Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Navarro C - Avances Modelacion Climatica & Agricultura

2,160 views

Published on

Foro de Cambio Climático en Nicaragua
Fecha: 20 de agosto 2012
Lugar: Managua, Nicaragua

  • Be the first to comment

Navarro C - Avances Modelacion Climatica & Agricultura

  1. 1. 20/08/2012, Managua - NicaraguaCarlos Navarro, Julian Ramirez,Andy Jarvis, Peter Laderach
  2. 2. Contenido• Breve sobre clima & agricultra• Datos climáticos, disponibilidad y dificultades• Opciones - Downscaling – Empírico – Dinámico• Nuestras bases de datos• Cuantificación de incertidumbres• ¿Qué dicen los modelos para Nicaragua?• Aplicaciones GCM & Agricultura• ¿Cómo Adaptar?
  3. 3. Clima & Agricultura – Múltiples variables – Muy alta resolución –T° • Max, Menos importantes espacial (1 km, 90m??). Mas certidumbre • Min, • Media – Alta resolución temporal (i.e. mensual, diaria). –Prec – Alta certidumbre , previsiones precisas del – HR tiempo y las – Radiacion proyecciones climáticas. – Vientos• Tanto para presente – ……. como para futuro.
  4. 4. Lo que sí sabemos…• Cualquier agro-ecosistema responde a variaciones de factores antropogenicos, bióticos, abioticos.• El clima es el factor menos predecible.• El clima va a cambiar y cada sistema es un caso específico• Los cultivos son suprememente sensibles a sus condiciones climaticas
  5. 5. Lo que no sabemos… ¿Qué condiciones tendremos en 30, 50, 100 años? ¿Cómo responderán nuestros sistemas a estas condiciones? ¿Cuándo, dónde, y qué tipo de cambio se requiere para adaptar? >> INCERTIDUMBRE ¿Quién debe planear? ¿Quién debe ejecutar?
  6. 6. Necesidades Limitaciones
  7. 7. Los Escenarios de Emisión Intermedio PESIMISTA P “Bussiness as Económico P usual” E E Global Regional P P E E Mundo perfecto Ambiental OPTIMISTA
  8. 8. En la agricultura, los diferentes escenarios de emisiones no son importantes… de aqui a 2030 la diferencia entre escenarios es minima
  9. 9. GCM “Global Climate Model” Los GCMs son la única Usando el pasado paramanera en que podemos aprender del futuropredecir el clima a futuro
  10. 10. Qué es lo que dicen los modelos??Variaciones en la temperatura de la superficie de la tierra: de Concentraciones Atmosféricas 1000 a 2100 Cambios antropogénicos llevan a cambios atmosféricos
  11. 11. Resoluciones• Resoluciónhorizontal de unos100 a 300 km• 18 y 56 nivelesverticales.  Escala global Pero..  Escala regional o local
  12. 12. Model Country Atmosphere OceanBCCR-BCM2.0 Norway T63, L31 1.5x0.5, L35CCCMA-CGCM3.1 (T47) Canada T47 (3.75x3.75), L31 1.85x1.85, L29CCCMA-CGCM3.1 (T63) Canada T63 (2.8x2.8), L31 1.4x0.94, L29CNRM-CM3 France T63 (2.8x2.8), L45 1.875x(0.5-2), L31CSIRO-Mk3.0 Australia T63, L18 1.875x0.84, L31CSIRO-Mk3.5 Australia T63, L18 1.875x0.84, L31GFDL-CM2.0 USA 2.5x2.0, L24 1.0x(1/3-1), L50GFDL-CM2.1 USA 2.5x2.0, L24 1.0x(1/3-1), L50GISS-AOM USA 4x3, L12 4x3, L16GISS-MODEL-EH USA 5x4, L20 5x4, L13GISS-MODEL-ER USA 5x4, L20 5x4, L13IAP-FGOALS1.0-G China 2.8x2.8, L26 1x1, L16INGV-ECHAM4 Italy T42, L19 2x(0.5-2), L31INM-CM3.0 Russia 5x4, L21 2.5x2, L33IPSL-CM4 France 2.5x3.75, L19 2x(1-2), L30MIROC3.2-HIRES Japan T106, L56 0.28x0.19, L47MIROC3.2-MEDRES Japan T42, L20 1.4x(0.5-1.4), L43MIUB-ECHO-G Germany/Korea T30, L19 T42, L20MPI-ECHAM5 Germany T63, L32 1x1, L41MRI-CGCM2.3.2A Japan T42, L30 2.5x(0.5-2.0)NCAR-CCSM3.0 USA T85L26, 1.4x1.4 1x(0.27-1), L40NCAR-PCM1 USA T42 (2.8x2.8), L18 1x(0.27-1), L40UKMO-HADCM3 UK 3.75x2.5, L19 1.25x1.25, L20UKMO-HADGEM1 UK 1.875x1.25, L38 1.25x1.25, L20 Incertidumbres!
  13. 13. Dificultad 1. Mezcla de resoluciones
  14. 14. Dificultad 2. Disponibilidad de datos (via IPCC) WCRP CMIP3 A1B-P A1B-T A1B-Tx A1B-Tn A2-P A2-T A2-Tx A2-Tn B1-P B1-T B1-Tx B1-TnBCCR-BCM2.0 OK OK OK OK OK OK OK OK OK OK OK OKCCCMA-CGCM3.1-T63 OK OK NO NO NO NO NO NO OK OK NO NOCCCMA-CGCM3.1-T47 OK OK NO NO OK OK NO NO OK OK NO NOCNRM-CM3 OK OK NO NO OK OK NO NO OK OK NO NOCSIRO-MK3.0 OK OK OK OK OK OK OK OK OK OK OK OKCSIRO-MK3.5 OK OK OK OK OK OK OK OK OK OK OK OKGFDL-CM2.0 OK OK OK OK OK OK OK OK OK OK OK OKGFDL-CM2.1 OK OK OK OK OK OK OK OK OK OK OK OKGISS-AOM OK OK OK OK NO NO NO NO OK OK OK OKGISS-MODEL-EH OK OK NO NO NO NO NO NO NO NO NO NOGISS-MODEL-ER OK OK NO NO OK OK NO NO OK OK NO NOIAP-FGOALS1.0-G OK OK NO NO NO NO NO NO OK OK NO NOINGV-ECHAM4 OK OK NO NO OK OK NO NO NO NO NO NOINM-CM3.0 OK OK OK OK OK OK OK OK OK OK OK OKIPSL-CM4 OK OK NO NO OK OK NO NO OK OK NO NOMIROC3.2.3-HIRES OK OK OK OK NO NO NO NO OK OK OK OKMIROC3.2.3-MEDRES OK OK OK OK OK OK OK OK OK OK OK OKMIUB-ECHO-G OK OK NO NO OK OK NO NO OK OK NO NOMPI-ECHAM5 OK OK NO NO OK OK NO NO OK OK NO NOMRI-CGCM2.3.2A OK OK NO NO OK OK NO NO OK OK NO NONCAR-CCSM3.0 OK OK OK OK OK OK OK OK OK OK OK OKNCAR-PCM1 OK OK OK OK OK OK OK OK OK OK OK OKUKMO-HADCM3 OK OK NO NO OK OK NO NO OK OK NO NOUKMO-HADGEM1 OK OK NO NO OK OK NO NO NO NO NO NO
  15. 15. Dificultad 3. habilidad limitada de representar clima presente. Depender de un solo GCM es peligroso!
  16. 16. Cómo utilizar esta información? Opciones Downscaling Necesidad por métodos Aumentar resolución, estadísticos o uniformizar… proveer Problema datos de alta dinámicos.. Aún el GCM resolución, más preciso es contextualizados demasiado grueso (100km).
  17. 17. Método Delta – Base climatológica: WorldClim – Tomar superficies GCM originales (series de tiempo) – Calcular promedios para línea base y períodos específicos – Calcular anomalías – Interpolar anomalías (spline) – Sumar anomalías a WorldClim
  18. 18. Estaciones x variable: • 47,554 precipitación Mean annualtemperature (ºC) • 24,542 -30.1 tmean 30.5 • 14,835 tmax y tmin Fuentes: •GHCN •FAOCLIM Annual •WMOprecipitation (mm) 0 •CIAT •R-Hydronet 12084 •Redes nacionales
  19. 19. Método Disegregación • Similar a DELTA pero sin interpolacion – Base climatologica: CRU, WorldClim – Calcular anomalias para periodos requeridos para celdas GCM – Sumar anomalias a climatologia base
  20. 20. RCM PRECIS Providing REgional Climates for– Usar resultados de Impacts Studies GCMs– Son de área limitada.. Necesitan condiciones de frontera.– Realiza cálculos de la dinámica atmosférica y resuelve ecuaciones para cada grilla.– Datos diarios– Resolucion varia entre 25-50km– Más de 170 variables de salida
  21. 21. ¿Qué metodología empleo? Métodos Estadísticos vs Dinámicos Método Pros Contras *Rápido de implementar * Cambios solo varían en gran escala *  resoluciones * Variables no cambian sus relaciones en Delta *Aplicable a TODOS los GCMs tiempo *Uniformiza líneas base *  variables *Pocas plataformas (PRECIS) * Robusto *Mucho procesamiento y almacenamiento *Aplicable a GCMs dependiendo RCMs *Limitada resolución (25-50km) de disponibilidad de datos *Aun falta mucho desarrollo * variables *Incertidumbre difíciles de cuantificar
  22. 22. Escenarios de población, energía, modelos Emisiones económicos Concentraciones Ciclo del carbono, modelos químicosCambio climático Global GCMs RCMs, Detalles regionales Downscaling Impactos Modelos de impacto
  23. 23. http://ccafs-climate.org
  24. 24. ¿Qué ofrecemos? • Reducidos de escala empíricamente y disaggregados para todo el mundo de 1 a 20 km. • Reducidos de escala dinámicamente (PRECIS) para Sur América. • 20 GCM para 2050, 9 para 2020 (Datos Stanford) dowscalados a 20km, 5km, 1km • 7 GCMs con información Tyndall.
  25. 25. ¿Y qué pasa con las incertidumbres? Cómo cuantificar? Comparison (R2 based) of interpolated climatology (WorldClim, The University of East Anglia Climatic Research Unit dataset (CRU)), and each of the GCMs (average 1961-1990 period) for each of the countries in the study area for mean temperature (left) and precipitation (right) for the annual mean. All R2 values were statistically significant at p < 0.001. (Ramirez and Challinor, 2012)
  26. 26. Projections of future global average annual precipitation for A1B scenarios from donwscaled data. Annual Precipitation 820.000 bccr_bcm2_0 cccma_cgcm3_1_t47 800.000 cnrm_cm3 csiro_mk3_5 gfdl_cm2_1 csiro_mk3_0 gfdl_cm2_0 giss_model_er Incertidumbres ingv_echam4 inm_cm3_0Annual Precipitation (mm) ipsl_cm4 miroc3_2_medres miub_echo_g mpi_echam5 780.000 mri_cgcm2_3_2a ncar_ccsm3_0 ncar_pcm1 ukmo_hadcm3 ukmo_hadgem1 760.000 740.000 720.000 700.000 2010_2039 2020_2049 2030_2059 2040_2069 2050_2079 2060_2089 2070_2099 Period (30 yr)
  27. 27. La incertidumbre cientifica SI es relevante para la agricultura: tenemos que tomar decisiones dentro de un contexto de incertidumbre
  28. 28. Comparación con estaciones in-situ Observed vs. Modeled Acumulated Monthly Rainfall Observed vs. Modeled Mean Monthly Temperature (Mean Monthly 1979-2003) (Mean Monthly 1979-2003) 700 30 600 R² = 0.126 25 R² = 0.898 500 20 GHCN Stations ( C)MRI Datasets (mm/month) 400 R² = 0.280 15 300 10 R² = 0.900 200 5 100 0 0 -5 -5 0 5 10 15 20 25 30 35 0 100 200 300 400 500 600 700 GHCN Stations (mm/month) MRI Datasets ( C)
  29. 29. Análisis consistencia temporal y espacial 200 180 GHCN Stations A MRI Datasets Precipitation (mm/month) 160 140 120 100 80 60 Jan Feb Mar Apr May Jun Jul Jul Sep Oct Nov Dec Month 1.0 1.0 D E 0.8 0.8 0.6 0.6RSQ RSQ 0.4 0.4 0.2 0.2 0.0 0.0 -40 -30 -20 -10 0 10 20 0 1000 2000 3000 4000 Latitude Altitude
  30. 30. Seiler 2009
  31. 31. • Downscaling es inevitable.• Se está haciendo una mejora continua.• El foco principal es hacer un análisis de incertidumbres y• Mejorar los datos de línea base.• Evaluar y validar incertidumbres.
  32. 32. • Necesitamos multiples acercamientos para mejorar la Flujo de base de informacion acerca de informacion es escenarios de cambio climatico critico para – Desarollo de RCMs (multiples: nosotros como PRECIS NO ES SUFICIENTE) retroalimentaci on y para no – Downscaling empirico, metodos repetir trabajo hybridos que otros han – Probamos diferentes hecho ya. metodologias
  33. 33. Próxima Generación de Escenarios Climáticos (IPCC, AR5) Representative Concentration Pathways (RCP) Caminos representativos de concentración
  34. 34. RCP 4.5 BCC_csm1-1 MIROC_esm-chem BNU_esm MIROC_miroc4h CCCMA_cancm4 MIROC_miroc5 CCCMA_canesm2 MOHC_hadcm3 CNRM_cm5 MOHC_hadgem2-cc CSIRO_access1_0 MOHC_hadgem2-es CSIRO_mk3-6-0 MPI-M_mpi-esm-lr ICHEC_ec_earth MPI-M_mpi-esm-mr INM_inmcm4 MRI_mri-cgcm3 IPSL_ipsl_cm5a_lr NCAR_ccsm4 IPSL_ipsl_cm5a_mr NCC_noresm1-m IPSL_ipsl_cm5b_lr NOAA_gfld_esm2g MIROC_esm NOAA_gfld_esm2m• Proyecciones AR5 … más modelos, mayor resolución. • Evaluar y validar incertidumbres.
  35. 35. Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm Csiro Mk3.0 Csiro Mk 3.5 SRES A2 2030s Cambios en Temeprartura Media AnualGfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam Mri Cgcm 2.3.2aNcar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1
  36. 36. Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm Csiro Mk3.0 Csiro Mk 3.5 SRES A2 2030s Cambios en Precipitación total anualGfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam Mri Cgcm 2.3.2aNcar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1
  37. 37. Cambios promedio en Precipitación total anual2030s 2050s 2030s 2050s
  38. 38. Cambios promedio en Temperatura Media anual 2030s2030s 2050s 2050s
  39. 39. Comparación Línea Precipitación Temperatura ANNUAL DJF MAM JJA SON ANNUAL DJF MAM JJA SONBase MODEL C WC C WC C WC C WC C WC C WC C WC C WC C WC C WC bccr_bcm2_0 1 0.9 0.8 0.7 0.8 0.8 0.8 0.7 0.9 0.9 1 1 1 1 1 1 1 1 1 1 cccma_cgcm3_1_t47 1 0.9 0.6 0.4 0.9 0.8 0.9 0.8 1 1 1 1 1 1 1 1 1 1 1 1 R2 observaciones y cnrm_cm3 1 0.9 0.8 0.7 0.8 0.7 0.9 0.7 0.9 1 1 1 1 1 1 1 1 1 1 1 cada GCM csiro_mk3_0 1 0.4 0.3 0.2 0.6 0.5 0.6 0.8 0.6 0.5 1 1 1 1 1 1 1 1 1 1 csiro_mk3_5 0 0.3 0.2 0.1 0.3 0.2 0.2 0.6 0.4 0.4 1 1 1 1 1 1 1 1 1 1 gfdl_cm2_0 1 0.8 0.5 0.3 0.7 0.7 0.6 0.6 0.8 0.9 1 1 1 1 1 1 1 1 1 1 gfdl_cm2_1 1 0.7 0.9 0.8 0.7 0.7 0.6 0.7 0.7 0.8 1 1 1 1 1 1 1 1 1 1 giss_model_er 1 0.6 0.6 0.6 0.5 0.6 0.5 0.8 0.5 0.5 1 1 1 1 1 1 1 1 1 1 < 0.50 ingv_echam4 1 0.9 0.6 0.6 0.8 0.8 0.9 0.7 0.9 0.9 1 1 1 1 1 1 1 1 1 1 inm_cm3_0 1 0.6 0.2 0 0.7 0.6 0.6 0.6 0.6 0.6 1 1 1 1 1 1 1 1 1 1 0.50 - 0.60 ipsl_cm4 1 0.9 0.3 0.2 0.9 0.9 0.8 0.6 0.9 0.9 1 1 1 1 1 1 1 1 1 1 0.60 - 0.70 miroc3_2_medres 1 0.9 0.7 0.6 0.9 0.9 1 0.8 1 0.9 1 1 1 1 1 1 1 1 1 1 miub_echo_g 1 0.8 0.8 0.6 0.9 0.8 0.8 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1 0.70 - 0.80 mpi_echam5 1 0.6 0.4 0.3 0.6 0.5 0.5 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1 0.80 - 0.90 mri_cgcm2_3_2a 1 0.9 0.9 0.9 0.8 0.8 0.8 0.5 0.9 0.9 1 1 1 1 1 1 1 1 1 1 ncar_ccsm3_0 1 0.9 0.7 0.7 0.9 0.9 0.9 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1 0.90 - 0.95 ncar_pcm1 1 0.8 0.8 0.7 0.7 0.7 0.5 0.6 0.8 0.8 1 1 1 1 1 1 1 1 1 1 0.95 - 0.98 ukmo_hadcm3 1 0.6 0.4 0.3 0.7 0.7 0.4 0.7 0.7 0.8 1 1 1 1 1 1 1 1 1 1 ukmo_hadgem1 0.8 0.8 0.5 0.5 0.9 0.8 0.8 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1 0.98 - 1.00 rcm_ECHAM5 1 0.8 0.7 0.7 0.8 0.8 0.8 0.6 0.8 0.8 1 1 1 1 1 1 1 1 1 1 rcm_HadAM3P_3 1 0.8 0.7 0.7 0.8 0.8 0.8 0.8 0.8 0.8 1 1 1 1 1 1 1 1 1 1 rcm_HadCM3Q0 1 1 C CRU rcm_HadCM3Q16 1 0.8 0.6 0.6 0.8 0.8 0.8 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1 0.8 0.6 0.6 0.8 0.8 0.7 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 W WorldClim rcm_HadCM3Q3 1 0.8 0.7 0.7 0.8 0.8 0.8 0.8 0.8 0.8 1 1 1 1 1 1 1 1 1 1 gcm_mri 1 0.9 0.9 0.9 0.9 0.9 0.9 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1
  40. 40. Los cambios en el clima afectan la adaptabilidad de los cultivosque cultivamos ... Hay algunos ganadores.. Number of crops with more than 5% gain… pero muchosperdedores enpaíses endesarrollo… Number of crops with more than 5% loss
  41. 41. Necesitamos modelos para cuantificar los impactos y opciones de diseño de adaptación eficaces Basados en procesos GCMs Statistical Downscaling MarkSim Dynamical downscaling: Regional Climate ModelBasados en nichos DSSAT Probability EcoCrop Statistical Downscaling Environmental gradient Effective MaxEnt adaptation options
  42. 42. El Modelo EcoCrop• Un algoritmo sencillo para mirar el nicho de cada especie basado sólo en los datos del climaEvalúa si hay las condiciones climáticas adecuadas … y calcula la adaptabiliad , dentro de un periodo de climática de la interaccióncrecimiento para T° y Prec…. resultante entre la prec y la T°
  43. 43. MaxEnt (Maximum Entropy Modelling)• Modelo de predicción de la distribución potencial de una especie• Maxent utilizar el principio de la máxima entropía• Usa puntos de presencia de determinadas especies y las variables ambientales• Uno de el modelo más precisos para la predicción cambios en los rangos en los que la especie puede adaptarse.
  44. 44. Un Ejemplo… El susto de café en Cauca, Colombia
  45. 45. Climas se mueven hacia arriba Tmedia Tmedia Tmedia Ppt total Ppt Rango anual anual anual anual an Altitudinal cambio actual futuro actual fut (ºC) 190-500 25.54 27.70 2.16 5891 501-1000 23.47 25.66 2.19 3490 1000-1500 21.29 23.50 2.21 2537 1500-2000 18.36 20.58 2.22 2519 2000-2500 15.60 17.82 2.22 2555 2500-3000 13.33 15.54 2.21 2471Temperatura media se reduce 0.51oC por cada 100men la zona cafetera. Un cambio de 2.2oC equivale a una diferencia de 440m.
  46. 46. Suitability in Cauca• Cambios significativos a 2020s… cambios drásticos a 2050s.• El caso del Cauca: Reducción de areas de crecimiento y cambios en la ditribución geográficas.• Algunas nuevas oportunidades.
  47. 47. Hay retos y oportunidades: cada pais deberia tener una estrategia para enfrentar ambos
  48. 48. Los cambios son más drásticos en América Central
  49. 49. • Cambios en días de plantación y sistemas de irrigación para manejar el stress durante la temporada de crecimiento.• Cultivos puedesn requerir migración altitudinal.• Relocalización de las actividades productivas.• Establecimiento de subsidios para pequeños agricultores (reducción de la vulnerabilidad).• Conservación y mejoramiento de recursos genéticos.
  50. 50. • Necesitamos saber que hacemos, comoPOLITICAS PÚBLICAS Y PRIVADAS INVESTIGACION Y DESARROLLO lo hacemos, cuando lo hacemos y donde? • Primero paso es analisar el problema TECNOLOGICO • Segundo, analizar opciones de adaptacion • Evaluar costo-beneficio para el sector • Implementar • HAZLO AHORA! BUEN MANEJO AGRONOMICO

×