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

Carlos Navarro-Racinesc.e.navarro@cgiar.org

Gracias & Bendiciones!