los cambios afectarán el 80% de los cultivos en más del 60% de sus áreas y, más vulnerables aun, los cultivospermanentesPara 2050s el CC pondrá en riesgo el sustento de casi 3.5 millones de personas que dependen del sector, vulnerando cerca del 10% del PIB nacional que corresponde a agricultura, el empleo de un quinto de la población, las principales agroindustrias y la seguridad y soberanía alimentarias

Transcript

  • 1. Cambio Climático y las implicaciones en la agricultura Colombiana
    Programa Decisión y Análisis de Políticas
    Osana Bonilla-Findji, Andy Jarvis, Peter Laderach, Julian Ramirez, Emmanuel Zapata
    WWW.ciat.cgiar.org
    Eco-Efficient Agriculture for the Poor
  • 2. Nuestra Visión
    Creemos en el poder de la información para mejorar la toma de decisiones en la agricultura y recursos naturales, a escalas que van desde la propia finca hasta todo el mundo
    Números. Mapas. Gráficas. Oportunidades.
    Mejorespolíticaspúblicas y privadas
  • 3. Nuestro modus operandi
    Temáticamente diversos, unidos por análisis espaciales, económicos e institucionales
    Convirtiendo datos en información útil para la toma de decisiones
    Impulsado por las necesidades de otros programas en CIAT y socios en Colombia y Latino América
    Tomando en cuenta la eco-eficiencia como principio
  • 4. Clima y AgriculturaQuésabemos … ?
    • Cualquier agro-ecosistemaresponde a variaciones de
    • 5. factoresantropogenicos (sociales),
    • 6. bióticos (plagas, enfermedades)
    • 7. abioticos (clima, suelos)
    • 8. El climaes el factor menospredecible.
    • 9. El climava a cambiar
    • 10. Cadasistemaes un casoespecífico
  • Clima y AgriculturaQuésabemos y que no….
    • Cualquier agro-ecosistema responde a variaciones de
    - factores antropogenicos (sociales),
    - bióticos (plagas, enfermedades)
    - abioticos (clima, suelos)
    • El clima es el factor menos predecible.
    • 11. El clima va a cambiar
    • 12. Cada sistema es un caso específico
    • 13. Qué condiciones tendremos en 30, 50, 100 años?
    • 14. Cómo responderán nuestros sistemas a estas condiciones?
    • 15. Cuándo, dónde, y qué tipo de cambio se requiere para adaptar?
    • 16. Quién debe planear? Quién guiar el proceso? Quiéndebeejecutarlo?
  • Contenido
    El cambio climático
    Los modelos globales
    Impactos en Colombia
    • Adaptabilidad de cultivos
    • 17. Análisis sectorial
    • 18. Problemas fitosanitarios
    Conclusiones
  • 19. Porque estamos tan seguros que el clima esta cambiando?
  • 20.
  • 21.
  • 22.
  • 23. Los modelos de pronostico de clima
  • 24. Modelos GCM : “Global ClimateModels”
    21 modelos globales de clima (GCMs) -basadosen cienciasatmosféricas, química, física, biología, y, dependiendo de las creencias, algo de astrología- simulan procesos terrestres y atm.
    Se corre desde el pasado hasta el futuro
    Hay diferentesescenarios de emisionesde gases
  • 25. Entonces, ¿qué es lo que dicen?
    Variaciones en la temperatura de la superficie de la tierra: de 1000 a 2100
  • 26. Calibradosdesde el pasado (usandoserie de tiempo CRU-UEA), y proyectadoshacia el futuro
  • 27. Escenarios de emision
  • 28.
  • 29.
  • 30. Bases de Datos
    18 modelos para 2050, 9 para 2020
    Diferentes escenarios, A1b, B1, commit
    Downscaled usando metodos estadisticos
    http://gisweb.ciat.cgiar.org/GCMPage/home.html
  • 31. Colombia
  • 32. Colombia y el mundo en cambio climático
    Colombia
    +3.1ºC
    +8.1%
    Mundo
    +4.5ºC
    +14%
  • 33.
  • 34. El Modelo: EcoCrop
    Cómofunciona?
    Evalúa en forma mensual si  las condiciones climáticas son adecuadas en un período de crecimiento en términos de temperatura y precipitación

    … y calcula la aptitud climática de la interacción resultante entre precipitación ytemperatura  …
  • 35. MECETA
    Adaptabilidad para café en Cauca, Colombia
    Cambios leves a 2020, y cambios drásticos a 2050
    Se reduce el área cultivable. Algunas nuevas oportunidades
  • 36.
  • 37. Desplazamiento de climas hacia altitudes mayores
  • 38. Opciones de Adaptacion
    Alternativas al cafe
    Manejo
    Mercadosnuevos
  • 39. Un análisis sectorial
  • 40. Impactos en Colombia: cambio (%) en productividad a nivelNacional
  • 41. Cambiospromedios en adaptabilidadpordepartamento
  • 42. Dos casosdiferentes: Bolivar vs. Cauca
  • 43. Conclusionespreliminares
    Cultivospermanentes (66.4% del PIB agropecuario de 2007) seriamenteafectados: y son cultivos de inversiones de largo plazo
    Tema de seguridadalimentaria, y pobreza: muchas de los cultivosafectados son de agicultorespequeños (50-60%)
    Clarasprioridadesnacionales (porejemplo. Costa Caribe, cultivosespecificos)
    Prioridades locales: enfoquehaciaseguridadalimentaria
  • 44. Y los problemas fitosanitarios?
  • 45. Bases de datos de presencia
    MaxEnt: MáximaEntropía
  • 46. Trips: actual, 2020 y cambio
  • 47. Trips: actual, 2050 y cambio
  • 48. Quéhacer?
    A cortoplazo:
    Análisispreliminar de impactossobreprincipalesplagas y enfermedades
    A largo plazo:
    Sistema de monitoreo de plagas, conectado con modelaciónde zonaspotenciales de llegada de plagas en el futuro
  • 49. Como adaptarnos?
    • Necesitamos saber quehacemos, como lo hacemos, cuando lo hacemos y donde?
    • 50. Primer pasoesanalizar el problema
    • 51. Segundo, analizaropciones de adaptacion (Café y Cacao)
    • 52. Evaluarcosto-beneficio de medidas de adaptacion
    • 53. Implementar
    • 54. REACCIONAR AHORA!
    INVESTIGACION Y DESARROLLO TECNOLOGICO
    POLITICAS PUBLICOS Y PRIVADOS
    BUEN MANEJO LOCAL Y COMUNITARIO
  • 55. Agricultura Específica por sitio Compartiendo Experiencias (AESCE) –
    Programa Decisión y Análisis de Políticas
    Daniel Jiménez
    WWW.ciat.cgiar.org
    Eco-Efficient Agriculture for the Poor
  • 56. Escala local - Finca:
    Agricultura especifica por sitio compartiendo experiencias (AESCE) aplicada a la producción de frutales en Colombia.
  • 57. OBJETIVO PRINCIPAL
    Aumentar la competitividad de los productores de frutales en el país por medio de un sistema de Agricultura Especifica por Sitio basado en compartir experiencias (AESCE) entre productores de cítricos, aguacate, mango y plátano.
  • 58. Agricultura de precisión (AP)
    Agricultura específica por sitio (AEPS)
    • Mide la variacióndentro del lote
    • 59. Analiza el efecto de un factor o factor por factor sobre la productividad.
    • 60. Modelosrequierenconocimientodetallado de procesosinvolucrados en el crecmiento de lasplantas.(relacionesmás exactas)
    • 61. Mide la variación entre lotes
    • 62. Analiza la combinación de factoressobresuefecto en la productividad
    • 63. Modelosconstruidos con limitadoconocimientoacerca de la interacción de los factoresquedeterminan el crecimiento de unaplanta (caña, café) – Relacionesaproximadas
  • AESCE información de entrada y de salida
    Relieve y Suelo
    ClimaTopografía y paisaje
    Manejo del cultivo
    • Productividad y calidad
    • 64. Condicionesambientalesideales
    • 65. Prácticasmasadecuadas
    • 66. Adaptación de variedades
  • Principios AESCE
    Principio 1
    Principio 2
    Principio 3
    Cultura de medición
    Conocimientocolectivo
    Uso de tecnología
  • 67. Componentes generales del proyecto
    • Recopilar información sobre las características ambientales de los sitios y las experiencias o "eventos" de los agricultores
    • 68. Analizar e interpretar la información recopilada.
    • 69. Grupos de productores (compartiendo experiencias - Conocimientocolectivo – Segundo principio)
  • Ubicación de los sitios de producción
  • 70. Caracterización de los sitios de producción
    Clima
  • 71. Topografia
    SRTM
    GTOPO30
  • 72. Paisaje
    Aspect
    Landscape Class
    Elevation
    Slope
    Moisture
    Solar Radiation
    Exposure
    Curvature
  • 73. Suelos
    RASTA
    Caracteriza  los suelos y terreno  en forma rápida, confiable y sencilla
    en el sitio
  • 74. Suelos: RASTA:
  • 75. Manejo (información básica y de monitoreo)
    Oportunidades actuales para la compilación de la información en bases de datos
    www.frutisitio.org
    • Formato de registro (unidades, tipo)
    • 76. Dispositivos parametrizados
  • Plataforma
  • 77. Analizar e interpretar la información recopilada
    Caso de estudio: Lulo (Solanum quitoense) – Análisis de relevancia
    Tres variables: 1. Profundidadefectiva, 2. Temperatura y 3. Pendientefueronrelevantespara la producción de lulo
    Jiménez, D., Cock, J., Jarvis, A., Garcia, J., Satizábal, H.F., Van Damme, P., Pérez-Uribe, A. and Barreto-Sanz, M., 2010. Interpretation of Commercial Production Information: A case study of lulo (Solanum quitoense), an under-researched Andean fruit. Agricultural Systems. In press. published online at: http://dx.doi.org/10.1016/
  • 78. Ejemplos reales en frutales en Colombia
    (Redes neuronales artificiales en combinación con metodologías tradicionales)
    Caso de estudio: Lulo (Solanum quitoense) –Efectos de grupos con condiciones ambientales homogéneassobre la productividadde lulo
    Condiciones ambiental homogénea 3 fue la mas productiva – 41 gr de lulo /planta más que el promedio
  • 79. Ejemplos reales en frutales en Colombia
    (Redes neuronales artificiales en combinación con metodologías tradicionales)
    Caso de estudio: Lulo (Solanum quitoense) –Conociendo los efectossobre la productividad de lulo de grupos con condiciones ambientales homogéneas y fincas
    HEC como proxy paravariabilidadambientalFincacomo proxy paramanejo
    • El modelo mixto explicó mas del 80 % de variación en productividad de lulo.
    • 80. Ej. Finca 9 en condición ambiental homogénea 3 produce 51 g de lulo /planta más que el promedio
  • Curvas de isoproductividad
    Caso hipotético donde un cultivador de plátano, quiere saber cual es el cultivar con el que obtendría mayor número de cajas por racimo, peso racimo o ratio en las condiciones de su finca.
  • 81. Aguacate
    (d)
    (b)
    (a)
    (c)
    (e)
  • 82. Conocimientocolectivo - estrategias de intercambio de informaciónE
    Niveles de Intervención
    a. Investigadores CIAT
    v
    Cadenas
    Asohofrucol
    MADR
    b. Facilitadores de lasCadenas
    Organizaciones
    Nivel de intervención
    c. Facilitadores de lasSecretarías de agricultura
    Federaciones
    d. Individualesacceso virtual
    Grupos
  • 83. Talleres e Incentivos a Fruticultores
    15 talleres
    Capacitación Teórico – Practica en:
    Captura de datos en campo:
    Donde esa mi finca y mis unidades de manejo con Georefenciación (Múltiples metodologías).
    Conociendo el suelo con la metodología RASTA.
    Formatos por módulos para el registros de datos en campo.
    Importancia de asociatividad: Procesos Rurales de Organización y formación de Grupos de Productores.
    Establecimiento de grupos de productores.
    www.frutisitio.org, formatos digitales y registro en línea para compartir información.
    Interpretación de resultados
  • 84. Talleres e Incentivos a Fruticultores
    Captura de datos en campo
    RASTA
    GPS
  • 85. Promoción al consumo - Biblioteca con ruedas – Unidad multimedia móvil
  • 86. www.frutisitio.org
  • 87. El Equipo
  • 88. Juventud
    Osana Bonilla F.
    Peter Laderach
    Mario Muñoz
    Juan Carlos Andrade
    Katherin Tehelen
    Natalia Uribe
    Nora Castañeda
    Elizabeth Barona
    Daniel Jimenez
    Mike Salazar
    Ovidio Rivera
    Lea Jehin
    Hector Tobón
    Martin Ayling
    Emmanuel Zapata
    Julián Ramirez
  • 89. Victor A. Lizcano
    Angelica Ma. Henao
    Jeferson Valencia
    Jairo Guerrrero
    Miguel Idrobo
    Carlos Navarro
    Carlos A. Ramirez
    Vanesa Herrera
    Carolina Argote D.
    Daniel Amariles
    Oriana C. Ovalle
    Audberto Quiroga
    Yuli Medina
    David Rodriguez
    Antonio Pantoja
    Másjóvenesaún
  • 90. Arreglo de disco
    Alternate servers
    Arreglo de disco
    Blade
    Array disk