los procesos de integraciÓn regional del siglo...

Post on 30-Jul-2020

1 Views

Category:

Documents

0 Downloads

Preview:

Click to see full reader

TRANSCRIPT

Compe&&vidad  internacional  del  aguacate  michoacano  y  escenarios  de  cambio  climá&co,  2025-­‐2075�

LOS PROCESOS DE INTEGRACIÓN REGIONAL DEL SIGLO XXI

Carlos  Francisco  Or&z  Paniagua,    Alba  María  Ortega  Gómez,    Priscila  Ortega  Gónmez  y    Zoe  T.  Infante  Jiménez  

Compe&&vidad  internacional  del  aguacate  michoacano  y  escenarios  de  cambio  climá&co,  2025-­‐2075  

Presentan:    CA-­‐UMSNH-­‐150  

Carlos  Francisco  Or;z  Paniagua,  Alba  María  Ortega  Gómez,  Priscila  Ortega  Gónmez  y  Zoe  T.  Infante  Jiménez  Sede:  Unidad  de  Auditorios  Universidad  de  Guadalajara    

Fecha:    26-­‐28  de  abril  de  2017  

Compe&&vidad  del  aguacate  

Caracterización de Michoacán

•  Transferencia de valor del sector primario •  Superficie de 59 mil km2, (noveno lugar en términos

demográficos) •  IDH = 0.69; (lugar 29 de 32). •  Participación económica y competitividad se ubica en la

posición 29 de 32. •  Concentración poblacional, en siete ciudades

11 22

67

21 22

57

Primario Secundario Terciario

Estructura económica de Michoacán, 2012 (Participación porcentual)

Valor PEA

Par&cipación  en  porcentaje  a  nivel  mundial  de  los  países  exportadores  de  aguacate    

0%  

5%  

10%  

15%  

20%  

25%  

30%  

35%  

México   Chile   España   África   Sudáfrica   Países  Bajos   Israel   Perú   Francia   República  Dominicana  

Resto  de  los  países  

Principales  países  importadores  de  aguacate  a  nivel  mundial,  can&dad  en  toneladas    

0  

500,000  

1,000,000  

1,500,000  

2,000,000  

2,500,000  

3,000,000  

3,500,000  

EUA   Francia   Países  Bajos   Reino  Unido   Japón   Canadá   España   Alemania   Colombia   El  Salvador  

Principales  productores  de  aguacate  en  México  

Estado Producción  (Ton)

Valor  Producción  (Miles  de  Pesos)

Porcentaje  de  producción  nacional

1 Michoacán 1,092,344.21 16,453,977.72 86.41% 2 Jalisco 37,741.54 383,314.81 2.99% 3 Morelos 27,715.53 294,895.78 2.19% 4 México 25,955.00 356,559.72 2.05% 5 Nayarit 25,707.22 151,721.95 2.03%

Fuente:  SIAP,  2015  

4%  del  PIB  Michoacano  deriva  de  la  producción  de  aguacate  

La  compe&&vidad  del  aguacate  •  El   cul&vo   de   aguacate   favorecido   por   los   mercados   internacionales…   creciente  

mejoramiento   de   las   ventajas   compe&&vas   del   aguacate   en   las   úl&mas   décadas,  (Torres,  2006).  

•  Logís&ca,  distribución  y  mercadotecnia  (Carman,  2009).  

•  El  productor  más   importante  de  aguacate  en  México  es  el   estado  de  Michoacán,  que   suministra   más   de   80%   de   la   producción   nacional   y   más   de   90%   de   las  exportaciones.  La  compe&&vidad  del  mismo  estudiado  por  Bonales,  2003;  

•  Fundamento  en  las  redes  de  distribución,  la  calidad  del  producto,  los  rendimientos  y  el  precio  del  mismo  en  el  mercado.  A  la  vez  que  el  mejoramiento  de  los  procesos  de   producción,   distribución   y   calidad   del   fruto   han   sido   parte   de   las   etapas   que  atravesarían   los   productores,   quienes   han   sido   “forzados”   a   ello,   al   ingresar   al  mercado   internacional,  sin  olvidar  el  papel  del  estado  como  promotor  de  esto  en  un  inicio,  como  lo  demuestra  (Stanford,  2002).  

Cambio  climá&co  

Convergencia de los resultados de ambas posturas teórico-políticas

1.  Aumento de la temperatura promedio del planeta

2.  Cambio en los patrones de precipitación pluvial

3.  Aumento e intensificación de los fenómenos meteorológicos extremos

1.  Gestión de capacidades adaptativa

2.  Gestión de riesgos 3.  Reducción de vulnerabilidad e

incremento de la resiliencia

•  Pluviometría irregular e impredecible

•  Aumento de la incidencia de las tormentas y sequías prolongadas

•  Aumento en la aparición de plagas y enfermedades que afectan a cultivos y animales

•  Reducción en los rendimientos de los cultivos

•  D e c r e m e n t o d e l a disponibilidad de agua

•  Aumento en el número de p e r s o n a s e x p u e s t a s a enfermedades

•  Aumento en el riesgo de inundaciones, producto de lluvias torrenciales y en el aumento del nivel del mar

•  Desplazamientos humanos

Consecuencias del CC

Materiales  y  métodos  

•  Parte  I.    Compe&&vidad  del  aguacate  – ¿Qué  tan  compe&&vos  son  los  productores  agrícolas?  

•  Parte  II.  Variabilidad  climá&ca  regional  – ¿Hay  evidencia  de  cambio  climá&co  en  la  región?  – ¿Cómo  afectaría  a  los  productores  de  aguacate?  

Compe&&vidad  de  los  productores  agrícolas  

Cargas  factoriales  (ACP)   F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 F13 F14 F15 F16

SUP_AGR 0.148 0.562 -0.444 -0.061 -0.455 -0.235 -0.093 -0.035 0.373 -0.155 -0.148 -0.025 -0.007 -0.057 0.024 0.000

FER_QUÍMICOS 0.894 0.204 -0.022 -0.182 0.088 0.022 -0.090 0.086 0.013 -0.152 0.002 0.072 -0.004 0.230 -0.066 -0.128

SEM_MEJORADA 0.693 -0.442 -0.209 -0.268 -0.205 -0.071 -0.056 -0.164 -0.186 -0.127 0.062 -0.161 -0.135 -0.111 -0.145 -0.007

A_NATURALES 0.448 0.658 0.324 -0.173 0.277 0.060 -0.056 0.002 -0.088 0.056 -0.256 -0.115 -0.232 0.013 0.009 0.065

HERB_QUÍMICOS 0.912 -0.083 -0.017 -0.190 -0.021 -0.053 -0.074 0.011 -0.035 -0.199 0.103 0.056 0.149 0.106 0.017 0.168

HERB_ORGÁNICOS 0.708 0.439 0.332 -0.131 0.089 -0.180 0.079 0.106 -0.101 0.055 -0.047 0.085 0.233 -0.194 -0.070 -0.034

INSEC_QUÍMICOS 0.902 -0.187 0.091 -0.170 -0.068 -0.100 0.010 -0.087 -0.141 -0.076 0.051 -0.010 -0.042 -0.064 0.232 -0.063

INSEC_ORGÁNICOS 0.485 0.215 0.554 0.249 -0.266 -0.207 0.104 -0.192 0.185 0.196 0.320 -0.089 -0.048 0.060 -0.024 0.003 QUEMA_CONTROLADA 0.640 -0.110 -0.388 0.035 -0.227 -0.230 0.078 0.350 -0.114 0.398 -0.010 0.098 -0.101 0.030 0.000 0.023 OTRA_TECNOLOGÍA 0.370 -0.013 0.100 0.702 -0.199 0.073 -0.495 0.091 -0.171 -0.034 -0.111 -0.114 0.070 0.002 0.005 -0.008

CREDITO 0.725 -0.251 -0.227 -0.055 0.113 0.220 0.126 -0.229 0.145 0.294 -0.230 -0.186 0.175 0.052 0.008 -0.009

SEGURO 0.601 0.116 -0.319 0.156 0.466 0.229 -0.056 0.240 0.231 -0.039 0.294 -0.126 -0.037 -0.097 0.011 -0.001 CREDYSEG 0.714 0.042 -0.201 0.412 0.149 0.170 0.011 -0.338 0.027 0.011 -0.036 0.312 -0.099 -0.057 -0.025 0.012

Riego_UP 0.470 -0.373 0.254 0.388 -0.067 -0.012 0.506 0.206 0.114 -0.257 -0.199 -0.036 -0.048 -0.003 -0.014 0.006

Traccion 0.235 -0.481 0.468 -0.327 -0.193 0.340 -0.301 0.140 0.303 0.084 -0.073 0.118 -0.052 -0.058 -0.009 0.003

SalyEros 0.046 0.455 -0.075 -0.057 -0.460 0.688 0.230 0.045 -0.175 -0.012 0.102 -0.009 0.020 -0.005 0.008 0.001

0  

20  

40  

60  

80  

100  

0  

1  

2  

3  

4  

5  

6  

7  

F1   F2   F3   F4   F5   F6   F7   F8   F9   F10   F11   F12   F13   F14   F15   F16  

Varia

bilid

ad  acumulad

a  (%

)  

Valor  p

ropio  

eje  

Gráfico  de  sedimentación  

Materiales y métodos

•  Índice  de    compe&&vidad  agrícola  –  Compe&&vidad  de  los  productores  

–  Se  estandarizaron  los  valores  y  luego  se  establecieron  rangos  en  escala  likert  de  cinco  categorías  

–  Se   sumaron   se   dividieron   sobre   el   máximo   valor   a   obtener   para  rela&vizar  

ICAM,  para  los  productores  de  Michoacán  

0.70-1.00 Muy Alta 0.47-0.69 Alta 0.37-0.46 Moderada 0.31-0.35 Baja

Municipio ICAM Municipio ICAM Municipio ICAM Municipio ICAM Municipio ICAM

Uruapan 1.00 Ario 0.69 Zamora 0.47 Queréndaro 0.39 Churintzio 0.37 Puruándiro 0.92 Zacapu 0.68 Lázaro C. 0.47 Aquila 0.39 Quiroga 0.36 Buenavista 0.89 Salvador E. 0.65 Coeneo 0.47 Senguio 0.39 Briseñas 0.36 Zitácuaro 0.89 Tarímbaro 0.65 Piedad, La 0.46 Coalcomán 0.39 Madero 0.36 Zinapécuaro 0.87 Tancítaro 0.65 Tingambato 0.46 Tocumbo 0.39 Irimbo 0.36 Vista Hermosa 0.83 Venustiano C. 0.64 Cotija 0.46 Pátzcuaro 0.39 Angangueo 0.36 Tacámbaro 0.83 Contepec 0.64 Ocampo 0.45 Susupuato 0.39 Tuxpan 0.36 Huetamo 0.75 Tanhuato 0.64 Arteaga 0.45 Chavinda 0.38 Jiquilpan 0.36 Huacana, La 0.73 Tiquicheo de N. 0.63 San Lucas 0.44 Aguililla 0.38 Tzitzio 0.35 Maravatío 0.70 José S. V. 0.62 Jacona 0.44 Churumuco 0.37 Cherán 0.35

Hidalgo 0.61 Charo 0.43 Tangamandapio 0.37 S. Ana Maya 0.35 Nahuatzen 0.61 Cuitzeo 0.43 Tingüindín 0.37 Ixtlán 0.34 Turicato 0.60 Ecuandureo 0.43 Numarán 0.37 Sahuayo 0.34 Alvaro Obregón 0.60 Peribán 0.43 Gabriel Z. 0.37 Lagunillas 0.34 Penjamillo 0.58 Indaparapeo 0.42 Purépero 0.34 Yurécuaro 0.57 Erongarícuaro 0.42 Morelos 0.33 Morelia 0.54 Parácuaro 0.42 Chilchota 0.33 Reyes, Los 0.54 Zináparo 0.41 Marcos C. 0.33 Jiménez 0.51 Nuevo P. 0.41 Copándaro 0.33 Apatzingán 0.51 Paracho 0.41 Huaniqueo 0.33 Pajacuarán 0.51 Tangancícuaro 0.41 Juárez 0.33 Angamacutiro 0.50 Ziracuaretiro 0.41 Tumbiscatío 0.32 Epitacio Huerta 0.49 Carácuaro 0.41 Coahuayana 0.32 Villamar 0.48 Taretan 0.41 Cojumatlán 0.32 Jungapeo 0.48 Acuitzio 0.41 Nocupétaro 0.32 Tuzantla 0.48 Tepalcatepec 0.41 Charapan 0.32 Múgica 0.48 Panindícuaro 0.40 Aporo 0.32 Tlalpujahua 0.47 Nuevo Urecho 0.39 Chucándiro 0.31

Tzintzuntzan 0.31 Tlazazalca 0.31 Chinicuila 0.30 Huiramba 0.30 Huandacareo 0.30

Región  aguacatera  propuesta  por  Gu&érrez  et.al.  (2010).  

• Acuitzio • Apatzingán • Ario • Cotija • Madero • Nuevo Parangaricutiro • Peribán • Los Reyes • Salvador Escalante • Tacámbaro • Tancítaro • Tangamandapio • Tangancícuaro • Taretan • Tingambato • Tingüindín • Tocumbo • Turicato • Tuxpan • Uruapan • Ziracuaretiro • Zitácuaro

Región  aguacatera  

Compe&&vidad  de  los  productores  agrícolas  

•  Parte  II.  – Análisis  de  la  variabilidad  climá&ca  

Punto  de  par&da  y  supuestos  

Escenarios  de  emisiones  Los   escenarios   de   emisiones,   son   imágenes   alterna&vas   de   lo   que  podría  acontecer  en  el  futuro,  y  cons&tuyen  un  instrumento  apropiado  para  analizar  de  qué  manera  influirán  las  fuerzas  determinantes  en  las  emisiones  futuras.    El   escenario   A2   proyecta   un   planeta   muy   heterogéneo;   la   población  mundial   se   man&ene   en   con&nuo   crecimiento,   sería   casi   una  proyección  lineal  del  actual  comportamiento  de  la  ac&vidad  humana;      El   escenario   A1B   proyecta   una   convergencia   económica   global,  emisiones   de   contaminantes   a   la   atmósfera   media-­‐alta,   rápido  crecimiento   económico,   tecnologías   eficientes   y   un   balance   entre  energías  fósiles  y  no  fósiles  (IPCC,  2000).    

Escenario  A1;  para  temperatura  para  2040  

Fuente:  IPCC,  2007  

Escenario  A1,  para  la  precipitación  al  año  2040  

Fuente:  IPCC,  2007  

Materiales  y  métodos  en  el  aspectos  meteorológico  

 ü La  selección  de  las  estaciones  meteorológicas  

ü Control  de  calidad  de  los  datos  (mayor  número  de  observaciones  diarias)  

Materiales  y  métodos    

No.   Id_Estación   Nombre   Municipio   Escenarios climáticos  X   Y  

1   16140   V. Madero (CFE)   Madero   -101.25   19.25  2   16123   Tacámbaro   Tacámbaro   -101.25   19.25  3   16127   Taretan (CFE)   Taretan   -101.75   19.25  4   16073   Los Limones (CFE)   Los Reyes   -102.75   19.75  5   16043   El Puerto   Cotija   -102.75   19.75  6   16106   San Ángel   Tinguindín   -102.75   19.75  7   16125   Tangancícuaro  

Tangancícuaro   -102.25   19.75  8   16014   Camécuaro  9   16137   Urepetiro  10   16165   Uruapan (CFE)   Uruapan   -100.25   19.25  

ü 10  estaciones  meteorológicas    8  municipios:    § Co&ja  § Los  Reyes  § Madero  § Tacámbaro  § Taretan  § Tinguindín  § Tangancícuaro  § Uruapan  

Estos  criterios  resultaron  en  la  selección:    

Análisis  RHtest  en  las  estaciones  que  pasaron  las  pruebas  

•  El LARS WG (Long Ashton Research Station Weather Generator, por sus siglas en inglés) genera datos diarios de tiempo de un sitio particular con las mismas características estadísticas de la serie real de la estación (Semenov et al., 1998).

•  Es un generador estocástico que se basa en series autoregresivas y utiliza una distribución normal que se aproxima a una distribución de probabilidad de series húmedas y secas, precipitación diaria, temperatura máxima, temperatura mínima.

Software LARS WG versión 4.0 (http://www.rothamsted.bbsrc.ac.uk/mas-models/larswg/download.php)

Proyecciones  de  temperatura  2025,  2050  y  2075  

ü  Primero se calibró el modelo analizando las

características estadísticas de los datos observados diarios por períodos de 30 años.

ü  Se generaron las muestras diarias (30 años) bajo

cambio climático a partir de los parámetros estadísticos obtenido de las estaciones meteorológicas correspondiente

ü  LARS WG construyó las series sintéticas de datos

futuros para la climatología 2025 (periodo 2010-2040), 2050 (periodo 2040-2070) y 2075 (periodo 2060-2090)

Software LARS WG versión 4.0 (http://www.rothamsted.bbsrc.ac.uk/mas-models/larswg/download.php)

Resultados    Escenarios  de  cambio  climá&co  

Estación   Municipio   Escenario A2   Escenario A1B  2025   2050   2075   2025   2050   2075  

16073   Los Reyes   1   1.9   3.2   1.1   2.1   3  16043   Cotija   0.4   1.4   2.8   0.6   1.7   2.7  16106   Tinguindín   1   2.2   3.8   1.2   2.4   3.5  16014  

Tangancícuaro  1.3   2.3   3.8   1.4   2.5   3.6  

16125   0.4   1.7   3.4   0.7   2   3.3  16137   0.8   1.9   3.4   1   2.2   3.3  16165   Uruapan   1.8   2.8   4.1   2   2.9   3.9  16127   Taretan   0.8   1.6   3.1   0.8   1.8   2.7  16123   Tacámbaro   0.9   1.9   3.5   0.9   2   3.2  16140   Madero   2.5   3.6   5.3   2.8   4   5.3  

Resultados  Ecuaciones  de  las  tendencias  de  precipitación  

Estación   Municipio   Ecuación  16073   Los Reyes   y = -1.350x + 1044  16043   Cotija   y = -1.860x + 941.9  16106   Tinguindín   y = -2.414x + 986  16014  

Tangancícuaro  y = -1.271x + 938.5  

16125   y = -5.674x + 947.4  16137   y = -0.128x + 908.5  16165   Uruapan   y = -7.053x + 1614  16127   Taretan   y = -2.305x + 1202  16123   Tacámbaro   y = -2.723x + 1286  16140   Madero   y = -5.606x + 1312  

Resultados  Diagramas  “Box  plots”      

Box Plot (Spreadsheet5 7v*10950c)

Median; Box: 25%-75%; Whisker: Non-Outlier Range

Median 25%-75% Non-Outlier Range Outliers ExtremesPrecip_obs

A2_2025A2_2050

A2_2075A1B_2025

A1B_2050A1B_2075

600

700

800

900

1000

1100

1200

1300

1400

1500

ESTACIÓN  16073,  LOS  REYES  Box Plot (Spreadsheet5 7v*10950c)

Median; Box: 25%-75%; Whisker: Non-Outlier Range

Median 25%-75% Non-Outlier Range Outliers ExtremesPrecip_obs

A2_2025A2_2050

A2_2075A1B_2025

A1B_2050A1B_2075

300

400

500

600

700

800

900

1000

1100

1200

ESTACIÓN  16043,  COTIJA  Box Plot (Spreadsheet5 7v*10950c)

Median; Box: 25%-75%; Whisker: Non-Outlier Range

Median 25%-75% Non-Outlier Range Outliers ExtremesPrecip_obs

A2_2025A2_2050

A2_2075A1B_2025

A1B_2050A1B_2075

200

400

600

800

1000

1200

1400

ESTACIÓN  16106,  TINGUINDÍN  

Box Plot (Spreadsheet5 7v*10950c)

Median; Box: 25%-75%; Whisker: Non-Outlier Range

Median 25%-75% Non-Outlier Range Outliers ExtremesPrecip_obs

A2_2025A2_2050

A2_2075A1B_2025

A1B_2050A1B_2075

200

400

600

800

1000

1200

1400

ESTACIÓN  16014,  TANGANCÍCUARO  Box Plot (Spreadsheet5 7v*10950c)

Median; Box: 25%-75%; Whisker: Non-Outlier Range

Median 25%-75% Non-Outlier Range Outliers ExtremesPrecip_obs

A2_2025A2_2050

A2_2075A1B_2025

A1B_2050A1B_2075

400

500

600

700

800

900

1000

1100

1200

1300

1400

ESTACIÓN  16125,  TANGANCÍCUARO  Box Plot (Spreadsheet5 7v*10950c)

Median; Box: 25%-75%; Whisker: Non-Outlier Range

Median 25%-75% Non-Outlier Range Outliers ExtremesPrecip_obs

A2_2025A2_2050

A2_2075A1B_2025

A1B_2050A1B_2075

400

500

600

700

800

900

1000

1100

1200

1300

ESTACIÓN  16137,  TANGANCÍCUARO  

Box Plot (Spreadsheet2 7v*30c)

Median; Box: 25%-75%; Whisker: Non-Outlier Range

Median 25%-75% Non-Outlier Range Outliers ExtremesPrecip_obs

A2_2025A2_2050

A2_2075A1B_2025

A1B_2050A1B_2075

600

800

1000

1200

1400

1600

1800

2000

2200

2400

ESTACIÓN  16165,  URUAPAN  Box Plot (Spreadsheet2 7v*31c)

Median; Box: 25%-75%; Whisker: Non-Outlier Range

Median 25%-75% Non-Outlier Range Outliers ExtremesPrecip_obs

A2_2025A2_2050

A2_2075A1B_2025

A1B_2050A1B_2075

200

400

600

800

1000

1200

1400

1600

1800

ESTACIÓN  16127,  TARETAN  

Box Plot (Spreadsheet1 7v*30c)

Median; Box: 25%-75%; Whisker: Non-Outlier Range

Median 25%-75% Non-Outlier Range Outliers ExtremesPercip_obs

A2_2025A2_2050

A2_2075A1B_2025

A1B_2050A1B_2075

-200

0

200

400

600

800

1000

1200

1400

1600

1800

ESTACIÓN  16123,  TACÁMBARO  

Box Plot (Spreadsheet5 7v*10950c)

Median; Box: 25%-75%; Whisker: Non-Outlier Range

Median 25%-75% Non-Outlier Range Outliers ExtremesPrecip_obs

A2_2025A2_2050

A2_2075A1B_2025

A1B_2050A1B_2075

400

600

800

1000

1200

1400

1600

1800

ESTACIÓN  16140,  MADERO  

Resultados:    Compe&&vos  versus  variabilidad  climá&ca  

Municipio

Escenarios de CC (Aumento

de la T°)

Ecuaciones (Disminución de la precipitación) IVT_clim

Los Reyes 3 2 5 Cotija 3 2 5 Tacámbaro 4 2 6 Taretan 3 2 5 Tangancícuaro 4 2 6 Tinguindín 4 2 6 Uruapan 4 4 8 Madero 4 4 8

Resultados  Compe&&vidad,  vulnerabilidad  y  variabilidad  climá&ca  y  social  

Conclusiones  

ü La   metodología   implementada   combina   variables   económicas   y  climatológicas,  lo  que  cons&tuye  el  principal  aporte  del  presente  estudio.  

ü Los   valores   de   cambio   climá&co   del   “pixel”   correspondiente  muestra   una  variación  de  temperatura  máxima  de  un  grado  para  los  siguientes  diez  años,  por  encima  de   los  tres  grados,  a   la  vez  que   la  tendencia  de  precipitación  en  los  úl&mos  30  años  ha  sido  nega&va.    

ü Cuando   se   incorporan   las   tendencias   del   clima,   (precipitación   y  temperatura),   los  municipios  más  vulnerables  de   la   región    aguacatera   son:  Uruapan  y  Madero.  

Conclusiones  

ü Los  efectos  del   cambio  climá&co  par&endo  de   los  escenarios  propuestos  por  el  PICC  pueden   impactar  en   la  región  aguacatera,  según  muestran   los  resultados  de  los  escenarios  a  2075  y  las  tendencias  en  la  precipitación.    

ü 60%  de  la  superficie  es  de  temporal  

ü Lo   anterior   combinado   con   una   economía   especializada   como   la   región   de  estudio  plantea  retos  importantes,  que  al  momento  no  se  han  contemplado  como  “riesgos  latentes”  por  parte  de  los  productores  o  de  las  autoridades.  

ü La   metodología   empleada   sugiere   que   la   variabilidad   climá&ca   debe   ser  contemplada   para   tomar  medidas   de  mi&gación   o   adaptación   de   impactos   en   la  agricultura,  principalmente  la  del  aguacate,  por  su  importancia  económica.  

ü Una   de   las   líneas   de   inves&gación   que   se   desprenden   apunta   al   estudio   de   la  resiliencia  del  cul&vo    de  aguacate  ante  un   incremento  de  3  grados  promedio  de  temperatura  y  una  reducción  superior  al  10%  en  la  precipitación.  

ü El  cambio  de  cobertura  vegetal  se  suma  al  efecto  de  la  variabilidad  climá&ca  para  la  reducción  de  captación  de  agua  

top related