Proyecciónde la Emisión, reservaCarbono, y economía Baja emisióny desarrollo
1. +
Proyección de la Emisión,
reserva Carbono, y economía
Baja emisión y desarrollo
Akiko Haruna, Research Analyst
Ho-Young Kwon, Research Fellow
IFPRI
2. +
El contenido de la presentación
Resumen
Tipos de experiencias de recursos humanos
Capaz, y posibilidad para el futuro
3. +
Enfoque general
Mejor resolución & Cobertura nacional = Modelo cultivo y SIG
Balance de la baja emision y economia = approximación: El
impacto a la realización del doble-objetivo de la conomia
global y local -> el patrón del uso de tierra
DNDC
SIG
IMPACT
Modelo
de uso de
la tierra
Precio,
cosecha,
area, etc
Economia
Uso de la
tierra
Distribución
de cultivo
Emisión
Reserva C
6. +
Tier 1
Unico factor de emisión / proporción de fertilizante N (1%)
Nivel global
Tier 2
Consideración de fuentes de N, manejo, tipo de cultivo, uso de tierra etc
Nivel nacional o regional
Tier 3
Enfoque de Process-based simulation model
Conocimiento completo del proceso de la emisión de suelo
Cubre una gran escala con variedad de suelos, climas y sistema de cultivo
Modelos disponibles
DNDC (Denitrification and Decomposition model)
DAYCENT (Daily version of CENTURY SOM model)
Ecosys, APSIM, and EPIC
PRPORGANICINPUTSDIRECT ONONONON 2222
INPUTSOMCRONSNINPUTS EFFFFFON 2
Emisión – Emfoque de IPCC
7. +Emision - Area de cultivos
Modelo de cultivo (Modelo Biogeoquimico, Process-based
Simulation Model)
Crecimiento de cultivos, Hydrologia, Ciclo de materiales
• Phenology
• Leaf area dynamics
• Radiation interception
• C and nutrient partitioning
Crop growth
•Evapotranspiration
•Runoff
•Drainage and irrigation
Hydrology
•SOM decomposition
•Allocation of C and nutrients to SOM pools
Soil organic matter (SOM) cycling
• Climate data
o Precipitation,
temperature, and
solar radiation
• Soil characteristics
o Texture, water holding
capacity, and saturated
hydrologic conductivity
• Management options
o Crop cultivar, planting date
and density, fertilizer
application rate, and tillage
Soil
Organic
Matter
Cycling
Crop
growth
Hydrol
ogic
proces
s
Crop yields
Agronomic indices
(harvest index and root
to shoot ratio)
Soil C sequestration
Greenhouse gas
emissions
Nutrient
leaching
8. +IFPRI Utilizes Process-based Models
Crop yield responses to
Climatic condition and farming practices (Global
scale)
Biochar application (Ghana and Vietnam)
Greenhouse gas emission changes to
Land use change and/or conversion (India,Vietnam)
Soil C stock changes to
Land degradation (Sub-Saharan Africa, Central Asia)
10. +
Informaciónes requireridas para la
simulación
State-level data
Dominant cropping systems
Maize, rice, etc.
Crop management (fertilizer&manure, tillage&residue, yield, irrigation,
etc etc)
Remote sensing data (10 by 10km girds)
Climate data (WorldClim – Global Climate Data)
Monthly temperature and precipitation for current conditions
Soil characteristics (Harmonized World Soil database)
Textures (clay, silt and sand contents), organic C contents, bulk density, pH
for topsoil (0-30 cm) and subsoil (30-100 cm)
Crop calendar (Center for Sustainability and the Global
Environment)
Planting and harvesting dates
11. + Parametros y manejo de cultivo en
Colombia
Crop
Sub_zonas
(Primer y segundo
departamento
MAYOR
productor)
Manejo
Region
Average
fertilization (Kg
of N) Labranza y manejo de residuo Rotacion % Irrigated Area
Potential yield
Tn/Ha
Sugarca
ne
Pacific Valle del cauca 80-125
Incorporado al campo por medio de maquinas para
reintegración de nutrientes, la caña no requiere mucha
labranza durante su periodo de crecimiento, solo a la
siembra.
No 95% 240.0
Pacific Cauca 80-125
Incorporado al campo por medio de maquinas para
reintegración de nutrientes, la caña no requiere mucha
labranza durante su periodo de crecimiento, solo a la
siembra.
No 95% 240.0
Oil
palm
Llanos Meta 214,5 Urea
Preparacion del terreno antes de la siembra y los
residuos son dejados en el campo (reincorporated)
No 50% 4.0
Andean Santander 214,5 Urea
Preparacion del terreno antes de la siembra y los
residuos son dejados en el campo (reincorporated)
No 10% 4.0
Maize
caribe Cordoba 40 kg/ha Urea
Incorporado al campo por medio de maquinas para la
integración de nutrientes en el suelo para la siguiente
rotación con algodón.
Each 6 months
they change
maize with
cotton
0 6.0
andean Tolima
180 kg/Ha
nitroxtend
Incorporado al campo por medio de maquinas para la
integración de nutrientes en el suelo para la siguiente
rotación
Each 6 months
they change
maize with rice
and soja
25 % - 30% 5.5
Cassava
Andean Cauca 0 Tillage and reincorporated No 0% 25
Caribe Cordoba y Sucre 50 Kg/Ha Tillage and reincorporated No 0% 20-25
Llanos
Pacifico
Depende de la
20. +Simulation outputs 2
Grid_ID LeachN DepositN FixedN Miner_N
Fertilize
rN
Manure
N LitterN dSON H2Otran
H2Oeva
p
H2Orun
of
kgN/ha kgN/ha kgN/ha kgN/ha kgN/ha kgN/ha kgN/ha kgN/ha mm mm mm
4424974 3.15 0.17 0 11.73 50 0 7.15 -1.47 121 797 0
4424974 1.45 0.2 0 15.32 50 0 22.85 -5.94 119 896 0
Grid_ID
H2Oleac
h H2Oirri
H2Opre
c
dSoilH2
O MeanT
Country
ID
WaterStr
ess N_Stress T_stress
Grid_ID mm mm mm mm
Degree
C
Country
ID
WaterStr
ess N_Stress T_stress
4424974 1177 37 2019 -39 26.84 57 0.99 0.41 1
4424974 1399 48 2304 -63 27.37 57 0.99 0.43 1.01
5
Año 1 y 2, Maiz en el Grid ID 4424974
21. +
Calibration and Verification
Evaluación
Calibración
obtener resultados similares que
datos observados (yield, especially)
Ajustar parametros y manejo cultivo
->Necesidad de datos locales
Verificación
Estudios que existen del area
23. +
Dato de la base de la estimación
Modelo del uso de la tierra: Por los dos periodos,
Proporción de la distribucion de area de los
cultivos y cobertura por municipalidad
Selección del cultivo
Selección del cobertura
24. +
GWP total - cultivo
GWP = (”dSOC”+ ”CH4”) * (-44/12) +”CH4”* 16/12*21 + ”N2O” * 44/28*310
Total cropland emission =Σj,k(Cropj average GWP in
municipalityk *Cropj area in municipalityk )
25. +
GWP total - cultivo
2008 2030
maiz 1.31 1.23
palma 1.42 1.63
plantano 1.55 1.50
arroz 4.86 4.61
yuca 0.48 0.46
papa 0.66 0.68
Unidad:Tg C
26. +
Emisión - Area pasto
Emisión total nacional en 2008 / cabeza = Emisión por cabeza
Emisión total t = Emision por cabeza * area t* intensidad t
Intensidad <- La taza del crecimiento de la cabeza matada de
ganado, IMPACT, a nivel nacional
Elements Año 2008
Emissions (CH4) (Enteric fermentation) 1,639.71
Direct emissions (N2O) (Manure management) 1.38
Indirect emissions (N2O) (Manure management) 0.32
Emissions (CH4) (Manure management) 39.56
Emissions (N2O) (Manure management) 1.7
Direct emissions (N2O) (Manure on pasture) 35.73
Indirect emissions (N2O) (Manure on pasture) 8.1
Emissions (N2O) (Manure on pasture) 43.83
Sum (CO2 eq) 49,377.72 (FAOSTAT,Unidad:
1000ton)
27. +
Reserva carbono
a Figures are only for perennial crops.
Reserva de Carbono
Land use category Sobre tierra Baja tierra suelo
Cropland YES a YES a YES
Pasture YES YES YES
Forest YES YES YES
Resto YES YES YES
DNDC
SIG
IMPACT
Modelo
de uso de
la tierra
Precio,
cosecha,
area, etc
Economia
Uso de la
tierra
Distribución
de cultivo
Emisión
Reserva C
28. +
Reserva Carbono - suposición
Captiva el cambio de la proporción por nivel municipalidad
DNDC: cambio entre el mismo uso de tierra
Selección del uso de tierra
2008
2030
29. +
Reserva Carbono - suposición
Aplicar la taza de reserva 2008 por cada cobertura por
municipalidad a 2030 <- etapas de bosque, camino de
cambio
Diferencia entre reserva t1 y reserva t2 = la perdida
C ton/ha Area
2008(ha)
C total (ton) Area
2030(ha
)
C total
(ton)
bosque 120 1000 120*1000 920 120*800
pasto 20 500 20*500 550 20*550
perenne 30 20 30*20 10 30*10
Arbustales y
vegecación
40 300 40*300 350 40*350
Ejempro: Municipalidad A
30. +
Reserva Carbono - enforque
Trabajo de SIG
SOC
Harmonized World Soil Database
(FAO/IIASA/ISRIC/ISS-CAS/JRC)
Biomasa sobre tierra :
Pasto
(Anaya et al, 2009)
Biomasa sobre tierra:
Forestal, arbustales y
vegetación segundara
(NASA (Saatchi et al, 2011))
31. +
Reserva Carbono - enforque
Sobreponer con el mapa spatial de la cobertura y el mapa
de los limites = por cobertura por municipalidad
Bajo tierra: proporsión de raíces
Biomasa sobre-tierra Cobertura Litmité
32. +
Reserva Carbono - suelo
Sobreponer el mapa SOC con la taxonomia dominante de
suelo, la cobertura, y los limites -> weighted average por
cobertura por municipalidad
IPCC default soil classes derived from the
Harmonized World Soil Data Base (Ver.
1.1) (Niels, 2010)
SOC Cobertura LimitéTaxonomia
33. +
Reserva Carbono total
Total aboveground, belowground soil C stock =Σj,k(average C
stock in municipalityk in Land usej * size of land usej in
municipalityk )
Land use model
Cropland area
(per municipality)
Aboveground,
belowground and soil
C stock(per grid)
Forest (ton/ha)
Pasture (ton/ha)
Cropland (ton/ha)
Other land use
(ton/ha)
Forest (ha)
Pasture (ha)
Cropland (ha)
Other land use
(ha)
1,250
560
840
320
240
270
36. +
Hacia futuro
Emisión y reserva de cultivo
Modelación DNDC de Perenne (cifra de literatura en este
momento)
Cifra de literatura de reserva de perenne
Configuración con cosecha de IMPACT
Emisión de pasto
Cifra regional de emisión por cabeza presente y futuro
Pasture DNDC, Manure DNDC
Emisión de bosque
Forest DNDC : etapa de crecimiento
Quema de los bosques
Emision desde conversión de cubertura
Identificación de patrón de cambio en el nivel pixel
37. +
Economía
DNDC
SIG
IMPACT
Modelo
de uso de
la tierra
Precio,
cosecha,
area, etc
Economia
Uso de la
tierra
Distribución
de cultivo
Emisión
Reserva C
Land use category
Cropland YES
Pasture YES
38. +
Economía – enfoque
Ingreso de los productores
TRt(total revenue in period t) = Σj,k,t ( Ppjkt (producer price
of product j in regionk)* Qjkt (quantity of product) )
Qjkt(crop)=Yjkt (yield) * Ajkt (area)
Qjkt(livestock)=Yjkt (meat / dairy per head ) * Ijkt (intensity)
* Ajkt (area)
Precios implusavos de la economica global
Cosecha refleja condiciónes socioeconomicas
(IMPACT)
Costo de producción : constante
Intensidad: elaborada desde # matados
42. +
Enfoque de la integración
Capa multi-disciplinaria
Sistema de información geográfica, economía, y ciencia de la
emisión y reserva de carbono, y agronomía
Coordinación y compatibilidad de datos de los modelos
Planificación del ultimo resultado (output image)
Comunicación en detalles con generadores de los
modelos
Estandarización del formato de los datos generados
Proceso automatizado
43. +
Puede modificar supocisión del cada proceso
Puede modificar la linea base y clear los
escenarios
Ventaja: Flexibilidad
Resoluciones diferentes
Formatos diferentes
Unidades diferentes
Lenguas diferentes
Años diferentes
Fuentes misteriosos
Datos parciales
Limpiar, combinar,
analizar, reportar,
Cambios y modificacion de
los modelos, datos,
escenarios