Post on 27-Jan-2015
description
Modelación Climática; Cambio Climático &
Agricultura
Carlos NavarroJ. Ramirez, A. Jarvis, J. Tapasco,
Retos
1.Crecimiento Poblacional
Garantizar la Seguridad alimentaria
2.Producir más y mejor
… con menos agua, tierra y recursos
Cómo prepararnos
para el
futuro? ?
¿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?
• ¿Quién debe planear? ¿Quién debe ejecutar?
Clima & Agricultura
– Múltiples variables
– Muy alta resolución espacial (1 km, 90m??).
– Alta resolución temporal (i.e. mensual, diaria).
– Alta certidumbre , previsiones precisas del tiempo y las proyecciones climáticas.
• Tanto para presente como para futuro.
–T°• Max,• Min, • Media
–Prec–HR– Radiacion– Vientos– …….
Men
os im
port
ante
s
Mas
cer
tidum
bre
Clima & Agricultura
Datos climáticos confiables
Vacíos representación del sistema climático
Modelos climáticos inadecuados
Evaluación de Impactos cambio climático
Necesidades Limitaciones
Alto grado de incertidumbre
Clima & Agricultura
Económico
Ambiental
Global Regional
PESIMISTA“Bussiness as
usual”
OPTIMISTAMundo perfecto
IntermedioP
E
P
E
P
E
P
E
Los Escenarios de Emisión
¿Cómo predecir el futuro?
IPCC, 2007
Variaciones en la temperatura de la superficie de la tierra: de 1000 a 2100
Qué es lo que dicen los modelos??
Cambios antropogénicos llevan a cambios atmosféricos
Concentraciones Atmosféricas
Los GCMs son la única manera en que podemos predecir el
clima a futuro
¿Cómo predecir el futuro?
¿Cómo predecir el futuro?IPCC CMIP5 Transición a nuevos Escenarios…
• Representative Concentration Pathways (RCPs)• Más y mejores modelos (i.e. mayor resolución).
R. Knutti, J. Sedlácek, 2012
Global temperature change and uncertainty (mean and one standard deviation as shading) relative to 1986–2005
En la agricultura, los diferentes escenarios de emisiones no son
importantes… de aqui a 2030 la diferencia entre escenarios es
minima
Mensaje 1
J. Rogelj et al, 2012
Escala global Pero.. Escala regional o local
Dificultad 1. Acerca de la resolución
• Resolución horizontal 100 a 300 km
• 18 y 56 niveles verticales.
Mezcla de Resoluciones
Baja Resolución
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, L33….
GCM Limitaciones
Dificultad 2. Disponibilidad de datosWCRP CMIP3 A1B-P A1B-T A1B-Tx A1B-Tn A2-P A2-T A2-Tx A2-Tn B1-P B1-T B1-Tx B1-Tn
BCCR-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
GCM Limitaciones
Dificultad 3. Habilidad limitada de representar clima presente.
Depender de un solo GCM no es recommendable!
GCM Limitaciones
Cómo utilizar esta información?
Problema
Necesidad
OpcionesDownscaling por métodos estadísticos o dinámicos..
Aumentar resolución, uniformizar… proveer datos de alta resolución, contextualizados
Aún el GCM más preciso es demasiado grueso (100km).
GCM Limitaciones
Opciones – Métodos EstadísticosCómo combinar GCM & Observaciones?
Hawkins, 2012
Estaciones x variable:• 47,554
precipitación • 24,542 tmean • 14,835 tmax y
tmin
- 3 0 .1
3 0 .5
M e a n a n n u a lt e m p e r a t u r e ( º C )
0
1 2 0 8 4
A n n u a l p r e c i p i t a t i o n ( m m )
Fuentes:•GHCN•FAOCLIM•WMO•CIAT•R-Hydronet•Redes nacionales
Opciones – Métodos Estadísticos
Ramirez-Villegas and Challinor 2012
Definiendo la Línea Base WorldClim
Opciones – Métodos Estadísticos
Definiendo la Línea BaseGHCN (Global Historical Climatological Network)
• Very robust weather station dataset (NOAA)
• Used for many studies:– WorldClim– CRU datasets– Hockey-stick warming
trend analysis
Opciones – Métodos EstadísticosDefiniendo la Línea Base
¿Suficiente información?
Opciones – Métodos EstadísticosDefiniendo la Línea Base
Información Satelital: TRMM
TRMM 3B43 CharacteristicsTemporal Coverage Start Date: 1998-01-01; Stop Date: -
Geographic Coverage Latitude: 50°S - 50°N; Longitude:180°W - 180°E
Temporal Resolution MonthlyHorizontal Resolution 0.25° x 0.25°; nlat = 400, nlon = 1440Average File Size Compressed: ~4.95 MB; Original: ~4.95 MBFile Type HDF
Resolución espacial (~ 28 km), TRMM tiende a sobreestimar precipitación real (aunque la
distribución espacial de la precipitación es bastante
bueno).
Opciones – Métodos EstadísticosDefiniendo la Línea BaseCombining TRMM and Surface Observations of Precipitation: Technique and Validation over South America
J. Rozante and D. Moeira, 2010
Downscaling: 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
Opciones – Métodos Estadísticos
Método Delta
Opciones – Métodos Estadísticos
– Usan resultados de GCMs– Son de área limitada.. Necesitan condiciones de frontera. – Datos diarios | Resolucion varia entre 25-50km | > 170
variables
PRECIS
Providing REgional Climates for Impacts
Studies
Coordinated Regional Climate Downscaling Experiment
(CORDEX) Eta Model
ETA
Opciones – Métodos Dinámicos
Método Pros Contras
Delta
*Rápido de implementar* resoluciones*Aplicable a TODOS los GCMs*Uniformiza líneas base
* Cambios solo varían en gran escala* variables
RCMs
* Robusto*Aplicable a GCMs dependiendo de disponibilidad de datos* variables
*Pocas plataformas *Mucho procesamiento y almacenamiento*Limitada resolución (25-50km)*Aun falta mucho desarrollo*Incertidumbre difíciles de cuantificar
¿Qué metodología empleo?Métodos Estadísticos vs Dinámicos
Necesidades y recursos.. Tiempos? Resultados rápidos? Capacidad de procesamiento? Disponibilidad??
Opciones – Métodos Dinámicos
La incertidumbre cientifica SI es relevante para la agricultura: tenemos que tomar decisiones
dentro de un contexto de incertidumbre
Mensaje 2
Incertidumbres
Hawkins, 2012
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)
Cómo cuantificar?
Incertidumbres
Emisiones Escenarios de población, energía, modelos económicos
Concentraciones Ciclo del carbono, modelos químicos
Cambio climático Global GCMs
Detalles regionales RCMs,Downscaling
Impactos Modelos de impacto
En Resúmen…
Cómo cuantificar
impáctos? ?
GCMs
Effective adaptation options
MarkSim
DSSAT
Statistical Downscaling
Dynamical downscaling:Regional Climate Model
EcoCropStatistical Downscaling
MaxEnt
Necesitamos modelos para cuantificar los impactos y diseñar opciones de adaptación efectiva
Based on niches
Prob
abili
ty
Environmental gradient
Based on process
Impactos
Changes in climate affect the adaptability of crops…
Number of crops with more than 5% gain
There will be winners…
Number of crops with more than 5% loss
…But much more losers in developing countries
Impactos
Evalúa si hay las condiciones climáticas adecuadas ,
dentro de un periodo de crecimiento para T° y Prec….
… y calcula la adaptabiliad climática de la interacción
resultante entre la prec y la T°
• Un algoritmo sencillo para mirar el nicho de cada especie basado sólo en los datos del clima
El Modelo EcoCrop
Impactos
Is cassava the answer to African climate change adaptation? Jarvis A. et al, 2012
Impactos
Current Climate Contraint
Cassava suitability change compared with other staples
Cassava consistently outperforms other staples in terms of changes in suitability
Cassava Impacts by AF REGIONSImpactos
EcoCrop
Adaptation entry points in maize-bean systems
Impactos
DSSAT
• 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.
Entonces como adaptamos?
Bases de Datos& OpenData Sources
http://ccafs-climate.orgCCAFS Climate
CCAFS Climate - Users
Actualiced Nov 2013
CCAFS Climate - Users
> 150 Publications
• Progressive climate change over agriculture (24%),
• Ecology and species distribution (53%)
• Climate dynamics (3%)• Hydrological modeling
(4%)• Non-academic (i.e.
policy making, food security, and adaptation planning (17% )
http://analogues.ciat.cgiar.org/climate/Climate Analogues
¿Donde puedo encontrar el clima futuro de mi sitio hoy?
¿Donde puedo encontrar el clima presente de mi sitio en el futuro?
¿Donde encuentro el clima presente (o futuro) de mi sitio en el mundo actualmente?
Visualizing data for knowledge sharing and research development
Adaptation and Mitigation Knowledge Network
Viendo más allá
www.amkn.org
Agtrials
•Trial sites: 489•84 countries• Institutions: 165
Objectives:- Yield- Quality- Biotic/abiotic tolerance- Nutrient efficiency- Animal nutrition/ health- Farming practices (crop rotation)- Soil fertility/conservation
http://agtrials.org/
Outputs• New geographic interface and functionalities
• From repository to database
• Successful integration with the GCP’s CropOntology.
• New partnerships (i.e University of California, AgMIP project, Tropical Legumes project, Monsanto)
• Linkages with CRP RTB
Public data! 2888 trials22 crops
Local implementation grounded in local realities
Clim
ate
resi
lienc
e
Baseline
Adapted technologies
Adapted technologies
+Climate-specific
management
Adapted technologies
+Climate-specific
management+
Seasonal agroclimatic
forecasts
Adapted technologies
+Climate-specific
management+
Seasonal agroclimatic
forecasts+
Enabling environment
NAPs and NAMAs
Climate smartness
• Downscaling es inevitable.• Se está haciendo una mejora
continua. • El foco principal es hacer un
análisis de incertidumbres • Mejorar los datos de línea base. • Evaluar y validar incertidumbres.• Proyecciones climáticas junto con
modelos mecanisticos y fisiológicos de cultivos nos ayudarán a entender como adaptar.
Conclusiones