Este documento discute los modelos y métodos para proyectar los impactos del cambio climático en la agricultura de Colombia. Explica la necesidad de datos climáticos a escalas locales para la agricultura y analiza diferentes opciones como los modelos climáticos globales, los modelos climáticos regionales y el downscaling estadístico. También discute las fuentes de incertidumbre y la necesidad de usar múltiples enfoques para mejorar la comprensión de los posibles escenarios climáticos futuros.

1. Impactos del cambio climático en Colombia: Modelos y metodos Andy Jarvis, Julian Ramirez,

2. Contenido La demanda de la agricultura Un breveintroduccion a los modelos Downscaling empirico Downscaling con RCM Perspectivaspara el futuro

3. La demanda - resolucion Agricultura esunaindustria de nicho Entoncesnecesitamosdatos de climarelevantesparacaracterizar el nicho Escala: 1km, 90m?

4. La demanda - variables Necesitamos multiples variables Temperatura Max, min, media Precipitacion Humedadrelativa Radiacion solar Vientos ……. Menosimportantes Mascertidumbre

6. Estamosbuscandopronosticosparavariabilidadclimatica (within season, seasonal, annual, Nino/Nina)

8. Los modelos Empezo con los GCMs Grillasgrandes, muycomplejos Vamoshacia los RCMs Grillasmaspequenhas, igualmentecomplejos

9. Modelos GCM : “Global ClimateModels” 21 “global climatemodels” (GCMs) basados en cienciasatmosféricas, química, física, biología etc. Se corre desde el pasado hasta el futuro Hay diferentesescenarios de emisionesde gases INCERTIDUMBRE POLITICO (EMISIONES), Y INCERTIDUMBRE CIENTIFICO (MODELOS)

12. MENSAJE 1 En la agricultura, lasdiferentesescenarios de emisiones no son importantes: de aqui a 2030 la diferencia entre escenarioses minima

16. CCCMA-CGCM3.1 T47 BCCR-BCM2.0 CCCMA-CGCM2 CCCMA-CGCM3.1-T63 CNRM-CM3 IAP-FGOALS-1.0G CSIRO-MK3.0 IPSL-CM4 MIROC3.2-HIRES GISS-AOM GFDL-CM2.1 GFDL-CM2.0 MIROC3.2-MEDRES MIUB-ECHO-G MPI-ECHAM5 MRI-CGCM2.3.2A NCAR-PCM1 UKMO-HADCM3

17. CCCMA-CGCM3.1 T47 BCCR-BCM2.0 CCCMA-CGCM2 CCCMA-CGCM3.1-T63 CNRM-CM3 IAP-FGOALS-1.0G CSIRO-MK3.0 IPSL-CM4 MIROC3.2-HIRES GISS-AOM GFDL-CM2.1 GFDL-CM2.0 MIROC3.2-MEDRES MIUB-ECHO-G MPI-ECHAM5 MRI-CGCM2.3.2A NCAR-PCM1 UKMO-HADCM3

18. MENSAJE 2 La incertidumbrecientificoSIesrelevantepara la agricultura: tenemosquetomardecisionesdentro de un contexto de incertidumbre Y Depender de un solo GCM espeligroso

19. Opcionespara downscaling Uso de GCMs de altaresolucion MRI es un GCM con 20km resolucion (Japones) Uso de una o multiples RCMs (dynamical) PRECIS Downscaling empirico (statistical) CLIMGEN con el Tyndell Ramirez y Jarvis usandoWorldClim Downscaling hybrid (RCM + empirico)

20. Mitchell TD and Osborn TJ (2005) ClimGen: a flexible tool for generating monthly climate data sets and scenarios. Tyndall Centre for Climate Change Research Working Paper. Ghaffari et al., 2002. Climatic change Tubiello et al., 2000. Eur. Jour. Agron. Arnell and Osborn (2006)…

22. Datos de Tyndall Centre A1B: 2020, 2030, 2040, 2050, 2060, 2070, 2080… 7 modelosrepresentativos: CCCMA-CGCM3.1 CSIRO-MK3.0 IPSL-CM4 MPI-ECHAM5 NCAR-CCSM3.0 UKMO-HADCM3 UKMO-HADGEM1

23. CCCMA-CGCM3.1 CSIRO-MK3.0 IPSL-CM4 MPI-ECHAM5 NCAR-CCSM3.0 UKMO-HADCM3 UKMO-HADGEM1 2020 A1B

24. CCCMA-CGCM3.1 CSIRO-MK3.0 IPSL-CM4 MPI-ECHAM5 NCAR-CCSM3.0 UKMO-HADCM3 UKMO-HADGEM1 2050 A1B

25. CCCMA-CGCM3.1 CSIRO-MK3.0 IPSL-CM4 MPI-ECHAM5 NCAR-CCSM3.0 UKMO-HADCM3 UKMO-HADGEM1 2020 A1B

26. CCCMA-CGCM3.1 CSIRO-MK3.0 IPSL-CM4 MPI-ECHAM5 NCAR-CCSM3.0 UKMO-HADCM3 UKMO-HADGEM1 2050 A1B

27. Downscaling a la Ramirez y Jarvis 50km no essuficientepara la agricultura Solucion: Downscaling empiricousando el metodo delta, basado en WorldClim Un supuesto: a nivel local, la distribucionespacial de clima no cambia, solo a nivel macro

29. Based on 47,554 precipitation stations, 24,542 mean temperature stations, 14,835 minimum and maximum temperature stations

30. Interpolated using a thin-plate smoothing spline in the AnuClimsoftwareCitado > 500 veces de 2005-2009

32. ~1500 stations in Colombia

33. For precipitation, spline interpolation method uses elevation as a co-variable, and searches for local correlations to make an “informed” interpolation between points. To illustrate, rainfall around Cali.

35. Precipitation : 11.2km

36. Mean temperature : 30.7km

37. Minimum/maximum temperature : 33.4km

38. Average distance from a WCMC cloud forest site to a WorldClim station:

39. Precipitation : 20.6km

40. Mean temperature : 38.8km

44. Incertidumbre

45. Incertidumbre

47. RCM: PRECIS, con boundaryconditions de ECHAM4, ECHAM5, HADCM3 x 4En camino

48. Arreglo de disco Alternate servers Arreglo de disco Blade Array disk

49. La demanda vs. la oferta

50. Entoncesquehacemosfrentetodoesto? No hay una sola estrategiagana-gana Necesitamos multiples acercamientosparamejorar la base de informacionacerca de escenariosde cambioclimatico Desarollo de RCMs (multiples: PRECIS NO ES SUFICIENTE) Downscaling empirico, metodoshybridos Probamosdiferentesmetodologias Se requiereflujo de informacion (CCC): compartimos, comparemos, charlamos (chismoseamos)