SlideShare una empresa de Scribd logo
1 de 30
Photo - Neil Palmer
 IIAM-CIAT Project: Managing climate related risks to improve livelihood resilience and
        adaptive capacity in agricultural ecosystems in Southern Mozambique




Carlos Navarro, Patricia Moreno,
Julián Ramírez y Andy Jarvis,                                    Maputo, Mozambique IIAM
                                                                             26/02/2013
Contents
• Brief about climate &
  agricultre
• Climate data,
  availability,
  difficulties, options
• Our databases &
  portal of climate data
• Crop modelling and
  climate data
Why Mozambique?
         MOZ is particularly vulnerable to climate change due to:

        • Confluence of many international rivers flowing
            into the Indian Ocean
    • Land area that is below sea level;
•    High vulnerability to cyclones and storms
•    High temperatures
•    Aridity
•    Infertile soils
    • Lack of communications infrastructure
     • High population growth rate
          • Poverty
           • High dependence on natural resources that
              require predictable rain.
       • Many of the river basins suffer from saline
          intrusion deep into river mouths
IIAM-CIAT Project:
                       Output 1. Understand if and what kind of changes occurred in the
                       agricultural practices, and the reasons for making them.


  Managing climate
   related risks to          Output 2. A comprehensive analysis of the biophysical
                             environment (climate, soil, water, vegetation, ecology and
 improve livelihood          land use) and the impacts of predicted climate changes on
    resilience and           agricultural suitability.
adaptive capacity in
     agricultural
                             Output 3. Identification and testing of potential
    ecosystems in            interventions that can build communities adaptive
                             capacity to cope with climate change related risks.
      Southern
    Mozambique

                       Output 4. Lessons Learnt and Recommendations.
IIAM-CIAT Project:
Where?


Chicualacuala


                     Xai Xai
Why Mozambique?




-11 to + 4 %
We know…
• Any agroecosystem respond to changes of
  anthropogenic factors, biotics, abiotics.
• Weather and climate predictability is fairly limited.
• The climate will change.
• Each system is an specific case.
• Crops are very sensitive to climatic conditions
Climate & Agriculture
  – Multiple variables
  – Very high spatial
                              –T°
                                 • Max,
    resolution                   • Min,




                                            Less importance


                                                              More certainty
                                 • Mean
  – Mid-high temporal (i.e.
    monthly, daily)
    resolution                –Prec
  – Accurate weather
    forecasts and climate     – HR
    projections               – Radiation
  – High certainty            – Wind
• Both for present and        – …….
  future
We don’t know… What are the conditions in 30, 50,
                100 years?
                                 • How our system
                                   respond to these
                                   conditions?
                                 • When, where and
                                   what type of change
                                   requiere to adapt?
                                 • Who should plan?
              >> UNCERTAINTIES
                                   Who should leads
                                   the process ? Who
                                   should run?
Needs   Limitations
Emission Scenarios
                                                   Pessimistic
                Intermediate
                                               “Bussiness as usual”
 P
                                Economic                   P

     E
                                                               E


 Global                                                               Regional

     P                                                         P

          E                                                           E



              Perfect World    Environmental                          Optimistic
In agriculture, the
 different emission
  scenarios are not
   important ... by
2030 the difference
    between the
     scenarios is
       minimal
GCM “Global Climate Model”




 GCMs are the only way
                            Using the past to learn
we can predict the future
                                for the future
        climate
What are saying the models?
                                        Atmospheric concentrations
    Variations of the Earth’s surface
      temperature: 1000 to 2100




  Anthropogenic changes lead to changes in weather
Resolutions
 • Horizontal
 resolution 100 to
 300 km
 • 18 and 56 vertical
 levels

              Global scale 
            Regional or local scale 
Model                 Country         Atmosphere             Ocean
BCCR-BCM2.0           Norway          T63, L31               1.5x0.5, L35
CCCMA-CGCM3.1 (T47)   Canada          T47 (3.75x3.75), L31   1.85x1.85, L29
CCCMA-CGCM3.1 (T63)   Canada          T63 (2.8x2.8), L31     1.4x0.94, L29
CNRM-CM3              France          T63 (2.8x2.8), L45     1.875x(0.5-2), L31
CSIRO-Mk3.0           Australia       T63, L18               1.875x0.84, L31
CSIRO-Mk3.5           Australia       T63, L18               1.875x0.84, L31
GFDL-CM2.0            USA             2.5x2.0, L24           1.0x(1/3-1), L50
GFDL-CM2.1            USA             2.5x2.0, L24           1.0x(1/3-1), L50
GISS-AOM              USA             4x3, L12               4x3, L16
GISS-MODEL-EH         USA             5x4, L20               5x4, L13
GISS-MODEL-ER         USA             5x4, L20               5x4, L13
IAP-FGOALS1.0-G       China           2.8x2.8, L26           1x1, L16
INGV-ECHAM4           Italy           T42, L19               2x(0.5-2), L31
INM-CM3.0             Russia          5x4, L21               2.5x2, L33
IPSL-CM4              France          2.5x3.75, L19          2x(1-2), L30
MIROC3.2-HIRES        Japan           T106, L56              0.28x0.19, L47
MIROC3.2-MEDRES       Japan           T42, L20               1.4x(0.5-1.4), L43
MIUB-ECHO-G           Germany/Korea   T30, L19               T42, L20
MPI-ECHAM5            Germany         T63, L32               1x1, L41
MRI-CGCM2.3.2A        Japan           T42, L30               2.5x(0.5-2.0)
NCAR-CCSM3.0          USA             T85L26, 1.4x1.4        1x(0.27-1), L40
NCAR-PCM1             USA             T42 (2.8x2.8), L18     1x(0.27-1), L40
UKMO-HADCM3           UK              3.75x2.5, L19          1.25x1.25, L20
UKMO-HADGEM1          UK              1.875x1.25, L38        1.25x1.25, L20


                            Uncertainties!
Difficulty 1. They differ on resolution
• Difficulty 2. They differ in availability (via IPCC)
     WCRP 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      OK
CCCMA-CGCM3.1-T63   OK      OK      NO       NO       NO     NO     NO      NO      OK     OK     NO      NO
CCCMA-CGCM3.1-T47   OK      OK      NO       NO       OK     OK     NO      NO      OK     OK     NO      NO
CNRM-CM3            OK      OK      NO       NO       OK     OK     NO      NO      OK     OK     NO      NO
CSIRO-MK3.0         OK      OK      OK       OK       OK     OK     OK      OK      OK     OK     OK      OK
CSIRO-MK3.5         OK      OK      OK       OK       OK     OK     OK      OK      OK     OK     OK      OK
GFDL-CM2.0          OK      OK      OK       OK       OK     OK     OK      OK      OK     OK     OK      OK
GFDL-CM2.1          OK      OK      OK       OK       OK     OK     OK      OK      OK     OK     OK      OK
GISS-AOM            OK      OK      OK       OK       NO     NO     NO      NO      OK     OK     OK      OK
GISS-MODEL-EH       OK      OK      NO       NO       NO     NO     NO      NO      NO     NO     NO      NO
GISS-MODEL-ER       OK      OK      NO       NO       OK     OK     NO      NO      OK     OK     NO      NO
IAP-FGOALS1.0-G     OK      OK      NO       NO       NO     NO     NO      NO      OK     OK     NO      NO
INGV-ECHAM4         OK      OK      NO       NO       OK     OK     NO      NO      NO     NO     NO      NO
INM-CM3.0           OK      OK      OK       OK       OK     OK     OK      OK      OK     OK     OK      OK
IPSL-CM4            OK      OK      NO       NO       OK     OK     NO      NO      OK     OK     NO      NO
MIROC3.2.3-HIRES    OK      OK      OK       OK       NO     NO     NO      NO      OK     OK     OK      OK
MIROC3.2.3-MEDRES   OK      OK      OK       OK       OK     OK     OK      OK      OK     OK     OK      OK
MIUB-ECHO-G         OK      OK      NO       NO       OK     OK     NO      NO      OK     OK     NO      NO
MPI-ECHAM5          OK      OK      NO       NO       OK     OK     NO      NO      OK     OK     NO      NO
MRI-CGCM2.3.2A      OK      OK      NO       NO       OK     OK     NO      NO      OK     OK     NO      NO
NCAR-CCSM3.0        OK      OK      OK       OK       OK     OK     OK      OK      OK     OK     OK      OK
NCAR-PCM1           OK      OK      OK       OK       OK     OK     OK      OK      OK     OK     OK      OK
UKMO-HADCM3         OK      OK      NO       NO       OK     OK     NO      NO      OK     OK     NO      NO
UKMO-HADGEM1        OK      OK      NO       NO       OK     OK     NO      NO      NO     NO     NO      NO
Difficulty 3. Limited ability to represent present
                       climates




    Relying on a single GCM is dangerous!
How I can use this information?




                                                Options
                                                     Downscaling by
                             Needs                    statistical or
                             To increase resolution,
                                                       dynamical
                              uniformise, provide
                                                       methods..
             Problem          high resolution and
            Even the most     contextualised data
            precise GCM is
              too coarse
               (~100km)
The Delta Method
• Use anomalies and discard baselines
  in GCMs
  – Climate baseline: WorldClim
  – Used in the majority of studies
  – Takes original GCM timeseries
  – Calculates averages over a baseline and
    future periods (i.e. 2020s, 2050s)
  – Compute anomalies
  – Spline interpolation of anomalies
  – Sum anomalies to WorldClim
Stations by
                        variable:
                       • 47,554
                      precipitation
  Mean annual
temperature (ºC)        • 24,542
      -30.1
                          tmean
      30.5
                        • 14,835
                       tmax y tmin
                     Sources:
                     •GHCN
                     •FAOCLIM
     Annual          •WMO
precipitation (mm)
      0              •CIAT
                     •R-Hydronet
      12084
                     •Redes nacionales
RCM PRECIS                   Providing REgional Climates for
– They use outputs of                       Impacts Studies
  GCMs
– Area are limited .. Need
  boundary conditions.
– Performs calculations
  of atmospheric
  dynamics and solve
  equations for each grid.
– Daily data
– Resolution varies between 25-
  50km
– More than 170 output variables
Method                  +                                   -
               *Easy to implement       * Change variable only at big scale
 Statistical   *  resolutions          * Variables do not change their relations
downscaling    *Apply to all GCMs       with time
               *Uniforme baseline       *  variables

                                        *Few platforms (PRECIS, CORDEX)
               * Robust
                                        *Many processes and stockages
 Dynamic       *Apply to GCMs if data
                                        *Limited resolution (25-50km)
downscaling    available
                                        *Missing development
               * variables
                                        *Dificulty to quantify uncertainties
http://ccafs-climate.org
We need models to quantify the impacts and
                        adaptation options for effective design
                                                                               Based on process
   GCMs
                                  Statistical Downscaling

                                                                     MarkSim


                                    Dynamical downscaling:
                                    Regional Climate Model

Based on niches                                                                        DSSAT
  Probability




                                                               EcoCrop
                                      Statistical
                                      Downscaling
         Environmental gradient                                                      Effective
                                                            MaxEnt                   adaptation
                                                                                     options
• Downscaling is inevitable.
• Continuous improvements are
  being done
• Strong focus on uncertainty
  analysis and improvement of
  baseline data
• We need multiple approaches to improve the
  information base on climate change scenarios
    Development of RCMs (multiple: PRECIS not enough)
    Downscaling empirical, methods Hybrids
    We tested different methodologies
CIAT experience in Climate & Crop Modelling IIAM-CCAFS Project

Más contenido relacionado

Similar a CIAT experience in Climate & Crop Modelling IIAM-CCAFS Project

Downscaling of GCM for i’ts use in Agriculture and NRM Research
Downscaling of GCM for i’ts use in Agriculture and NRM Research Downscaling of GCM for i’ts use in Agriculture and NRM Research
Downscaling of GCM for i’ts use in Agriculture and NRM Research
CIAT
 
Chapter 4 - Adaptation: incremental or transformational?
Chapter 4 - Adaptation: incremental or transformational?Chapter 4 - Adaptation: incremental or transformational?
Chapter 4 - Adaptation: incremental or transformational?
ipcc-media
 
OverviewofGCOM.pdf
OverviewofGCOM.pdfOverviewofGCOM.pdf
OverviewofGCOM.pdf
grssieee
 
GIS and landscape Restoration
GIS and landscape RestorationGIS and landscape Restoration
GIS and landscape Restoration
trisurat2000
 

Similar a CIAT experience in Climate & Crop Modelling IIAM-CCAFS Project (20)

Downscaling of GCM for i’ts use in Agriculture and NRM Research
Downscaling of GCM for i’ts use in Agriculture and NRM Research Downscaling of GCM for i’ts use in Agriculture and NRM Research
Downscaling of GCM for i’ts use in Agriculture and NRM Research
 
Future Climate Scenarios for Uganda's Tea Growing Zones_Slideshow
Future Climate Scenarios for Uganda's Tea Growing Zones_SlideshowFuture Climate Scenarios for Uganda's Tea Growing Zones_Slideshow
Future Climate Scenarios for Uganda's Tea Growing Zones_Slideshow
 
Future climate scenarios for kenyan tea farmers presentation
Future climate scenarios for kenyan tea farmers  presentationFuture climate scenarios for kenyan tea farmers  presentation
Future climate scenarios for kenyan tea farmers presentation
 
Futute climate scenarios for kenyan tea farmers presentation
Futute climate scenarios for kenyan tea farmers  presentationFutute climate scenarios for kenyan tea farmers  presentation
Futute climate scenarios for kenyan tea farmers presentation
 
Mekong ARCC Climate Change and Hydrology Modeling Methods and Results
Mekong ARCC Climate Change and Hydrology Modeling Methods and ResultsMekong ARCC Climate Change and Hydrology Modeling Methods and Results
Mekong ARCC Climate Change and Hydrology Modeling Methods and Results
 
Julian R - Adapting to progressive climate change PAU Nov 2010
Julian R - Adapting to progressive climate change PAU Nov 2010Julian R - Adapting to progressive climate change PAU Nov 2010
Julian R - Adapting to progressive climate change PAU Nov 2010
 
DSD-Kampala 2023 Modelling the impacts of rising Lake Victoria water levels o...
DSD-Kampala 2023 Modelling the impacts of rising Lake Victoria water levels o...DSD-Kampala 2023 Modelling the impacts of rising Lake Victoria water levels o...
DSD-Kampala 2023 Modelling the impacts of rising Lake Victoria water levels o...
 
DSD-Kampala 2023 Climate uncertainty in the Nile Basin - Zaroug
DSD-Kampala 2023 Climate uncertainty in the Nile Basin - ZarougDSD-Kampala 2023 Climate uncertainty in the Nile Basin - Zaroug
DSD-Kampala 2023 Climate uncertainty in the Nile Basin - Zaroug
 
Navarro C - Results Climate Projection Development (CIAT-IDB Project)
Navarro C - Results Climate Projection Development (CIAT-IDB Project) Navarro C - Results Climate Projection Development (CIAT-IDB Project)
Navarro C - Results Climate Projection Development (CIAT-IDB Project)
 
Cong Zhentao — Global irrigation requirement under the scenario of sra1 b
Cong Zhentao — Global irrigation requirement under the scenario of sra1 bCong Zhentao — Global irrigation requirement under the scenario of sra1 b
Cong Zhentao — Global irrigation requirement under the scenario of sra1 b
 
17 limits to growth of human populations
17 limits to growth of human populations17 limits to growth of human populations
17 limits to growth of human populations
 
Chapter 4 - Adaptation: incremental or transformational?
Chapter 4 - Adaptation: incremental or transformational?Chapter 4 - Adaptation: incremental or transformational?
Chapter 4 - Adaptation: incremental or transformational?
 
Land Cover Map 2015
Land Cover Map 2015Land Cover Map 2015
Land Cover Map 2015
 
Climate change
Climate changeClimate change
Climate change
 
ROSE CASE - FOR BRAIN MET CAVITY SRS
ROSE CASE -  FOR BRAIN MET CAVITY SRSROSE CASE -  FOR BRAIN MET CAVITY SRS
ROSE CASE - FOR BRAIN MET CAVITY SRS
 
OverviewofGCOM.pdf
OverviewofGCOM.pdfOverviewofGCOM.pdf
OverviewofGCOM.pdf
 
The performance of portable mid-infrared spectroscopy for the prediction of s...
The performance of portable mid-infrared spectroscopy for the prediction of s...The performance of portable mid-infrared spectroscopy for the prediction of s...
The performance of portable mid-infrared spectroscopy for the prediction of s...
 
GIS and landscape Restoration
GIS and landscape RestorationGIS and landscape Restoration
GIS and landscape Restoration
 
Swamy fcssp
Swamy  fcsspSwamy  fcssp
Swamy fcssp
 
Sistemas de informacion para la gestion ambiental em la agricultura
Sistemas de informacion para la gestion ambiental em la agriculturaSistemas de informacion para la gestion ambiental em la agricultura
Sistemas de informacion para la gestion ambiental em la agricultura
 

Más de Decision and Policy Analysis Program

Apoyo en la toma de decisiones en agricultura a través de las Mesas Técnicas ...
Apoyo en la toma de decisiones en agricultura a través de las Mesas Técnicas ...Apoyo en la toma de decisiones en agricultura a través de las Mesas Técnicas ...
Apoyo en la toma de decisiones en agricultura a través de las Mesas Técnicas ...
Decision and Policy Analysis Program
 

Más de Decision and Policy Analysis Program (20)

Propuesta Servicios Climáticos región del SICA CAC/CIAT
Propuesta Servicios Climáticos región del SICA CAC/CIATPropuesta Servicios Climáticos región del SICA CAC/CIAT
Propuesta Servicios Climáticos región del SICA CAC/CIAT
 
Logros alcanzados en servicios climáticos en el sector agropecuario de la reg...
Logros alcanzados en servicios climáticos en el sector agropecuario de la reg...Logros alcanzados en servicios climáticos en el sector agropecuario de la reg...
Logros alcanzados en servicios climáticos en el sector agropecuario de la reg...
 
Servicios Integrados Participativos de Clima para la Agricultura (PICSA)
Servicios Integrados Participativos de Clima para la Agricultura (PICSA)Servicios Integrados Participativos de Clima para la Agricultura (PICSA)
Servicios Integrados Participativos de Clima para la Agricultura (PICSA)
 
Potencialidades y desafíos en el corredor seco Centroamericano frente al camb...
Potencialidades y desafíos en el corredor seco Centroamericano frente al camb...Potencialidades y desafíos en el corredor seco Centroamericano frente al camb...
Potencialidades y desafíos en el corredor seco Centroamericano frente al camb...
 
Servicios Climaticos para la Agricultura (FIMA)
Servicios Climaticos para la Agricultura (FIMA)Servicios Climaticos para la Agricultura (FIMA)
Servicios Climaticos para la Agricultura (FIMA)
 
Servicios Climaticos para la Agricultura (FAO-PLACA)
Servicios Climaticos para la Agricultura (FAO-PLACA)Servicios Climaticos para la Agricultura (FAO-PLACA)
Servicios Climaticos para la Agricultura (FAO-PLACA)
 
Modelación de impactos de cambio climático en agricultura
Modelación de impactos de cambio climático en agriculturaModelación de impactos de cambio climático en agricultura
Modelación de impactos de cambio climático en agricultura
 
Modelación de Cultivos para generar Servicios Agroclimáticos (Aquacrop V6.0)
Modelación de Cultivos para generar Servicios Agroclimáticos (Aquacrop V6.0)Modelación de Cultivos para generar Servicios Agroclimáticos (Aquacrop V6.0)
Modelación de Cultivos para generar Servicios Agroclimáticos (Aquacrop V6.0)
 
Servicios Climáticos para la Agricultura (ANSC-Guatemala)
Servicios Climáticos para la Agricultura (ANSC-Guatemala)Servicios Climáticos para la Agricultura (ANSC-Guatemala)
Servicios Climáticos para la Agricultura (ANSC-Guatemala)
 
Modelación climática; Cambio climático y agricultura
Modelación climática; Cambio climático y agriculturaModelación climática; Cambio climático y agricultura
Modelación climática; Cambio climático y agricultura
 
Vulnerabilidad de los productores ante la variabilidad y el cambio climático
Vulnerabilidad de los productores ante la variabilidad y el cambio climáticoVulnerabilidad de los productores ante la variabilidad y el cambio climático
Vulnerabilidad de los productores ante la variabilidad y el cambio climático
 
Modelacion de cultivos para generar servicios agroclimaticos
Modelacion de cultivos para generar servicios agroclimaticosModelacion de cultivos para generar servicios agroclimaticos
Modelacion de cultivos para generar servicios agroclimaticos
 
Introducción a los servicios climáticos
Introducción a los servicios climáticosIntroducción a los servicios climáticos
Introducción a los servicios climáticos
 
Introducción a la problemática del cambio climático global y observación de c...
Introducción a la problemática del cambio climático global y observación de c...Introducción a la problemática del cambio climático global y observación de c...
Introducción a la problemática del cambio climático global y observación de c...
 
Servicios climáticos para la agricultura en América Latina
Servicios climáticos para la agricultura en América LatinaServicios climáticos para la agricultura en América Latina
Servicios climáticos para la agricultura en América Latina
 
Importancia de los pronósticos aplicados al sector agrícola durante la crisis...
Importancia de los pronósticos aplicados al sector agrícola durante la crisis...Importancia de los pronósticos aplicados al sector agrícola durante la crisis...
Importancia de los pronósticos aplicados al sector agrícola durante la crisis...
 
Mesas Técnicas Agroclimáticas en Centro América
Mesas Técnicas Agroclimáticas en Centro AméricaMesas Técnicas Agroclimáticas en Centro América
Mesas Técnicas Agroclimáticas en Centro América
 
Training on Participatory Integrated Climate Services for Agriculture (PICSA)...
Training on Participatory Integrated Climate Services for Agriculture (PICSA)...Training on Participatory Integrated Climate Services for Agriculture (PICSA)...
Training on Participatory Integrated Climate Services for Agriculture (PICSA)...
 
Perspectivas y escenario futuros de la producción de frijol ante el cambio cl...
Perspectivas y escenario futuros de la producción de frijol ante el cambio cl...Perspectivas y escenario futuros de la producción de frijol ante el cambio cl...
Perspectivas y escenario futuros de la producción de frijol ante el cambio cl...
 
Apoyo en la toma de decisiones en agricultura a través de las Mesas Técnicas ...
Apoyo en la toma de decisiones en agricultura a través de las Mesas Técnicas ...Apoyo en la toma de decisiones en agricultura a través de las Mesas Técnicas ...
Apoyo en la toma de decisiones en agricultura a través de las Mesas Técnicas ...
 

CIAT experience in Climate & Crop Modelling IIAM-CCAFS Project

  • 1. Photo - Neil Palmer IIAM-CIAT Project: Managing climate related risks to improve livelihood resilience and adaptive capacity in agricultural ecosystems in Southern Mozambique Carlos Navarro, Patricia Moreno, Julián Ramírez y Andy Jarvis, Maputo, Mozambique IIAM 26/02/2013
  • 2. Contents • Brief about climate & agricultre • Climate data, availability, difficulties, options • Our databases & portal of climate data • Crop modelling and climate data
  • 3. Why Mozambique? MOZ is particularly vulnerable to climate change due to: • Confluence of many international rivers flowing into the Indian Ocean • Land area that is below sea level; • High vulnerability to cyclones and storms • High temperatures • Aridity • Infertile soils • Lack of communications infrastructure • High population growth rate • Poverty • High dependence on natural resources that require predictable rain. • Many of the river basins suffer from saline intrusion deep into river mouths
  • 4. IIAM-CIAT Project: Output 1. Understand if and what kind of changes occurred in the agricultural practices, and the reasons for making them. Managing climate related risks to Output 2. A comprehensive analysis of the biophysical environment (climate, soil, water, vegetation, ecology and improve livelihood land use) and the impacts of predicted climate changes on resilience and agricultural suitability. adaptive capacity in agricultural Output 3. Identification and testing of potential ecosystems in interventions that can build communities adaptive capacity to cope with climate change related risks. Southern Mozambique Output 4. Lessons Learnt and Recommendations.
  • 7. We know… • Any agroecosystem respond to changes of anthropogenic factors, biotics, abiotics. • Weather and climate predictability is fairly limited. • The climate will change. • Each system is an specific case. • Crops are very sensitive to climatic conditions
  • 8. Climate & Agriculture – Multiple variables – Very high spatial –T° • Max, resolution • Min, Less importance More certainty • Mean – Mid-high temporal (i.e. monthly, daily) resolution –Prec – Accurate weather forecasts and climate – HR projections – Radiation – High certainty – Wind • Both for present and – ……. future
  • 9. We don’t know… What are the conditions in 30, 50, 100 years? • How our system respond to these conditions? • When, where and what type of change requiere to adapt? • Who should plan? >> UNCERTAINTIES Who should leads the process ? Who should run?
  • 10. Needs Limitations
  • 11. Emission Scenarios Pessimistic Intermediate “Bussiness as usual” P Economic P E E Global Regional P P E E Perfect World Environmental Optimistic
  • 12. In agriculture, the different emission scenarios are not important ... by 2030 the difference between the scenarios is minimal
  • 13. GCM “Global Climate Model” GCMs are the only way Using the past to learn we can predict the future for the future climate
  • 14. What are saying the models? Atmospheric concentrations Variations of the Earth’s surface temperature: 1000 to 2100 Anthropogenic changes lead to changes in weather
  • 15. Resolutions • Horizontal resolution 100 to 300 km • 18 and 56 vertical levels Global scale  Regional or local scale 
  • 16. Model Country Atmosphere Ocean BCCR-BCM2.0 Norway T63, L31 1.5x0.5, L35 CCCMA-CGCM3.1 (T47) Canada T47 (3.75x3.75), L31 1.85x1.85, L29 CCCMA-CGCM3.1 (T63) Canada T63 (2.8x2.8), L31 1.4x0.94, L29 CNRM-CM3 France T63 (2.8x2.8), L45 1.875x(0.5-2), L31 CSIRO-Mk3.0 Australia T63, L18 1.875x0.84, L31 CSIRO-Mk3.5 Australia T63, L18 1.875x0.84, L31 GFDL-CM2.0 USA 2.5x2.0, L24 1.0x(1/3-1), L50 GFDL-CM2.1 USA 2.5x2.0, L24 1.0x(1/3-1), L50 GISS-AOM USA 4x3, L12 4x3, L16 GISS-MODEL-EH USA 5x4, L20 5x4, L13 GISS-MODEL-ER USA 5x4, L20 5x4, L13 IAP-FGOALS1.0-G China 2.8x2.8, L26 1x1, L16 INGV-ECHAM4 Italy T42, L19 2x(0.5-2), L31 INM-CM3.0 Russia 5x4, L21 2.5x2, L33 IPSL-CM4 France 2.5x3.75, L19 2x(1-2), L30 MIROC3.2-HIRES Japan T106, L56 0.28x0.19, L47 MIROC3.2-MEDRES Japan T42, L20 1.4x(0.5-1.4), L43 MIUB-ECHO-G Germany/Korea T30, L19 T42, L20 MPI-ECHAM5 Germany T63, L32 1x1, L41 MRI-CGCM2.3.2A Japan T42, L30 2.5x(0.5-2.0) NCAR-CCSM3.0 USA T85L26, 1.4x1.4 1x(0.27-1), L40 NCAR-PCM1 USA T42 (2.8x2.8), L18 1x(0.27-1), L40 UKMO-HADCM3 UK 3.75x2.5, L19 1.25x1.25, L20 UKMO-HADGEM1 UK 1.875x1.25, L38 1.25x1.25, L20 Uncertainties!
  • 17. Difficulty 1. They differ on resolution
  • 18. • Difficulty 2. They differ in availability (via IPCC) WCRP 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 OK CCCMA-CGCM3.1-T63 OK OK NO NO NO NO NO NO OK OK NO NO CCCMA-CGCM3.1-T47 OK OK NO NO OK OK NO NO OK OK NO NO CNRM-CM3 OK OK NO NO OK OK NO NO OK OK NO NO CSIRO-MK3.0 OK OK OK OK OK OK OK OK OK OK OK OK CSIRO-MK3.5 OK OK OK OK OK OK OK OK OK OK OK OK GFDL-CM2.0 OK OK OK OK OK OK OK OK OK OK OK OK GFDL-CM2.1 OK OK OK OK OK OK OK OK OK OK OK OK GISS-AOM OK OK OK OK NO NO NO NO OK OK OK OK GISS-MODEL-EH OK OK NO NO NO NO NO NO NO NO NO NO GISS-MODEL-ER OK OK NO NO OK OK NO NO OK OK NO NO IAP-FGOALS1.0-G OK OK NO NO NO NO NO NO OK OK NO NO INGV-ECHAM4 OK OK NO NO OK OK NO NO NO NO NO NO INM-CM3.0 OK OK OK OK OK OK OK OK OK OK OK OK IPSL-CM4 OK OK NO NO OK OK NO NO OK OK NO NO MIROC3.2.3-HIRES OK OK OK OK NO NO NO NO OK OK OK OK MIROC3.2.3-MEDRES OK OK OK OK OK OK OK OK OK OK OK OK MIUB-ECHO-G OK OK NO NO OK OK NO NO OK OK NO NO MPI-ECHAM5 OK OK NO NO OK OK NO NO OK OK NO NO MRI-CGCM2.3.2A OK OK NO NO OK OK NO NO OK OK NO NO NCAR-CCSM3.0 OK OK OK OK OK OK OK OK OK OK OK OK NCAR-PCM1 OK OK OK OK OK OK OK OK OK OK OK OK UKMO-HADCM3 OK OK NO NO OK OK NO NO OK OK NO NO UKMO-HADGEM1 OK OK NO NO OK OK NO NO NO NO NO NO
  • 19. Difficulty 3. Limited ability to represent present climates Relying on a single GCM is dangerous!
  • 20. How I can use this information? Options Downscaling by Needs statistical or To increase resolution, dynamical uniformise, provide methods.. Problem high resolution and Even the most contextualised data precise GCM is too coarse (~100km)
  • 21. The Delta Method • Use anomalies and discard baselines in GCMs – Climate baseline: WorldClim – Used in the majority of studies – Takes original GCM timeseries – Calculates averages over a baseline and future periods (i.e. 2020s, 2050s) – Compute anomalies – Spline interpolation of anomalies – Sum anomalies to WorldClim
  • 22.
  • 23. Stations by variable: • 47,554 precipitation Mean annual temperature (ºC) • 24,542 -30.1 tmean 30.5 • 14,835 tmax y tmin Sources: •GHCN •FAOCLIM Annual •WMO precipitation (mm) 0 •CIAT •R-Hydronet 12084 •Redes nacionales
  • 24. RCM PRECIS Providing REgional Climates for – They use outputs of Impacts Studies GCMs – Area are limited .. Need boundary conditions. – Performs calculations of atmospheric dynamics and solve equations for each grid. – Daily data – Resolution varies between 25- 50km – More than 170 output variables
  • 25. Method + - *Easy to implement * Change variable only at big scale Statistical *  resolutions * Variables do not change their relations downscaling *Apply to all GCMs with time *Uniforme baseline *  variables *Few platforms (PRECIS, CORDEX) * Robust *Many processes and stockages Dynamic *Apply to GCMs if data *Limited resolution (25-50km) downscaling available *Missing development * variables *Dificulty to quantify uncertainties
  • 27.
  • 28. We need models to quantify the impacts and adaptation options for effective design Based on process GCMs Statistical Downscaling MarkSim Dynamical downscaling: Regional Climate Model Based on niches DSSAT Probability EcoCrop Statistical Downscaling Environmental gradient Effective MaxEnt adaptation options
  • 29. • Downscaling is inevitable. • Continuous improvements are being done • Strong focus on uncertainty analysis and improvement of baseline data • We need multiple approaches to improve the information base on climate change scenarios  Development of RCMs (multiple: PRECIS not enough)  Downscaling empirical, methods Hybrids  We tested different methodologies

Notas del editor

  1. Titulo ProyectoGestión de riesgos relacionados con el clima para mejorar la resistencia de los medios de vida y la capacidad de adaptación de los ecosistemas agrícolas en el sur de ObjetivoCapacidad de recuperación mejorada de sustento y la capacidad de adaptación a los riesgos del cambio climático en las zonas con inseguridad alimentaria en el sur de MozambiqueMayor protagonismo de los servicios agrícolas y ecosistemas y los bienes en el manejo de los riesgos relacionados con el clima para mejorar la capacidad de recuperación de vida y la capacidad de adaptación en el sur de Mozambique.Objetivos de adaptación deben lograrse a través de una mejor gestión de los ecosistemas.Basado en los ecosistemas opciones de adaptación suelen ser más accesibles a las mujeres rurales pobres y otros grupos vulnerables. Esta idea de proyecto propuesta tiene la intención de aprovechar los valores paisajísticos de biodiversidad (incluyendo el medio ambiente, los ecosistemas naturales y la diversidad de las actividades humanas) para identificar las oportunidades de servicios de los ecosistemasSalida 1. Entender si y qué tipo de cambios ocurridos en las prácticas agrícolas, y las razones que las sustentan.El objetivo es investigar el conocimiento local sobre el cambio climático, sus efectos sobre los medios de vida de la comunidad, de los cambios que introducen en el sistema para manejar estos cambios climáticos. Esto se hará a través de replicar el estudio de referencia CCAFS (http://ccafs.cgiar.org/resources/baseline-surveys) y que incluye un módulo adicional para el cuestionario del hogarLa encuesta de referencia se identificarán los riesgos y oportunidades que plantea el cambio climático para el sistema agrícola y los agricultores estrategias efectivas ya están utilizando para mejorar su capacidad de adaptación.Actividades identificadas son las siguientes:una. Revisión a largo plazo la adaptación al cambio climático y la investigación a corto plazo del riesgo climático en el ámbito de la agricultura y los estudios ya realizados en Mozambique (2012)b. Para llevar a cabo la Encuesta de Línea de Base de Investigación en cada uno de los dos sitios seleccionados (utilizando la ya probada metodología CCAFS) para entender mejor las percepciones de los agricultores acerca de la vulnerabilidad al cambio climático, si y cómo los agricultores están cambiando las prácticas agrícolas en respuesta al cambio climático. (2012)Salida 2. Un análisis completo del entorno biofísico (clima, suelo, agua, vegetación, ecología y uso de la tierra) y los impactos de los cambios climáticos previstos sobre aptitud agrícola.El objetivo es desarrollar una sólida comprensión del entorno biofísico y los impactos a largo plazo de los cambios climáticos previstos en los cultivos y el ganado de aptitud.Actividades identificadas para cada sitio seleccionado son:una. Evaluar el impacto a largo plazo de las predicciones de cambios climáticos sobre los principales cultivos y ganado de aptitud, y asignar estos impactos previstos (implementados por CCAFS). (2013)b. Proporcionar apoyo a fondo CCAFS para llevar a cabo el análisis de la vulnerabilidad de Mozambique (2013).c. Organice un taller de capacitación para compartir resultados y formar un pequeño grupo de socios locales en la metodología. (2013)d. Análisis e informe sobre los impactos de estos cambios previstos (desarrollados por los resultados de los análisis de vulnerabilidad CCAFS) y sobre las posibles soluciones para mitigar o adaptarse a los cambios climáticos en el área objetivo. (2013)Salida 3. Identificación y análisis de las posibles intervenciones que pueden aumentar la capacidad de adaptación a las comunidades frente a los riesgos vinculados al cambio climático.El objetivo es mejorar y diversificar los medios de vida de la comunidad en un entorno de cambio climático, mediante la identificación y prueba de intervenciones que ayudan a construir la capacidad de adaptación, mientras que la exploración de las potencialidades pero conservando el uso sostenible de los ecosistemas.Actividades identificadas son las siguientes:una. Identificar las mejores tecnologías disponibles, las prácticas existentes o prácticas desarrolladas por IIAM y socios que podrían aplicarse y / o probado en los sitios (2013).Intervenciones específicas que deben ser probadas son:Mosaico Imagenesi. Sistemas de producción integrada de la fertilidad del suelo: gestión del suelo y del agua y prácticas de manejo integrado de plagas. Las prácticas agrícolas tales como: la agricultura de conservación, el compostaje, la rotación de barbecho, cultivos, agricultura ecológica, de secano, la gestión del agua, la gestión sostenible de los suelos orgánicos, recuperación de suelos degradados y se pondrá a prueba.ii. El manejo forestal comunitario basado eniii. La ganadería (pastoreo y la cobertura de los servicios veterinarios): la mejora de la productividad de rumiantes en un sistema agro-pastoreo,iv. Post-cosecha y procesamiento de productos agrícolas, incluidos los frutos silvestres: la mejora de los métodos tradicionales de almacenamientov Probar y demostrar el impacto potencial de la agricultura seleccionado el ganado y las prácticas forestales y estrategias para ayudar a los agricultores a aplicar los mecanismos de adaptación del cambio climático y las herramientas para ser más resistentes a los impactos adversos (a través de la comunidad de aprendizaje enfoque centros / escuelas de campo para agricultores.Salida 4. Lecciones Aprendidas y Recomendaciones.Esto se hará mediante la organización de un taller nacional de un día sobre el cambio climático y la investigación agrícola cuyo tema es "agricultura climáticamente inteligente: Lecciones aprendidas y recomendaciones", que se celebrará en Maputo en 2014.
  2. Zona objetivoa) La situación de inseguridad alimentaria zona identificada por INGC, IIAM y SETSAN vulnerabilidad informe: Interior de la provincia de Gaza, cuenca del río Limpopo, y el distrito de Chicualacuala.seco semi-árido clima árido. El área seleccionada es propenso a los fenómenos climáticos extremos, principalmente en forma de sequíasChicualacuala se encuentra en una región R3 agro-ecológicas, que se caracteriza por altitudes inferiores a 200 m sobre el nivel del mar y pobres a la fertilidad del suelo tropical moderado y las condiciones climáticas áridas y semi-áridas. La precipitación anual es inferior a 500 mm, y viene erráticamente entre noviembre y febrero. La evapotranspiración de referencia está por encima de 1.500 mm, la temperatura media anual es de 26 º C y las rondas de humedad relativa del 60% a 65 años. Como consecuencia, los rendimientos de secano la producción de cultivos de alimentos son muy bajos, impredecible y sometido a los caprichos del clima. Los riesgos asociados con la hora correcta de plantación es muy alta, mientras que la longitud del período de crecimiento se limita a alrededor de 110 días. Los medios de vida y las estrategias de supervivencia de las comunidades rurales dependen en gran medida de la explotación de los recursos de tierra y agua. En respuesta a las sequías prolongadas, donde la agricultura de secano no garantiza la seguridad alimentaria, las comunidades rurales también utilizan el bosque para la alimentación y una fuente de ingresos. Quema de carbón está aumentando a un ritmo alarmante, ya que da vuelta en efectivo rápido, con un mercado seguro en los centros urbanos. En este distrito ganado es una tradición (vacas, cabras y pollos) y un medio de vida alternativo importante, ya que proporciona un seguro contra la pérdida de cosechas y una fuente de ingresos para las familias.b) Una situación de inseguridad alimentaria zona identificada por INGC, IIAM y SETSAN vulnerabilidad informe: Coastal provincia de Gaza, Limpopo cuenca, Xai-Xai distrito.El clima de Xai-Xai se clasifica según Thornthwaite clasificación, es sub-húmedo, con una temporada de lluvias, durante los meses más cálidos (octubre a abril) y una estación seca durante los meses más fríos (mayo a septiembre). Durante la temporada de calor, las lluvias, la zona está principalmente influenciado por depresiones tropicales continentales procedentes del suroeste trayendo fuertes lluvias, mientras que durante la temporada de frío los océanos Atlántico e Índico anticiclones determinar un clima seco. La temperatura media anual es de 23 º C y humedad relativa 72 a 78%. La precipitación media anual es de 1.000 mm y la evapotranspiración media anual es de 1.500 mm. La distribución irregular de las precipitaciones, asociadas a temperaturas relativamente altas, los resultados en los períodos secos, incluso durante la temporada de lluvias.Xai-Xai distrito se encuentra en la región R2 agro-ecológico, con altitudes de fuelle los 200 my se extiende sobre dos accidentes geográficos principales que son la llanura aluvial (conocida como Vale) del río Limpopo y sus afluentes y la llanura circundante elevada (conocida como Serra) en su mayoría de origen eólico. Las zonas de turba, suelos de turba hidromórficos, llamados machongos, se encuentran en las áreas de filtración de agua en los escalones-pie de los escarpes que forman la transición entre la Sierra y el Valle. Los manglares son zonas pantanosas con vegetación densa, influidos por el agua del mar durante la marea alta y por lo tanto muy salinos. A lo largo del río Limpopo, los últimos 30 km de la desembocadura del río, hay parches de bosques de manglar, que cubre una superficie total de alrededor de 950 ha . Constituye la principal área de pesca para las comunidades locales. En el área Zongoene, por ejemplo, la pesca es la actividad de sustento tercero en importancia, después de la agricultura una cría de animales.En el distrito de Xai-Xai, los sistemas de producción predominantes son la agricultura de secano, la agricultura de regadío y de humedales, la ganadería y la pesca. Todos juntos contribuir a garantizar la seguridad alimentaria.Al seleccionar el distrito de Xai-Xai para implementar este nuevo proyecto sobre la gestión de los riesgos relacionados con el clima para mejorar la capacidad de recuperación de vida y la capacidad de adaptación de los ecosistemas agrícolas, creemos que el proyecto puede probar intervenciones para el cambio climático a largo plazo de adaptación a largo bajo una condición de clima más húmedo que en el interior. También se puede combinar actividades como la agricultura (regadío o secano), la ganadería, el manejo forestal y la pesca. También se puede acumular en algunas de las experiencias pertinentes adquiridas con la ejecución del Proyecto de Desarrollo Cambio Climático.
  3. Cyclones are most likely to become more intense. As a result, there will be a higher frequency of severe floods, causing food shortages, while droughts may reduce the quantity and quality of water for domestic and agricultural useLas precipitaciones serán más errático y su distribución más difíciles de predecir que causa una mayor incidencia de fenómenos meteorológicos extremos que dificultan la seguridad alimentaria. Los más afectados serán la agricultura de secano, especialmente en zonas semi áridas con largas estaciones secas cuando los riesgos de aumento de la pérdida de cosechas. Así, la gestión del agua es una prioridad para mantener la seguridad alimentaria, en los próximos veinte años Mozambique se prevé que perderá el 25 por ciento de su capacidad de producción agrícola (FAO, 2009). Estos cambios afectarán negativamente a los rendimientos de cultivos a causa de los aumentos de precios en los alimentos básicos, que pueden tener un efecto importante sobre la salud y el aumento de la desnutrición infantil.
  4. Para hacer estos cálculos de vulnerabilidad (incapacidad de un sistema para afrontar los efectos adversos del CC), necesitamos datos climáticos. Saber que va a pasar, cuando, para proyectar Planes de adaptación. La evaluación de los impactos de cambio climáticoincluye: Desarrollar modelos -> Conocer incertidumbres -> Planes de acción -> Generación de políticas LimitacionesSistema climático complejo: Modelos todavía no pueden representar cientos de procesos de forma adecuadaResoluciones de modelos inadecuadas: Se requieren modelos con escalas finas.Incertidumbres: Incertidumbres en cuanto a futuras emisiones f(suposiciones concentraciones, población, desarrollo económico, tecnológico)
  5. Analizan de qué manera influirán las fuerzas determinantes en las emisiones futuras, y para evaluar el margen de incertidumbre de dicho análisis. Representannuestracapacidad de respuesta (mitigación)… desarrollotecnológico, sostenibilidadambientalIPCC hadesarrollado 4 familias de escenarios A1B : Rápidocrecimientoeconómico y demográfico con pico a ½ siglo A2 : Crecimientoeconómico regional y lento, población en contínuocrecimiento B1 : Población A1 pero con introducción de tecnologíaslimpias B2 : Desarrolloeconómicointermedio y regional, crecimientopoblacionalmenor. Son escenariosprobablespero no se sabensusprobabilidadesrelativas.
  6. Los escenarios de emisiones imponen condiciones para los modelos climáticos globales (basados en ciencias atmosféricas, química, física, biología, etc).Dividen el mundo el grillas y miran las relaciones entre factores que ocurren entre la atmósfera, los oceános, la superficie de la tierra. Por supuesto, hay cientos de procesos que salen de la comprensión de los modelos matemáticos así que estos modelos utilizan parametrizaciones para representar fenomenos incomprensibles. Son tan elaborados estos modelos que tienen que correrse en supercomputadoras. Entre más complejo sea el modelo, más factores tiene en cuenta y menos suposiciones usa. Se corre desde el pasado hasta el futuro
  7. CC es la mismahistoria … Cambiosantropogénicosllevan a cambiosatmosféricosCrecimientopoblacionalExpansion agricola e industrialTecnologiasambientalmente no amigables Resultan en Aumento de gases de efectoinvernaderoLas temperaturaspodrianincrementarsehasta en 6 oC en 2100Lo queestáocurriendo no tieneprecedentes, poresodebemosmirar lo quemuestran los modeloscomonunca antes.
  8. Estosmodelospuedenllegar a ser tan complejosquepuedenexpandirseverticalmente a muchosniveles, sin embargo lasresolucionesespaciales de sussalidas no son lasmásadecuadas. Fenómenosescala local : Especialmente en regiones con orografíacompleja, suelohetereogéneo, líneacostas.
  9. GCMs y ResolucionesDifieren en Formulación (ecuaciones)ResoluciónEntradasPrecisiónDisponibilidadProyectandiferentespatrones y magnitudes para un mismoperiodo. Todoestoaumenta la incertidumbre. Recomendación : Usarmuchos GCMs comodatos de entrada (estudios de impacto)
  10. Grado de cobertura diff segun modelo. Y resultados tambien yield o suitability. Tambien difieren en escala espacio-temporal a la que se usan.