Este documento describe el impacto de la variabilidad climática en el sector agropecuario y las medidas de adaptación. Explica cómo la variación de la temperatura del mar puede alterar los patrones climáticos regionales y cómo modelos de cultivo y pronósticos climáticos estacionales pueden usarse para identificar las mejores fechas de siembra y variedades para maximizar los rendimientos agrícolas bajo diferentes condiciones climáticas. También presenta ejemplos de cómo generar pronósticos agrometeorológicos para el cultivo del arro

1. IImmppaaccttoo ddee llaa vvaarriiaabbiilliiddaadd cclliimmááttiiccaa ssoobbrree eell
sseeccttoorr aaggrrooppeeccuuaarriioo yy mmeeddiiddaass ddee aaddaappttaacciióónn
Camilo Barrios Pérez
Ingeniero Agrícola
Equipo de modelación de cultivos y clima
Centro Internacional de Agricultura Tropical (CIAT)

2. El Sistema Climático
Procesos diferentes, a escalas diferentes (espacial y temporal)

3. Variabilidad Climática y Cambio Climático: Lenguaje
•2-3 meses
•6 meses – 1 año
•Década(s)
•Varias Décadas
•Siglos
“Variabilidad Climática”
“Cambio Climático”

4. Planificación y Toma de Decisiones: Predicciones
Condiciones atmosféricas: predicciones 1 a 10 días
Atmósfera interaccionando con Océanos y
Tierra: las condiciones varían más
lentamente (”memoria” más larga).
Mejor entendimiento de estas interacciones
permiten la Predicción Climática (3-6 meses)
Calentamiento Global, Cambio Climático:
Además de procesos físicos,
suposiciones sobre Comportamiento Humano
como escenarios de emisiones, tecnologías,
deforestación (INCERTIDUMBRE)
(“Tiempo” 1 – 10 días)
“Variabilidad Climática”
“Cambio Climático”

5. Variación de la temperatura en la superficie
del mar, en el Océano Pacífico Tropical Alteración de los
patrones climáticos
regionales

6. ONI Rad. Solar
Lags (Months) Aumentos en anomalías de TSM generan
-10 -5 0 5 10
-0.10 -0.05 0.00 0.05 0.10 0.15
Lag
ACF
ONI vs Solar Radiation
-10 -5 0 5 10
-0.1 0.0 0.1 0.2 0.3 0.4
Lag
ACF
ONI vs Mean Temperature
-10 -5 0 5 10
-0.15 -0.10 -0.05 0.00 0.05 0.10
Lag
ACF
ONI vs Total Rain
-1.9
15.96
22.33
Mean_SRAD
Correlation 25.66
1.9
-2.4
ONI
15.96
22.33
Mean_SRAD
ONI Temperatura
25.66
-1.9
2.4
ONI
15.96
22.33
Mean_SRAD
25.66
Correlation ONI vs Solar Radiation
ONI vs Mean ONI vs Total Rainfall
aumentos en la componente energética del clima
Aumentos en anomalías de TSM generan
aumentos en la componente térmica del clima
ONI Precipitación
Aumentos en anomalías de TSM generan
disminución en las componentes
hídricas e hígricas del clima
1
2
1

7. Indicador de Condiciones de Macro-Escala (ICME)
Indicador de Condiciones de Macro-Escala (ICME) – Espectros de Potencia
Eventos “El Niño” o
calentamientos extremos
Eventos “La Niña” o
enfriamientos extremos

8. Cross wavelet transform (XWT) - ONI
Apr-84 Jun-88 Aug-92 Oct-96 Dec-00 Feb-05 Apr-09
4
8
16
32
54
Apr-84 Jun-88 Aug-92 Oct-96 Dec-00 Feb-05 Apr-09
Apr-84 Jun-88 Aug-92 Oct-96 Dec-00 Feb-05 Apr-09
Cross wavelet transform (XWT) - RAIN
Apr-84 Jun-88 Aug-92 Oct-96 Dec-00 Feb-05 Apr-09
4
8
16
32
54
Wavelet coherence (WTC) - ONI and RAIN
Apr-84 Jun-88 Aug-92 Oct-96 Dec-00 Feb-05 Apr-09
4
8
16
32
54
 Los espectros de wavelets permiten realizar
correlaciones cruzadas entre eventos naturales
que no tiene una relación lineal entre si.
 Se Identifican Anomalías climáticas extremas
con una frecuencia de 6 meses, dando muestra del
régimen climático bimodal característico de la
región.
Este análisis encuentra
OONNII
periodos en el tiempo, en
los cuales dos series de
tiempo covarían.
IIAAPP

10. -7.05
-4.43
-3.82
-0.48
2.0
0.0
-2.0
-4.0
-6.0
-8.0
1 2 3 4
Indicador (ICR)
Indicador de Condiciones Climáticas Regionales (ICCR)
Condición "La Niña" multianual
5
Condición climática
“Multianual”
Condición climática
“Niño Multianual”
Condición climática
“Niña Multianual”
Indicador de Condiciones Climáticas Regionales (ICCR)
-2.96
Condición general multianual
-1.38
0.01
2.11
2.80
4.00
3.00
2.00
1.00
0.00
-1.00
-2.00
-3.00
-4.00
1 2 3 4 5
0.86
3.10 3.46
5.64 5.55
6.00
4.00
2.00
0.00
-2.00
1 2 3 4 5
Indicador (ICR)
Indicador de Condiciones Climáticas Regionales (ICCR)
Condición "El Niño" multianual

11. 2.0 – 4.0
ICCR
0.0 – 2.0
ICCR
ICCR
-4.0 – -2.0
-2.0 – 0.0
ICCR

12. RReellaacciióónn
ZZoonnaass CClliimmááttiiccaass HHoommóóllooggaass ZZoonnaass PPrroodduuccttiivvaass HHoommóóllooggaass

13. Durante eventos
“La Niña” todas las
ZPH disminuyen los
valores de los
indicadores de
productividad.
Durante eventos
“El Niño” las ZPH
alcanzan un
incremento
generalizado en la
productividad del
cultivo de caña de
azúcar.
Las ZPH 4 y 5
registran el mayor
incremento
porcentual de TCH,
TAH y RC, cercano al
5.0 %, 3.0 % y 0.4 %
respectivamente .
Las ZPH 1 y 2 resultan
ser las más afectadas,
con descensos del
orden de -5.0 % en
TCH y TAH, y de -2.3
% en RC.

15. Identificación
de Zonas Climáticas
Homólogas (ZCH)
GESTIÓN DEL RIESGO
AGROCLIMÁTICO EN
ZONAS PRODUCTORAS
DE ARROZ DE
COLOMBIA
1
Caracterización
Agroclimática
de las ZCH 2
Modelos de
Pronóstios
Climático
Estacional 3
 Pronósticos de rendimiento.
 Buenas practicas de manejo
agronómico.
 Efectos de la variabilidad
del clima.
4 Modelos de
Cultivo de Arroz
Identificación de ambientes
con condiciones
climáticas similares
Entendimiento de los
patrones climáticos
(Relación clima - planta)
Conocimiento de
condiciones climáticas
a corto plazo (3 meses)

16. GGeessttiióónn ddee RRiieessggooss CClliimmááttiiccooss
MMaarrccoo CCoonncceeppttuuaall
Identificar Vulnerabilidades y Oportunidades
(Con los usuarios, Qué Sectores? Qué sistemas? Qué Componentes?)
2. Entender, Cuantificar, Reducir Incertidumbres
Aprender del PASADO, Monitorear el PRESENTE, Información sobre el FUTURO
3. Identificar Tecnologías que Reducen Vulnerabilidad
Diversificar, Almacenamiento y Uso Eficiente del Agua, Genética, etc.
4. Identificar Arreglos Institucionales e Intervenciones
en Políticas que Reducen y/o Transfieren Riesgos
- Sistemas de Alerta Temprana y de Respuesta Temprana
- Seguros (incluyendo Índices Climáticos), Créditos Recuperación, etc.
- Arreglos Institucionales, Políticas

17. ANÁLISIS PARTICIPATIVO
ANALISIS AGROCLIMATICOS COMPLEMENTARIOS DE APOYO PARA SELECCIÓN MEDIDAS
ADAPTATIVAS SEGÚN ESCENARIOS DE VARIABILIDAD CLIMATICA ENSO

19. Contexto Local – Cultivo del Arroz
 En los ultimos 6 años el sector arrocero del pais
no ha sido ajeno a los problemas de bajo
rendimiento.
Bajo Cauca 2007
Llanos 2011
Centro 2009-2010
 Altos niveles de vaneamiento.
 Baja radiación solar, aumento de temperaturas,
bajos niveles de precipitación, mala distribución de
lluvias.
 Presencia de enfermedades.
Costos de producción
Reducción de menos del 50% de sus cosechas
(Hernández L. 2012)

20. Generación de pronósticos agro-meteorológicos:
caso arroz en Colombia
En qué consiste?
Establecer pronósticos agroclimáticos a partir del uso de modelos de predicción
climática periódica y modelos de cultivos (modelos mecanísticos).
24
8
6
4
2
Cluster_Multianual Cluster_Nina
-76 -75 -74 -73 -72
Cluster_Nino
-76 -75 -74 -73 -72
12
10
8
6
4
2
Regiones agroclimáticas
Cultivo de arroz
Modelo calibrado y
evaluado
Información de condiciones
climáticas pronosticadas
(precipitaciones, Temperaturas y Rad.
Solar) ingresan al modelos de cultivo.
Proyección de la dinámica
de crecimiento del cultivo
Pronósticos de rendimiento del cultivo

21. PPrroonnóóssttiiccooss ppeerriióóddiiccooss
ddee CClliimmaa

24. K
F
C
N K
F
S S
C
N
Clima
Manejo
Suelo
Planta

25. 29
Modelos de cultivo y generación
pronósticos agro-meteorológicos
A que necesidad responde?
Identificación de los momentos de
siembra más oportunos (Con mejor
oferta ambiental) para el crecimiento
del cultivo.
Planificación
de siembras.
Selección de variedades con
mejor respuesta a condiciones
climáticas pronosticadas.
11
22
33

26. 30
Modelos de cultivo y generación pronósticos
agro-meteorológicos (Espinal – Tolima)
Momentos oportunos para el crecimiento y desarrollo del cultivo
Durante el primer
trimestre del año
(Enero - Marzo) las
variedades Fed60 y
Fed733 muestran un
mejor desempeño.
Durante el segundo
trimestre del año
(Abril – Junio) siembras realizadas
con Fed2000
muestran los mejores
rendimientos.
Durante este periodo,
las variedades Fed60
y Fed733 sufren un
descenso en los
rendimientos.
Por su parte, para el
segundo semestre del año,
las siembras realizadas
con las variedades Fed733
y Fed60 muestran los
mejores rendimientos.
La variedad Fed2000
muestra los rendimientos
más bajos en las siembras
realizadas entre los meses
Agosto y octubre.

27. Aplicación del modelo: Determinar la mejor fecha de siembra en saldaña – Fed 2000
Se simuló el desarrollo del cultivo para el periodo (1980 - 2013), variando la fecha de siembra cada 10 días
Rend_Importante estudiar estas Promedio: 9000 (Kg/ha)
condiciones, en las que se obtuvo
rend > 9500 Kg/ha.
08 Mar 18 Mar 28 Abr 07 Abr 14 Abr 24 Abr 07 May 14 May 24 May 05 Jun 16 Jun 26 Jun 06 Jul 16 Jul 26 Jul

29. Pronostico de rendimiento de la variedad Fed2000– Teniendo en cuenta el pronóstico del
clima (Periodo Mayo- Diciembre de 2014)
Sí se toma la decisión de sembrar hasta el 20 de junio, el
rendimiento obtenido puede estar alrededor de 4500 kg/ha.
5 May 25 May 19 Jun 14 Jul 08 Jul
Fecha de siembra
El rendimiento simulado se
realizó bajo condiciones de
riego, simulando una lamina
de agua constante sobre el
periodo del cultivo
A medida en qué se demore
las siembras, el rendimiento
del cultivo puede disminuir.

30. Pronóstico rreennddiimmiieennttooss
34
Modelos de cultivo y generación
pronósticos agro-meteorológicos
Resultados y limitaciones:
5 May 25 May 19 Jun 14 Jul 08 Jul
Pronóstico precipitación – Saldaña (Tolima)
Pronóstico de rendimiento (Kg/ha)
Pronóstico precipitación – Espinal (Tolima)
Pronóstico de rendimiento (Kg/ha)
5 May 25 May 19 Jun 14 Jul 08 Jul

31. Modelos de cultivo y generación
pronósticos agro-meteorológicos
Resultados y limitaciones:
Selección ddee vvaarriieeddaaddeess
Sí se toma la decisión de sembrar hasta los
primeros días de Julio, la diferencia en el
rendimiento obtenido entre las opciones de
variedades no será mayor a 500 Kg/ha
Mejor fecha de Siembra
Sí se decide sembrar después
del 15 de Junio, la mejor opción
será sembrar las variedades
Fed 733 y Fed60
De las opciones
varietales
consideradas, Fed733
es la más resistente a
altas temperaturas y
Rad solar.

32. Modelos de cultivo y generación
pronósticos agro-meteorológicos
Qué decisiones podemos tomar?
Transferencia de conocimiento a personal
técnico de las federaciones de agricultores.
Transferencia de conocimiento a agricultores.

33. 37
Modelos de cultivo y generación
pronósticos agro-meteorológicos
Qué decisiones podemos tomar?
 Sembrar en el momento oportuno en el cual el cultivo tenga la mejor
oferta ambiental, que permita obtener los mejores rendimientos para
las condiciones agroclimáticas establecidas.
 Selección de variedades que respondan de la mejor forma ante
condiciones climáticas dadas.
 Prácticas agronómicas más adecuadas ante condiciones climáticas
extremas (Aumento o disminución de precipitación, temperaturas etc).
 Definir ambientes con características específicas que le permitan al
cultivo expresar su mayor potencial de rendimiento.
 Definir cultivares con características ideales (ideotipos) los cuales se
esperan que respondan de la mejor forma a las exigencias del
ambiente.

34. En este convenio participan:
Síguenos en:
www.aclimatecolombia.org