Foro de Cambio Climático en Nicaragua Fecha: 20 de agosto 2012 Lugar: Managua, Nicaragua

1. 20/08/2012, Managua - Nicaragua
Carlos Navarro, Julian Ramirez,
Andy Jarvis, Peter Laderach

2. Contenido
• Breve sobre clima & agricultra
• Datos climáticos, disponibilidad
y dificultades
• Opciones - Downscaling
– Empírico
– Dinámico
• Nuestras bases de datos
• Cuantificación de
incertidumbres
• ¿Qué dicen los modelos para
Nicaragua?
• Aplicaciones GCM &
Agricultura
• ¿Cómo Adaptar?

3. Clima & Agricultura
– Múltiples variables
– Muy alta resolución
–T°
• Max,
Menos importantes
espacial (1 km, 90m??).
Mas certidumbre
• Min,
• Media
– Alta resolución
temporal (i.e. mensual,
diaria). –Prec
– Alta certidumbre ,
previsiones precisas del – HR
tiempo y las – Radiacion
proyecciones climáticas. – Vientos
• Tanto para presente – …….
como para futuro.

4. Lo que sí sabemos…
• Cualquier agro-ecosistema responde a variaciones de
factores antropogenicos, bióticos, abioticos.
• El clima es el factor menos predecible.
• El clima va a cambiar y cada sistema es un caso
específico
• Los cultivos son suprememente sensibles a sus
condiciones climaticas

5. Lo que no sabemos… ¿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?
>> INCERTIDUMBRE ¿Quién debe planear?
¿Quién debe
ejecutar?

6. Necesidades Limitaciones

7. Los Escenarios de Emisión
Intermedio PESIMISTA
P “Bussiness as
Económico P usual”
E
E
Global Regional
P P
E E
Mundo perfecto Ambiental OPTIMISTA

8. En la agricultura, los
diferentes
escenarios de
emisiones no son
importantes… de
aqui a 2030 la
diferencia entre
escenarios es
minima

9. GCM “Global Climate Model”
Los GCMs son la única
Usando el pasado para
manera en que podemos
aprender del futuro
predecir el clima a futuro

10. Qué es lo que dicen los modelos??
Variaciones en la temperatura de la superficie de la tierra: de Concentraciones Atmosféricas
1000 a 2100
Cambios antropogénicos llevan a cambios atmosféricos

11. Resoluciones
• Resolución
horizontal de unos
100 a 300 km
• 18 y 56 niveles
verticales.
 Escala global
Pero..  Escala regional o local

12. 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
Incertidumbres!

13. Dificultad 1. Mezcla de resoluciones

14. Dificultad 2. Disponibilidad de datos (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

15. Dificultad 3. habilidad limitada de representar
clima presente.
Depender de un solo GCM es peligroso!

16. Cómo utilizar esta información?
Opciones
Downscaling
Necesidad
por métodos
Aumentar resolución,
estadísticos o
uniformizar… proveer
Problema datos de alta dinámicos..
Aún el GCM resolución,
más preciso es contextualizados
demasiado
grueso (100km).

17. 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

19. Estaciones x
variable:
• 47,554
precipitación
Mean annual
temperature (ºC) • 24,542
-30.1
tmean
30.5
• 14,835
tmax y tmin
Fuentes:
•GHCN
•FAOCLIM
Annual •WMO
precipitation (mm)
0 •CIAT
•R-Hydronet
12084
•Redes nacionales

20. Método Disegregación
• Similar a DELTA pero sin interpolacion
– Base climatologica: CRU, WorldClim
– Calcular anomalias para periodos requeridos para
celdas GCM
– Sumar anomalias a climatologia base

21. RCM PRECIS Providing REgional Climates for
– Usar resultados de Impacts Studies
GCMs
– Son de área limitada..
Necesitan condiciones
de frontera.
– Realiza cálculos de la
dinámica atmosférica y
resuelve ecuaciones
para cada grilla.
– Datos diarios
– Resolucion varia entre 25-50km
– Más de 170 variables de salida

22. ¿Qué metodología empleo?
Métodos Estadísticos vs Dinámicos
Método Pros Contras
*Rápido de implementar * Cambios solo varían en gran escala
*  resoluciones * Variables no cambian sus relaciones en
Delta
*Aplicable a TODOS los GCMs tiempo
*Uniformiza líneas base *  variables
*Pocas plataformas (PRECIS)
* Robusto
*Mucho procesamiento y almacenamiento
*Aplicable a GCMs dependiendo
RCMs *Limitada resolución (25-50km)
de disponibilidad de datos
*Aun falta mucho desarrollo
* variables
*Incertidumbre difíciles de cuantificar

23. Escenarios de población, energía, modelos
Emisiones económicos
Concentraciones Ciclo del carbono, modelos químicos
Cambio climático Global GCMs
RCMs,
Detalles regionales Downscaling
Impactos Modelos de impacto

25. http://ccafs-climate.org

28. ¿Qué ofrecemos?
• Reducidos de escala empíricamente y
disaggregados para todo el mundo de 1 a
20 km.
• Reducidos de escala dinámicamente
(PRECIS) para Sur América.
• 20 GCM para 2050, 9 para 2020 (Datos
Stanford) dowscalados a 20km, 5km, 1km
• 7 GCMs con información Tyndall.

29. ¿Y qué pasa con las incertidumbres? Cómo cuantificar?
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)

30. Projections of future global average annual precipitation for A1B scenarios from
donwscaled data.
Annual Precipitation
820.000
bccr_bcm2_0 cccma_cgcm3_1_t47
800.000
cnrm_cm3
csiro_mk3_5
gfdl_cm2_1
csiro_mk3_0
gfdl_cm2_0
giss_model_er
Incertidumbres
ingv_echam4 inm_cm3_0
Annual Precipitation (mm)
ipsl_cm4 miroc3_2_medres
miub_echo_g mpi_echam5
780.000 mri_cgcm2_3_2a ncar_ccsm3_0
ncar_pcm1 ukmo_hadcm3
ukmo_hadgem1
760.000
740.000
720.000
700.000
2010_2039 2020_2049 2030_2059 2040_2069 2050_2079 2060_2089 2070_2099
Period (30 yr)

31. La incertidumbre cientifica SI es relevante
para la agricultura: tenemos que tomar
decisiones dentro de un contexto de
incertidumbre

32. Comparación con estaciones in-situ
Observed vs. Modeled Acumulated Monthly Rainfall Observed vs. Modeled Mean Monthly Temperature
(Mean Monthly 1979-2003) (Mean Monthly 1979-2003)
700 30
600 R² = 0.126 25 R² = 0.898
500 20
GHCN Stations ( C)
MRI Datasets (mm/month)
400 R² = 0.280 15
300 10
R² = 0.900
200 5
100 0
0 -5
-5 0 5 10 15 20 25 30 35
0 100 200 300 400 500 600 700
GHCN Stations (mm/month) MRI Datasets ( C)

33. Análisis consistencia temporal y espacial
200
180
GHCN Stations
A
MRI Datasets
Precipitation (mm/month)
160
140
120
100
80
60
Jan Feb Mar Apr May Jun Jul Jul Sep Oct Nov Dec
Month
1.0 1.0
D E
0.8 0.8
0.6 0.6
RSQ
RSQ
0.4
0.4
0.2
0.2
0.0
0.0
-40 -30 -20 -10 0 10 20
0 1000 2000 3000 4000
Latitude
Altitude

34. Seiler 2009

35. • Downscaling es inevitable.
• Se está haciendo una
mejora continua.
• El foco principal es hacer
un análisis de
incertidumbres y
• Mejorar los datos de línea
base.
• Evaluar y validar
incertidumbres.

36. • Necesitamos multiples
acercamientos para mejorar la Flujo de
base de informacion acerca de informacion es
escenarios de cambio climatico critico para
– Desarollo de RCMs (multiples: nosotros como
PRECIS NO ES SUFICIENTE) retroalimentaci
on y para no
– Downscaling empirico, metodos
repetir trabajo
hybridos
que otros han
– Probamos diferentes hecho ya.
metodologias

37. Próxima Generación de Escenarios Climáticos (IPCC, AR5)
Representative Concentration Pathways (RCP)
Caminos representativos de concentración

38. RCP 4.5
BCC_csm1-1 MIROC_esm-chem
BNU_esm MIROC_miroc4h
CCCMA_cancm4 MIROC_miroc5
CCCMA_canesm2 MOHC_hadcm3
CNRM_cm5 MOHC_hadgem2-cc
CSIRO_access1_0 MOHC_hadgem2-es
CSIRO_mk3-6-0 MPI-M_mpi-esm-lr
ICHEC_ec_earth MPI-M_mpi-esm-mr
INM_inmcm4 MRI_mri-cgcm3
IPSL_ipsl_cm5a_lr NCAR_ccsm4
IPSL_ipsl_cm5a_mr NCC_noresm1-m
IPSL_ipsl_cm5b_lr NOAA_gfld_esm2g
MIROC_esm NOAA_gfld_esm2m
• Proyecciones AR5 … más modelos, mayor
resolución.
• Evaluar y validar incertidumbres.

40. Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm Csiro Mk3.0 Csiro Mk 3.5
SRES A2 2030s Cambios en Temeprartura Media Anual
Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0
Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam Mri Cgcm 2.3.2a
Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1

41. Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm Csiro Mk3.0 Csiro Mk 3.5
SRES A2 2030s Cambios en Precipitación total anual
Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0
Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam Mri Cgcm 2.3.2a
Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1

42. Cambios promedio en Precipitación total anual
2030s 2050s 2030s
2050s

43. Cambios promedio en Temperatura Media anual
2030s
2030s 2050s
2050s

45. Comparación Línea Precipitación Temperatura
ANNUAL DJF MAM JJA SON ANNUAL DJF MAM JJA SON
Base MODEL C WC C WC C WC C WC C WC C WC C WC C WC C WC C WC
bccr_bcm2_0 1 0.9 0.8 0.7 0.8 0.8 0.8 0.7 0.9 0.9 1 1 1 1 1 1 1 1 1 1
cccma_cgcm3_1_t47 1 0.9 0.6 0.4 0.9 0.8 0.9 0.8 1 1 1 1 1 1 1 1 1 1 1 1
R2 observaciones y cnrm_cm3 1 0.9 0.8 0.7 0.8 0.7 0.9 0.7 0.9 1 1 1 1 1 1 1 1 1 1 1
cada GCM csiro_mk3_0 1 0.4 0.3 0.2 0.6 0.5 0.6 0.8 0.6 0.5 1 1 1 1 1 1 1 1 1 1
csiro_mk3_5 0 0.3 0.2 0.1 0.3 0.2 0.2 0.6 0.4 0.4 1 1 1 1 1 1 1 1 1 1
gfdl_cm2_0 1 0.8 0.5 0.3 0.7 0.7 0.6 0.6 0.8 0.9 1 1 1 1 1 1 1 1 1 1
gfdl_cm2_1 1 0.7 0.9 0.8 0.7 0.7 0.6 0.7 0.7 0.8 1 1 1 1 1 1 1 1 1 1
giss_model_er 1 0.6 0.6 0.6 0.5 0.6 0.5 0.8 0.5 0.5 1 1 1 1 1 1 1 1 1 1
< 0.50 ingv_echam4 1 0.9 0.6 0.6 0.8 0.8 0.9 0.7 0.9 0.9 1 1 1 1 1 1 1 1 1 1
inm_cm3_0 1 0.6 0.2 0 0.7 0.6 0.6 0.6 0.6 0.6 1 1 1 1 1 1 1 1 1 1
0.50 - 0.60 ipsl_cm4 1 0.9 0.3 0.2 0.9 0.9 0.8 0.6 0.9 0.9 1 1 1 1 1 1 1 1 1 1
0.60 - 0.70 miroc3_2_medres 1 0.9 0.7 0.6 0.9 0.9 1 0.8 1 0.9 1 1 1 1 1 1 1 1 1 1
miub_echo_g 1 0.8 0.8 0.6 0.9 0.8 0.8 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1
0.70 - 0.80 mpi_echam5 1 0.6 0.4 0.3 0.6 0.5 0.5 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1
0.80 - 0.90 mri_cgcm2_3_2a 1 0.9 0.9 0.9 0.8 0.8 0.8 0.5 0.9 0.9 1 1 1 1 1 1 1 1 1 1
ncar_ccsm3_0 1 0.9 0.7 0.7 0.9 0.9 0.9 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1
0.90 - 0.95 ncar_pcm1 1 0.8 0.8 0.7 0.7 0.7 0.5 0.6 0.8 0.8 1 1 1 1 1 1 1 1 1 1
0.95 - 0.98 ukmo_hadcm3 1 0.6 0.4 0.3 0.7 0.7 0.4 0.7 0.7 0.8 1 1 1 1 1 1 1 1 1 1
ukmo_hadgem1 0.8 0.8 0.5 0.5 0.9 0.8 0.8 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1
0.98 - 1.00 rcm_ECHAM5 1 0.8 0.7 0.7 0.8 0.8 0.8 0.6 0.8 0.8 1 1 1 1 1 1 1 1 1 1
rcm_HadAM3P_3 1 0.8 0.7 0.7 0.8 0.8 0.8 0.8 0.8 0.8 1 1 1 1 1 1 1 1 1 1
rcm_HadCM3Q0 1 1
C CRU rcm_HadCM3Q16 1
0.8 0.6 0.6 0.8 0.8 0.8 0.7 0.8 0.8
1
1 1 1 1 1 1 1 1 1
0.8 0.6 0.6 0.8 0.8 0.7 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1
W WorldClim rcm_HadCM3Q3 1 0.8 0.7 0.7 0.8 0.8 0.8 0.8 0.8 0.8 1 1 1 1 1 1 1 1 1 1
gcm_mri 1 0.9 0.9 0.9 0.9 0.9 0.9 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1

46. Los cambios en el clima afectan la adaptabilidad de los cultivos
que cultivamos ...
Hay algunos
ganadores..
Number of crops with more than 5% gain
… pero muchos
perdedores en
países en
desarrollo…
Number of crops with more than 5% loss

47. Necesitamos modelos para cuantificar los impactos y
opciones de diseño de adaptación eficaces
Basados en procesos
GCMs
Statistical Downscaling
MarkSim
Dynamical downscaling:
Regional Climate Model
Basados en nichos DSSAT
Probability
EcoCrop
Statistical
Downscaling
Environmental gradient Effective
MaxEnt adaptation
options

48. El Modelo EcoCrop
• Un algoritmo sencillo para mirar el nicho de cada especie
basado sólo en los datos del clima
Evalúa si hay las condiciones
climáticas adecuadas … y calcula la adaptabiliad
, dentro de un periodo de climática de la interacción
crecimiento para T° y Prec…. resultante entre la prec y la T°

49. MaxEnt (Maximum Entropy Modelling)
• Modelo de predicción de la
distribución potencial de una
especie
• Maxent utilizar el principio de la
máxima entropía
• Usa puntos de presencia de
determinadas especies y las
variables ambientales
• Uno de el modelo más precisos
para la predicción cambios en los
rangos en los que la especie
puede adaptarse.

50. Un Ejemplo…
El susto de café en
Cauca, Colombia

51. Climas se mueven hacia arriba
Tmedia
Tmedia Tmedia Ppt total Ppt
Rango anual
anual anual anual an
Altitudinal cambio
actual futuro actual fut
(ºC)
190-500 25.54 27.70 2.16 5891
501-1000 23.47 25.66 2.19 3490
1000-1500 21.29 23.50 2.21 2537
1500-2000 18.36 20.58 2.22 2519
2000-2500 15.60 17.82 2.22 2555
2500-3000 13.33 15.54 2.21 2471
Temperatura media se reduce 0.51oC por cada 100m
en la zona cafetera. Un cambio de 2.2oC equivale a
una diferencia de 440m.

52. Suitability in
Cauca
• Cambios
significativos a
2020s… cambios
drásticos a 2050s.
• El caso del Cauca:
Reducción de areas
de crecimiento y
cambios en la
ditribución
geográficas.
• Algunas nuevas
oportunidades.

53. Hay retos y oportunidades: cada pais
deberia tener una estrategia para
enfrentar ambos

54. Los cambios son más drásticos en
América Central

56. • 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.

57. • Necesitamos saber que hacemos, como
POLITICAS PÚBLICAS Y PRIVADAS
INVESTIGACION Y DESARROLLO
lo hacemos, cuando lo hacemos y
donde?
• Primero paso es analisar el problema
TECNOLOGICO
• Segundo, analizar opciones de
adaptacion
• Evaluar costo-beneficio para el sector
• Implementar
• HAZLO AHORA!
BUEN MANEJO AGRONOMICO