This presentation shows examples of modelling techniques that can be applied to model and assess the potential impact of climate change on the distributions wild species and performance of crops in the Amazon.

1. Estimación del impacto de cambio
climático en cultivos y especies
silvestres clave
Nora P. Castañeda-Álvarez
“Sustainable development options and land-use based alternatives to: enhance
climate change mitigation and adaptation capacities in the Colombian and Peruvian
Amazon, while enhancing ecosystem services and local livelihoods”

2. Contenido
 Introducción
 Datos
 Estrategias de
modelación
 Ejemplos
 Proyecto BMU

3. Cambio climático, agricultura y
especies silvestres
IPCC – AR5 (2015)
Cultivos:
Impacto negativo en la producción local en zonas
tropicales y templadas (medium confidence)
Especies silvestres:
– No extinctions linked to climate change yet
– One exception: Harlequin frog from Monteverde
affected by fungus: Batrachochytrium dendrobatidis
(Pounds et al., 2006)

4. Climate change and biodiversity
• Proportion of species losing ≥ 50% of its range in 2080, plants
one of the most affected
doi: 10.1038/nclimate1887

5. Datos
• Datos ambientales (estaciones climáticas /
bases de datos globales)
– Worldclim
– Bioclim
– Suelos (ISRIC, IGAC)
• Proyecciones climáticas futuras
– GCM
– Proyecciones provistas por PIK

6. Estaciones x
variable:
• 47,554
precipitación
• 24,542
tmean
• 14,835
tmax y tmin
Fuentes:
•GHCN
•FAOCLIM
•WMO
•CIAT
•R-Hydronet
•Redes nacionales
Bioclim
Annual mean temperature (oC)
Annual precipitation (mm)

7. Climate change scenario
selection
 RCP 2.6 (pico antes de 2100)
 RCP 4.5 (stabilization
scenario)
 RCP 6 (stabilization)
 RCP 8.5 (creciente)
10.1007/s10584-011-0148-z
RCP: Representative Concentration Pathways

8. Cascada de incertidumbre
Hawkins (2014)

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

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

12. Datos requeridos
Especies silvestres
 Datos de occurrencia
Cultivos
 ~ estrategia de modelación
 Condiciones óptimas,
marginales, no-óptimas
(temp y prec)
 Fisiología del cultivo
 Manejo del cultivo

13. Estrategias de modelación
La modelación de nicho permite conocer las áreas
ambientalmente
Determinante: calidad de información de
occurrencia (determinación botánica y
georreferenciación). Interacción con expertos
(botánicos, herpetólogos, ornitólogos,
entomólogos…)
• Especies silvestres (plantas, otros):
– Modelación de nicho (GARP, Maxent)

14. Estrategias de modelación
La modelación de cultivos permite estimar el
impacto de cambio climático en productividad y en
la extensión de las áreas ambientalmente aptas
para un cultivo en particular.
• Especies cultivables (~ información disponible):
– DSSAT (suelos, clima durante época del cultivo)
– GLAM (cultivos anuales)
– Ecocrop (información límites ambientales)
– Maxent
– Otros…
complejidad

15. Distribución actual (reportada)
Solanum colombianum (potato CWR)
Especie silvestre
modelada con
Maxent

16. Distribución potencial bajo
condiciones actuales de clima
Solanum colombianum (potato CWR)
Especie silvestre
modelada con
Maxent

17. Distribución potencial proyectada a
futuro (2050)
Solanum colombianum (potato CWR)
Especie silvestre
modelada con
Maxent

18. Potential impacts in climatic suitable
areas
Solanum colombianum (potato CWR)
Potential losses
Potential gains
No changes
expected
Especie silvestre
modelada con
Maxent

19. Posible impacto de CC en áreas
climáticamente aptas para yuca
Tomado de:
DOI: 10.1007/s12042-012-9096-7
Cultivo modelado con Ecocrop

20. Impacto en rendimiento en trigo
(GLAM)
Tomado de:
DOI: 10.1088/1748-9326/8/3/034016
Cultivo modelado
con GLAM

21. Proyecto BMU
• Selección de estrategias de modelación según disponibilidad
de información
• Trabajo con expertos (selección de drivers ambientales,
parámetros climáticos que afectan el desarrrollo del cultivo)
• Estimar incertidumbres en la modelación
Tomado de:
DOI: 10.1016/j.tree.2006.09.010