Embed Size (px)
Citation preview
Agricultura y Cambio Climático
Emmanuel Zapata-Caldas, Andy Jarvis,Julián Ramírez y Charlotte Lau
Decision and Policy Analysis (DAPA)
Foto por Neil Palmer (CIAT).Campo de arroz de riego. Santa Cruz, Bolivia.
Expo-Agrofuturo10 de junio de 2011
Contenido
1. Un vistazo a la situación de la agricultura.
2. El cambio climático (CC) y los GCMs.
3. Herramientas para modelación de cultivos.
4. Senderos de adaptación y mitigación.
5. ¿Cómo la investigación puede ayudar a generar estos senderos?
Foto por Neil Palmer (CIAT). Campo de arroz de secano.Caranavi, Bolivia.
La aptitud de cultivos está cambiandoCambios promedios en la aptitud climática de 50 cultivos en el 2050
50 cultivos seleccionados por tener mayor área cultivada a nivel mundial, según FAOSTAT, 2008
Cultivo Orden% de Área Total
Área Coechada
(k Ha)
Cambio de aptitud
(%)
Certeza(%)
● Wheat, common 1 18.75 216,100 -15.1 87.1
Rice paddy (Jap.) 2 13.39 154,324 5.9 80.9Maize 3 12.52 144,376 4.2 66.4
● Perennial soybean 4 8.07 92,989 -9.6 62.7● Barley 5 4.82 55,517 -2.6 91.4● Sorghum (low altit.) 6 3.6 41,500 -0.2 64.5
Cotton, Amer. upld 7 3.01 34,733 3.2 66.3Millet, common 8 2.85 32,846 4.5 69.0
● Swede rap 9 2.41 27,796 -4.8 87.6● Bean, Common 10 2.3 26,540 -2.7 64.9
Sunflower 11 2.06 23,700 7.4 75.4Groundnut 12 1.93 22,232 6.4 73.0Sugarcane 13 1.77 20,399 4.2 63.4Potato 14 1.63 18,830 2.0 82.8Cassava 15 1.61 18,608 5.1 72.7Alfalfa 16 1.32 15,214 1.8 81.3African oil palm 17 1.15 13,277 3.5 67.1
● Oats 18 0.98 11,284 -8.9 92.0Chick pea 19 0.93 10,672 5.6 76.8Coconut 20 0.92 10,616 5.4 65.9
● Coffee arabica 21 0.89 10,203 -10.6 71.2Cowpea 22 0.88 10,176 5.6 72.6Sweet potato 23 0.78 8,996 2.6 72.1
Cultivo Orden% de Área Total
Área Coechada
(k Ha)
Cambio de aptitud (%)
Certeza(%)
Olive, European 24 0.77 8,894 1.0 77.3Rubber * 25 0.72 8,259 2.0 61.0Cacao 26 0.66 7,567 3.9 62.8Sesame seed 27 0.65 7,539 7.2 74.4
● European wine grape 28 0.64 7,400 -3.8 71.7Pea 29 0.58 6,730 1.2 78.2
● Rye 30 0.52 5,994 -7.1 91.8● Perennial ryegrass 31 0.48 5,516 -8.0 84.5● Sugar beet 32 0.47 5,447 -15.0 83.9● Plantain bananas 34 0.47 5,439 -6.9 86.1● Apple 35 0.42 4,786 -1.3 65.3
Pigeon pea 36 0.41 4,683 5.1 72.0Tomato 37 0.4 4,597 0.8 79.4White yam 38 0.4 4,591 8.0 70.7Banana 39 0.36 4,180 5.4 76.3Mango 40 0.36 4,155 5.2 76.4Tobacco 41 0.34 3,897 8.0 72.8Lentil 42 0.33 3,848 3.4 74.6Watermelon 43 0.33 3,785 6.3 75.0Sweet orange 44 0.31 3,618 2.2 60.8Cashew 45 0.29 3,387 4.2 70.9Onion 46 0.29 3,341 1.8 76.5Cabbage 47 0.27 3,138 1.0 84.9Linseed 48 0.26 3,017 2.1 85.0Common buckwheat 49 0.24 2,743 9.7 77.6
● Tea 50 0.24 2,717 -2.7 58.0All crops 100.0 1,152,825 10.8 78.5
¿Qué cultivos se verán afecatados?
Por tanto, es clave ser conscientes que…… en las próximas décadas, el cambio climático y otras tendencias globales pondrán en peligro la agricultura, la seguridad alimentaria y los medios de subsistencia rural.
Foto por Neil Palmer (CIAT).
Poblaciones Vulnerables
• Personas viviendo en zonas rurales.
• Los productores pequeños.
• Todos los consumidores que dependen de precios bajos de alimentos.
Los 8.1 millones de habitantes (31.6% de la población nacional) que vive de la actividad agropecuaria
En Perú
El 40% de la fuerza de trabajo.
En Bolivia
40% de exportaciones
En Colombia
El producto bruto de producción agroindustrial de USD$3,841 millones
En Uruguay
¿Cómo se verán afectados algunos países latinos por el CC?
Concentración de GEI en la atmósfera
Entonces, ¿En qué consiste el análisis de los impactos del CC?
Foto por Neil Palmer (CIAT).
Escenarios de emisionesEconómico
Ambiental
Global Regional
Situación actual podría ser incluso
peor que A2
PESIMISTA
OPTIMISTAPrácticamente
irreal
Aumento en temperatura globalentre 2090 y 2099
– SRES A1B –
Aumento en temperatura global para todos los SRES
Incertidumbre en precipitaciones al año 2100
…es relevante, sin embargo es necesario tomar decisiones dentro de tal contexto
La incertidumbre científica…
Modelos de clima global o GCMs• Los GCMs usan algoritmos atmosféricos en una serie de
celdas para simular procesos terrestres …
… y producir predicciones futuras con base a mediciones históricas.
GCMs del cuatro reporte IPCCShort name Model Atmosphere* Ocean* MIRCH MIROC3.2. (hires), Japan T106, L56 0.28°x0.19°, L47 MIRCM MIROC3.2. (medres), Japan T42, L20 1.4°x(0.5-1.4°), L43
BCCRC BCCR-BCM2.0, Norway T63, L31 1.5°x0.5°, L35 C3T47 CGCM3.1 (T47), Canada T47, L31 1.85°x1.85°, L29
C3T63 CGCM3.1 (T63), Canada T63, L31 1.4°x0.94°, L29
CNRMC CNRM-CM3, France T63, L45 1.875°x(0.5-2°), L31 CSIRO CSIRO-Mk3.0, Australia T63, L18 1.875°x0.84°, L31
GFD20 GFDL-CM2.0, USA 2.5°x2.0°, L24 1.0°x(1/3-1°), L50 GFD21 GFDL-CM2.1, USA 2.5°x2.0°, L24 1.0°x(1/3-1°), L50
GISSA GISS-AOM, USA 4°x3°, L12 4°x3°, L16 GISSH GISS-EH, USA 5°x4°, L20 5°x4°, L13
GISSR GISS-ER, USA 5°x4°, L20 5°x4°, L13
IAPFG IAP-FGOALS1.0-G, China 2.8°x2.8°, L26 1°x1°, L16 INMCM INM-CM3.0, Russia 5°x4°, L21 2.5°x2°, L33
IPSLC IPSL-CM4, France 2.5°x3.75°, L19 2°x(1-2°), L30 MPICM ECHAM5/MPI-OM, Germany T63, L32 1°x1°, L41
MRICM MRI CGCM2.3.2A, Japan T42, L30 2.5°x(0.5-2.0°)
NCARC NCAR-CCSM3, USA T85, L26 1°x(0.27-1°), L40 NCARP NCAR-PCM, USA T42, L18 1°x(0.27-1°), L40
UKMOC UKMO-HadCM3, UK 3.75°x2.5°, L19 1.25°x1.25°, L20 UKMOG UKMO-HadGEM1, UK 1.875°x1.25°, L38 1.25°x1.25°, L20
INGVE INGV-SXG, Italy T42, L19 2°x(0.5-2°), L31
• 20 modelos GCM para 2050, 9 para 2020 (datos de Stanford) downscaled a 20km, 5km, 1km.
• 7 GCMs con información decadal de Tyndall Centre.
• Cálculos de anomalías 24 GCMs.
¿Qué datos climáticos tenemos en CIAT?Blades
Servidores
Discos en línea
WorldClim• Hijmans et al. (2005). Promedio del los años 1950-2000.
– 47,554 estaciones de precipitación.– 24,542 estaciones de temperatura media.– 14,835 estaciones de temperatura mínima y máxima.
Downscaling0.5 grados (~55 km) hasta 30 sec (~1 km)
¿Para qué sirven estos datos?
0
2
4
6
8
10
12
1 2 3 4 5 6 7 8 9 10 11 12Month
Pre
cip
itat
ion
co
effi
cien
t o
f va
ria
tio
n (
%)
0
1
2
3
4
5
6
7
8
9
Te
mp
erat
ure
co
effi
cien
t o
f va
ria
tio
n (
%)
Precipitation Mean temperature Maximum temperature Minimum temperature
Site-specific monthly coefficient of variation using 18 GCM models (IPCC, 2007) for precipitation and temperature
Descripción de clima y tendencias
Region DepartamentoCambio en
Precipitacion
Cambio en Temperatura
media
Cambio en estacionalidad de
precipitacion
Amazonas Amazonas 12 2.9 1.4 0 135Amazonas Caqueta 138 2.7 -1.3 0 193Amazonas Guania 55 2.9 -3.2 0 271Amazonas Guaviare 72 2.8 -2.9 -1 209Amazonas Putumayo 117 2.6 0.6 0 170Andina Antioquia 18 2.1 1.3 0 129Andina Boyaca 50 2.7 -3.9 -1 144Andina Cundinamarca 152 2.6 -2.6 0 170Andina Huila 51 2.4 1.0 0 144Andina Norte de santander 73 2.8 -0.4 0 216Andina Santander 51 2.7 -2.4 0 158Andina Tolima 86 2.4 -3.1 0 148Caribe Atlantico -74 2.2 -2.9 2 135Caribe Bolivar 90 2.5 -1.8 0 242Caribe Cesar -119 2.6 -1.3 0 160Caribe Cordoba -11 2.3 -3.8 0 160Caribe Guajira -69 2.2 -1.8 0 86Caribe Magdalena -158 2.4 -1.8 0 153Caribe Sucre 10 2.4 -4.1 -1 207Eje Cafetero Caldas 252 2.4 -4.2 -1 174Eje Cafetero Quindio 153 2.3 -4.1 -1 145Eje Cafetero Risaralda 158 2.4 -3.5 -1 141Llanos Arauca -13 2.9 -6.4 -1 188Llanos Casanare 163 2.8 -5.7 -1 229Llanos Meta 10 2.7 -5.4 -1 180Llanos Vaupes 46 2.8 -1.4 0 192Llanos Vichada 59 2.6 -2.6 0 152Pacifico Choco -157 2.2 -1.2 0 148Sur Occidente Cauca 172 2.3 -1.6 0 168Sur Occidente Narino 155 2.2 -1.4 0 126Sur Occidente Valle del Cauca 275 2.3 -5.1 -1 166
Identificación de tendencias
Además, los datos climáticos sirven para…
• Descripción del clima actual y futuro de todo el mundo o de cualquier punto específico.
• Evaluación de impacto– Modelos: MaxEnt, Canasta, EcoCrop, DSSAT.
• Evaluación de impacto de medidas: ¿Qué sería más costoso? ¿Qué sería más beneficioso?
• Establecimiento de políticas e incentivos.
Evaluación de impacto
Climaactual
Cultivo actual
Rendimiento, presión de plagas, enfermedades, etc.
Climafuturo
Rela
ción
Cultivo futuro
Rendimiento, presión de plagas, enfermedades, etc.
Proyección
Clave en la investigación
Métodos de análisis y modelación
• Desde lo general a lo local– Modelo general: EcoCrop– >=1 dato de presencia del cultivo: Homologue– >25 Datos de presencia de cultivos: MaxEnt– >25 Datos de presencia de cultivo e índice de
productividad/calidad por cada punto: CaNaSTA
Con su aplicación se pueden generar análisis de impacto productivo y económico, claro está, teniendo en cuenta las incertidumbres.
Evalúa las condiciones climáticas adecuadas de temperatura y precipitación dentro de una estación de crecimiento. Además, calcula la adaptabilidad resultante de la interacción entre temperatura y precipitación.
EcoCrop ¿Cómo evalúa el impacto?
EcoCrop: calibrando y analizando
Parámetros base según FAO Parámetros revisados por expertos de CIP
Papa
Homologue• Funciona con la coordenada de un punto donde se
ha reportado el cultivo.
Sitios similares al Tambo, Cauca
MaxEnt• Encuentra el nicho de un cultivo o especie animal basado
en probabilidades de presencia.
Distribución de probabilidad alrededor de cada variable
Modelo probabilístico multivariado
Distribución probabilística potencial
Evidenciade
presencia
Variables ambientales
Evidenciade
presencia
Variables ambientales
Evidenciade
presencia
Variables ambientales
socioeconomicas
Crop Niche Selection in Tropical Agriculture (CaNaSTA)
Modelo probabilístico para identificar la productividad/calidad de un cultivo (e.g. café)
Calidad más probable
Decision Support System for Agrotechnology Transfer (DSSAT)
Es un modelo mucho más detallado. Entre sus características principales están: Ajuste de parámetros de cultivo, sólo trabaja con cultivos principales (e.g. arroz, maíz, yuca) requiere datos muy precisos, diarios.
Cebada Maíz Arroz Trigo$100,000,000
$50,000,000
$0
$50,000,000
$100,000,000
$150,000,000
$200,000,000$23,5
35,6
76
$45,6
90,0
20
$173,5
41,0
25
$54,4
31,4
78
$45,2
55,8
08
$6,8
41,5
99
$6,5
76,9
91
$109,6
95,2
31
-$21,7
20,1
33
$38,8
48,4
21
$166,9
64,0
34
-$55,2
63,7
53
Ganancia
Pérdida
Balance
Dó
lare
s a
meri
can
os d
e 1
999 -
2001 (
US
$)
Cebada Maíz Arroz Trigo-60%
-20%
20%
60%
100%
-38.3%
96.0%86.2%
-50.7%
Impacto sobre valor de la producción
En términos económicos, un ejemplo de Uruguay
Evaluación de impacto usando modelos de nicho ecológico - resumen
• Diversos métodos con características comunes:– Usan datos ambientales de entrada.– Fácilmente aplicables.– Versátiles por sistema productivo/cultivo.– Permiten incorporación de más datos si están
disponibles.
Ante el evidente cambio en el clima y las oportunidades de análisis ofrecidas por las herramientas de modelamiento, se podrían encontrar caminos efectivos para adaptar el sector
agrícola al CC.
Foto por Neil Palmer (CIAT).
¿Dónde está el fríjol en la actualidad?
Growing season (days) 90
13.6
17.5
23.1
25.6
Minimum absolute rainfall (mm)
200
Minimum optimum rainfall (mm)
363
Maximum optimum rainfall (mm)
450
Maximum absolute rainfall (mm)
710
Killing temperature (°C) 0
Minimum absolute temperature (°C)
13.6
Minimum optimum temperature (°C)
17.5
Maximum optimum temperature (°C)
23.1
Maximum absolute temperature (°C)
25.6
Parámetros determinados con base en análisis estadístico de los actuales ambientes de crecimiento del cultivo LAC y África.
0
5
10
15
20
25
30
35
40
-25% -20% -15% -10% -5% None +5% +10% +15% +20% +25%
Crop resilience improvement
Ch
ang
e in
su
itab
le a
reas
[>
80%
] (%
)
Cropped lands
Non-cropped lands
Global suitable areas
Opciones tecnológicas: mejoramiento para tolerancia a sequía o anegamiento
0
2
4
6
8
10
12
14
Ropmin Ropmax Not benefited
Ben
efit
ed a
reas
(m
illi
on
hec
tare
s) Currently cropped lands
Not currently cropped landsDrought tolerance
Waterlogging tolerance
Aproximadamente el 22.8% (3.8 millones de ha) de las hectáreas cultivadas se beneficiarían de mejoramiento por tolerancia al la sequía en 2020
Opciones tecnológicas: mejoramiento para tolerancia al calor al frío
0
10
20
30
40
50
60
70
-2.5ºC -2ºC -1.5ºC -1ºC -0.5ºC None +0.5ºC +1ºC +1.5ºC +2ºC +2.5ºC
Crop resilience improvement
Ch
ang
e in
su
itab
le a
reas
[>
80%
] (%
)
Cropped lands
Non-cropped lands
Global suitable areas
0
2
4
6
8
10
12
14
Topmin Topmax Not benefited
Ben
efit
ed a
reas
(m
illi
on
hec
tare
s)
Currently cropped lands
Not currently cropped lands
Cold tolerance
Heat tolerance
Aproximadamente el 42.7% (7.2 millones de ha) de las hectáreas cultivadas se beneficiarían de mejoramiento por tolerancia al calor en 2020
Sistemas Silvopastoriles (SSP)
Foto por Neil Palmer (CIAT).
Foto por Neil Palmer (CIAT).
1. Los SSP tienen mucho potencial para mitigar el cambio climático: convertir tierra degradada y con bajo rendimiento a sistemas productivos con secuestros altos de carbón.
2. Se ha demostrado que los SSP suelen aumentar producción de leche y carne.
3. La sombra, baja la temperatura y mantiene la humedad del suelo, obteniendo aptitud climática adecuada para cultivos que sufren con el calor.
4. La diversidad en SSP proveen mejor resistencia a la variabilidad climática, y asegura la provisión constante de alimento animal, aún en caso de sequía.
Recuperación de corredores ribereños
Piedemonte llanero, Colombia
Estado inicial: Julio 17, 2007
Agosto 15, 2008
13 meses
Octubre 22, 2008
15 meses
Sombra para el café
Foto por Neil Palmer (CIAT).
Aptitud climática del café en Cauca
Modelación del cambio en adaptabilidad de café de 2000 a 2020 y a 2050
Cambios significativos a 2020 en algunas
MESETA
Zonanueva
Usando sombrapara adaptar
• La sombra puede bajar la temperatura hasta 4°C.
• Los cultivos que dan sombra (e.g. plátano) proveen una manera de diversificar (adaptar).
Foto por Neil Palmer (CIAT).
Sugerencias para cuandola adaptación no sea posible
1. Producir otros cultivos - diversificar.
(en la granja)
2. Cambiar de fuente de ingreso. (fuera de la finca)
3. Migrar a otro lugar, normalmente hacia arriba.
Los investigadores podemos apoyar a los actores en las cadenas de producción y
ayudar a que aprovechen las oportunidades.
Las medidas…• Pronósticos más precisos con plazos más largos
para su ejecución.
• Instalación de sistemas de alerta temprana para productores y mercados, minimizando la volatilidad de los precios.
• Mejoramiento de la repuesta temprana a los eventos climáticos catastróficos.
Vinculando agricultores a las cadenas de mercado
Enabling environment
(public / donor policies)
Willing buyers (private sector policies)
Capable farmers (skills, capacity &
organization)
New business models for sustained trading relationships
Lear
ning
allia
nces
publ
ic se
ctor
Learning alliances
with NGOs
Action research & incidence
En resumen…1. Si tenemos los datos, entonces…2. Podemos predecir el impacto sobre los cultivos.3. Y sugerir estrategias básicas como por ejemplo:
1. Cambio en variedades (sustitución, diversificación).2. Cambio de área cultivada (migración).3. Tecnologías de mejoramiento de cultivos.4. Estrategias específicas para cultivos específicos (e.g. sombrío para
café).5. Cambio de cultivo (casos extremos).
4. Además, es necesario realizar pruebas de campo para validar las nuevas tecnologías.
5. Y acompañar la validación con estudios de mercado e impacto económico.
6. La transferencia de tecnologías juega un papel crítico para el sector agrícola, pero especialmente para el bienestar de los pequeños y medianos agricultores.
Conclusiones• Sabemos que el clima está cambiando, pero, ¿qué
tanto resistirán nuestros sistemas productivos de no hacer nada para afrontarlo?
• Es necesario adelantarnos a los impactos para proponer medidas oportunas.
• Se debe definir una estrategia para cada lugar y sistema productivo – no existe un modelo de eficacia universal.
• Se necesita un enfoque multidisciplinar (geográfico, económico, social) para afrontar el CC.
¡Gracias! Para más información: [email protected] o dapa.ciat.cgiar.org
Foto por Neil Palmer (CIAT).
