tesis doctoral ) y de sus plagas · de vicente santiago marco mancebón e ignacio pérez moreno,...
Post on 08-Oct-2020
2 Views
Preview:
TRANSCRIPT
Yuliana Grisel García Martínez
Vicente Santiago Marco Mancebón, Daniel Jiménez García y Ignacio Pérez Moreno
Facultad de Ciencia y Tecnología
Agricultura y Alimentación
Título
Director/es
Facultad
Titulación
Departamento
TESIS DOCTORAL
Curso Académico
Impacto del cambio climático sobre la distribuciónpotencial de la vid (Vitis vinifera) y de sus plagas
asociadas Lobesia botrana y Eupoecilia ambiguella enEuropa
Autor/es
© El autor© Universidad de La Rioja, Servicio de Publicaciones, 2020
publicaciones.unirioja.esE-mail: publicaciones@unirioja.es
Impacto del cambio climático sobre la distribución potencial de la vid (Vitisvinifera) y de sus plagas asociadas Lobesia botrana y Eupoecilia ambiguella
en Europa, tesis doctoral de Yuliana Grisel García Martínez, dirigida por Vicente SantiagoMarco Mancebón, Daniel Jiménez García y Ignacio Pérez Moreno (publicada por la
Universidad de La Rioja), se difunde bajo una Licencia Creative CommonsReconocimiento-NoComercial-SinObraDerivada 3.0 Unported.
Permisos que vayan más allá de lo cubierto por esta licencia pueden solicitarse a los titulares del copyright.
Impacto del cambio climático sobre la distribución potencial de
la vid (Vitis vinifera) y de sus plagas asociadas Lobesia botrana
y Eupoecilia ambiguella en Europa
Memoria presentada por:
M.C. Yuliana Grisel García Martínez
Para optar al título de Doctora por la Universidad de La Rioja
DIRECTORES DE TESIS:
Dr. Vicente Santiago Marco Mancebón
Dr. Daniel Jiménez García
Dr. Ignacio Pérez Moreno
La Rioja, Logroño, 2019
DEPARTAMENTO DE AGRICULTURA Y ALIMENTACIÓN
DEPARTAMENTO DE AGRICULTURA Y ALIMENTACIÓN
PROGRAMA DE DOCTORADO:
ENOLOGÍA, VITICULTURA Y SOSTENIBILIDAD
Memoria presentada por:
M.C. Yuliana Grisel García Martínez
Para optar al título de Doctora por la Universidad de la Rioja
Impacto del cambio climático sobre la
distribución potencial de la vid (Vitis vinifera) y
de sus plagas asociadas Lobesia botrana y
Eupoecilia ambiguella en Europa
DIRECTORES DE TESIS:
Dr. Vicente Santiago Marco Mancebón
Dr. Daniel Jiménez García
Dr. Ignacio Pérez Moreno
En Logroño a 7 de octubre de 2019
DEPARTAMENTO DE AGRICULTURA Y ALIMENTACIÓN
PROGRAMA DE DOCTORADO:
ENOLOGÍA, VITICULTURA Y SOSTENIBILIDAD
Impacto del cambio climático sobre la
distribución potencial de la vid (Vitis vinifera) y
de sus plagas asociadas Lobesia botrana y
Eupoecilia ambiguella en Europa
Memoria presentada por:
M.C. Yuliana Grisel García Martínez
Para optar al título de Doctora por la Universidad de la Rioja
Fdo.: Yuliana Grisel García Martínez
V.º B.º del Director V.º B.º del Director
Dr. Ignacio Pérez Moreno Dr. Daniel Jiménez García
V.º B.º del Director
Dr. Vicente Santiago Marco Mancebón
Agradecimientos
Agradecimientos
Esta tesis doctoral ha sido financiada con una beca doctoral al extranjero
(número de beca 284771), otorgada por el Consejo Nacional de Ciencia y
Tecnología (CONACYT), México. ¡Gracias México lindo y querido!
Agradezco al Centro de Agroecología y Ambiente. Instituto de Ciencias
de la Benemérita Universidad Autónoma de Puebla, México, por haber
permitido hacer mi estancia en esta institución, sobre todo a mi Director externo
el Dr. Daniel Jiménez García, quien me ha otorgado todo el conocimiento
metodológico actual sobre los Modelos de Nicho Ecológico y Sistemas de
Información Geográfica, con lo cual sin sus enseñanzas no podría haber
logrado la finalización de este proyecto, gracias por tu guía, tu apoyo, tu
tiempo, tus observaciones siempre tan certeras.
Por otra parte, quiero agradecer al Laboratorio de Protección de cultivos
del departamento de Agricultura y Alimentación, de la Universidad de la Rioja,
ya que la presente tesis doctoral se ha llevado a cabo en él, bajo la Dirección
de Vicente Santiago Marco Mancebón e Ignacio Pérez Moreno, gracias por sus
revisiones, comentarios y su tiempo.
De forma más personal quiero agradecer a mi amado esposo Luis J. G.
quien sin su apoyo en todos los aspectos, no podría haber continuado (nunca
has dejado que me rinda, siempre me has dado fortaleza y me has dado tu
hombro para apoyarme y continuar en esos tiempos tan difíciles, gracias, te
amo, sol de mi vida), perdón por tener que soportar mi carácter explosivo en
Agradecimientos
esos días. Gracias a mis hermosos angelitos Luis Daniel J. G., Jatzibe Taiyari
J.G. y Clio, y perdón por el tiempo de ausencia, sé que no lo he de poder
compensar (algún día espero lo comprendan), hijos, tengan siempre presente
que son mis pilares, el motor de mi vida, mi fortaleza, mi todo, los amo mis
bebes hermosos.
Agradezco a mis padres (J.F. Antonio G. A. y María Soledad M. A), por
darme el ser, especialmente a mi querida madre (sé que siempre estoy en tu
pensamiento y corazón). También mil gracias a don Dany J. V. y doña Ofelia
Bertha G. V., por considerarme como una hija más, por el apoyo moral y las
porras, sepan que ese cariño es correspondido (siempre han sido unos padres
para mí). También quiero, agradecer a Dany J. G. por el apoyo, por estar ahí,
escuchando, ser paño de lágrimas y por tus consejos, al igual Juan J. G.,
ambos tengan siempre presente que son mis grandes amigos, mis hermanos,
los quiero chicos ya habrá tiempo de echar relajo y convivir mucho más. Doña
Guadalupe Evangelina y Mina, gracias por cuidar a toda mi familia desde el
cielo.
Finalmente quiero agradecer a los amigos y compañeros del laboratorio
de Agricultura y Alimentación (Vicente, Nacho, Elena, María, Eduardo, Luz…),
mis demás amigos (Maribel, Ana, Carla, Miriam, María Luisa, Diana P…),
hermanos, primos, sobrinos y familia…
¡Mil Gracias!
Agradecimientos
Cultivemos la ciencia por sí misma, sin considerar por el momento las
aplicaciones. Estas llegan siempre, a veces tardan años, a veces, siglos.
Santiago Ramón y Cajal
Índice
Índice
i
Índice
Índice de contenidos……………………………………………………………………i
Índice de tablas………………………………………………………………………..iii
Índice de figuras……………………………………………………………………….iv
Resumen……………………………………………………………………………….ix
Summary……..………………………………………………………….……………xiv
1. Introducción………………………………………………………………………….1
1.1. Bibliografía…………….……………………………….………………….7
2. Objetivos……………………………………………………………………..…….13
2.1. Objetivo general…………………………………………………..……..13
2.2. Objetivos específicos…………………………………………………...13
3. Materiales y métodos…………………………………………………...…..…….15
3.1. Área de estudio…………………………………………………..……...15
3.2. Datos de ocurrencia de cada especie……………...…………………21
3.3. Datos ambientales de los puntos de ocurrencia……………………..22
3.4. Calibración de los modelos de nicho ecológico……………………...26
3.5. Evaluación de los modelos de nicho ecológico……………………...29
3.6. Análisis de Sistemas de Información Geográfica (GIS) ……………31
3.7. Interferencia de V. vinífera, L. botrana y E. ambiguella
con diferentes usos del suelo……………………………………….…32
3.8. Bibliografía…………………………………………………….…………34
4. Distribución potencial del cultivo de la vid en Europa ante el impacto del
cambio climático…………………………………..………………………………37
4.1. Introducción…………………………………..………………………….37
4.2. Resultados…………………………………..…………………………...40
4.3. Discusión…………………………………..…………………………….54
4.4. Conclusiones…………………………………..………………………...61
4.5. Bibliografía…………………………………..…………………………...64
Anexo 1…………………………………..……………………………………69
Índice
ii
5. Distribución potencial de Lobesia botrana en Europa ante el impacto del
cambio climático…………………………………..………………………………72
5.1. Introducción…………………………………..……………………….…72
5.1.1. Posición taxonómica…………………………………..….…..72
5.1.2. Distribución geográfica………………………………..…...…73
5.1.3. Biología, descripción y daños…………………………..……74
5.1.4. Lobesia botrana y cambio climático…………………………76
5.2. Resultados…………………………………..…………………………...81
5.3. Discusión…………………………………..…………………………….91
5.4. Conclusiones…………………………………..……………….………..99
5.5. Bibliografía………………………………………………………..…….102
Anexo 2…………………………………..…………………………………..108
6. Distribución potencial de Eupoecilia ambiguella en Europa ante el impacto
del cambio climático……………………………………………………….…….114
6.1. Introducción……………………………………………………....…….114
6.1.1. Posición taxonómica…………………………………..…….114
6.1.2. Distribución geográfica…………………………………..….115
6.1.3. Biología, descripción y daños………………………………116
6.1.4. Eupoecilia ambiguella y cambio climático………………...118
6.2. Resultados…………………………………..………………………….119
6.3. Discusión…………………………………..………………………..….128
6.4. Conclusiones…………………………………..……………………….132
6.5. Bibliografía…………………………………..………………………….135
Anexo 3…………………………………..…………………………………..137
7. Conclusiones generales……………………………..………………………….140
Índice
iii
Índice de tablas
Tabla 1. Variables bioclimáticas de WorldClim empleadas en el proceso de
modelado…………………………………………………………………...…23
Tabla 2. Modelos de circulación general (GCM) empleados para la proyección
a futuro de los modelos de nicho ecológico bajo los escenarios de
emisión RCP 4.5 y RCP 8.5…………………………………………………25
Tabla 3. Principales características de los escenarios de cambio climático RCP
4.5 y RCP 8.5. ………………………………………………………………..26
Tabla 4. Modelos de nicho ecológico de V. vinífera seleccionados en función de
los criterios de significancia, rendimiento y
complejidad……………………………………………………………………40
Tabla 5. Modelos de nicho ecológico para L. botrana seleccionados en función
de los criterios de significancia, rendimiento y complejidad……………..82
Tabla 6. Modelos de nicho ecológico de E. ambiguella seleccionados en
función de los criterios de significancia, rendimiento y
complejidad………………………………………………………………….120
Índice
iv
Índice de figuras
Figura 1. Regiones vitícolas de Europa productoras de vinos de calidad:
Denominación de Origen Protegida (PDO), Indicación Geográfica
Protegida (PGI) y Vinos con Indicación Geográfica (WGI)………………17
Figura 2. Región M (amarillo) y puntos de ocurrencia de Vitis vinifera en
Europa utilizados para generar su modelo de nicho ecológico (en rojo,
puntos de calibración; en verde, puntos de validación).…………………18
Figura 3. Región M (amarillo) y puntos de ocurrencia de Lobesia botrana en
Europa utilizados para generar su modelo de nicho ecológico (en rojo,
puntos de calibración; en verde, puntos de validación)………………….19
Figura 4. Región M (amarillo) y puntos de ocurrencia de Eupoecilia ambiguella
en Europa utilizados para generar su modelo de nicho ecológico (en rojo,
puntos de calibración; en verde, puntos de validación)………………….20
Figura 5. Proyección geográfica en Europa de las áreas de idoneidad
ambiental de V. vinífera en la situación climática presente, según su
modelo de nicho ecológico………………………………………………….42
Figura 6. Proyección geográfica en Europa de las áreas de incremento (verde),
persistencia (gris) y pérdida (rojo) de idoneidad ambiental de V. vinifera
previstas para el año 2050, según su modelo de nicho ecológico y los 22
GCM y considerando el escenario de emisión RCP 4.5. A mayor
intensidad del color, mayor número de GCM que coinciden en la misma
predicción……………………………………………………………………..43
Índice
v
Figura 7. Detalle de las áreas de pérdida de idoneidad ambiental de V. vinífera
en Portugal, España, Italia, Chipre y Grecia, previstas para el año 2050
según su modelo de nicho ecológico y considerando el escenario de
emisión RCP 4. 5.…………………………………………………………….44
Figura 8. Proyección geográfica en Europa de las áreas de incremento (verde),
persistencia (gris) y pérdida (rojo) de idoneidad ambiental de V. vinifera
previstas para el año 2050, según los 22 GCM y considerando el
escenario de emisión RCP 8.5. A mayor intensidad del color, mayor
número de GCM que coinciden en la misma predicción…………………45
Figura 9. Detalle de las áreas de pérdida de idoneidad ambiental de V. vinífera
en Portugal, España e Italia, previstas para el año 2050 según su
modelo de nicho ecológico y considerando el escenario de emisión RCP
8. 5.…………………………………………………………………………….46
Figura 10. Áreas de no hábitat, pérdida, incremento y persistencia de
idoneidad ambiental de V. vinífera en las regiones vitivinícolas europeas
productoras de vinos de calidad (PDO, PGI y WGI), previstas para el año
2050 y considerando los escenarios de emisión RCP 4.5.……………...48
Figura 11. Áreas de no hábitat, pérdida, incremento y persistencia de
idoneidad ambiental de V. vinífera en las regiones vitivinícolas europeas
productoras de vinos de calidad (PDO, PGI y WGI), previstas para el año
2050 y considerando los escenarios de emisión RCP 8.5.………..……49
Índice
vi
Figura 12. Superficie (km2) ocupada actualmente por diferentes usos del suelo
en las zonas en las que se pronostica persistencia e incremento de la
idoneidad ambiental de Vitis vinifera para el año 2050 bajo los
escenarios de emisión RCP 4.5 y RCP 8. 5............................................53
Figura 13. Distribución mundial de Lobesia botrana (según EPPO,
2019)…………………………………………………………………………..73
Figura 14. Distribución de los MNE para L. botrana según su significancia
estadística, determinada por la tasa de omisión (< 5%) y el criterio de
información de Akaike corregido (AICc)……………………………..…….82
Figura 15. Proyección geográfica en Europa de las áreas de idoneidad
ambiental de L. botrana en la situación climática presente, según su
modelo de nicho ecológico…..................................................................84
Figura 16. Proyección geográfica en Europa de las áreas de pérdida (rojo),
persistencia (gris) e incremento (verde) de idoneidad ambiental para L.
botrana previstas para el año 2050, según los 22 GCM y considerando el
escenario de emisión RCP 4.5. A mayor intensidad del color, mayor
número de GCM para los que el modelo de nicho coincide en la misma
predicción. En azul, la zona de distribución actual del viñedo (Corine,
2010)………………………………………………………………………......85
Índice
vii
Figura 17. Proyección geográfica en Europa de las áreas de pérdida (rojo),
persistencia (gris) e incremento (verde) de idoneidad ambiental de L.
botrana previstas para el año 2050, según los 22 GCM y considerando el
escenario de emisión RCP 8.5. A mayor intensidad del color, mayor
número de GCM para los que el modelo de nicho coincide en la misma
predicción. En azul, la zona de distribución actual del viñedo (Corine,
2010).……………………………………………………………………….....86
Figura 18. Superficie (km2) ocupada por diferentes usos del suelo en las zonas
en las que se pronostica persistencia e incremento de la idoneidad
ambiental para Lobesia botrana en el año 2050 bajo los escenarios de
emisión RCP 4.5 y RCP 8. 5.……………................................................90
Figura 19. Distribución mundial de Eupoecilia ambiguella (según EPPO,
2019)…………………………………………………………………………115
Figura 20. Distribución de los MNE de E. ambiguella según su significancia
estadística, determinada por la tasa de omisión (< 5%) y el Criterio de
Información de Akaike corregido (AICc)………………………………….120
Figura 21. Proyección geográfica en Europa de las áreas de idoneidad
ambiental de E. ambiguella en la situación climática presente, según su
modelo de nicho ecológico………………………………………………...122
Índice
viii
Figura 22. Proyección geográfica en Europa de las áreas de pérdida (rojo),
persistencia (gris) e incremento (verde) de idoneidad ambiental para E.
ambiguella previstas para el año 2050, según los 22 GCM y
considerando el escenario de emisión RCP 4.5. A mayor intensidad del
color, mayor número de GCM para los que el modelo de nicho coincide
en la misma predicción. En azul, la zona de distribución actual del viñedo
(Corine, 2010)…………………………………………………………….…124
Figura 23. Proyección geográfica en Europa de las áreas de pérdida (rojo),
persistencia (gris) e incremento (verde) de idoneidad ambiental para E.
ambiguella previstas para el año 2050, según los 22 GCM y
considerando el escenario de emisión RCP 8.5. A mayor intensidad del
color, mayor número de GCM para los que el modelo de nicho coincide
en la misma predicción. En azul, la zona dedistribución actual del viñedo
(Corine, 2010)……………………………………………………………….125
Figura 24. Superficie (km2) ocupada por diferentes usos del suelo en las zonas
en las que se pronostica persistencia e incremento de la idoneidad
ambiental para E. ambiguella para el año 2050, bajo los escenarios de
emisión RCP 4.5 y RCP 8.5……………………………………………….127
Resumen
ix
Resumen
El ser humano está provocando importantes transformaciones en la
Tierra, especialmente durante los últimos dos siglos. En este periodo de
tiempo, los impactos de dichas transformaciones se han hecho claramente
visibles a escala global. En concreto, durante el último siglo se ha registrado un
claro incremento de las emisiones de gases con efecto invernadero a la
atmósfera, lo que ha provocado un aumento en la temperatura media del
sistema climático del Planeta (calentamiento global), así como cambios
estadísticamente relevantes respecto a los patrones climáticos existentes
durante un largo período de tiempo anterior (cambio climático). A día de hoy, es
ampliamente reconocido que el cambio climático es uno de los principales
problemas ambientales que afronta el Planeta, entre otros motivos, por su
influencia directa sobre los sistemas naturales. Además, como resulta también
lógico, las tierras agrícolas están particularmente expuestas a las
modificaciones del clima, por lo que su disponibilidad y productividad son
especialmente sensibles a los efectos del cambio climático.
Europa es un espacio geográfico para el que hay indicios de que se está
calentando, incluso más rápido que muchas otras partes del mundo. Dentro de
Europa, las manifestaciones del cambio climático variarán según países y
sectores. Así, por ejemplo, tendrá lugar un mayor calentamiento en el sur
durante el verano y en el noreste durante el invierno, y las precipitaciones
anuales aumentarán en el norte y en grandes partes de Europa continental,
mientras que disminuirán en el sur. Por otra parte, la vid es uno de los
principales cultivos de este continente, en cuyo territorio tiene una enorme
repercusión económica, social, cultural y ambiental-paisajística. Por ello, la
Resumen
x
previsión de la distribución potencial del cultivo de la vid en el futuro se está
convirtiendo en una preocupación de gran calado. Además, resulta también de
mucho interés, predecir qué sucederá con sus plagas asociadas, ya que el
cambio climático influirá en importantes rasgos de su morfología, biología y
ecología, así como en su distribución geográfica futura. Estas previsiones
ayudarán a evaluar las plagas que podrían convertirse en el futuro en
auténticos problemas en algunas zonas geográficas concretas. Los
lepidópteros de la familia Tortricidae Lobesia botrana y Eupoecilia ambiguella,
comúnmente conocidos como polillas del racimo, son dos de las plagas más
importantes de la vid en Europa, por lo que requieren especial atención en este
contexto de cambio climático.
Ante toda esta situación descrita, en el presente trabajo se planteó el
objetivo de evaluar el impacto del cambio climático sobre la distribución de la
vid y de sus plagas asociadas L. botrana y E. ambiguella en Europa, mediante
los modelos de nicho ecológico (MNE) bajo los escenarios de cambio climático
RCP 4.5 y RCP 8.5, en el periodo de prospección “presente - año 2050”.
Para conseguir este objetivo, resulta especialmente útil la mencionada
aplicación de los MNE ya que estos modelos permiten explorar la distribución
potencial de los sitios adecuados para la supervivencia de las poblaciones de
una especie teniendo en cuenta las consecuencias del impacto del cambio
climático según diferentes escenarios. Para facilitar el modelado de nicho
ecológico se ha desarrollado un amplio espectro de métodos estadísticos e
implementaciones de software, entre los que se encuentran la Modelización de
Entropía Máxima (MaxEnt) y los Sistemas de Información Geográfica (GIS).
Resumen
xi
La aplicación de esta metodología en el presente trabajo ha permitido
obtener las variables bioclimáticas que aportan más a los modelos de nicho
ecológico, de cara a determinar las áreas de idoneidad ambiental de la vid y de
L. botrana y E. ambiguella en la actualidad en Europa y su distribución
potencial en el mismo continente en el año 2050.
En el caso de la vid, si bien los resultados predicen una persistencia de
las condiciones ambientales adecuadas para su cultivo en gran parte del
territorio europeo, también estiman notables pérdidas de superficie con
idoneidad ambiental en regiones europeas con climas cálidos, en concreto,
regiones pertenecientes a países mediterráneos (Portugal, España, Italia,
Grecia y Chipre). Por otro lado, se prevé un incremento notable de superficie
con idoneidad ambiental para el cultivo de la vid en algunas regiones del centro
y norte de Europa (Suiza y Austria, p). Además, el modelado señala a algunas
importantes regiones vitivinícolas productoras de vinos de calidad (PGI, PDO y
WGI) como muy vulnerables al cambio climático. Considerando el escenario de
emisión RCP 8.5, el uso del suelo principalmente implicado, tanto en las zonas
en las que se dará persistencia de idoneidad ambiental para el cultivo de la vid
como en aquéllas en las se producirá un incremento de la misma, es el de
“Cubierta arbustiva, abierta (15-40%)-cerrada (>40%), arbustos de hoja
perenne” mientras que no se observa un uso de suelo predominante en esas
zonas, considerando el escenario RCP 4.5. Además, en el presente trabajo se
ha encontrado que, en amplias zonas montañosas en las que actualmente
predomina la vegetación natural, se prevé que aumente la idoneidad ambiental
para el cultivo de la vid, de modo que la viticultura y la protección de los
Resumen
xii
recursos naturales serán realidades enfrentadas en estos espacios, hecho con
implicaciones sociales y ambientales muy sustanciales.
En el caso de L. botrana, las proyecciones para el año 2050 pronostican
una significativa persistencia de la idoneidad ambiental en regiones
vitivinícolas muy importantes de varios países europeos con relevancia
mundial en el sector, como Portugal, España e Italia. Por otro lado, se prevé la
aparición de zonas con incremento de idoneidad ambiental en 38 países, la
mayoría de ellos situados en el norte de Europa. En este sentido es
destacable que, según el escenario RCP 8.5, se esperan incrementos
significativos de idoneidad ambiental en regiones importantes en el sector
vitivinícola, como algunas de Alemania, Austria, República Checa y Suiza. Por
otro lado, los usos del suelo predominantes en las zonas con persistencia e
incremento de idoneidad ambiental para L. botrana favorecen el aumento de la
humedad relativa, pudiéndose evitar, así, mortalidades elevadas de sus etapas
de desarrollo especialmente sensibles a valores bajos de la misma. Finalmente,
indicar que la llegada de L. botrana a nuevas zonas en las que coincida la
idoneidad ambiental para ella y para la vid se estima muy probable, entre otros
motivos, porque la expansión de la plaga se ve facilitada al ser capaz de
alimentarse de la vid, pero también de un número significativo de otros
huéspedes alternativos.
Para E. ambiguella se prevé una estabilidad de las condiciones de
idoneidad ambiental en regiones de Europa con climas y/o microclimas
húmedos y en aquéllos en los que los incrementos de temperatura y los
descensos de las precipitaciones tendrán lugar de modo más amortiguado. Por
otro lado, se estima que las pérdidas de idoneidad ambiental para esta polilla
Resumen
xiii
se extenderán por la mayor parte de Europa, quedando restringida su área de
distribución a las regiones más septentrionales y a algunas zonas aisladas del
centro. Considerando solo los países en los que la viticultura constituye un
sector económicamente relevante y E. ambiguella es valorada como una plaga
clave (Alemania, Italia y Suiza), las predicciones señalan que los porcentajes
de incremento de superficie con idoneidad ambiental serán muy reducidos (≤
1% en el peor de los escenarios, RCP 8.5). Por otro lado, los usos del suelo
predominantes en las zonas implicadas en la persistencia e incremento de
idoneidad ambiental para esta polilla favorecen el aumento de la humedad
relativa, factor ambiental muy relevante para la supervivencia de la especie.
Por último, señalar que, como ocurría en el caso de L. botrana, E. ambiguella
es una especie polífaga, hecho que facilita su expansión geográfica. Así,
posiblemente, esta polilla constituirá una plaga clave en aquellas zonas en las
que se implante de forma novedosa el cultivo de la vid y en las que existan
condiciones ambientalmente idóneas para ella, aunque estas superficies serían
cuantitativamente mucho menores que en el caso de L. botrana.
En definitiva, las modificaciones que el cambio climático provocará sobre
las superficies con idoneidad ambiental para el cultivo de la vid y sus plagas
asociadas L. botrana y E. ambiguella en diferentes regiones europeas traerán
importantes consecuencias en los ámbitos económico, social, cultural y
ambiental-paisajístico. Por ello, el presente trabajo, y otros que se desarrollen
en la misma línea, podrían ser considerados para planificar estrategias de
actuación que se adelanten a esos problemas de modo que se puedan
alcanzar soluciones adecuadas en un contexto de Desarrollo Sostenible.
Summary
xiv
Summary
The human activity is causing important transformations on Earth,
especially during the last two centuries. In this period, the impacts of these
transformations have become plainly visible at global level. In particular, during
the last century there has been a marked increase of the release of greenhouse
gases into the atmosphere. This fact has caused an increase in the average
temperature of the global climate system (global warming), as well as
statistically significant changes regarding the pre-existing weather patterns
(climate change). To date, it is widely recognized that climate change is one of
the main environmental problems facing the Planet, not least because its direct
influence on natural systems. In addition, as it is known, agricultural lands are
particularly exposed to climate factors, so their availability and productivity are
especially sensitive to the effects of climate change.
There are indicators pointing to Europe is warming up, even faster than
many other parts of the world. In addition, within Europe, manifestations of
climate change will vary according to the countries and sectors of activity. For
example, a greater warming will take place in the south during the summer and
in the northeast during the winter, and the annual rainfall will increase in the
north and in large parts of continental Europe, while it will decrease in the south.
On the other hand, the vine is one of the main crops of this continent, having a
huge economic, social, cultural, environmental and landscape impact.
Therefore, the forecast of the potential distribution of vine growing in the future
is becoming a major concern. In addition, it is also of great interest to predict
what will happen with its associated pests, since climate change will influence
important features of its morphology, biology and ecology, as well as, its future
Summary
xv
geographical distribution. These forecasts will help assess the pests that could
become in future problems in some specific geographical areas. The commonly
known as grapevine moths, Lobesia botrana and Eupoecilia ambiguella
(Lepidoptera: Tortricidae), are two of the most important grapevine pests in
Europe, thus requiring special attention in this context of climate change.
Taking into account this situation, the objective of this study was to
assess the impact of climate change on the distribution of the vine and its
associated pests L. botrana and E. ambiguella in Europe, using the ecological
niche modeling (ENM) considering the representative concentration pathways
RCP 4.5 and RCP 8.5. The “present - 2050” period was considered.
The use of ENM is especially useful to achieve this objective because
they allow exploring the potential distribution of the appropriate locations for the
species survival under different climate change scenarios. In order to facilitate
the ecological niche modeling, a broad spectrum of statistical methods and
software implementations have been developed, including Maximum Entropy
Modeling (MaxEnt) and Geographic Information Systems (GIS).
The application of this methodology in the present work has allowed to
obtain the bioclimatic variables that contribute most to the ENM, in order to
establish the current European areas of environmental suitability for the vine
and L. botrana and E. ambiguella, and its potential distribution in 2050 in the
same continent.
In the case of the vine, the results predict a persistence of the suitable
environment for its cultivation in a large part of the European territory.
Nevertheless, they also estimate significant surface losses with environmental
Summary
xvi
suitability in European regions with hot climates, specifically, belonging regions
to Mediterranean countries (Portugal, Spain, Italy, Greece and Cyprus). On the
other hand, a significant increase of the surface with suitable environment for
the crop is expected in some regions of central and northern Europe
(Switzerland and Austria, for example). In addition, the models highlight some
important quality wine-growing regions (Protected Designation of Origin -PDO-,
Protected Geographical Indication -PGI- and Wines with Geographical
Indication -WGI-) as very vulnerable to climate change. Considering the RCP
8.5 scenario, the land cover mainly involved, both in areas that are currently
favorable and will still be favorable in the future, and in those that are currently
not favorable but would become favorable in the future is “Shrub Cover, closed-
open, evergreen”. By contrast, no predominant land cover is observed in these
areas, taking into account the RCP 4.5 scenario. In addition, it is expected to
increase the environmental suitability for the cultivation of the vine in large
mountainous areas where natural vegetation currently predominates. This way,
the viticulture and the protection of natural resources in these areas will be two
realities in conflict with substantial social and environmental implications.
The projection for the year 2050 predicts a persistence of the suitable
environment for L. botrana in important wine-growing regions of several
European countries with international relevance in the sector, such as Spain,
Portugal and Italy. On the other hand, the appearance of areas that are
currently not favorable but would become favorable in the future is expected in
38 countries, most of them located in northern Europe. It is noteworthy that,
according to the RCP 8.5 scenario, significant increases in environmental
suitability are expected in important regions in the wine sector, such as some in
Summary
xvii
Germany, Austria, the Czech Republic and Switzerland. On the other hand, the
predominant land covers in areas with persistence and increase of
environmental suitability for L. botrana are in favor of increasing the relative
humidity, thus avoiding high mortalities of the moth developmental stages
especially sensitive to low values. Finally, it is considered likely that L. botrana
reaches new areas, among other reasons, because the expansion of the pest is
facilitated by being able to feed on the vine, but also on a significant number of
other alternative hosts.
A persistence of the suitable environment for E. ambiguella is foreseen in
regions of Europe with humid climates and/or microclimates, and in those in
which temperature increases and precipitation decreases will take place in a
more attenuated way. On the other hand, losses of environmental suitability for
this moth are estimated throughout Europe, being restricted its distribution area
to the northernmost regions and some areas of the center. Taking into account
only the countries in which viticulture constitutes an economically relevant
sector and E. ambiguella is considered as a key pest (Germany, Italy and
Switzerland), very low percentages of increase of surface environmentally
suitable for the moth are predicted (≤ 1% in the worst scenario, RCP 8.5). On
the other hand, the predominant land covers in the zones involved in the
persistence and increase of environmental suitability for this species are in favor
of increasing the relative humidity, environmental factor very relevant for the
survival of the pest. Lastly, it should be noted that, as mentioned in the case of
L. botrana, E. ambiguella is a polyphagous species, a fact that facilitates its
geographical expansion. Thus, E. ambiguella will possibly constitute a key pest
in those areas where the vine is implanted in a novel way, and in which there
Summary
xviii
are environmentally sound conditions for the moth, although these surfaces
would be quantitatively much smaller than in the case of L. botrana.
Overall, the impacts that the climate change is having on the
environmental suitable areas for the vine and its associated pests L. botrana
and E. ambiguella in different European regions will have important economic,
social, cultural, environmental and landscape consequences. Therefore, the
present work, and others developed in the same line, could be considered to
better plan strategies that anticipate these problems, so that adequate solutions
can be reached in a context of Sustainable Development.
Introducción
Introducción
1
1. Introducción
A pesar de que los seres humanos están provocando transformaciones
en la Tierra durante milenios, ha sido durante los últimos dos siglos cuando los
impactos de las mismas se han hecho visibles a escala global (Steffen et al.,
2011 y 2015). Así, durante el último siglo se ha registrado un claro incremento
de las emisiones de gases con efecto invernadero a la atmósfera (el dióxido de
carbono, CO2, entre ellos) (Lambeck et al., 2014; Solomon et al., 2009), lo que
ha provocado un aumento en la temperatura media del sistema climático del
Planeta (calentamiento global), así como cambios estadísticamente relevantes
respecto a los patrones climáticos existentes durante un largo período de
tiempo anterior, hecho que se conoce como cambio climático (Schlott et al.,
2018). Este calentamiento global se ve ilustrado, por ejemplo, por el incremento
confirmado en la temperatura media global del aire desde la década de 1850
(Nistor, 2018). Esos aumentos de temperatura tienen una influencia directa
sobre los sistemas naturales, por lo que el calentamiento global es
ampliamente reconocido como uno de los principales problemas ambientales
que afronta el planeta (Zhai and Helman, 2019). Así por ejemplo, se está
observando un retroceso de los glaciares, entornos que resultan ser
especialmente sensibles frente a este calentamiento global (Dong et al., 2013;
Elfarrak et al., 2014; Nistor and Petcu, 2015; Xie et al., 2013).
Para finales del siglo actual, los escenarios climáticos previstos indican
un aumento en la temperatura de hasta 3 °C, así como una notable disminución
de la cantidad de precipitación en muchas regiones del planeta (IPCC, 2001;
Shaver et al., 2000). Según el último informe del Panel Intergubernamental del
Introducción
2
Cambio Climático (IPCC), bajo diferentes trayectorias de concentración
representativas (RCP) (ver más detalles sobre las RCP en materiales y
métodos), se espera un aumento de la temperatura global de entre 1 °C
(escenario menos severo) y 5 °C (escenario más severo) a lo largo del siglo
XXI (IPCC, 2013). Consecuentemente, el cambio climático, en combinación con
fenómenos ambientales que se ven inducidos, incluidos los que afectan a la
capa de hielo, el nivel del mar, la distribución de las especies o la ocurrencia de
eventos extremos, contribuye a generar transformaciones profundas en la
Tierra como sistema (IPCC, 2014).
La evidencia del cambio climático es inequívoca y las consecuencias
están siendo cada vez más evidentes en todo el mundo y en Europa en
particular (Croce et al., 2018), espacio geográfico que se está calentando más
rápido que muchas otras partes del mundo (Hernández-Morcillo et al., 2018).
Así, por ejemplo, durante la última década, la temperatura del suelo europeo ha
aumentado 0,3 °C (IPCC, 2013). Aunque todo el continente europeo se ve
afectado por el cambio climático, los impactos variarán según países y sectores
(Hernández-Morcillo et al., 2018). Según la Agencia Europea de Medio
Ambiente (EEA), para el periodo comprendido entre 2071 y 2100, comparado
con el periodo 1971-2000, se espera que las temperaturas medias anuales
aumenten entre 1 y 4,5 °C, considerando el escenario RCP 4.5, y entre 2,5 y
5,5 °C teniendo en cuenta el RCP 8.5, con un mayor calentamiento en el sur
durante el verano y en el noreste durante el invierno (EEA, 2017). Para ese
mismo periodo, se pronostica que, en el escenario RCP 4.5, las precipitaciones
anuales aumentarán hasta un 25% en el norte y en grandes partes de Europa
continental, mientras que disminuirán en la misma medida en el sur de Europa
Introducción
3
(Jacob et al., 2014). Como es lógico, las tierras agrícolas están particularmente
expuestas a la variabilidad climática, por lo que su disponibilidad y
productividad son especialmente sensibles al impacto del cambio climático
(Lobell et al., 2008; Vermeulen et al., 2012). A ello hay que añadir que la
estructura del sistema alimentario mundial actual es extremadamente frágil, de
modo que la seguridad alimentaria, incluso en las regiones prósperas, ya no
puede darse por sentada (Candel, 2014; IPCC, 2014).
La vid es uno de los principales cultivos de Europa. Según algunos
autores, el cambio climático impulsará modificaciones en la viticultura que
podrían tener un fuerte impacto en los ecosistemas mediterráneos,
amenazando incluso la persistencia de hábitats naturales en aquellas áreas en
las que la idoneidad para el cultivo de la vid es creciente, lo que puede conducir
a importantes conflictos relacionados con decisiones sobre los usos del suelo
(Sacchelli et al., 2017; Turner et al., 2010). Considerando esta situación, la
previsión de la distribución potencial del cultivo de la vid en el futuro se
convierte en una preocupación de gran calado (Sacchelli et al., 2017).
Las plagas asociadas a los cultivos también son organismos sensibles al
efecto del cambio climático. Por un lado, este influye de forma indirecta sobre
aquellas al modificar la redistribución espacial de los propios cultivos huésped,
mientras que, por otro, lo hace directamente al ser altamente dependientes de
las condiciones ambientales (Andrew et al., 2013; Björkman et al., 2011;
Nooten et al., 2014). De hecho, en este contexto, se prevé que muchas plagas
se conviertan en auténticos problemas alimentarios (Gregory et al., 2009). La
temperatura y otros factores abióticos asociados con el cambio climático
pueden modificar rasgos de las especies, como la velocidad de desarrollo, que
Introducción
4
será mayor y aumentará el voltinismo (Culler et al., 2015), la tasa de
oviposición (Puentes et al., 2015) o el tamaño corporal, que será más reducido
(Facey et al., 2014). También se podrán ver afectados rasgos específicos de
comportamiento (Bodlah et al., 2016; Gunderson y Leal, 2016). En el caso
concreto del cultivo de la vid, unas de las principales plagas que provocan
pérdidas económicas en la mayoría de las zonas vitícolas de Europa son los
lepidópteros de la familia Tortricidae Lobesia botrana (Denis & Schiffermüller,
1775) y Eupoecilia ambiguella (Hübner, 1796) (Thiéry and Moreau, 2005;
Thiéry et al., 2014), comúnmente conocidas como polillas el racimo, por lo que
requieren especial atención en este contexto de cambio climático.
El conocimiento, lo más detallado posible, de las predicciones
relacionadas con la distribución geográfica/ecológica de las especies es
fundamental para la conservación y el manejo de las poblaciones de dichas
especies (Funk and Richardson, 2002; Rushton et al., 2004), así como de los
espacios de especial interés ambiental (Ferrier, 2002;). Además, permite
establecer estrategias de adaptación y mitigación para mejorar la resiliencia,
concretamente, de los sistemas agrícolas afectados (Fraga et al., 2015). Estas
estrategias solo se podrán implementar adecuadamente si se dispone de
información específica del contexto que permita una toma de decisiones
efectiva para, con ello, avanzar hacia una agricultura climáticamente sostenible
(Lipper et al., 2014; Thornton and Herrero, 2014). Bajo estas consideraciones,
resulta especialmente útil la aplicación de los modelos de nicho ecológico
(MNE), ya que constituyen una herramienta que permite evaluar los factores
ambientales asociados a las poblaciones de una especie y sobre la que
influyen en distintos modos y grados. Esta información puede ser analizada por
Introducción
5
distintos tipos de algoritmos para proyectar a nivel geográfico el área potencial
que ocuparía la especie. El propósito del modelado del nicho ecológico es
identificar los sitios adecuados para la distribución potencial de las poblaciones
de una especie por medio de la identificación de sus requerimientos
ambientales (Peterson et al., 2011; Soberón and Nakamura, 2009). Por ello, se
puede convertir en una herramienta muy valiosa al permitir explorar esa
distribución potencial teniendo en cuenta las consecuencias del impacto del
cambio climático según diferentes escenarios. Este conocimiento, por ejemplo,
puede ser utilizado para la obtención de indicadores de gestión de respuesta
agrícola (Rosenzweig et al., 2013; Ruane et al., 2013). Para facilitar todo lo
anterior, se ha desarrollado un amplio espectro de métodos estadísticos e
implementaciones de software (Elith et al., 2006), entre los que se encuentran
la Modelización de Entropía Máxima (MaxEnt) (Phillips et al., 2006) y los
Sistemas de Información Geográfica (GIS).
Aunque estas herramientas proporcionan buenos resultados, para
conseguir un modelado más robusto deben ser considerados los aspectos
siguientes: eliminar, en lo posible, el sesgo de los datos de ocurrencia,
asegurar la independencia de los mismos (Warren and Seifert, 2011) y elegir
variables ambientales no correlacionadas y de crucial importancia al definir el
área accesible (M) para la especie, aspecto muy importante para calibrar el
modelo, ya que de ello depende el esfuerzo del modelado (Barve et al., 2011;
Saupe et al., 2012).
Hasta el momento, sólo unos pocos estudios de modelización han
considerado los efectos potenciales del cambio climático sobre un cultivo y sus
plagas o enfermedades asociadas como parte de la proyección de los impactos
Introducción
6
del cambio climático en la agricultura (Baker et al., 2005; Calonnec et al., 2008;
Gutiérrez et al., 2009; Ponti et al., 2009). La mayoría de las investigaciones se
han centrado en los efectos del cambio climático sobre la fisiología y fenología
de los cultivos (Caffarra and Eccel, 2011; Eccel et al., 2009) o de las plagas y
enfermedades (Estay et al., 2009; Salinari et al., 2006). Considerando todo lo
anterior, en el presente trabajo se han planteado los objetivo que se señalan
más adelante.
Introducción
7
1.2. Bibliografía
Andrew, N.R., Hill, S.J., Binns, M., Bahar, M.H., Ridley, E. V., Jung, M.-P., Fyfe, C., Yates, M., Khusro, M., 2013. Assessing insect responses to climate change: What are we testing for? Where should we be heading? PeerJ 1, e11. https://doi.org/10.7717/peerj.11
Baker, R.H.A., Sansford, C.E., Gioli, B., Miglietta, F., 2005. Combining a disease model with a crop phenology model to assess and map pest risk: Karnal bunt disease (Tilletia indica) of wheat in Europe, Plant Production Systems
Barve, N., Barve, V., Jiménez-Valverde, A., Lira-Noriega, A., Maher, S.P., Peterson, A.T., Soberón, J., Villalobos, F., 2011. The crucial role of the accessible area in ecological niche modeling and species distribution modeling. Ecol. Modell. 222, 1810–1819. https://doi.org/10.1016/J.ECOLMODEL.2011.02.011
Björkman, C., Bylund, H., Klapwijk, M.J., Kollberg, I., Schroeder, M., 2011. Insect pests in future forests: More severe problems? 2, 474–485. https://doi.org/10.3390/f2020474
Bodlah, M.A., Zhu, A.X., Liu, X.D., 2016. Host choice, settling and folding leaf behaviors of the larval rice leaf folder under heat stress. Bull. Entomol. Res. 106, 809–817. https://doi.org/10.1017/S0007485316000584
Caffarra, A., Eccel, E., 2011. Projecting the impacts of climate change on the phenology of grapevine in a mountain area. Aust. J. Grape Wine Res. 17, 52–61. https://doi.org/10.1111/j.1755-0238.2010.00118.x
Calonnec, A., Cartolaro, P., Naulin, J.-M., Bailey, D., Langlais, M., 2008. A host-pathogen simulation model: Powdery mildew of grapevine. Plant Pathol. 57, 493–508. https://doi.org/10.1111/j.1365-3059.2007.01783.x
Candel, J.J.L., 2014. Food security governance: A systematic literature review. Food Secur. 6, 585–601. https://doi.org/10.1007/s12571-014-0364-2
Croce, P., Formichi, P., Landi, F., Mercogliano, P., Bucchignani, E., Dosio, A., Dimova, S., 2018. The snow load in Europe and the climate change. Clim. Risk Manag. 20, 138–154. https://doi.org/10.1016/J.CRM.2018.03.001
Culler, L.E., Ayres, M.P., Virginia, R.A., 2015. In a warmer Arctic, mosquitoes avoid increased mortality from predators by growing faster. Proceedings. Biol. Sci. 282, 20151549. https://doi.org/10.1098/rspb.2015.1549
Dong, P., Wang, C., Ding, J., 2013. Estimating glacier volume loss using remotely sensed images, digital elevation data, and GIS modelling. Int. J. Remote Sens. 34, 8881–8892. https://doi.org/10.1080/01431161.2013.853893
Eccel, E., Rea, R., Caffarra, A., Crisci, A., 2009. Risk of spring frost to apple production under future climate scenarios: The role of phenological acclimation. Int. J. Biometeorol. 53, 273–286. https://doi.org/10.1007/s00484-009-0213-8
Introducción
8
EEA, 2017. Climate change, impacts and vulnerability in Europe 2016. Luxembourg
Elfarrak, H., Hakdaoui, M., Fikri, A., 2014. Development of vulnerability through the drastic method and geographic information system (GIS) (case groundwater of berrchid), Morocco. J. Geogr. Inf. Syst. 6, 45–58. https://doi.org/10.4236/jgis.2014.61006
Elith, J., H. Graham, C., P. Anderson, R., Dudík, M., Ferrier, S., Guisan, A., J. Hijmans, R., Huettmann, F., R. Leathwick, J., Lehmann, A., Li, J., G. Lohmann, L., A. Loiselle, B., Manion, G., Moritz, C., Nakamura, M., Nakazawa, Y., McC. M. Overton, J., Townsend Peterson, A., J. Phillips, S., Richardson, K., Scachetti-Pereira, R., E. Schapire, R., Soberón, J., Williams, S., S. Wisz, M., E. Zimmermann, N., 2006. Novel methods improve prediction of species’ distributions from occurrence data. Ecography (Cop.). 29, 129–151. https://doi.org/10.1111/j.2006.0906-7590.04596.x
Estay, S.A., Lima, M., Labra, F.A., 2009. Predicting insect pest status under climate change scenarios: combining experimental data and population dynamics modelling. J. Appl. Entomol. 133, 491–499. https://doi.org/10.1111/j.1439-0418.2008.01380.x
Facey, S.L., Ellsworth, D.S., Staley, J.T., Wright, D.J., Johnson, S.N., 2014. Upsetting the order: How climate and atmospheric change affects herbivore–enemy interactions. Curr. Opin. Insect Sci. 5, 66–74. https://doi.org/10.1016/J.COIS.2014.09.015
Ferrier, S., 2002. Mapping spatial pattern in biodiversity for regional conservation planning: where to from here? Syst. Biol. 51, 331–363. https://doi.org/10.1080/10635150252899806
Fraga, H., Santos, J.A., Moutinho-Pereira, J., Carlos, C., Silvestre, J., Eiras-Dias, J., Mota, T., Malheiro, A.A.C., 2015. Statistical modelling of grapevine phenology in Portuguese wine regions: Observed trends and climate change projections. J. Agric. Sci. 1–17. https://doi.org/10.1017/S0021859615000933
Funk, V.A., Richardson, K.S., 2002. Systematic data in biodiversity studies: use it or lose it. Syst. Biol. 51, 303–316. https://doi.org/10.1080/10635150252899789
Gregory, P.J., Johnson, S.N., Newton, A.C., Ingram, J.S.I., 2009. Integrating pests and pathogens into the climate change/food security debate. J. Exp. Bot. 60, 2827–2838. https://doi.org/10.1093/jxb/erp080
Gunderson, A.R., Leal, M., 2016. A conceptual framework for understanding thermal constraints on ectotherm activity with implications for predicting responses to global change. Ecol. Lett. 19, 111–120. https://doi.org/10.1111/ele.12552
Gutiérrez, A.P., Ponti, L., Cossu, Q.A., 2009. Effects of climate warming on olive and olive fly (Bactrocera oleae (Gmelin)) in California and Italy. Clim. Change 95, 195–217. https://doi.org/10.1007/s10584-008-9528-4
Introducción
9
Hernández-Morcillo, M., Burgess, P., Mirck, J., Pantera, A., Plieninger, T., 2018. Scanning agroforestry-based solutions for climate change mitigation and adaptation in Europe. Environ. Sci. Policy 80, 44–52. https://doi.org/10.1016/J.ENVSCI.2017.11.013
IPCC, 2014. Climate change 2014: Impacts adaptation and vulnerability. New York
IPCC, 2013. Climate Change 2013 The Physical Science Basis. Contribution of working group i to the fifth assessment report of the intergovernmental panel on climate change, Intergovernmental Panel on Climate Change. Cambridge University Press
IPCC, 2001. Climate change 2001: The scientific basis. Cambridge and New York
Jacob, D., Petersen, J., Eggert, B., Alias, A., Christensen, O.B., Bouwer, L.M., Braun, A., Colette, A., Déqué, M., Georgievski, G., Georgopoulou, E., Gobiet, A., Menut, L., Nikulin, G., Haensler, A., Hempelmann, N., Jones, C., Keuler, K., Kovats, S., Kröner, N., Kotlarski, S., Kriegsmann, A., Martin, E., van Meijgaard, E., Moseley, C., Pfeifer, S., Preuschmann, S., Radermacher, C., Radtke, K., Rechid, D., Rounsevell, M., Samuelsson, P., Somot, S., Soussana, J.-F., Teichmann, C., Valentini, R., Vautard, R., Weber, B., Yiou, P., 2014. EURO-CORDEX: New high-resolution climate change projections for European impact research. Reg. Environ. Chang. 14, 563–578. https://doi.org/10.1007/s10113-013-0499-2
Lambeck, K., Rouby, H., Purcell, A., Sun, Y., Sambridge, M., 2014. Sea level and global ice volumes from the last glacial maximum to the Holocene. Proc. Natl. Acad. Sci. 111, 15296–15303. https://doi.org/10.1073/pnas.1411762111
Lipper, L., Thornton, P., Campbell, B.M., Baedeker, T., Braimoh, A., Bwalya, M., Caron, P., Cattaneo, A., Garrity, D., Henry, K., Hottle, R., Jackson, L., Jarvis, A., Kossam, F., Mann, W., McCarthy, N., Meybeck, A., Neufeldt, H., Remington, T., Sen, P.T., Sessa, R., Shula, R., Tibu, A., Torquebiau, E.F., 2014. Climate-smart agriculture for food security. Nat. Clim. Chang. 4, 1068–1072. https://doi.org/10.1038/nclimate2437
Lobell, D.B., Burke, M.B., Tebaldi, C., Mastrandrea, M.D., Falcon, W.P., Naylor, R.L., 2008. Prioritizing climate change adaptation needs for food security in 2030. Science (80-. ). 319, 607–610. https://doi.org/10.1126/science.1152339
Nistor, M.-M., 2018. Climate change effect on groundwater resources in South East Europe during 21st century. Quat. Int. https://doi.org/10.1016/J.QUAINT.2018.05.019
Nistor, M., Petcu, M., 2015. Quantitative analysis of glaciers changes from Passage Canal based on GIS and satellite images, South Alaska. Appl. Ecol. Environ. Res. 13, 535–549. https://doi.org/10.15666/aeer/1302_535549
Introducción
10
Nooten, S.S., Andrew, N.R., Hughes, L., 2014. Potential impacts of climate change on insect communities: A transplant experiment. PLoS One 9, e85987. https://doi.org/10.1371/journal.pone.0085987
Peterson, A.T., Soberón, J., Martínez-Meyer, E., 2011. Ecological niches and geographic distributions, Princeton University Press
Phillips, S.J., Anderson, R.P., Schapire, R.E., 2006. Maximum entropy modeling of species geographic distributions. Ecol. Modell. 190, 231–259. https://doi.org/10.1016/J.ECOLMODEL.2005.03.026
Ponti, L., Cossu, Q.A., Gutiérrez, A.P., 2009. Climate warming effects on the Olea europea–Bactrocera oleae system in Mediterranean islands: Sardinia as an example. Glob. Chang. Biol. 15, 2874–2884. https://doi.org/10.1111/j.1365-2486.2009.01938.x
Puentes, A., Torp, M., Weih, M., Björkman, C., 2015. Direct effects of elevated temperature on a tri-trophic system: Salix, leaf beetles and predatory bugs. Arthropod. Plant. Interact. 9, 567–575. https://doi.org/10.1007/s11829-015-9401-0
Rosenzweig, C., Jones, J.W., Hatfield, J.L., Ruane, A.C., Boote, K.J., Thorburn, P., Antle, J.M., Nelson, G.C., Porter, C., Janssen, S., Asseng, S., Basso, B., Ewert, F., Wallach, D., Baigorria, G., Winter, J.M., 2013. The agricultural model intercomparison and improvement project (AgMIP): Protocols and pilot studies. Agric. For. Meteorol. 170, 166–182. https://doi.org/10.1016/J.AGRFORMET.2012.09.011
Ruane, A.C., Cecil, L.D., Horton, R.M., Gordón, R., McCollum, R., Brown, D., Killough, B., Goldberg, R., Greeley, A.P., Rosenzweig, C., 2013. Climate change impact uncertainties for maize in Panama: Farm information, climate projections, and yield sensitivities. Agric. For. Meteorol. 170, 132–145. https://doi.org/10.1016/J.AGRFORMET.2011.10.015
Rushton, S.P., Ormerod, S.J., Kerby, G., 2004. New paradigms for modelling species distributions? J. Appl. Ecol. 41, 193–200. https://doi.org/10.1111/j.0021-8901.2004.00903.x
Sacchelli, S., Fabbrizzi, S., Bertocci, M., Marone, E., Menghini, S., Bernetti, I., 2017. A mix-method model for adaptation to climate change in the agricultural sector: A case study for Italian wine farms. J. Clean. Prod. 166, 891–900. https://doi.org/10.1016/J.JCLEPRO.2017.08.095
Salinari, F., Giosuè, S., Tubiello, F., Rettori, A., Rossi, V., Spanna, F., Rosenzweig, C., Gullino, M.L., 2006. Downy mildew (Plasmopara viticola) epidemics on grapevine under climate change. Glob. Chang. Biol. 12, 1299–1307. https://doi.org/10.1111/j.1365-2486.2006.01175.x
Saupe, E.E., Barve, V., Myers, C.E., Soberón, J., Barve, N., Hensz, C.M., Peterson, A.T., Owens, H.L., Lira-Noriega, A., 2012. Variation in niche and distribution model performance: The need for a priori assessment of key causal factors. Ecol. Modell. 237–238, 11–22. https://doi.org/10.1016/J.ECOLMODEL.2012.04.001
Introducción
11
Schlott, M., Kies, A., Brown, T., Schramm, S., Greiner, M., 2018. The impact of climate change on a cost-optimal highly renewable European electricity network. Appl. Energy 230, 1645–1659. https://doi.org/10.1016/J.APENERGY.2018.09.084
Shaver, G.R., Canadell, J., Chapin, F.S., Gurevitch, J., Harte, J., Henry, G., Ineson, P., Jonasson, S., Melillo, J., Pitelka, L., Rustad, L., 2000. Global warming and terrestrial ecosystems: A conceptual framework for analysis. Bioscience 50, 871–882. https://doi.org/10.1641/0006-3568(2000)050[0871:gwatea]2.0.co;2
Soberón, J., Nakamura, M., 2009. Niches and distributional areas: concepts, methods, and assumptions. Proc. Natl. Acad. Sci. U. S. A. 106 Suppl, 19644–50. https://doi.org/10.1073/pnas.0901637106
Solomon, S., Plattner, G.-K., Knutti, R., Friedlingstein, P., 2009. Irreversible climate change due to carbon dioxide emissions. Proc. Natl. Acad. Sci. 106, 1704–1709. https://doi.org/10.1073/pnas.0812721106
Steffen, W., Persson, A., Deutsch, L., Zalasiewicz, J., Williams, M., Richardson, K., Crumley, C., Crutzen, P., Folke, C., Gordon, L., Molina, M., Ramanathan, V., Rockström, J., Scheffer, M., Schellnhuber, H.J., Svedin, U., 2011. The anthropocene: From global change to planetary stewardship. Ambio 40, 739–61. https://doi.org/10.1007/S13280-011-0185-X
Steffen, W., Richardson, K., Rockstrom, J., Cornell, S.E., Fetzer, I., Bennett, E.M., Biggs, R., Carpenter, S.R., de Vries, W., de Wit, C.A., Folke, C., Gerten, D., Heinke, J., Mace, G.M., Persson, L.M., Ramanathan, V., Reyers, B., Sorlin, S., 2015. Planetary boundaries: Guiding human development on a changing planet. Science (80-. ). 347, 1259855–1259855. https://doi.org/10.1126/science.1259855
Thiéry, D., Monceau, K., Moreau, J., 2014. Different emergence phenology of European grapevine moth (Lobesia botrana, Lepidoptera: Tortricidae) on six varieties of grapes. Bull. Entomol. Res. 104, 277–287. https://doi.org/10.1017/S000748531300031X
Thiéry, D., Moreau, J., 2005. Relative performance of European grapevine moth (Lobesia botrana) on grapes and other hosts. Oecologia 143, 548–557. https://doi.org/10.1007/s00442-005-0022-7
Thornton, P.K., Herrero, M., 2014. Climate change adaptation in mixed crop–livestock systems in developing countries. Glob. Food Sec. 3, 99–107. https://doi.org/10.1016/J.GFS.2014.02.002
Turner, W.R., Bradley, B.A., Estes, L.D., Hole, D.G., Oppenheimer, M., Wilcove, D.S., 2010. Climate change: helping nature survive the human response. Conserv. Lett. 3, 304–312. https://doi.org/10.1111/j.1755-263X.2010.00128.x
Introducción
12
Vermeulen, S.J., Aggarwal, P.K., Ainslie, A., Angelone, C., Campbell, B.M., Challinor, A.J., Hansen, J.W., Ingram, J.S.I., Jarvis, A., Kristjanson, P., Lau, C., Nelson, G.C., Thornton, P.K., Wollenberg, E., 2012. Options for support to agriculture and food security under climate change. Environ. Sci. Policy 15, 136–144. https://doi.org/10.1016/J.ENVSCI.2011.09.003
Warren, D.L., Seifert, S.N., 2011. Ecological niche modeling in Maxent: The importance of model complexity and the performance of model selection criteria. Ecol. Appl. 21, 335–342. https://doi.org/10.1890/10-1171.1
Xie, X., Li, Y.X., Li, R., Zhang, Y., Huo, Y., Bao, Y., Shen, S., 2013. Hyperspectral characteristics and growth monitoring of rice (Oryza sativa) under asymmetric warming. Int. J. Remote Sens. 34, 8449–8462. https://doi.org/10.1080/01431161.2013.843806
Zhai, Z.J., Helman, J.M., 2019. Implications of climate changes to building energy and design. Sustain. Cities Soc. 44, 511–519. https://doi.org/10.1016/J.SCS.2018.10.043
Objetivos
Objetivos
13
2. Objetivos
2.1. Objetivo general
Evaluar el impacto del cambio climático sobre la distribución de la vid
(Vitis vinifera) y de sus plagas asociadas Lobesia botrana y Eupoecilia
ambiguella en Europa, mediante los modelos de nicho ecológico.
2.2. Objetivos particulares
1. Obtener los porcentajes de Incremento (zonas donde no existen
condiciones ambientales idóneas y sí van a existir en el escenario futuro),
Pérdida (zonas donde sí existen condiciones ambientales idóneas y no van a
existir en el escenario futuro), No Hábitat (zonas donde no existen ni existirán
condiciones ambientales idóneas en el presente y en el escenario futuro,
respectivamente) y Persistencia (zonas donde sí existen condiciones
ambientales idóneas, tanto en el presente como en el escenario futuro) de
distribución potencial de Vitis vinifera y sus plagas asociadas Lobesia botrana y
Eupoecilia ambiguella en Europa, bajo los escenarios de cambio climático RCP
4.5 y RCP 8.5, en el periodo de prospección “presente - año 2050”.
2. Determinar las zonas de Europa que serán más vulnerables al
impacto del cambio climático en relación con la distribución futura de los
lugares adecuados para el cultivo de la vid, por alguno de los motivos
siguientes: 1) por pérdida de idoneidad ambiental, sobre todo, en zonas de
especial relevancia actual del cultivo y 2) por incremento de idoneidad
ambiental en espacios de especial interés ambiental o de cualquier otra índole.
Objetivos
14
3. Determinar las zonas de Europa que, consecuencia del impacto del
cambio climático sobre la distribución futura de los espacios con idoneidad
ambiental para Lobesia botrana y Eupoecilia ambiguella, el cultivo de la vid se
vería afectado por estas plagas.
Materiales y métodos
Materiales y métodos
15
3. Materiales y métodos
3.1. Área de estudio
De los 7,4 millones de hectáreas de vid cultivadas en el año 2018 en el
mundo (OIV, 2019), el 37% se localizan en Europa. La observación de los
datos sobre la evolución de la superficie de vid cultivada en territorio europeo
en los últimos años, indica que ha tenido lugar una estabilización de la misma
en el continente en su conjunto y en grandes países vitícolas como España
(969.000 ha), Francia (789.000 ha), Italia (702.000 ha), Portugal (192.000 ha),
Rumanía (191.000 ha), Grecia (106.000 ha), Alemania (103.000 ha) o Suiza
(15.000 ha). Estas cifras tan importantes permiten comprender por qué el
cultivo de la vid ha sido tan significativo a la hora de dar forma a los paisajes
agrícolas de la cuenca mediterránea en particular, y de Europa en general
(Riquelme and Ramos, 2005).
Obviamente, también es un cultivo clave desde el punto de vista
socioeconómico. Baste señalar que la producción mundial de vino fue de 292,3
millones de hectolitros en 2018, destacando, por países, Italia con 54,8
millones de hectolitros, España con 44,4 y Francia con 41,9 (OIV, 2019). Por
otra parte, es importante mencionar que el 83% de la superficie vitícola
europea se destina a la producción de uva para la elaboración de vinos de
calidad, amparados en la Unión Europea (UE) bajo dos categorías:
Denominación de Origen Protegida (PDO) e Indicación Geográfica Protegida
(PGI). El resto de vinos europeos de calidad, producidos en países de este
continente pero que no pertenecen a la UE (países terceros), son denominados
por la propia Unión Europea como Vinos con Indicación Geográfica (WGI)
Materiales y métodos
16
(Comisión Europea, 2019).
Para el presente trabajo se ha considerado Europa como área de
estudio, incluyendo la distribución conocida en este continente para las tres
especies objeto de estudio: V. vinifera, L. botrana y E. ambiguella. Para la
elaboración de los modelos de nicho ecológico de cada especie fue necesario
obtener datos de ocurrencia en Europa, es decir, lugares donde se conoce su
presencia, así como datos ambientales (bioclimáticos) de esos lugares, tal
como se detalla más adelante. Adicionalmente, se han tenido en cuenta las
regiones que conforman las denominaciones vitivinícolas productoras de vinos
de calidad (PDO, PGI y WGI) con el propósito de analizar el efecto particular
que tendrá en ellas el cambio climático, en relación con esas tres especies
(Figura 1).
17
Fig
ura
1
. R
eg
ione
s
vitiv
iníc
ola
s
de
Eu
rop
a
pro
du
cto
ras
de
vin
os
de
ca
lidad
: D
eno
min
ació
n
de
Orig
en
Pro
teg
ida
(PD
O),
Indic
ació
n G
eog
ráfica P
rote
gid
a (
PG
I) y
Vin
os c
on
In
dic
ació
n G
eog
ráfica
(W
GI)
.
18
Fig
ura
2. R
eg
ión M
y p
un
tos d
e o
curre
ncia
de V
itis v
inife
ra e
n E
uro
pa
utiliz
ado
s p
ara
ge
nera
r su
mo
de
lo d
e n
ich
o e
coló
gic
o (e
n
rojo
, punto
s d
e c
alib
ració
n; e
n v
erd
e, p
unto
s d
e v
alid
ació
n).
19
Fig
ura
3.
Reg
ión M
(am
arillo
) y p
un
tos d
e o
curr
encia
de L
ob
esia
botr
ana
en E
uro
pa u
tiliz
ado
s p
ara
ge
nera
r su
mo
de
lo d
e n
ich
o
ecoló
gic
o (
en r
ojo
, p
unto
s d
e c
alib
ració
n;
en v
erd
e,
punto
s d
e v
alid
ació
n).
20
Fig
ura
4. R
eg
ión M
(am
arillo
) y p
un
tos d
e o
curre
ncia
de
Eu
po
ecilia
am
big
uella
en E
uro
pa
utiliz
ado
s p
ara
ge
ne
rar s
u m
ode
lo d
e
nic
ho e
coló
gic
o (e
n ro
jo, p
un
tos d
e c
alib
ració
n; e
n v
erd
e, p
unto
s d
e v
alid
ació
n).
Materiales y métodos
21
3.2. Datos de ocurrencia de cada especie
Los datos de ocurrencia utilizados para generar los modelos de nicho
ecológico de cada especie se obtuvieron a partir tres fuentes: 1) el portal Global
Biodiversity Information Facility (GBIF, 2017); 2) búsquedas en la literatura
científica que reporta la presencia de la especie; y 3) en el caso del viñedo, las
capas de usos del suelo disponibles en la base de datos creada por el proyecto
“Coordination of Information on the Environment” (CORINE Land Cover)
(AEMA, 1990). Cada dato registrado constaba de información sobre sus
coordenadas geográficas (latitud y longitud), país, región/departamento y
municipio.
La información así obtenida para cada especie se sometió a un proceso
de selección a fin de eliminar los datos recabados que pudieran ser erróneos
(georreferencia, identificación taxonómica, etc.). La georreferencia se verificó
empleando el programa informático Google Earth, con el fin de reducir los
sesgos de clasificación espacial en la calibración de los modelos (Owens et al.,
2013).
Dado que los datos ecológicos de una localidad pueden estar
condicionados por los de las localidades próximas, puede existir una cierta
dependencia espacial de los valores observados (autocorrelación). Así, la
presencia de una especie en un punto concreto puede estar condicionada por
la proximidad de poblaciones vecinas. Desde el punto de vista del análisis
estadístico, esto afecta al supuesto de independencia de las observaciones, y
dado que los modelos de nicho ecológico son modelos estadísticos, la
autocorrelación, tanto de las variables ambientales como de las ocurrencias,
Materiales y métodos
22
puede comprometer su capacidad para hacer predicciones (Segurado et al.,
2006; Veloz, 2009). Para reducir la autocorrelación espacial, se consideró una
distancia mínima entre datos de 15 km, en el caso de la vid, y de 4,5 km, en el
caso de las dos especies plaga. Utilizando el paquete de software para
estudios espaciales de ecología, evolución y genética SDMToolbox de ArcGIS
(Brown, 2014), se discriminaron los puntos situados por debajo de la distancia
umbral, con lo que el número de datos de ocurrencia finalmente empleado fue
de 1621 para V. vinifera (Figura 2), 59 para L. botrana (Figura 3), y 269 para E.
ambiguella (Figura 4) (en estas tres figuras también se menciona la Región M,
de la que se habla más adelante en el apartado de calibración de los modelos
de nicho ecológico).
3.3. Datos ambientales de los puntos de ocurrencia
Los datos ambientales del presente (media del periodo 1970-2000) se
han obtenido a partir de la base de datos mundial WorldClim versión 1.4
(Hijmans et al., 2005). Se han considerado 15 variables bioclimáticas (Tabla 1)
de las 19 descritas por Busby (1991) y que son ofrecidos por la base de datos a
una resolución espacial aproximada de 5 Km (2.5 arcmin). Estas variables
bioclimáticas derivan de los valores mensuales de temperatura y precipitación,
constituyendo las variables biológicamente más significativas. Representan
tendencias anuales, estacionalidad y factores ambientales extremos o
limitantes. Han quedado excluidas las variables que combinan información de
precipitación y temperatura en la misma capa, dado que son consideradas
como artefactos por algunos autores (Escobar et al., 2014): BIO8 (temperatura
media del trimestre más húmedo), BIO9 (temperatura media del trimestre más
Materiales y métodos
23
seco), BIO18 (precipitación del trimestre más cálido) y BIO19 (precipitación del
trimestre más frío).
Dado que la correlación entre las variables bioclimáticas es causa de
sesgos ambientales que afectan negativamente al calibrado de los modelos
(Araújo and Guisan, 2006; Wintle et al., 2005), se utilizó el test de Jacknife para
eliminar aquellas que menos aportan (Elith et al., 2011; Remya et al., 2015;
Yang et al., 2013). Este test tiene como función principal correr cada modelo
con cada variable por sí sola para medir el aporte particular de la variable y se
encuentra disponible en el programa informático MaxEnt, utilizado en el
modelado de nicho ecológico (ver más adelante).
Tabla 1. Variables bioclimáticas de WorldClim empleadas en el proceso de modelado.
Código Descripción
BIO1 Temperatura media anual
BIO2 Rango de temperaturas diurnas (Media mensual x [temperatura máxima - temperatura mínima])
BIO3 Isotermalidad ([BIO2/BIO7] x 100)
BIO4 Estacionalidad de la temperatura (desviación estándar x 100)
BIO5 Temperatura máxima del mes más cálido
BIO6 Temperatura mínima del mes más frío
BIO7 Rango anual de temperatura (BIO5 - BIO6)
BIO10 Temperatura media del trimestre más cálido
BIO11 Temperatura media del trimestre más frío
BIO12 Precipitación anual
BIO13 Precipitación del mes más húmedo
BIO14 Precipitación del mes más seco
BIO15 Estacionalidad de la precipitación (coeficiente de variación)
BIO16 Precipitación del trimestre más húmedo
BIO17 Precipitación del trimestre más seco
Materiales y métodos
24
Para llevar a cabo la proyección a futuro (año 2050) de los modelos
finalmente seleccionados, se han utilizado los datos ambientales generados
para Europa por cada uno de los 22 modelos de circulación general (GCM)
actualmente disponibles (Tabla 2), bajo los dos escenarios de emisión
considerados (RCP 4.5 y RCP 8.5). Los GCM son modelos matemáticos que
predicen los procesos físicos en la atmósfera, océano, criósfera y superficie
terrestre, conformando la herramienta disponible más avanzada para simular la
respuesta de un sistema global frente al incremento de la concentración de
gases de efecto invernadero. Estos datos han sido descargados desde el portal
Climate Change, Agriculture and Food Security (CGIAR, 2014). En cuanto a las
Trayectorias de Concentración Representativas (RCP), se trata de diferentes
escenarios de emisión definidos por el IPCC de acuerdo a las tres
características siguientes:
1) Forzamiento radiativo (FR), que se expresa en W.m-2 y que se define
como la variación del flujo radiativo (la descendente menos la
ascendente) en la tropopausa o en la parte superior de la atmósfera,
debida a una variación del causante externo del cambio climático, por
ejemplo, una variación de la concentración de dióxido de carbono o de la
radiación solar. A los efectos del presente trabajo, el forzamiento
radiativo se define específicamente como la variación respecto de 1750
y denota un promedio global anual (IPCC, 2013). Oscila entre 2.6 y 8.5
W.m-2.
2) Aumento en la concentración de CO2 atmosférico ocurrido a partir de
1750.
Materiales y métodos
25
3) Forzamiento radiativo debido a la emisión de aerosoles (EEA, 2017).
Tabla 2. Modelos de circulación general (GCM) empleados para la proyección a futuro
de los modelos de nicho ecológico bajo los escenarios de emisión RCP 4.5 y RCP 8.5.
Nº GCM Institución País
1 bnu_esm College of Global Change and Earth System Science, Beijing Normal University
China
2 cccma_canesm2 Canadian Centre for Climate Modelling and Analysis
Canadá
3 cesm1_bgc Climate Data at the National Center for Atmospheric Research
USA
4 cesm1_cam5 Climate Data at the National Center for Atmospheric Research
USA
5 csiro_access1_0 CSIRO Atmospheric Research, Australian Commonwealth Scientific
Australia
6 csiro_access1_3 CSIRO Atmospheric Research, Australian Commonwealth Scientific
Australia
7 gfdl_cm3 Geophysical Fluid Dynamics Laboratory USA
8 gfdl_esm2g Geophysical Fluid Dynamics Laboratory USA
9 gfdl_esm2m Geophysical Fluid Dynamics Laboratory USA
10 giss_e2_h_cc Goddard Institute for Space Studies USA
11 giss_e2_r Goddard Institute for Space Studies USA
12 inm_cm4 Institute for Numerical Mathematics Rusia
13 miroc_esm_chem
Japan Agency for Marine-Earth Science and Technology (JAMSTEC),Center for Climate System Research, Atmosphere and Ocean Research Institute (AORI), and National institute for Environmental Studies (NIES)
Japón
14 miroc_esm
Japan Agency for Marine-Earth Science and Technology (JAMSTEC),Center for Climate System Research, Atmosphere and Ocean Research Institute (AORI), and National institute for Environmental Studies (NIES)
Japón
15 miroc_miroc5
Atmosphere and Ocean Research institute (The University of Tokyo), National Institute for Environmental Studies, and Japan Agency for Marine-Earth Science and Technology
Japón
16 mohc_hadgem2_cc
Met Office Hadley Centre UK
17 mohc_hadgem2_es
Met Office Hadley Centre UK
18 mpi_esm_lr Max-Planck-Institute for Meteorology Alemania
19 mri_cgcm3 Meteorological Research Japón
20 ncar_ccsm4 National Center for Atmospheric Research-Model of the Community Climate System
USA
21 ncc_noresm1_m Norwegian Climate Centre (NCC) Noruega
22 nimr_hadgem2_ao NOAA Geophysical Fluid Dynamics Laboratory UK
Materiales y métodos
26
En concreto, en el Quinto informe (AR5) del IPCC, se definieron los
escenarios 2.6, 4.5, 6.0 y 8.5. En el presente trabajo se consideraron el RCP
4.5 y el RCP 8.5 cuyas características principales se recogen en la Tabla 3.
Tabla 3. Principales características de los escenarios de cambio climático RCP 4.5 y
RCP 8.5.
Escenario de cambio climático
RCP* 4.5 RCP* 8.5
FR* 4.5 W.m-2 8.5 W.m-2
Tendencia del FR*
Estable en 2100
Creciente; se estabiliza aprox. en
12 W.m-2 en 2250
[CO2] en 2100
538 ppm
936 ppm
ΔT* (º C)
De 2016 a 2065
Media
1.4
2
Rango Probable
0.9-2.0
1.4-2.6
De 2065 A 2100
Media
1.8
3.7
Rango Probable
1.1-2.6
2.6-4.8
*RCP: Trayectoria de Concentración Representativa; FR: forzamiento radiativo; ΔT: cambio de temperatura superficial
media en º C.
3.4. Calibración de los modelos de nicho ecológico
La calibración tiene como objetivo la búsqueda de funciones más o
menos complejas que expliquen la relación entre los datos de ocurrencia y las
variables ambientales. Los modelos de nicho ecológico de cada especie fueron
calibrados para la situación actual (presente) empleando el concepto de región
M que permite visualizar las oportunidades y las limitaciones de movilidad de la
Materiales y métodos
27
especie (Barve et al., 2011; Soberón and Nakamura, 2009). La región M se
define como el conjunto de áreas en las que la especie está o se supone que
podría estar presente, dado el conocimiento biológico que se tiene de ella y de
sus capacidades de dispersión, además de por no existir grandes barreras ni
discontinuidades ambientales que pudieran limitar su establecimiento. Los
datos de presencia conocida y los valores de las variables bioclimáticas
seleccionadas correspondientes a la región M se utilizaron para generar los
modelos de nicho ecológico potencial.
Los análisis de distribución potencial de cada especie se realizaron con
el algoritmo de máxima entropía implementado en el programa informático
MaxEnt versión 3.3.3k, que utiliza una técnica de aprendizaje para escoger los
modelos más consistentes a partir de la información disponible (Phillips et al.,
2006). En el contexto del presente trabajo, la entropía es un concepto derivado
de la teoría de la información que expresa cuánto de aleatorio es algo, es decir,
se trata de una medida de la aleatoriedad. Así, cuando en un conjunto de datos
todos sus elementos son equiprobables, la entropía es máxima. Aplicando de
manera práctica este concepto, se busca encontrar aquella distribución de
probabilidades que maximice la entropía, pero siempre considerando las
restricciones impuestas por la información disponible sobre la distribución
observada de la especie y las condiciones ambientales del área de estudio. El
programa MaxEnt modela la distribución geográfica de una especie utilizando
exclusivamente los puntos de ocurrencia y las variables bioclimáticas
asociadas a cada uno de esos puntos.
Para evaluar el rendimiento de los modelos es necesario disponer de
datos contra los que poder comparar sus pronósticos, por lo que los datos
Materiales y métodos
28
obtenidos de cada especie se dividieron en dos grupos: 1) datos de calibración
o entrenamiento, utilizados para elaborar cada modelo; y 2) datos de
evaluación o prueba, empleados para realizar su respectiva validación (Araujo
et al., 2005). En el caso de la vid, el 60% de los datos se utilizaron en la
calibración y el 40% en la evaluación, mientras que para las dos especies
plaga, la partición de datos se realizó mediante un proceso aleatorio utilizando
el programa ArcGis (Figuras 2, 3 y 4).
Para poder obtener el mejor modelo de cada especie, se llevó a cabo la
parametrización del algoritmo de modelado realizando cambios en el
multiplicador de regularización (β), para el que se exploraron 9 valores distintos
(0.1, 0.3, 0.5, 0.7, 1, 3, 5, 7 y 10), y combinando 5 tipos de features o funciones
simples derivadas de variables ambientales (Phillips et al., 2006; Phillips and
Dudík, 2008), estas son:
1) Lineal (l = linear): las variables predictoras son continuas y se usan
coeficientes lineales de transformación para cada una de ellas.
2) Cuadrática (q = quadratic): utiliza el cuadrado de variables predictoras
continuas.
3) Producto (p = product): resultado del producto de variables predictoras
continuas y que permite establecer interacciones entre ellas.
4) Umbral (t = threshold): se aplica a variables ambientales continuas y
obtiene el valor 1 cuando la variable está por encima de un cierto valor
umbral y 0 en los otros casos, permitiendo, con ello, introducir el uso de
umbrales en las variables.
5) Bisagra (h = hinge): combina las funciones lineales y el empleo de
Materiales y métodos
29
umbrales.
Las combinaciones de features a ser consideradas pueden ser
seleccionadas automáticamente por el algoritmo cuando se utiliza la opción
autofeatures, o bien manualmente por el usuario (Phillips and Dudík, 2008).
Para generar los modelos de las tres especies estudiadas en el presente
trabajo, se utilizaron las combinaciones l, q, p, t, h, lq, lp, lt, lh, qp, qt, qh, pt, ph,
th, lqp, lqh, lpt, lph, qpt, qph, qth, pth, pq, lqpt, lqph, lqth, lpth, lqpth.
3.5. Evaluación de los modelos de nicho ecológico
Evaluar o validar un modelo consiste en contrastar sus predicciones
respecto a los datos considerados de evaluación, es decir, valorar su
capacidad predictiva. Con el fin de obtener el modelo que mejor se ajusta a los
datos ambientales, cada uno de los múltiples modelos de cada especie
obtenidos mediante la parametrización en MaxEnt fue sometido a las siguientes
pruebas estadísticas:
1) Análisis ROC parcial (partial Receiver Operating Characteristic), para
evaluar la significancia del modelo (Peterson et al., 2008).
2) Análisis de las tasas de omisión, para evaluar el rendimiento del modelo
(Anderson et al., 2003).
3) Criterio de información de Akaike corregido (AICc), para valorar la
complejidad del modelo (Warren et al., 2010).
Los criterios de selección fueron los siguientes: 1) significancia: ROC
parcial con p < 0,05; 2) rendimiento: tasa de omisión < 5%; y 3) complejidad:
AICc con menor valor (es decir, el más simple). El proceso de evaluación de los
Materiales y métodos
30
modelos se llevó a cabo mediante la herramienta informática Kuenm (Cobos et
al., 2018).
Una vez seleccionado el mejor modelo para cada especie, se llevaron a
cabo sus proyecciones a futuro (año 2050) mediante MaxEnt. Para ello, se
utilizaron los datos climáticos generados por cada uno de los 22 GCM bajo los
escenarios de emisión RCP 4.5 y RCP 8.5 en Europa, sin considerar las
opciones extrapolate (“extrapolar”) y do clamping (“sujeción”) que se
desactivaron para evitar extrapolaciones artificiales en los valores extremos de
las variables ecológicas (Elith et al., 2011). En este punto, merece la pena
recalcar que, por defecto, el programa informático MaxEnt proporciona
información mapeada sobre el efecto de la "sujeción" (clamping) del modelo, es
decir, el proceso mediante el cual las características están restringidas a
permanecer dentro del rango de valores en los datos de entrenamiento. Esto
identifica ubicaciones donde las predicciones son inciertas debido al método de
extrapolación, al mostrar dónde la fijación afecta sustancialmente al valor
predicho. MaxEnt, realiza dos tipos de "sujeción" durante el proceso de
proyección. En primer lugar, fija las capas ambientales: si una capa en el
directorio de proyección tiene valores que son mayores que el máximo de la
capa correspondiente utilizada durante el entrenamiento, esos valores se
reducen al máximo, y similarmente para valores por debajo del mínimo
correspondiente. En segundo lugar, las características también están
restringidas: si una característica derivada de las capas de proyección tiene un
valor mayor que su máximo en los datos de entrenamiento, se reduce al
máximo, y de manera similar para valores por debajo del mínimo
correspondiente. Ambas formas de sujeción ayudan a aliviar los problemas que
Materiales y métodos
31
pueden surgir al hacer predicciones fuera del rango de datos utilizados en el
entrenamiento del modelo (Elith et al., 2011).
3.6. Análisis de Sistemas de Información Geográfica (GIS)
El modelo de nicho ecológico seleccionado para cada especie, así como
sus transferencias a futuro, fue proyectado al espacio geográfico con objeto de
obtener los mapas predictivos de distribución potencial en Europa en el
presente y en el año 2050. Cada pixel de los mapas predictivos fue binarizado,
asignando el valor 0 si la predicción indicaba que no había condiciones de
idoneidad ambiental para la especie y el valor 1 cuando sí las había, siendo el
umbral de omisión del 5%. Todos los mapas fueron procesados mediante el
programa informático SIG Idrisi versión 16 (Eastman, 2009). Para cada especie
se generaron 3 tipos de mapas: 1) mapa predictivo de zonas de idoneidad
ambiental en la situación actual; 2) mapa predictivo de distribución potencial de
la especie en el año 2050 bajo el escenario de emisión RCP 4.5; y 3) mapa
predictivo de distribución potencial de la especie en el año 2050 bajo el
escenario de emisión RCP 8.5.
Cada mapa predictivo de la situación en el año 2050 consta de 22 capas
superpuestas, que se corresponden con cada uno de los 22 GCM
considerados. Además, se utilizó el método de análisis de la diversidad alfa
(Whittaker, 1972) para conocer el número de GCM que coincidían en la
predicción en cada uno de los píxeles. Así, en cada pixel se pueden dar 4
situaciones posibles, que se asignan cuando el número de coincidencias de
CGM es igual o mayor a 15:
Materiales y métodos
32
1) Incremento: áreas en las que se predice que aparecerán condiciones
de idoneidad ambiental para la especie y que actualmente no existen.
2) Pérdida: áreas en las que se predice que desaparecerán las
condiciones de idoneidad ambiental que actualmente sí existen.
3) Persistencia: áreas en las que se predice que se mantendrán las
condiciones de idoneidad ambiental que actualmente sí existen.
4) No hábitat: áreas en la que se predice que no aparecerán
condiciones de idoneidad ambiental y en las que actualmente
tampoco existen.
Cada una de estas situaciones se representa con un color distinto y la
intensidad del tono indica el número de CGM que coinciden en la misma
predicción en un mismo pixel, de forma que, a mayor intensidad, mayor número
de coincidencias y, por lo tanto, mayor probabilidad de que esa situación
ocurra.
3.7. Interferencia de V. vinífera, L. botrana y E. ambiguella con diferentes
usos del suelo
Para tener conocimiento sobre el espacio geográfico-ambiental que
podrían ocupar en el futuro V. vinífera, L. botrana y E. ambiguella se consultó la
cobertura de usos del suelo en Europa que proporciona la base de datos
generada por la “Global Vegetation Monitoring Unit” (GVM Unit) a través del
proyecto “Global Land Cover 2000” (GLC2000). Se trata de una base de datos
conformada a nivel mundial y que alude al año 2000 al ser considerado como
un año de referencia para evaluaciones ambientales de gran calado como las
Materiales y métodos
33
llevadas a cabo en las Convenciones Internacionales de las Naciones Unidas
relacionadas con los Ecosistemas. Además, el proyecto se basa en el sistema
de clasificación de cobertura del suelo “FAO Land Cover Classification System”
(LCCS) el cual, a la vez que mantiene un enfoque de clasificación
estandarizado, considera descripciones de los tipos de cobertura llevadas a
cabo por expertos de las diferentes regiones (Comisión Europea, 2019). Se
tuvieron en cuenta las zonas de incremento y de persistencia de idoneidad
ambiental que, para las especies estudiadas en el presente trabajo, prevén los
modelos.
Materiales y métodos
34
3.8. Bibliografía
AEMA. (1990). Agencia Europea de Medio Ambiente. Retrieved from https://www.eea.europa.eu/
Anderson, R. P., Lew, D., & Peterson, A. T. (2003). Evaluating predictive models of species’ distributions: criteria for selecting optimal models. Ecological Modelling, 162(3), 211–232. https://doi.org/10.1016/S0304-3800(02)00349-6
Araújo, M. B., & Guisan, A. (2006). Five (or so) challenges for species distribution modelling. Journal of Biogeography, 33(10), 1677–1688. https://doi.org/10.1111/j.1365-2699.2006.01584.x
Araujo, M. B., Pearson, R. G., Thuiller, W., & Erhard, M. (2005). Validation of species-climate impact models under climate change. Global Change Biology, 11(9), 1504–1513. https://doi.org/10.1111/j.1365-2486.2005.01000.x
Barve, N., Barve, V., Jiménez-Valverde, A., Lira-Noriega, A., Maher, S. P., Peterson, A. T., … Villalobos, F. (2011). The crucial role of the accessible area in ecological niche modeling and species distribution modeling. Ecological Modelling, 222(11), 1810–1819. https://doi.org/10.1016/J.ECOLMODEL.2011.02.011
Brown, J. L. (2014). SDMtoolbox: a python-based GIS toolkit for landscape genetic, biogeographic and species distribution model analyses. Methods in Ecology and Evolution, 5(7), 694–700. https://doi.org/10.1111/2041-210X.12200
Busby, J.R. (1991) Bioclim, a Bioclimatic Analysis and Prediction System. In: Margules, C.R. and Austin, M.P., Eds., Nature Conservation: Cost Effective Biological Surveys and Data Analysis, CSIRO, Canberra, 64-68
CGIAR. (2014). Climate change, agriculture and food security. Retrieved July 18, 2018, from http://www.ccafs-climate.org/
Cobos, M. E., Perterson, T., Osorio-Olvera, L., & Barve, N. (2018). kuenm: kuenm: A package for detailed calibration and construction of... in manubio13/ku.enm: A package for detailed calibration and construction of Maxent Ecological Niche Models. Retrieved January 18, 2019, from https://github.com/marlonecobos/kuenm
Comisión Europea (2019). Base de datos E-Bacchus. Retrieved September 13, 2019, from https://ec.europa.eu/agriculture/markets/wine/e-bacchus/index.cfm?language=ES
Comisión Europea (2019). Base de datos “Global Land Cover 2000”. Retrieved September 30, 2019, from https://forobs.jrc.ec.europa.eu/products/glc2000/glc2000.php
Eastman, J. . (2009). IDRISI 16: The Taiga. Clark University: Worcester, Massachusetts
Materiales y métodos
35
EEA. (2017). Climate change, impacts and vulnerability in Europe 2016. Luxembourg
Elith, J., Phillips, S. J., Hastie, T., Dudík, M., Chee, Y. E., & Yates, C. J. (2011). A statistical explanation of MaxEnt for ecologists. Diversity and Distributions, 17(1), 43–57. https://doi.org/10.1111/j.1472-4642.2010.00725.x
Escobar, L. E., Lira-Noriega, A., Medina-Vogel, G., & Townsend Peterson, A. (2014). Potential for spread of the white-nose fungus (Pseudogymnoascus destructans) in the Americas: Use of Maxent and NicheA to assure strict model transference. Geospatial Health, 9(1), 221. https://doi.org/10.4081/gh.2014.19
GBIF. (2017). Global biodiversity information facility. Retrieved January 18, 2019, from https://www.gbif.org/
Hijmans, R. J., Cameron, S. E., Parra, J. L., Jones, P. G., & Jarvis, A. (2005). Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, 25(15), 1965–1978. https://doi.org/10.1002/joc.1276
IPCC. (2013). Climate Change 2013 The Physical Science Basis. Contribution of working group i to the fifth assessment report of the intergovernmental panel on climate change. (I. P. on C. Change, Ed.), Intergovernmental Panel on Climate Change. Cambridge University Press
OIV. (2019). Aspectos de la coyuntura mundial. Retrieved July 17, 2019, from http://www.oiv.int/public/medias/6680/es-oiv-aspectos-de-la-coyuntura-mundial-2019.pdf
Owens, H. L., Campbell, L. P., Dornak, L. L., Saupe, E. E., Barve, N., Soberón, J., … Peterson, A. T. (2013). Constraints on interpretation of ecological niche models by limited environmental ranges on calibration areas. Ecological Modelling, 263, 10–18. https://doi.org/10.1016/J.ECOLMODEL.2013.04.011
Peterson, A. T., Papes, M., & Soberón, J. (2008). Rethinking receiver operating characteristic analysis applications in ecological niche modeling. Ecological Modelling, 213(1), 63–72. https://doi.org/10.1016/J.ECOLMODEL.2007.11.008
Phillips, S. J., Anderson, R. P., & Schapire, R. E. (2006). Maximum entropy modeling of species geographic distributions. Ecological Modelling, 190(3–4), 231–259. https://doi.org/10.1016/J.ECOLMODEL.2005.03.026
Phillips, S. J., & Dudík, M. (2008). Modeling of species distributions with Maxent: New extensions and a comprehensive evaluation. Ecography, 31(2), 161–175. https://doi.org/10.1111/j.0906-7590.2008.5203.x
Remya, K., Ramachandran, A., & Jayakumar, S. (2015). Predicting the current and future suitable habitat distribution of Myristica dactyloides Gaertn. using MaxEnt model in the Eastern Ghats, India. Ecological Engineering, 82, 184–188. https://doi.org/10.1016/J.ECOLENG.2015.04.053
Materiales y métodos
36
Riquelme, F. J. M., & Ramos, A. B. (2005). Land and water use management in vine growing by using geographic information systems in Castilla-La Mancha, Spain. Agricultural Water Management, 77(1–3), 82–95. https://doi.org/10.1016/J.AGWAT.2004.09.027
Segurado, P., Araujo, M. B., & Kunin, W. E. (2006). Consequences of spatial autocorrelation for niche-based models. Journal of Applied Ecology, 43(3), 433–444. https://doi.org/10.1111/j.1365-2664.2006.01162.x
Soberón, J., & Nakamura, M. (2009). Niches and distributional areas: concepts, methods, and assumptions. Proceedings of the National Academy of Sciences of the United States of America, 106 Suppl(Supplement 2), 19644–19650. https://doi.org/10.1073/pnas.0901637106
Veloz, S. D. (2009). Spatially autocorrelated sampling falsely inflates measures of accuracy for presence-only niche models. Journal of Biogeography, 36(12), 2290–2299. https://doi.org/10.1111/j.1365-2699.2009.02174.x
Warren, D. L., Glor, R. E., & Turelli, M. (2010). ENMTools: A toolbox for comparative studies of environmental niche models. Ecography, 33(3), 607–611. https://doi.org/10.1111/j.1600-0587.2009.06142.x
Whittaker, R. H. (1972). Evolution and measurement of species diversity. Taxon, 21(2/3), 213. https://doi.org/10.2307/1218190
Wintle, B. A., Elith, J., & Potts, J. M. (2005). Fauna habitat modelling and mapping: A review and case study in the Lower Hunter Central Coast region of NSW. Austral Ecology, 30(7), 719–738. https://doi.org/10.1111/j.1442-9993.2005.01514.x
Yang, X.-Q., Kushwaha, S. P. S., Saran, S., Xu, J., & Roy, P. S. (2013). Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills. Ecological Engineering, 51, 83–87. https://doi.org/10.1016/J.ECOLENG.2012.12.004
Distribución potencial del cultivo de la vid
Distribución potencial del cultivo de la vid en Europa
37
4. Distribución potencial del cultivo de la vid en Europa ante el impacto
del cambio climático
4.1. Introducción
De acuerdo con Hassler (2019), Vitis vinifera se ordena taxonómicamente
de la siguiente forma:
Reino: Plantae
Phyllum: Tracheophyta
Clase: Magnoliopsida
Orden: Vitales
Familia: Vitaceae
Género: Vitis
Especie: Vitis vinifera
La vid, V. vinífera, es uno de los cultivos perennes más antiguos e
importantes del mundo (FAO, 2016; Marsal et al., 2017). Las zonas originarias
de dicho cultivo se localizan en el sudoeste de Asia, la parte más septentrional
de África y el centro y sur de Europa (Arnold et al., 1998; Manen et al., 2003).
En la actualidad, su distribución incluye también otras áreas de Europa,
Australia, China, Turquía, el sur de África, Chile, Argentina, Brasil, México y
Estados Unidos (GBIF, 2019; OIV, 2017; Zecca et al., 2012). Las variedades
cultivadas fueron domesticadas a partir del ancestro silvestre V. vinifera ssp.
sylvestris. Independientemente del origen geográfico y de su manera de
expansión, el género Vitis sentó las bases de su rango de distribución actual al
final del último período glacial (~ 8000 a. C.) cuando el frío alteró la mayoría de
sus hábitats favorables en el hemisferio norte. En esa época, tuvo lugar su
Distribución potencial del cultivo de la vid en Europa
38
desplazamiento hacia el sur, aunque esta no fue la única opción para su
supervivencia. Así, encontró refugios en ciertas áreas favorables, pero
aisladas, donde pudo sobrevivir de forma continua durante todo el período
glacial. En su desplazamiento por Europa y Asia occidental, estos movimientos
se vieron restringidos, en gran medida, por la presencia de las grandes
cadenas montañosas de los Pirineos, los Alpes, el Cáucaso y el Himalaya
(Jackson, 2014a).
En 2017 se cultivaron en el mundo 7,1 millones de hectáreas de vid
(Sardaro et al., 2017), siendo la producción mundial de uva, en ese mismo año,
de 73,3 millones de toneladas. La mayoría de esta producción se obtiene en
Europa (37%), Asia (34%) y América (19%) (OIV, 2018). La viticultura
tradicional europea es principalmente de secano (Montero-García et al., 2017).
Además, a nivel europeo existen fuertes regulaciones que controlan el cultivo
de la vid, dentro de las que se encuentran las indicaciones geográficas y las
denominaciones de origen, las cuales identifican a un producto como originario
de un determinado territorio y certifican el vínculo entre una determinada
calidad, reputación o característica del producto y su origen geográfico (Luykx
and van Ruth, 2008). En el caso de los vinos, estas designaciones son uno de
los parámetros más importantes a controlar para proteger la producción y el
origen de los productos (Moncayo et al., 2016). Además, los límites de las
regiones designadas, a menudo se corresponden con entornos con
características geológicas y/o geográficas específicas (Drivelos and Georgiou,
2012).
Los evidentes cambios climáticos pasados, presentes y futuros, siguen
siendo una de las principales preocupaciones para el sector agrícola (García-
Distribución potencial del cultivo de la vid en Europa
39
Ruiz et al., 2017; Prosdocimi et al., 2016; Rodrigo-Comino et al., 2018), incluido
el vitivinícola. El actual cambio climático tiene el potencial de modificar los
espacios físicos en los que se podrá practicar la viticultura ya que variará las
condiciones ambientales de los diferentes territorios. De este modo, se verán
amenazados hábitats nativos ubicados en áreas de creciente idoneidad (Turner
et al., 2010), lo que puede crear posibles conflictos en la conservación y usos
de suelo. Hasta el momento, no es mucho el trabajo que se ha llevado a cabo
para relacionar el cambio climático y su impacto sobre la productividad agrícola
en Europa con las consecuencias que ello tendrá en la investigación y la
política agraria (Olesen and Bindi, 2002). Algunos estudios previos han
evaluado el impacto del cambio climático sobre el cultivo de la vid en diferentes
partes de Europa, caso del llevado a cabo por Cortignani y Dono (2018)
referido al sur de Italia. Tales evaluaciones son necesarias para identificar las
necesidades de ajuste de las políticas agrícolas de modo que aborden
adecuadamente las consecuencias perjudiciales causadas por el cambio
climático en la industria del vino (Sacchelli et al., 2017, Olesen et al., 2011) a
través de mejorar la capacidad de recuperación de los sistemas agrícolas
(Fraga et al., 2015).
En todo este contexto, uno de los objetivos que se plantearon en el
presente trabajo fue el de evaluar la distribución potencial de la vid en Europa
bajo los escenarios de cambio climático RCP 4.5 y RCP 8.5 en el periodo de
prospección “presente-2050”, mediante el uso de modelos de nicho ecológico.
Distribución potencial del cultivo de la vid en Europa
40
4.2. Resultados
Las variables bioclimáticas seleccionadas tras las pruebas de Jacknife
fueron: temperatura media anual (BIO1), isotermalidad (BIO3), temperatura
máxima del mes más cálido (BIO5), temperatura mínima del mes más frío
(BIO6), temperatura media del trimestre más cálido (Bio10) y temperatura
media del trimestre más frío (BIO11).
Se generaron un total de 46 modelos, de los cuáles sólo cinco cumplían
con todos los criterios de significancia, rendimiento y complejidad: los cinco
fueron significativos (p < 0.000), con tasas de omisión inferiores al 5%, y fueron
también los menos complejos de acuerdo al AICc. De ellos, el mejor modelo
fue el número 1, por ser el más simple de todos (Tabla 4).
Tabla 4. Modelos de nicho ecológico de V. vinífera seleccionados en función de los
criterios de significancia, rendimiento y complejidad.
Modelo
Features1 β2
Mean AUC3 ratio
Partial ROC4 OR5 AICc6
Delta AICc6
W AICc6 N7
1 set1 lqp 3 1.717 0 0.02
9 25142.721 1 0 5
2 set1 lqp 0.5 1.710 0 0.02
8 25157.322 1 0 6
3 set1 lqp 1 1.716 0 0.02
5 25159.041 1 0 7
4 set1 lqp 0.1 1.702 0 0.03
4 25159.895 1 0 6
5 set1 lqp 0.3 1.710 0 0.02
8 25165.282 1 0 7
En negrita, el mejor modelo; 1Combinaciones de features: l= lineal, q= cuadrática, p= producto; 2Multiplicador de regulación; 3Área bajo la curva ROC; 4Análisis ROC parcial; 5Tasa de omisión 5%; 6Criterio de información de Akaike corregido; 7Número de parámetros.
En la figura 5 se representa la zona de idoneidad ambiental de V.
vinifera en Europa en las condiciones climáticas presentes, de acuerdo con la
Distribución potencial del cultivo de la vid en Europa
41
proyección geográfica de su MNE. Puede verse cómo dicha zona se extiende a
la mayor parte del territorio europeo, quedando fuera las regiones más
septentrionales del continente y las zonas correspondientes a las cadenas
montañosas.
Considerando las previsiones para el año 2050, las zonas de mayor
pérdida de idoneidad ambiental de V. vinífera en Europa, de acuerdo al
escenario RCP 4.5, se sitúan en la franja más meridional de la región
mediterránea (Portugal, España, Italia, Chipre y Grecia), mientras que las
zonas con mayor incremento o estabilidad se encuentran en el centro y norte
de Europa (Figura 6 y Figura 7).
Por su parte, bajo el escenario de emisión RCP 8.5 las pérdidas de
idoneidad ambiental se acentúan en la región mediterránea, destacando el
notable avance hacia el interior de la península ibérica y en el resto de países
de dicha región. De la misma forma que en el caso del escenario RCP 4.5, los
mayores incrementos se observan en el norte de Europa (Figura 8 y Figura 9).
42
Fig
ura
5. P
roye
cció
n g
eo
grá
fica e
n E
uro
pa d
e la
s á
reas d
e id
on
eid
ad
am
bie
nta
l de V
. vin
ífera
en la
situ
ació
n c
limá
tica p
rese
nte
, se
gú
n s
u m
ode
lo d
e n
icho
eco
lóg
ico.
43
Fig
ura
6.
Pro
ye
cció
n g
eo
grá
fica e
n E
uro
pa d
e l
as á
reas d
e i
ncre
me
nto
(ve
rde
), p
ers
iste
ncia
(g
ris)
y p
érd
ida (
rojo
) d
e i
don
eid
ad
am
bie
nta
l p
ara
V.
vin
ifera
pre
vis
tas p
ara
el
año 2
05
0,
seg
ún s
u m
ode
lo d
e n
ich
o e
coló
gic
o y
lo
s 2
2 G
CM
y c
onsid
era
nd
o e
l e
scen
ario
de e
mis
ión R
CP
4.5
. A
ma
yo
r in
ten
sid
ad d
el co
lor,
ma
yo
r n
úm
ero
de G
CM
qu
e c
oin
cid
en
en
la
mis
ma p
red
icció
n.
44
Figura 7. Detalle de las áreas de pérdida de idoneidad ambiental de V. vinífera en Portugal, España, Italia, Chipre y Grecia, previstas para el año 2050 según su modelo de nicho ecológico y considerando el escenario de emisión RCP 4.5.
45
Fig
ura
8.
Pro
ye
cció
n g
eo
grá
fica
en E
uro
pa
de las á
rea
s d
e in
cre
me
nto
(ve
rde
), p
ers
iste
ncia
(g
ris)
y p
érd
ida (
rojo
) d
e id
on
eid
ad
a
mb
ienta
l p
ara
V.
vin
ifera
pre
vis
tas p
ara
el
año
205
0,
seg
ún l
os 2
2 G
CM
y c
onsid
era
nd
o e
l esce
na
rio d
e e
mis
ión R
CP
8.5
. A
m
ayo
r in
ten
sid
ad
de
l co
lor,
ma
yo
r n
úm
ero
de G
CM
qu
e c
oin
cid
en
en la
mis
ma
pre
dic
ció
n.
46
Figura 9. Detalle de las áreas de pérdida de idoneidad ambiental de V. vinífera en Portugal, España, Italia y Grecia, previstas para el año 2050 según su modelo de nicho ecológico y considerando el escenario de emisión RCP 8.5.
Distribución potencial del cultivo de la vid en Europa
47
Por otro lado, se analizó la forma en la que el cambio climático afectará
a diferentes regiones vitivinícolas europeas productoras de vinos de calidad y
dotadas de indicación geográfica (IGP, DOP y WGI), bajo los escenarios de
emisión RCP 4.5 y 8.5 (Figura 10, Figura 11 y Anexo 1).
En Europa se cultivan 2.7 millones de hectáreas de vid dentro de las
categorías PGI y PDO, con cuyas producciones se elaboran vinos de calidad
amparados por la UE, y 1.3 millones de hectáreas dentro de la categoría WGI
(Eurostat, 2018), con las que se elaboran vinos de calidad amparados por
terceros países. Las previsiones indican que una parte de esta superficie se
verá afectada por pérdidas de idoneidad ambiental para V. vinífera bajo el
escenario RCP 4.5, pérdidas que tienden a incrementarse cuando se considera
el escenario RCP 8.5.
En el Anexo 1 se recogen los resultados cuantitativos obtenidos para
cada país europeo y región vitivinícola productora de vinos de calidad (DOP,
IGP y WGI), relativos a incremento, pérdida y persistencia de superficie de
idoneidad ambiental para V. vinífera, así como a no hábitat, tanto para el
escenario RCP 4.5 como RCP 8.5. Únicamente aparecen aquellas regiones en
las que coinciden en su previsión 15 o más GCM y presentan un porcentaje
igual o superior al 30% en esos efectos.
48
Fig
ura
10. Á
reas d
e n
o h
áb
itat, p
érd
ida, in
cre
me
nto
y p
ers
iste
ncia
de id
on
eid
ad
am
bie
nta
l para
V. v
inífe
ra e
n la
s re
gio
ne
s
vitiv
iníc
ola
s e
uro
peas p
roducto
ras d
e v
inos d
e c
alid
ad (P
DO
, PG
I y W
GI), p
revis
tas p
ara
el a
ño 2
050 y
consid
era
ndo lo
s
escen
ario
s d
e e
mis
ión R
CP
4.5
.
49
Fig
ura
11.
Áre
as d
e n
o h
áb
ita
t, p
érd
ida,
incre
me
nto
y p
ers
iste
ncia
de i
don
eid
ad
am
bie
nta
l p
ara
V.
vin
ífera
en l
as r
eg
ione
s
vitiv
iníc
ola
s e
uro
pe
as p
rodu
cto
ras d
e v
inos d
e c
alid
ad
(P
DO
, P
GI
y W
GI)
, pre
vis
tas p
ara
el
añ
o 2
05
0 y
co
nsid
era
ndo
lo
s
escen
ario
s d
e e
mis
ión R
CP
8.5
.
Distribución potencial del cultivo de la vid en Europa
50
Como datos más destacados, cabe señalar que dentro de las PGI de
Chipre, las regiones con mayor vulnerabilidad son Larnaca, Nicosia, Limasol y
Paphos, con una pérdida de superficie con idoneidad ambiental que varía entre
el 25,2% y el 85,2% considerando el escenario de emisión RCP 4.5, y entre el
15,1% y el 42%, bajo el RCP 8.5. Las PGI griegas se verían seriamente
afectadas por importantes pérdidas de superficie ambientalmente idónea,
especialmente Kos (68,5% en RCP 4.5), Mesogaias (94,2% y 76,5% para RCP
4.5 y RCP 8.5, respectivamente), Paiania (100% en RCP 8.5) y Spata (98,7% y
78% en RCP 4.5 y RCP 8.5, respectivamente). En el caso de Italia, las PGI
más afectadas estarían localizadas en la región de Calabria (destacando
Arghillá, Val di Neto y Valle del Crati, con pérdidas que podrían alcanzar el 68%
de la superficie idónea en el escenario más desfavorable) y en la isla de Sicilia
(siendo las más vulnerables Salemi, Fontanarrossa di Cerda y Valle de Belice,
que podrían llegar a perder hasta el 95% de superficie con idoneidad
ambiental, en algún caso). Las PGI de Portugal serían unas de las más
afectadas, tanto en el escenario RCP 4.5 como en el RCP 8.5, especialmente
Tejo (100% de pérdida en ambos escenarios), Lisboa (75% y 93,5%,
respectivamente), Setúbal (67% y 94%, respectivamente) y Algarve (37,4% y
61%, respectivamente). Por último, en España se observan pérdidas de
superficie con idoneidad ambiental en las PGI de Andalucía, especialmente en
Cádiz (78% en RCP 8.5) y Los Palacios (96% en RCP 4.5); y de las Islas
Baleares bajo el escenario RCP 8.5 (Ivissa: 60,4%; Isla de Menorca: 48%). En
todas estas zonas europeas, el incremento de superficie ambientalmente
idónea para el cultivo de la vid es nulo.
Distribución potencial del cultivo de la vid en Europa
51
Respecto a las zonas productoras de vinos con PDO, la zona griega en
la que se prevé una mayor vulnerabilidad es Rhodes, con un 73% de pérdida
de superficie idónea. En Italia, las PDO vulnerables serían numerosas,
destacando las siguientes: en la región de Apulia, Melissano (97,3% de pérdida
bajo el RCP 8.5); en la región de Calabria, Greco di Bianco (76,1% y 100%
para RCP 4.5 y RCP 8.5, respectivamente); y en la región de Sicilia, Alcamo,
Santa Margherita di Belice, Erice, Marsala, Menfi, Salaparuta, Sciacca y
Siracusa (con porcentajes de pérdida de superficie con idoneidad que
oscilarían entre 59% y 98,4%). Portugal es, sin duda, uno de los países en los
que la previsión resulta ser más negativa. Así, la PDO Alentejo perdería un
73% de superficie idónea bajo el escenario RCP 8.5; en la región de Faro, las
PDO de Lagoa, Lagos y Portimão sufrirían pérdidas superiores al 80% en
ambos escenarios; la PDO de Óbidos perdería un 96,4% y la de Encostas
d’Aire un 76,3%, según el escenario RCP 8.5; en la región de Lisboa, la PDO
Alenquer disminuiría más de un 70% y la de Torres Vedras más de un 81%, en
el mejor de los casos; y en la región de Setúbal, las PDO Moscatel de Setúbal,
Palmela y Setúbal perderían porcentajes de superficie ambientalmente idónea
en los que predominan valores superiores al 90%. Finalmente, en España, las
PDO donde las previsiones son más negativas pertenecen a la Comunidad
Autónoma de Andalucía: Condado de Huelva (en torno al 80% de pérdida de
superficie con idoneidad en ambos escenarios de emisión), Jerez (44,6% en
RCP 4.5 y 60% en RCP 8.5), Lebrija (84,6% y 75% para RCP 4.5 y RCP 8.5,
respectivamente), Manzanilla-Sanlúcar de Barrameda (más del 96% de pérdida
en ambos escenarios), y Montilla-Moriles (50,3% en RCP 4.5 y 64% en RCP
8.5); y a la Comunidad Autónoma de Extremadura: Cava y Ribera del
Distribución potencial del cultivo de la vid en Europa
52
Guadiana, con pérdidas del 67,4% y del 46%, respectivamente, en el escenario
RCP 8.5. En ninguna de estas PDO europeas se prevé un aumento de la
superficie con idoneidad ambiental para la vid.
En cuanto a las regiones WGI, algunos países se verán favorecidos al
no existir previsión de pérdida de superficie ambientalmente idónea y
aumentar, en alguna medida, la superficie adecuada para el cultivo. Este sería
el caso de Suiza, donde las WGI más beneficiadas serían Glarus y Ticino, con
un aumento de superficie idónea de un 12-21% y 13-14,3%, respectivamente.
En la figura 12 se representa la superficie ocupada por diferentes usos
del suelo en las zonas en las que se pronostica persistencia e incremento de la
idoneidad ambiental para V. vinifera bajo los escenarios de emisión RCP 4.5 y
RCP 8.5. Se observa que, considerando este último escenario, el uso del suelo
principalmente implicado es “Cubierta arbustiva, abierta (15-40%)-cerrada
(>40%), arbustos de hoja perenne”, tanto en el caso de persistencia de
superficie idónea como de incremento de la misma. Sin embargo, considerando
el escenario RCP 4.5 no se observa un uso de suelo predominante en esos
mismos casos.
Distribución potencial del cultivo de la vid en Europa
53
Figura 12. Superficie (km2) ocupada actualmente por diferentes usos del suelo en las
zonas en las que se pronostica persistencia e incremento de la idoneidad ambiental de
Vitis vinifera para el año 2050 bajo los escenarios de emisión RCP 4.5 y RCP 8.5.
0 5000000 10000000
Cubierta arbórea, árboles dehoja ancha y caducifolios,
cerrada (>40%)
Cubierta arbórea, árboles dehoja ancha y caducifolios,
abierta (15-40%)
Cubierta arbórea, regularmenteinundada, agua dulce y agua
salobre
Cubierta arbórea, regularmenteinundada con variación diariadel nivel del agua, agua salina
Cubierta arbustiva, abierta (15-40%)-cerrada (>40%), arbustos
de hoja perenne
Cubierta arbórea, mezcla deárboles de hoja caduca y
perenne
Otros
Persistencia(RCP 8.5)
Persistencia(RCP 4.5)
Incremento(RCP 8.5)
Incremento(RCP 4.5)
Km2
Distribución potencial del cultivo de la vid en Europa
54
4.3. Discusión
Las pruebas de Jacknife permitieron establecer las variables
bioclimáticas que aportan más a los MNE, de cara a determinar las áreas de
idoneidad ambiental para la vid en la actualidad en Europa y su distribución
potencial en el mismo continente en el año 2050, bajo los escenarios de
cambio climático RCP 4.5 y RCP 8.5. Estas variables fueron la temperatura
media anual, la isotermalidad, la temperatura máxima del mes más cálido, la
temperatura mínima del mes más frío, la temperatura media del trimestre más
cálido y la temperatura media del trimestre más frío. Puede observarse que se
trata de variables bioclimáticas relativas a valores de la temperatura y a la
estacionalidad de la misma. De acuerdo con los datos obtenidos, tanto una
como otra tienden a incrementarse en los escenarios futuros, incluso en el caso
de las temperaturas frías (lo que conduce a inviernos más suaves). Diferentes
estudios llevados a cabo en Europa concuerdan con estos resultados al
mostrar proyecciones consistentes de aumento de temperatura y una fuerte
influencia de este hecho en la distribución futura del cultivo de la vid (Hannah et
al., 2013; Olesen et al., 2011; Ruml et al., 2012), por lo que la temperatura
parece ser el factor climático más importante para este cultivo (Ruml et al.,
2012).
Es muy importante señalar que, en la mayoría de los trabajos
desarrollados con MNE, se emplean solo entre uno y cuatro GCM, mientras
que en el presente estudio se han utilizado los 22 disponibles en la actualidad.
Hay que tener presente que estos modelos difieren, incluso, en elecciones
estructurales básicas y que, por ello, pueden arrojar diferentes resultados para
un mismo espacio físico (Murphy et al., 2007). De acuerdo con ello, en el
Distribución potencial del cultivo de la vid en Europa
55
presente trabajo, los resultados muestran diferentes niveles de certidumbre en
las distintas regiones de Europa, en función del número de coincidencias en las
previsiones para 2050 llevadas a cabo con los 22 CGM, considerándose que el
nivel de certidumbre es significativo cuando el número de coincidencias está
entre 15 y 22 (Figuras 6 y 8). Por otro lado, Olesen et al., (2007) señalaron
además que, si bien existe esa incertidumbre generada al establecer los
escenarios de emisiones y aplicar los modelos climáticos, hay también una
incertidumbre asociada con las variaciones locales del clima y del suelo, así
como con las diferentes estrategias a implementar en la práctica para
amortiguar los efectos del cambio climático, enfatizando, por ello, la necesidad
de que los estudios de impacto consideren adecuadamente las condiciones
ambientales locales, así como la correcta adaptación de la gestión de los
cultivos agrícolas a los nuevos escenarios.
Los resultados obtenidos en el presente trabajo muestran que, en gran
parte del territorio europeo, se da una persistencia de las condiciones
ambientales adecuadas para el cultivo de la vid en los dos escenarios de
cambio climático considerados (RCP 4.5 y 8.5). Sin embargo, también se
observa que, para algunas regiones, se predicen importantes impactos, tanto
negativos (incrementos de pérdida de superficie con idoneidad ambiental),
especialmente en zonas localizadas en el área mediterránea: Portugal, España,
Italia, Grecia y Chipre, como positivos (incrementos de la superficie con
idoneidad ambiental), sobre todo en regiones del norte (Figuras 6 y 8). Otros
autores, trabajando con cultivos en general, han reportado resultados en los
que se prevé también un impacto variable geográficamente, señalando que
tanto la superficie con idoneidad ambiental como el rendimiento de los cultivos
Distribución potencial del cultivo de la vid en Europa
56
disminuirán en las zonas más al sur y aumentarán en las zonas más frías del
norte de Europa (Audsley et al., 2006; Olesen et al., 2011). Por su parte,
Hannah et al., (2013) llevaron a cabo trabajos con vid y los escenarios RCP 4.5
y RCP 8.5, reportando que en las regiones francesas de Burdeos y del Valle
del Ródano, así como en La Toscana italiana disminuirá la superficie con
idoneidad ambiental; por otro lado, observaron que dicha superficie aumentará
en las regiones más septentrionales de Europa, coincidiendo con los resultados
del presente estudio.
Resulta de gran interés analizar la vulnerabilidad del cultivo de la vid,
concretamente en las regiones vitivinícolas PGI, PDO y WGI por su especial
importancia en Europa derivada, entre otras cosas, del hecho de que suponen
una poderosa herramienta para asegurar la autenticidad del vino que llega al
consumidor con el impacto social y económico que ello supone.
Como ocurría con el cultivo de la vid en su conjunto, según el presente
estudio, las regiones vitivinícolas productoras de vinos de calidad más
vulnerables son aquéllas ubicadas en países del sur de Europa (Figura 5,
Figura 6 y Anexo 1), dotadas de climas de tipo mediterráneo.
En el caso de Portugal, que ocupa el lugar número 11 en la producción
de vino a nivel mundial (OIV, 2018), se observa pérdida de superficie con
idoneidad ambiental en las PGI de Tejo, Algarve, Lisboa y Setúbal, y en las
PDO de Alentejo, Lagoa, Lagos, Portimão, Tavira, Óbidos y Encostas de Aire,
especialmente en el escenario RCP 8.5, estando mayoritariamente situadas, en
conjunto, en zonas costeras. Por su parte, Fraga et al. (2018) llegaron a
resultados diferentes, señalando que el cultivo de la vid está expuesto a fuertes
Distribución potencial del cultivo de la vid en Europa
57
riesgos por el aumento de la temperatura y de periodos secos en Portugal, pero
sobre todo en las regiones de interior, en comparación con las más cercanas a
las costas, según el RCP 8.5. El motivo de estos resultados diferentes puede
deberse a que estos autores no llevaron a cabo los procesos de calibración de
los modelos (Barve et al., 2011), ni emplearon el concepto de zona accesible
(M). Estos mismos autores señalan que resulta fundamental para la
sostenibilidad tanto del medio ambiente como del sector vinícola portugués,
establecer medidas de adaptación adecuadas, oportunas y rentables (Fraga et
al., 2018).
Las PDO italianas de las regiones de Lombardía, Calabria y Sicilia se
verán muy afectadas bajo los dos escenarios de cambio climático
considerados. Especialmente destacable es la situación de las PDO situadas
en el sur de Sicilia donde el incremento de temperatura provocará una fuerte
pérdida de idoneidad ambiental. En este contexto, conviene recordar que se
trata de una isla particularmente árida con precipitaciones escasas, sobre todo
en el sur, siendo el norte y el este más frescos y menos propensos a la sequía
(Clarke, 2005).
En el caso de Grecia, los resultados del presente trabajo estiman que las
PGI Egeo y Kos y las PDO Cícladas y Rodas sufrirán una notable pérdida de
adecuación para el cultivo de la vid en el escenario RCP 4.5. Para otras
regiones vitivinícolas griegas también se estiman importantes pérdidas de
superficie con idoneidad ambiental para este cultivo considerando el escenario
RCP 8.5, que pueden llegar hasta el 100% de su superficie, caso de la PGI
Paiania. Georgopoulou et al. (2017) evaluaron el impacto del cambio climático
sobre diferentes cultivos importantes en Grecia, entre ellos la vid,
Distribución potencial del cultivo de la vid en Europa
58
pronosticando una reducción en la producción anual, especialmente en uva
para la obtención de vinos sin indicación específica (más del 60%). Además,
estos autores reportaron que, frente a esta amenaza, algunas de las medidas
posibles de adaptación no eran aplicables debido a su elevado coste.
España, que a nivel mundial ocupa el primer lugar en superficie de vid
cultivada y el segundo en producción de vino (OIV, 2019), presenta una notable
vulnerabilidad respecto a este cultivo en diversas regiones vitícolas del sur. Así,
bajo el escenario de emisión RCP 4.5, destacan los valores obtenidos en
Andalucía para las PGI Cádiz y Los Palacios, y para las PDO Condado de
Huelva, Jerez, Lebrija, Manzanilla-Sanlúcar de Barrameda y Montilla-Moriles,
en las que la pérdida de idoneidad ambiental alcanzaría el 96% de su superficie
en el caso de Los Palacios y Manzanilla-Sanlúcar de Barrameda. La situación
en España se revela similar al considerar el escenario RCP 8.5, bajo el que
varias PGI de Andalucía (sobre todo, Cádiz y Bailén) y de las Islas Baleares
(Ivissa e Illa de Menorca) y otras PDO mayoritariamente de Andalucía
(Condado de Huelva, Jerez, Lebrija, Manzanilla, Manzanilla-Sanlúcar de
Barrameda y Montilla-Moriles), pero también de la Comunidad Valenciana (El
Terrerazo) y de Extremadura (Ribera del Guadiana y Cava) presentan altas
pérdidas de superficie con idoneidad ambiental para el cultivo. No es fácil
discernir cuáles de estas regiones vitivinícolas supone una importancia mayor,
pero es claro que algunas como la de Jerez, que se remonta a la época de los
fenicios alrededor del año 1100 a. C. (Consejo Regulador de los Vinos de Jerez
y Manzanilla, 2018), son de una relevancia notable tanto a nivel económico,
como cultural e histórico. En estudios anteriores, Moriondo et al. (2013) ya
reportaron vulnerabilidad ante el cambio climático en la PDO Ribera del
Distribución potencial del cultivo de la vid en Europa
59
Guadiana, debido a incrementos de la temperatura y reducciones de la
precipitación bajo el modelo HadCM3 (GCM) y los escenarios A2 y B2 para los
periodos de prospección presente-2020 y presente-2050.
Resulta muy notable destacar que, de acuerdo con los resultados
obtenidos en el presente trabajo, se aprecia un incremento de superficie con
idoneidad ambiental para el cultivo de la vid en regiones del centro y norte de
Europa (en Austria y Suiza, concretamente) bajo los dos escenarios de cambio
climático considerados. Paralelamente a ello, Jackson (2014b) reportó que, en
el este de Francia, el límite de la producción comercial de vino se inclinará
hacia el norte, desde el Valle del Loira hasta el Valle del Rin y sus afluentes.
Por otra parte, diversos autores, como Olesen et al. (2011) han afirmado que
algunos cultivos que actualmente crecen principalmente en el sur de Europa
serán más adecuados en regiones más septentrionales y en zonas
meridionales, pero de mayor altitud. En el presente trabajo, se ha encontrado
que, en amplias zonas montañosas en las que actualmente predomina la
vegetación natural, aumentará la idoneidad ambiental para el cultivo de la vid
(en la figura 12 se representa la superficie ocupada por diferentes usos del
suelo en las zonas en las que se pronostica persistencia e incremento de la
idoneidad ambiental para V. vinifera bajo los escenarios de emisión RCP 4.5 y
RCP 8.5). De este modo, la viticultura y la protección de los recursos naturales
serán realidades enfrentadas en estos espacios, con profundas implicaciones
sociales y ambientales. En esta línea, Hannah et al. (2013) señalan que el
cultivo de la vid constituye una valiosa referencia para medir los impactos
indirectos del cambio climático sobre los ecosistemas, a través de su incidencia
directa sobre la agricultura, ya que la viticultura es sensible al clima y se
Distribución potencial del cultivo de la vid en Europa
60
concentra en regiones climáticas mediterráneas que, además, son lugares
críticos para la biodiversidad mundial. Estos mismos autores señalan la
importancia clave de la realización de esfuerzos de adaptación y conservación
agrícola que se anticipen a estos posibles múltiples efectos indirectos (Hannah
et al., 2013), resultando en este sentido esenciales, los estudios detallados
sobre las predicciones de las distribuciones geográficas/ecológicas de las
especies, en este caso, de la vid. Por otro lado, es importante considerar que
cualquier planificación que se realice con el objetivo de anticipar soluciones a
los problemas futuros relacionados con el cultivo de la vid, tiene que tener en
cuenta el ámbito más local, entre otros motivos, porque las variedades
tradicionales elegidas y aceptadas al inicio del funcionamiento de las regiones
vitivinícolas reguladas pueden, en la situación futura, no poseer las
propiedades consideradas como óptimas (Pouget, 1988).
En definitiva, los MNE son una herramienta que permite establecer una
aproximación, en un contexto ambiental, de la distribución espacial futura de
las especies vivas (Merow et al., 2013; Peterson et al., 2011), entre ellas la vid.
Esta información reportada por los MNE debería ser tenida en cuenta en la
toma de decisiones cuando se elaboran programas de planificación de cara a
minimizar problemas futuros. Así, por ejemplo, los MNE proporcionan una base
predictiva para futuras y, a veces nuevas, inferencias relacionadas con la
biodiversidad y su distribución en el espacio, el tiempo y el medio ambiente
(Peterson et al., 2011), como sería el caso de las posibles interferencias entre
el propio cultivo de la vid y zonas geográficas de especial valor ambiental. Por
otro lado, no solamente es importante que se considere la información aportada
por los MNE en la toma de decisiones, sino que dicha información debe ser
Distribución potencial del cultivo de la vid en Europa
61
conseguida de acuerdo a una evaluación rigurosa y consistente. En el presente
trabajo se ha obtenido la distribución potencial de la superficie con idoneidad
ambiental para el cultivo de vid en Europa para así, entre otras cosas,
determinar zonas con alta vulnerabilidad, habiendo prestado una especial
atención a la situación de las regiones vitivinícolas productoras de vinos de
calidad. Esta información puede servir de apoyo al establecimiento de
estrategias que se adelanten a los problemas relacionados con esos cambios
futuros.
4.4. Conclusiones
1. Las variables bioclimáticas que aportan más a los modelos de nicho
ecológico, de cara a determinar las áreas de idoneidad ambiental de la vid en la
actualidad en Europa y su distribución potencial en el mismo continente en el
año 2050, bajo los escenarios de cambio climático RCP 4.5 y RCP 8.5 son la
temperatura media anual, la isotermalidad, la temperatura máxima del mes más
cálido, la temperatura mínima del mes más frío, la temperatura media del
trimestre más cálido y la temperatura media del trimestre más frío, todas ellas,
relativas a valores de la temperatura y a la estacionalidad de la misma.
2. En los dos escenarios de cambio climático considerados, los modelos
predicen una persistencia de las condiciones ambientales adecuadas para el
cultivo de la vid en gran parte del territorio europeo.
3. Se prevé que el cambio climático provoque notables pérdidas de
superficie con idoneidad ambiental para el cultivo de la vid en regiones
europeas con climas cálidos. En concreto, considerando el escenario de
Distribución potencial del cultivo de la vid en Europa
62
emisión RCP 4.5, estas pérdidas se extenderán por regiones pertenecientes a
países mediterráneos (Portugal, España, Italia, Grecia y Chipre) y teniendo en
cuenta el escenario de emisión más desfavorable (RCP 8.5), esta situación se
acentuará especialmente en Portugal, España e Italia.
4. Los modelos predicen un incremento de superficie con idoneidad
ambiental para el cultivo de la vid en algunas regiones del centro y norte de
Europa (en Suiza y Austria, concretamente) bajo los dos escenarios de cambio
climático RCP 4.5 y RCP 8.5.
5. Como ocurre con el cultivo de la vid en su conjunto, se estima que
importantes regiones vitivinícolas productoras de vinos de calidad (PGI, PDO y
WGI) son muy vulnerables al cambio climático, especialmente aquéllas
ubicadas en países del sur de Europa (Portugal, España, Italia, Grecia y
Chipre) y dotadas de clima de tipo mediterráneo.
6. Considerando el escenario de emisión RCP 8.5, el uso del suelo
principalmente implicado, tanto en las zonas en las que se dará persistencia de
idoneidad ambiental para el cultivo de la vid como en aquéllas en las se
producirá un incremento de la misma, es el de “Cubierta arbustiva, abierta (15-
40%)-cerrada (>40%), arbustos de hoja perenne”. Sin embargo, considerando
el escenario RCP 4.5 no se observa un uso de suelo predominante en esas
mismas zonas. Por otro lado, en el presente trabajo se ha encontrado que en
amplias zonas montañosas en las que actualmente predomina la vegetación
natural, se prevé que aumente la idoneidad ambiental para el cultivo de la vid,
de modo que la viticultura y la protección de los recursos naturales serán
Distribución potencial del cultivo de la vid en Europa
63
realidades enfrentadas en estos espacios, con implicaciones sociales y
ambientales muy sustanciales.
7. Las modificaciones que el cambio climático provocará sobre las
superficies con idoneidad ambiental para el cultivo de la vid en diferentes
regiones europeas traerán importantes consecuencias en los ámbitos
económico, social, cultural y ambiental. Por ello, el presente trabajo, y otros que
se desarrollen en la misma línea, podrían ser considerados para planificar
estrategias de actuación que se adelanten a esos problemas de modo que se
puedan alcanzar soluciones adecuadas en un contexto de Desarrollo
Sostenible.
Distribución potencial del cultivo de la vid en Europa
64
4.5. Bibliografía
Audsley, E., Pearn, K. R., Simota, C., Cojocaru, G., Koutsidou, E., Trnka, M., & Alexandrov, V. (2006). What can scenario modelling tell us about future European scale agricultural land use, and what not? Environmental Science & Policy, 9(2), 148–162. https://doi.org/10.1016/J.ENVSCI.2005.11.008
Barve, N., Barve, V., Jiménez-Valverde, A., Lira-Noriega, A., Maher, S. P.,
Peterson, A. T., … Villalobos, F. (2011). The crucial role of the accessible area in ecological niche modeling and species distribution modeling. Ecological Modelling, 222(11), 1810–1819. https://doi.org/10.1016/J.ECOLMODEL.2011.02.011
Arnold, C., Gillet, F., Gobat, J.M. (1998). Situation de Ia vigne sauvage Vitis
vinifera ssp. silvestris en Europe. Journal of Grapevine Research, 4, 159–170
Clarke, O. (2005). Atlas del vino (Blume). Barcelona Editorial: Blume Consejo Regulador de los Vinos de Jerez y Manzanilla (2018). Historia del
jerez. Retrieved February 1, 2019, from https://www.sherry.wine/es/marco-de-jerez/historia
Cortignani, R., & Dono, G. (2018). Agricultural policy and climate change: An
integrated assessment of the impacts on an agricultural area of Southern Italy. Environmental Science & Policy, 81, 26–35. https://doi.org/10.1016/J.ENVSCI.2017.12.003
Drivelos, S. A., & Georgiou, C. A. (2012). Multi-element and multi-isotope-ratio
analysis to determine the geographical origin of foods in the European Union. TrAC Trends in Analytical Chemistry, 40, 38–51. https://doi.org/10.1016/J.TRAC.2012.08.003
Eurostat. (2018). Vineyards in the EU - statistics. Retrieved February 1, 2019,
from https://ec.europa.eu/eurostat/statistics-explained/index.php/Vineyards_in_the_EU_-_statistics
FAO. (2016). Table and dried grapes. Food and agriculture organization of the
united nations Fraga, H., García de Cortázar Atauri, I., & Santos, J. . (2018). Viticultural
irrigation demands under climate change scenarios in Portugal. Agricultural Water Management, 196, 66–74. https://doi.org/10.1016/J.AGWAT.2017.10.023
Distribución potencial del cultivo de la vid en Europa
65
Fraga, H., Santos, J. A., Moutinho-Pereira, J., Carlos, C., Silvestre, J., Eiras-Dias, J., … Malheiro, A. A. C. (2015). Statistical modelling of grapevine phenology in Portuguese wine regions: Observed trends and climate change projections. Journal of Agricultural Science, 1–17. https://doi.org/10.1017/S0021859615000933
García-Ruiz, J. M., Beguería, S., Lana-Renault, N., Nadal-Romero, E., & Cerdà,
A. (2017). Ongoing and emerging questions in water erosion studies. Land Degradation & Development, 28(1), 5–21. https://doi.org/10.1002/ldr.2641
GBIF. (2019). Vitis vinifera L. Retrieved June 21, 2019, from
https://www.gbif.org/species/5372392 Georgopoulou, E., Mirasgedis, S., Sarafidis, Y., Vitaliotou, M., Lalas, D. P.,
Theloudis, I., … Zavras, V. (2017). Climate change impacts and adaptation options for the Greek agriculture in 2021–2050: A monetary assessment. Climate Risk Management, 16, 164–182. https://doi.org/10.1016/J.CRM.2017.02.002
Hannah, L., Roehrdanz, P. R., Ikegami, M., Shepard, A. V, Shaw, M. R., Tabor,
G., … Hijmans, R. J. (2013). Climate change, wine, and conservation. Proceedings of the National Academy of Sciences of the United States of America, 110(17), 6907–6912. https://doi.org/10.1073/pnas.1210127110
Hassler M. (2019). World Plants: Synonymic Checklists of the Vascular Plants
of the World (version Nov 2018). In: Species 2000 & ITIS Catalogue of Life, 2019 Annual Checklist (Roskov Y., Ower G., Orrell T., Nicolson D., Bailly N., Kirk P.M., Bourgoin T., DeWalt R.E., Decock W., Nieukerken E. van, Zarucchi J., Penev L., eds.). Digital resource at www.catalogueoflife.org/annual-checklist/2019. Species 2000: Naturalis, Leiden, the Netherlands. ISSN 2405-884X
Jackson, R. S. (2014a). Grape species and varieties. Wine Science, 21–67.
https://doi.org/10.1016/B978-0-12-381468-5.00002-6 Jackson, R. S. (2014b). Wine laws, authentication and geography. Wine
Science, 761–829. https://doi.org/10.1016/B978-0-12-381468-5.00010-5 Luykx, D. M. A. M., & van Ruth, S. M. (2008). An overview of analytical methods
for determining the geographical origin of food products. Food Chemistry, 107(2), 897–911. https://doi.org/10.1016/J.FOODCHEM.2007.09.038
Manen, J.-F., Bouby, L., Dalnoki, O., Marinval, P., Turgay, M., & Schlumbaum,
A. (2003). Microsatellites from archaeological Vitis vinifera seeds allow a tentative assignment of the geographical origin of ancient cultivars. Journal of Archaeological Science, 30(6), 721–729. https://doi.org/10.1016/S0305-4403(02)00244-3
Distribución potencial del cultivo de la vid en Europa
66
Marsal, G., Bota, J., Martorell, A., Canals, J. M., Zamora, F., & Fort, F. (2017). Local cultivars of Vitis vinifera L. in Spanish islands: Balearic Archipelago. Scientia Horticulturae, 226, 122–132. https://doi.org/10.1016/J.SCIENTA.2017.08.021
Merow, C., Smith, M. J., & Silander, J. A. (2013). A practical guide to MaxEnt
for modeling species’ distributions: What it does, and why inputs and settings matter. Ecography., 36(10), 1058–1069. https://doi.org/10.1111/j.1600-0587.2013.07872.x
Moncayo, S., Rosales, J. D., Izquierdo-Hornillos, R., Anzano, J., & Caceres, J.
O. (2016). Classification of red wine based on its protected designation of origin (PDO) using Laser-induced Breakdown Spectroscopy (LIBS). Talanta, 158, 185–191. https://doi.org/10.1016/J.TALANTA.2016.05.059
Montero-García, F., Brasa Ramos, A., Montero Riquelme, F., & Carsjens, G. J.
(2017). A territorial approach to assess the transition to trellis vineyards in special protection areas for steppe birds in Spain. Land Use Policy, 67, 27–37. https://doi.org/10.1016/J.LANDUSEPOL.2017.03.036
Moriondo, M., Jones, G. V., Bois, B., Dibari, C., Ferrise, R., Trombi, G., & Bindi,
M. (2013). Projected shifts of wine regions in response to climate change. Climatic Change, 119(3–4), 825–839. https://doi.org/10.1007/s10584-013-0739-y
Murphy, J. M., Booth, B. B. B., Collins, M., Harris, G. R., Sexton, D. M. H., &
Webb, M. J. (2007). A methodology for probabilistic predictions of regional climate change from perturbed physics ensembles. Philosophical Transactions. Series A, Mathematical, Physical, and Engineering Sciences, 365(1857), 1993–2028. https://doi.org/10.1098/rsta.2007.2077
OIV. (2017). Distribution of the world’s grapevine varieties. Retrieved June 21,
2019, from www.oiv.int OIV. (2018). Statistical report on world vitiviniculture. Retrieved February 1,
2019, from http://www.oiv.int/public/medias/6371/oiv-statistical-report-on-world-vitiviniculture-2018.pdf
OIV. (2019). Aspectos de la coyuntura mundial. Retrieved July 17, 2019, from
http://www.oiv.int/public/medias/6680/es-oiv-aspectos-de-la-coyuntura-mundial-2019.pdf
Olesen, J. E., & Bindi, M. (2002). Consequences of climate change for
European agricultural productivity, land use and policy. European Journal of Agronomy, 16(4), 239–262. https://doi.org/10.1016/S1161-0301(02)00004-7
Distribución potencial del cultivo de la vid en Europa
67
Olesen, J. E., Carter, T. R., Díaz-Ambrona, C. H., Fronzek, S., Heidmann, T., Hickler, T., … Sykes, M. T. (2007). Uncertainties in projected impacts of climate change on European agriculture and terrestrial ecosystems based on scenarios from regional climate models. Climatic Change, 81(S1), 123–143. https://doi.org/10.1007/s10584-006-9216-1
Olesen, J. E., Trnka, M., Kersebaum, K. C., Skjelvåg, A. O., Seguin, B.,
Peltonen-Sainio, P., … Micale, F. (2011). Impacts and adaptation of European crop production systems to climate change. European Journal of Agronomy, 34(2), 96–112. https://doi.org/10.1016/J.EJA.2010.11.003
Peterson, A. T., Soberón, J., & Martínez-Meyer, E. (2011). Ecological niches
and geographic distributions. Princeton University Press Pouget R. (1988). L’encépagement des vignobles français d’appellation
d’Origine contrôlée: historique et possibilités d’évolution. Bull. O.I.V., 61, 185–195
Prosdocimi, M., Cerdà, A., & Tarolli, P. (2016). Soil water erosion on
Mediterranean vineyards: A review. CATENA, 141, 1–21. https://doi.org/10.1016/J.CATENA.2016.02.010
Rodrigo-Comino, J., Davis, J., Keesstra, S. D., & Cerdà, A. (2018). Updated
measurements in vineyards improves accuracy of soil erosion rates. Agronomy Journal, 110(1), 411. https://doi.org/10.2134/agronj2017.07.0414
Ruml, M., Vuković, A., Vujadinović, M., Djurdjević, V., Ranković-Vasić, Z.,
Atanacković, Z., … Petrović, N. (2012). On the use of regional climate models: Implications of climate change for viticulture in Serbia. Agricultural and Forest Meteorology, 158–159, 53–62. https://doi.org/10.1016/J.AGRFORMET.2012.02.004
Sacchelli, S., Fabbrizzi, S., Bertocci, M., Marone, E., Menghini, S., & Bernetti, I.
(2017). A mix-method model for adaptation to climate change in the agricultural sector: A case study for Italian wine farms. Journal of Cleaner Production, 166, 891–900. https://doi.org/10.1016/J.JCLEPRO.2017.08.095
Sardaro, R., Bozzo, F., Petrillo, F., & Fucilli, V. (2017). Measuring the financial
sustainability of vine landraces for better conservation programmes of Mediterranean agro-biodiversity. Land Use Policy, 68, 160–167. https://doi.org/10.1016/J.LANDUSEPOL.2017.07.045
Turner, W. R., Bradley, B. A., Estes, L. D., Hole, D. G., Oppenheimer, M., &
Wilcove, D. S. (2010). Climate change: helping nature survive the human response. Conservation Letters, 3(5), 304–312. https://doi.org/10.1111/j.1755-263X.2010.00128.x
Distribución potencial del cultivo de la vid en Europa
68
Zecca, G., Abbott, J. R., Sun, W.-B., Spada, A., Sala, F., & Grassi, F. (2012). The timing and the mode of evolution of wild grapes (Vitis). Molecular Phylogenetics and Evolution, 62(2), 736–747. https://doi.org/10.1016/J.YMPEV.2011.11.015
Distribución potencial del cultivo de la vid en Europa
69
Anexo 1
Superficie y porcentaje de no hábitat y de incremento, pérdida y persistencia de
idoneidad ambiental para V. vinifera en regiones europeas productoras de
vinos de calidad previstos por el MNE para el año 2050, considerando los
escenarios de cambio climático RCP 4.5 y RCP 8.5. Solo se especifican las
regiones en las que coinciden en su previsión 15 o más GCM y presentan un
porcentaje igual o superior al 30% en los efectos observados.
70
Tray
ecto
rias
de c
once
ntra
ción
repr
esen
tativ
as 4
.5 (R
CP
4.5)
País
/Reg
ión
Incr
emen
to (I
) Km
2I%
Pe
rdid
a (L
) Km
2L%
N
o H
abita
t (N
H) K
m2
NH
%
Pers
iste
ncia
(P) K
m2
P%To
tal_
Km
2Pa
ís/R
egió
nIn
crem
ento
(I) K
m2
I%
Perd
ida
(L) K
m2
L%
No
Hab
itat (
NH
) Km
2N
H%
Pe
rsis
tenc
ia (P
) Km
2P%
Tota
l_K
m2
Chi
pre
9029
.430
714
50.2
7378
.869
222
4117
988.
8037
7C
hipr
e54
18.3
2569
730
.144
46.6
5633
625
1798
8.80
377
Lárn
aca
PGI
Larn
aca
2545
.676
977
85.2
337.
2024
338
11.3
2986
.632
286
Larn
aca
PGI
Larn
aca
452.
1689
811
15.1
130.
6902
231
4.4
2986
.632
286
Lim
asol
PGI
Lim
asso
l98
2.35
4725
625
.225
90.5
1028
966
.439
00.4
5150
5Li
mas
sol
PGI
Lim
asso
l13
05.7
0131
233
.518
20.8
5104
247
3900
.451
505
Nic
osia
PGI
Nic
osia
4006
.600
975
5726
55.3
8089
3870
45.1
6936
3N
icos
iaPG
IN
icos
ia19
60.2
5050
528
1732
.860
673
2570
45.1
6936
3
Pafo
sPG
IPa
phos
1494
.798
037
3717
95.7
7560
944
.340
56.5
5061
5Pa
phos
PGI
Paph
os17
00.2
0489
942
762.
2543
979
1940
56.5
5061
5
Gre
cia
6004
.901
665
3.1
1767
4.64
709
910
48.4
8548
10.
513
6804
.499
570
1964
56.4
566
Gre
cia
2660
.517
037
1.4
2306
1.76
447
1247
9.82
9725
50.
211
2805
.242
757
.419
6456
.456
6
Egeo
4574
.301
322
3116
.884
1697
50.
140
74.8
5048
827
.514
824.
5181
8Eg
eo20
89.1
3038
14.1
2814
.346
183
1914
824.
5181
8
PGI
Aege
an42
76.7
7634
633
16.8
8416
975
0.1
3140
.520
687
2413
030.
4957
5PG
IAe
gean
1797
.130
936
1421
90.7
3659
117
1303
0.49
575
PGI
Kos
307.
8518
356
68.5
449.
4564
6PG
IKo
s 12
.804
7697
83
449.
4564
6
Átic
a22
29.0
0612
936
.220
35.3
9972
833
.161
52.3
1757
6Á
tica
2529
.337
556
41.1
1450
.814
996
2461
52.3
1757
6
PGI
Attic
a19
46.6
2672
634
2006
.916
178
3557
59.3
1321
2PG
IAt
tica
2220
.421
609
3914
35.9
9543
125
5759
.313
212
PGI
Mes
ogai
as13
0.52
0200
994
.22.
4214
1680
32
138.
5050
049
PGI
Mes
ogai
as
105.
9983
924
76.5
2.42
1416
803
213
8.50
5004
9
PGI
Paia
nia
32.9
0447
442
3985
.045
1649
7PG
IPa
iani
a 85
.045
1649
710
085
.045
1649
7
PGI
Pallin
i 0.
5459
7519
21.
126
.062
1327
953
.049
.135
8491
PGI
Pallin
i 24
.332
5741
349
.512
.398
1477
425
.249
.135
8491
PGI
Spa
118.
4087
521
98.4
120.
3183
447
PGI
Spat
a 93
.539
8159
378
120.
3183
447
Pelo
pone
so, G
reci
a
occi
dent
al y
las
isla
s
jóni
cas
542.
0399
963
1.2
4284
.338
618
9.2
18.6
0658
877
0.04
3141
0.26
9267
.446
591.
2753
7
Pelo
pone
so, G
reci
a
occi
dent
al y
las
isla
s
jóni
cas
74.4
5847
434
0.2
8762
.246
591
1937
.202
5416
50.
0826
045.
7408
356
4659
1.27
537
PGI
Cor
inth
14
4.97
2655
815
582.
6024
697
58.5
995.
4417
966
PGI
Cor
inth
35
3.94
8663
636
357.
0531
851
3699
5.44
1796
6
PGI
Mon
emva
sía
472.
5296
463
3261
9.97
0426
842
1490
.461
633
PGI
Mon
emva
sía
445.
2459
296
3041
6.87
0998
828
1490
.461
633
PGI
Zaky
ntho
s 30
2.30
0657
846
142.
0841
934
2265
9.19
5327
8PG
IZa
kynt
hos
18.5
7474
679
393
.864
6510
114
.265
9.19
5327
8
Italia
7867
.381
299
217
815.
2441
94
9329
.403
568
239
4827
.514
484
.246
8679
.761
Italia
7328
.461
124
221
250.
1259
24.
510
081.
3914
92.
236
8663
.956
679
4686
79.7
61
Cal
abria
4724
.201
643
1916
922.
0827
568
2494
7.30
924
Cal
abria
6261
.340
442
25.1
1435
6.57
065
57.5
2494
7.30
924
PGI
Argh
illá
365.
9523
635
2968
4.12
7793
854
1278
.450
764
PGI
Argh
illá46
2.92
8473
736
.245
7.78
6097
236
1278
.450
764
PGI
Cos
ta V
iola
106.
9357
975
49.1
99.0
2305
435
4521
7.80
1218
1PG
IC
osta
Vio
la71
.777
2444
133
217.
8012
181
PGI
Locr
ide
259.
0165
659
24.4
585.
1047
394
55.2
1060
.649
546
PGI
Argh
illá
410.
7101
217
3938
6.00
8852
836
.410
60.6
4954
6
PGI
Val d
i Net
o 72
6.32
5984
935
514.
9022
0825
2072
.850
941
PGI
Val d
i Net
o14
10.0
2942
568
284.
3339
298
1420
72.8
5094
1
PGI
Valda
mat
o 22
5.33
9777
840
314.
0606
836
55.2
569.
2208
044
PGI
Valda
mat
o30
4.58
6031
953
.523
7.05
4112
842
569.
2208
044
PGI
Valle
del
Cra
ti 34
.556
5878
624
.260
.875
8408
543
142.
9880
272
PGI
Valle
del
Cra
ti97
.407
3000
768
.142
.477
3548
230
142.
9880
272
PGI
Scilla
20
.924
6558
830
50.3
9560
956
72.1
69.9
0468
239
PGI
Scilla
49.7
8177
872
71.2
69.9
0468
239
PGI
Cal
abria
1352
.174
714
3315
73.9
6652
639
4063
.510
537
PGI
Cal
abria
2274
.951
231
56.0
1021
.651
495
25.1
4063
.510
537
Lom
bard
ía99
7.20
9227
5.4
1184
.104
137
6.5
1461
0.72
527
8018
313.
3588
9Lo
mba
rdia
981.
0796
945
5.4
1511
.518
199
8.3
1461
0.72
527
8018
313.
3588
9
PGI
Terra
zze
Ret
iche
di S
ondr
io21
1.14
3425
211
591.
8570
921
30.5
569.
9675
115
29.3
1942
.584
449
PGI
Terra
zze
Ret
iche
di S
ondr
io23
5.87
2242
812
.175
1.75
7945
839
569.
9675
115
29.3
1942
.584
449
Sici
lia86
33.1
8332
421
.118
.638
6283
60.
0526
770.
2842
365
.540
899.
2397
3Si
cilia
1029
0.74
294
25.2
18.6
3862
836
0.05
2166
5.94
7753
4089
9.23
973
PGI
Avol
a 36
.104
7849
30.4
62.3
2687
533
52.5
118.
7719
245
PGI
Avol
a 45
.182
5675
738
58.1
2517
298
4911
8.77
1924
5
PGI
Cam
arro
42
02.6
9552
535
.518
.638
6283
60.
261
31.6
2638
852
1184
8.03
462
PGI
Cam
arro
34
80.8
6502
529
18.6
3862
836
0.2
5050
.976
4143
1184
8.03
462
PGI
Sale
mi
127.
0275
0544
144.
7191
593
5029
1.52
9022
1PG
ISa
lem
i 21
9.43
8255
75.3
62.5
1964
622
21.4
291.
5290
221
PGI
Font
anar
ossa
di C
erda
66
.576
6125
395
5.65
4799
093
870
.349
2985
7PG
IFo
ntan
aros
sa d
i Cer
da
37.6
3201
487
53.5
70.3
4929
857
PGI
Valle
Bel
ice
324.
2496
831
5820
5.80
0443
537
557.
5174
20PG
IVa
lle B
elic
e 33
2.83
3198
759
.755
.087
3043
310
557.
5174
20
PGI
Terre
Sic
iliane
1319
2.53
491
2533
030.
2645
762
5327
8.92
459
PGI
Terre
Sic
iliane
3799
.159
078
751
25.4
6965
110
5327
8.92
459
Port
ugal
8836
.841
352
5293
.402
1564
50.
546
17.3
7153
827
1712
4.50
277
Port
ugal
1293
4.12
928
75.5
85.9
5890
291
0.5
2146
.071
864
12.5
1712
4.50
277
Évor
aPG
ITe
jo14
0.61
5226
470
.220
0.43
2755
5Év
ora
PGI
Tejo
188.
3538
175
9420
0.43
2755
5
Faro
PGI
Alga
rve
2317
.515
286
37.4
93.4
0215
645
1.5
2617
.204
846
42.3
6189
.978
114
Faro
PGI
Alga
rve
3758
.538
845
6185
.958
9029
11.
412
84.1
2966
2161
89.9
7811
4
Lisb
oa10
77.9
9283
575
127.
5311
206
914
44.5
9379
7Li
sboa
1350
.508
664
93.5
52.5
9278
731
414
44.5
9379
7
PGI
Lisb
oa10
74.8
3305
775
127.
5311
206
914
41.4
3402
PGI
Lisb
oa13
47.3
4888
693
.552
.592
7873
14
1441
.434
02
PGI
Tejo
3.15
9777
491
100
3.15
9777
491
PGI
Tejo
3.15
9777
491
100
3.15
9777
491
Setú
bal
PGI
Setú
bal
5441
.333
231
6767
8.22
2745
68.
381
34.0
8338
2Se
túba
lPG
ISe
túba
l76
11.1
4910
694
8134
.083
382
Espa
ña14
494.
4188
4.2
1396
8.20
135
4.1
478.
5660
578
0.1
2907
10.2
098
8534
3153
.658
1Es
paña
2761
.816
668
135
935.
6733
810
.522
0.26
5604
10.
124
0371
.988
370
3431
53.6
581
And
aluc
ía90
3.85
8827
72
1048
5.71
459
1897
.974
2816
30.
239
453.
8288
768
5829
0.21
855
And
aluc
ía17
9.09
0614
10.
314
879.
5908
525
.540
.817
6730
70.
128
591.
4321
649
.158
290.
2185
5
PGI
Bailé
n39
4.01
4766
823
.168
6.48
4879
540
.217
08.8
7246
3PG
IBa
ilén
921.
6314
126
5439
6.74
7402
123
.217
08.8
7246
3
PGI
Cád
iz24
63.6
9316
947
.510
05.7
1024
919
.451
82.1
0683
7PG
IC
ádiz
4024
.289
554
7824
9.84
3076
94.
851
82.1
0683
7
PGI
Cór
doba
5660
.365
195
27.4
1225
9.23
818
59.3
2065
9.07
87PG
IC
órdo
ba78
22.4
1172
438
6508
.878
154
31.5
2065
9.07
87
PGI
Los
Pala
cios
1862
.514
715
9619
46.8
9881
PGI
Los
Pala
cios
533.
7464
796
27.4
1946
.898
81
PGI
Torre
pero
gil
955.
0950
013
69.5
1373
.806
879
PGI
Torre
pero
gil
417.
4049
708
30.4
436.
6464
066
3213
73.8
0687
9
Extr
emad
ura
PGI
Extre
mad
ura
4057
.725
9574
5481
.377
826
Extr
emad
ura
PGI
Extre
mad
ura
2477
.160
375
45.2
1768
.855
6332
.354
81.3
7782
6
Isla
s B
alea
res
416.
5344
758
567
29.3
1092
980
8442
.730
226
Isla
s B
alea
res
859.
4511
224
10.2
4532
.034
916
5484
42.7
3022
6
PGI
Eivis
sa6.
0181
7654
931
.419
.149
7566
8PG
IEi
vissa
11.5
6912
109
60.4
19.1
4975
668
PGI
Isla
de
Men
orca
45.9
1087
1714
.312
9.81
5837
641
319.
9571
898
PGI
Isla
de
Men
orca
152.
3554
772
4831
9.95
7189
8
Aus
tria
1349
4.84
691
14.3
1386
9.24
806
1519
218.
6967
120
.394
466.
1584
4A
ustr
ia12
293.
2554
413
1442
5.24
504
15.3
1921
8.69
671
20.3
9446
6.15
844
Vora
rlber
gPD
OVo
rarlb
erg
1201
.178
408
21.5
1665
.254
622
3078
7.76
1773
214
.155
85.9
6879
9Vo
rarlb
erg
PDO
Vora
rlber
g69
8.21
3449
412
.512
35.7
3574
822
.178
7.76
1773
214
.155
85.9
6879
9
Gre
cia
182.
4842
276
1.3
3500
.297
669
2555
.209
4819
0.4
5316
.867
869
37.4
1421
6.40
793
Gre
cia
63.7
6105
686
0.4
1814
.747
829
1319
.334
8980
10.
141
98.8
5675
929
.514
216.
4079
3
Egeo
3347
.254
877
31.3
16.8
8416
975
0.2
3046
.209
619
28.5
1069
8.68
795
Egeo
1546
.662
699
14.5
2157
.016
005
20.2
1069
8.68
795
PDO
Cíc
lada
s10
59.7
6767
536
217.
8356
655
7.4
2954
.370
045
PDO
Cíc
lada
s53
1.83
5180
818
112.
3696
292
429
54.3
7004
5
PDO
Rho
des
1572
.376
691
7316
6.68
4382
68
2154
.622
892
PDO
Rho
des
307.
7252
017
14.3
54.0
0569
967
2.5
2154
.622
892
Tray
ecto
rias
de c
once
ntra
ción
repr
esen
tativ
as 8
.5 (R
CP
8.5)
C
cC
c
71
Tra
yect
oria
s de
con
cen
trac
ión
rep
rese
nta
tivas
4.5
(RC
P 4
.5)
Paí
s/R
egió
n
Incr
emen
to (I
) Km
2I%
P
erdi
da (L
) Km
2L%
N
o H
abita
t (N
H) K
m2
NH
%
Per
sist
enci
a (P
) Km
2P
%T
otal
_Km
2P
aís/
Reg
ión
Incr
emen
to (I
) Km
2I%
P
erdi
da (L
) Km
2L%
N
o H
abita
t (N
H) K
m2
NH
%
Per
sist
enci
a (P
) Km
2P
%T
otal
_Km
2
Tra
yect
oria
s de
con
cen
trac
ión
rep
rese
nta
tivas
8.5
(RC
P 8
.5)
C
cC
c
Italia
1124
5.32
43
1350
2.06
338
415
162.
5015
84
2963
39.6
056
7838
0181
.225
5Ita
lia97
39.3
0007
43
1456
3.55
636
415
541.
9002
14.
127
9218
.026
73.4
3801
81.2
255
Apu
lia57
2.23
2509
3.5
1476
2.29
329
91.5
1614
0.02
99A
pulia
66.0
0856
162
0.4
9621
.590
094
6016
140.
0299
PD
OM
atin
o29
.450
7187
766
44.6
3286
363
PD
OM
atin
o14
.750
5681
933
44.6
3286
363
PD
OM
elis
sano
0.02
1837
268
0.1
22.3
3679
15P
DO
Mel
issa
no21
.740
2339
497
.322
.336
7915
Cal
abri
a20
40.8
9652
417
9229
.896
015
75.1
1228
6.11
847
Cal
abri
a21
85.5
0477
218
7937
.372
282
6512
286.
1184
7
PD
OG
reco
di B
ianc
o35
.867
4533
76.1
47.1
0835
515
PD
OG
reco
di B
ianc
o46
.932
4356
610
047
.108
3551
5
PD
OS
avut
o24
2.56
5652
23.2
581.
7040
295
5610
43.9
3191
6P
DO
Sav
uto
390.
4821
093
3759
9.67
8490
757
.410
43.9
3191
6
PD
OLa
mez
ia T
erm
e 10
8.47
3166
141
139.
9098
251
5326
4.51
1598
2P
DO
Lam
ezia
Ter
me
128.
8283
269
4912
9.15
8313
849
264.
5115
982
Lom
bard
ía72
3.26
1040
210
.129
37.8
6009
841
1684
.449
221
23.4
7186
.698
992
Lom
bard
ia68
1.31
3935
39.
532
48.4
5519
345
.216
84.4
4922
123
.471
86.6
9899
2
PD
OS
forz
ato
di V
alte
llina
702.
5671
425
1129
37.8
6009
844
.512
06.8
2877
518
.365
99.9
7979
7P
DO
Sfo
rzat
o di
Val
tellin
a67
4.06
5579
210
.232
30.3
7388
549
1206
.828
775
18.3
6599
.979
797
Sic
ilia
8633
.183
324
21.1
18.6
3862
836
0.05
2677
0.28
423
65.5
4089
9.23
973
Sic
ilia
1029
0.74
294
25.2
18.6
3862
836
0.05
2166
5.94
7753
4089
9.23
973
PD
OA
lcam
o 14
0.27
7142
967
17.6
8407
531
8.4
210.
0678
174
PD
OA
lcam
o98
.411
5911
447
210.
0678
174
PD
OC
onte
ssa
Ent
ellin
a 70
.275
0184
733
145.
4281
747
6821
4.98
8400
9P
DO
Con
tess
a E
ntel
lina
97.3
5372
737
45.3
38.7
1923
615
1821
4.98
8400
9
PD
OR
iesi
14
.886
6764
714
.587
.831
9270
585
.510
2.71
8603
5P
DO
Rie
si
31.9
4616
091
31.1
48.5
5737
607
47.3
102.
7186
035
PD
OS
anta
Mar
gher
ita d
i Bel
ice
96.8
0337
846
90.5
14.6
0741
585
1410
6.92
5331
6P
DO
San
ta M
argh
erita
di B
elic
e 88
.027
9403
782
.313
.300
3830
312
.410
6.92
5331
6
PD
OE
rice
72.1
0280
672
930.
3835
2411
80.
577
.564
0351
1P
DO
Eric
e 40
.314
8862
452
77.5
6403
511
PD
OM
arsa
la
339.
3142
657
8838
6.93
6161
7P
DO
Mar
sala
241.
2015
923
62.3
386.
9361
617
PD
OM
enfi
119.
2098
782
65.3
44.4
0254
124
24.3
182.
4660
139
PD
OM
enfi
127.
9110
168
70.1
3.06
7685
151
218
2.46
6013
9
PD
OM
onre
ale
283.
9681
304
3449
8.86
8756
459
.384
1.18
9524
2P
DO
Mon
real
e 39
5.27
5233
547
319.
5609
646
3884
1.18
9524
2
PD
ON
oto
275.
0736
914
32.1
513.
7401
642
6085
6.07
5329
8P
DO
Not
o 33
0.29
4816
439
401.
1433
801
4785
6.07
5329
8
PD
OS
alap
arut
a 59
.627
1167
990
.30.
5012
7061
21
66.0
3970
318
PD
OS
alap
arut
a 64
.984
0594
98.4
66.0
3970
318
PD
OS
ambu
ca d
i Sic
ilia
32.7
9739
025
21.2
94.1
8778
211
6115
4.39
3154
PD
OS
ambu
ca d
i Sic
ilia
58.3
1205
509
3862
.653
1100
241
154.
3931
54
PD
OS
ciac
ca
226.
7635
115
73.6
61.7
3146
027
2030
8.11
7336
4P
DO
Sci
acca
18
1.45
0748
759
37.0
0722
263
1230
8.11
7336
4
PD
OS
iracu
sa
224.
2055
252
69.4
18.0
8219
708
632
3.14
5651
7P
DO
Sira
cusa
23
7.45
1155
673
.510
032
3.14
5651
7
PD
O
Sic
ily86
33.1
8332
421
.118
.638
6283
60.
0526
770.
2842
365
.540
899.
2397
3S
icili
aP
DO
Sic
ily10
290.
7429
425
.218
.638
6283
60.
0521
665.
9477
5340
899.
2397
3
PD
OV
ittor
ia
48.7
0402
417
17.1
155.
3215
695
5528
4.64
3357
PD
OV
ittor
ia
163.
4926
505
57.4
1.00
4767
740.
428
4.64
3357
Tre
nti
no-
Alt
o A
digi
o36
98.7
9785
113
5896
.777
853
2156
95.6
5929
120
2856
0.96
329
Tre
nti
no-
Alt
o A
digi
o36
58.1
4004
413
6173
.580
994
2256
95.6
5929
120
2856
0.96
329
PD
OTr
ento
359.
7538
068
1762
8.61
5254
529
.353
7.32
7599
2521
42.4
8815
2P
DO
Tren
to
321.
2018
299
14.3
584.
4839
906
3053
7.32
7599
2621
4248
.815
2
Por
tuga
l41
0.41
7616
11
7708
.393
271
1526
.852
7120
70.
135
582.
8975
869
.151
490.
1773
8P
ortu
gal
169.
0795
967
0.3
1438
4.88
614
281.
9906
1966
527
792.
0568
554
2142
.488
152
Bej
aP
DO
Ale
ntej
o48
.626
1736
41.
524
12.5
4342
476
.131
71.1
4616
4B
eja
PD
OA
lent
ejo
2301
.123
7673
147.
4358
783
531
71.1
4616
4
Faro
808.
9169
256
31.0
1556
.239
1860
2612
.397
11Fa
ro12
53.6
1578
248
772.
6309
873
3026
12.3
9711
PD
OLa
goa
112.
7179
245
81.4
138.
4820
985
PD
OLa
goa
112.
7600
387
81.4
138.
4820
985
PD
OLa
gos
323.
5337
559
97.2
332.
9567
284
PD
OLa
gos
327.
4441
4298
.333
2.95
6728
4
PD
OP
ortim
ão22
7.36
5835
480
.316
.674
8523
96
283.
2936
63P
DO
Por
timão
257.
9129
791
912.
2817
1995
91
283.
2936
63
PD
OTa
vira
52.8
7680
004
2315
1.07
7582
965
.423
0.87
6979
8P
DO
Tavi
ra10
8.61
2877
247
34.1
7582
017
1523
0.87
6979
8
Leir
ia30
9.00
6167
933
272.
1104
277
29.1
935.
4824
673
Leir
ia74
6.77
522
8044
.551
1265
35
935.
4824
673
PD
OÓ
bido
s22
3.55
4724
696
.423
1.85
7807
1P
DO
Óbi
dos
223.
6135
261
96.4
231.
8578
071
PD
OE
ncos
tas
d'A
ire85
.451
4433
313
252.
4448
0137
.267
8.80
6933
6P
DO
Enc
osta
s d'
Aire
518.
0095
941
76.3
24.8
8549
984
678.
8069
336
PD
OA
lcob
aça
5.15
2099
784
100
5.15
2099
784
Lisb
oa95
9.58
7932
967
.414
5.66
6596
310
.214
24.5
0925
1Li
sboa
1290
.266
4191
52.8
9798
964
414
24.5
0925
1
PD
OA
lenq
uer
364.
0852
611
7250
3.69
5520
3P
DO
Ale
nque
r48
8.70
9011
97.0
503.
6955
203
PD
OA
rrud
a32
.398
8568
925
.275
.920
9557
659
128.
6091
188
PD
OA
rrud
a56
.248
3407
644
39.6
5527
225
3112
8.60
9118
8
PD
OB
ucel
as1.
2003
7354
72.
118
.053
1521
432
.355
.952
2474
4P
DO
Buc
elas
55.9
5224
744
100
55.9
5224
744
PD
OC
olar
es18
.500
2878
934
0.08
2323
529
1.1
54.6
8673
67P
DO
Col
ares
17.9
5209
538
330.
3052
0233
71
54.6
8673
67
PD
OC
arca
velo
s3.
9589
6702
954
7.38
2032
621
PD
OTo
rres
Ved
ras
543.
4031
536
811.
4212
8069
20.
267
4.18
3594
7P
DO
Torr
es V
edra
s66
7.44
5748
599
674.
1835
947
Set
úbal
5441
.333
231
6767
8.22
2745
68.
381
34.0
8338
2S
etúb
al76
11.1
4910
694
8134
.083
382
PD
OM
osca
tel d
e S
etúb
al28
4.36
2970
995
.429
8.05
4164
1P
DO
Mos
cate
l de
Set
úbal
262.
5065
129
88.1
298.
0541
641
PD
OP
alm
ela
100
747.
2656
956
99.2
752.
9842
087
PD
OP
alm
ela
741.
9176
383
98.5
752.
9842
087
PD
OS
etúb
al44
09.7
0456
562
.367
8.22
2745
610
7083
.045
009
PD
OS
etúb
al66
06.7
2495
593
.370
83.0
4500
9
Esp
aña
1063
7.56
187
418
422.
4118
6.4
1338
.321
468
0.5
2333
71.4
392
8128
9684
.297
3E
spañ
a38
10.3
8979
81.
324
348.
3115
68.
478
5.20
2315
60.
321
8177
.475
675
.328
9684
.297
3
An
dalu
cía
784.
2298
378
1.5
1371
0.33
184
26.2
239.
5783
645
0.5
3027
6.13
869
5852
399.
9799
An
dalu
cía
174.
3102
251
0.3
1589
1.20
456
30.3
145.
9154
784
0.3
2297
7.27
7144
5239
9.97
99
PD
OC
onda
do d
e H
uelv
a37
29.2
9796
281
.164
.307
3515
71.
446
00.9
4743
5P
DO
Con
dado
de
Hue
lva
3705
.521
589
80.5
4600
.947
435
PD
OJe
rez-
Xér
ès-S
herr
y48
91.6
9867
444
.634
12.6
2015
431
1097
1.70
278
PD
OJe
rez-
Xér
ès-S
herr
y65
91.9
2475
260
1239
.229
505
1110
971.
7027
8
PD
OLe
brija
505.
1426
205
86.4
584.
6620
759
PD
OLe
brija
436.
9638
122
7558
4.66
2075
9
PD
OM
anza
nilla
-San
lúca
r de
Bar
ram
eda
496.
7286
866
9751
1.58
8330
9P
DO
Man
zani
lla-S
anlú
car d
e B
arra
med
a49
3.02
0410
296
.451
1.58
8330
9
PD
OM
ontil
la-M
orile
s22
90.8
4734
750
.311
67.0
0818
626
4553
.926
101
PD
OM
ontil
la-M
orile
s29
05.1
0570
864
197.
5558
205
4.3
4553
.926
101
Com
un
idad
Val
enci
ana
150.
7141
387
0.5
4530
.714
308
16.5
8.44
1740
424
0.03
1962
9.42
245
71.4
2750
7.45
797
Com
un
idad
Val
enci
ana
Com
unid
ad V
alen
cian
a9.
1213
5691
50.
0358
79.5
6848
421
.416
403.
8835
560
2750
7.45
797
PD
OE
l Ter
rera
zo77
.743
8654
81
1955
.821
973
198.
4417
4042
40.
164
92.3
2949
62.4
1040
6.33
02P
DO
El T
erre
razo
9.12
1356
915
0.1
3452
.513
687
33.2
5236
.762
0150
.310
406.
3302
Ext
rem
adu
ra40
57.7
2595
7454
81.3
7782
6E
xtre
mad
ura
2477
.160
375
45.2
1768
.855
6332
.354
81.3
7782
6
PD
OC
ava
268.
6114
626
100
268.
6114
626
PD
OC
ava
181.
0508
364
67.4
268.
6114
626
PD
OR
iber
a de
l Gua
dian
a38
42.8
0042
7352
66.4
5229
7P
DO
Rib
era
del G
uadi
ana
2477
.160
375
4715
53.9
301
3052
66.4
5229
7
Su
iza
1394
2.71
402
1719
371.
6856
323
.427
732.
5057
133
8289
2.45
666
Su
iza
1110
2.38
625
13.4
1772
0.16
057
21.4
2773
2.50
571
33.5
8289
2.45
666
Gla
rus
WG
IG
laru
s30
6.58
8155
321
520.
3519
578
35.1
267.
3107
816
1814
81.9
7886
5G
laru
sW
GI
Gla
rus
173.
1882
155
1249
4.94
9572
133
.426
7.31
0781
618
1481
.978
865
Gra
ubü
nde
nW
GI
Gra
ubün
den
1450
.657
045
9.7
8676
.250
909
5844
5.56
5023
314
950.
9596
4G
rau
bün
den
WG
I G
raub
ünde
n13
72.0
9034
19.
283
88.7
1360
756
.144
5.56
5023
314
950.
9596
4
Tic
ino
WG
ITi
cino
721.
9906
558
12.1
1766
.748
861
3021
16.9
4269
636
5958
.422
873
Tic
ino
WG
ITi
cino
501.
4198
673
8.4
1818
.489
6430
.521
16.9
4269
635
.559
58.4
2287
3
Uri
WG
IU
ri32
4.74
1506
314
.392
1.41
4284
740
.519
6.68
0041
39
2274
.766
693
Uri
WG
IU
ri29
4.10
2614
613
1054
.238
775
46.3
196.
6800
413
922
74.7
6669
3
Val
ais
WG
IV
alai
s94
7.18
8273
19
3587
.995
368
33.1
510.
7932
514
510
838.
1617
3V
alai
sW
GI
Val
ais
814.
3253
118
7.5
3136
.008
058
2951
0.79
3251
45
1083
8.16
173
100
100
100
100
Cc=
Cat
egor
ía d
e ca
lidad
, WG
I= v
ino
con
indi
caci
ón g
eogr
áfic
a, P
DO
= vi
no c
on d
enom
inac
ión
de o
rigen
pro
tegi
do, P
GI=
vin
o co
n in
dica
ción
de
orig
en p
rote
gido
, I%
=Por
cent
aje
de in
crem
ento
, L%
= P
orce
ntaj
e de
per
dida
, P%
= P
orce
ntaj
e de
Per
sist
enci
a, N
H%
= P
orce
ntaj
e de
No
Háb
itat,
Km
2= K
ilom
etro
s cu
adra
dos
Distribución potencial de Lobesia botrana
Distribución potencial de Lobesia botrana en Europa
72
5. Distribución potencial de Lobesia botrana en Europa ante el impacto
del cambio climático
5.1. Introducción
5.1.1. Posición taxonómica
De acuerdo con la información proporcionada por la base de datos
Fauna Europaea (Aarvik, 2013), Lobesia botrana (Denis & Schiffermüller, 1776)
se ordena taxonómicamente de la siguiente forma:
Reino Animalia
Subreino Eumetazoa
Phyllum: Arthropoda
Subphyllum: Hexapoda
Clase: Insecta
Orden: Lepidoptera
Superfamilia: Tortricoidea
Familia: Tortricidae
Subfamilia: Olethreutinae
Tribu: Lobesiini
Género: Lobesia
Subgénero: Lobesia
Especie: Lobesia (Lobesia) botrana
Sinonimias: Tortrix botrana Denis & Schiffermüller, 1775
Eudemis botrana (Denis & Schiffermüller, 1775)
Polychrosis botrana (Denis & Schiffermüller, 1775)
Lobesia (Lobesia) vitisana Jacquin, 1788
Distribución potencial de Lobesia botrana en Europa
73
5.1.2. Distribución geográfica
L. botrana se distribuye por gran parte de Europa, norte de África,
Sudamérica, Oriente Próximo y Asia Central (EPPO, 2019) (Figura 13). Existen
registros en Etiopía, Eritrea y Kenia, pero se consideran accidentales (CABI,
2019). Aunque está presente en muchas regiones vitícolas, su importancia
económica se centra en los países del sur de Europa, especialmente en
Portugal, España, Francia, Italia, Grecia, y las islas de la cuenca mediterránea
(Ioriatti et al., 2012). En la última década ha ampliado su rango geográfico y se
ha citado en Chile, California (donde actualmente se considera erradicada) y
Argentina (Gonzalez, 2010; Varela et al., 2010).
Figura 13. Distribución mundial de Lobesia botrana (según EPPO, 2019).
Este insecto fue señalado por primera vez como plaga de la vid en
Austria, en el siglo XIX, y a partir de ahí se propagó por los viñedos de Europa,
por lo que su adaptación a la vid se considera relativamente reciente (Ruiz-
Castro, 1943). Actualmente, se conoce su presencia en 35 países europeos
Distribución potencial de Lobesia botrana en Europa
74
(EPPO, 2019): Albania, Alemania, Armenia, Austria, Azerbaiyán, Bélgica,
Bielorrusia, Bulgaria, Croacia, Chipre, Dinamarca, Eslovaquia, Eslovenia,
España (incluyendo las islas Baleares), Francia (incluyendo la isla de Córcega),
Georgia, Grecia, Hungría, Italia (incluyendo las islas de Cerdeña y Sicilia),
Lituania, Luxemburgo, Macedonia, Malta, Moldavia, Montenegro, Polonia,
Portugal, Reino Unido, República Checa, Rumanía, Rusia (sureste), Serbia,
Suiza, Turquía y Ucrania.
5.1.3. Biología, descripción y daños
L. botrana es una especie polivoltina que puede desarrollar entre 2 y 4
generaciones anuales en el viñedo. En Alemania, Suiza, Austria y el norte de
Francia, habitualmente aparecen 2 generaciones, mientras que, en regiones
más cálidas, como el sur de Francia, Portugal, España, Italia y Grecia suelen
aparecer 3 generaciones e incluso una cuarta, parcial o completa, dependiendo
de la climatología del año (Ioriatti et al., 2012). Pasa el invierno en estado de
crisálida diapausante, envuelta en un capullo de seda y refugiada,
principalmente, en la corteza de las cepas. La crisálida es alargada, de color
castaño, y mide unos 4-6 mm de longitud. La diapausa está controlada por el
fotoperiodo e inducida en el huevo o la larva joven (Coscollá, 1997).
En primavera, al aumentar la temperatura, emergen los primeros adultos
de forma muy escalonada y prolongándose durante varias semanas. Los
adultos miden unos 6 mm de longitud y 11-13 mm de envergadura (Coscollá,
1997). El primer par de alas es jaspeado, con manchas de color marrón que
alternan con zonas azul grisáceas y otras claras, mientras que las alas
Distribución potencial de Lobesia botrana en Europa
75
posteriores son grises y más claras hacia la base. Su vuelo es crepuscular
permaneciendo inactivos durante el día. Tras la fecundación, las hembras de la
primera generación depositan los huevos aisladamente sobre los racimos,
preferentemente sobre la corola de los botones florales. Los huevos son
ligeramente elípticos, de aspecto lenticular, y miden 0,6 x 0,7 mm (Ioriatti et al.,
2012). Al principio son de color amarillento pajizo, pero van tomando un
aspecto translúcido que permite observar el desarrollo embrionario, hasta la
eclosión.
La larva mide 1 mm al nacer y pasa por 5 estadios larvarios (L1-L5) a lo
largo de su desarrollo, llegando a alcanzar 11 mm en el último (Coscollá, 1997).
Las larvas de primer estadio poseen una cápsula cefálica negra, la cual las
hace fácilmente distinguibles del resto de estadios, que la tienen de color
castaño. Las orugas de la primera generación se alimentan de los botones
florales, que unen mediante hilos de seda formando glomérulos fácilmente
reconocibles. Al final del período larvario, tejen un capullo en cuyo interior se
transforman en crisálida. La mayoría de las crisálidas se localizan en repliegues
de las hojas de la planta. Al cabo de unos días aparecen los nuevos adultos.
Las hembras de las generaciones posteriores localizan la puesta sobre las
bayas de la vid, de las cuales se alimentarán después sus orugas (Coscollá,
1997).
L. botrana es un insecto fitófago generalista que se puede alimentar de
unas 40 especies de plantas, pertenecientes a 27 familias (Coscollá, 1997)
aunque se considera que su planta huésped original es el torvisco (Daphne
gnidium L., Thymelaeaceae) (Maher and Thiéry, 2006). Además, autores como
Thiéry and Moreau, (2005) reportan que huéspedes como el propio torvisco,
Distribución potencial de Lobesia botrana en Europa
76
Olea europaea y Tanacetum vulgare proporcionan un mayor valor nutricional a
la polilla que especies de la familia Vitaceae como Vitis vinifera y la especie
salvaje Ampelopsis brevipedunculata.
En el caso de la vid, las larvas de 1ª generación destruyen botones
florales, flores e incluso frutos recién cuajados, pero estos daños no se
traducen en pérdidas económicas, salvo raras excepciones. Por su parte, las
larvas de generaciones posteriores atacan bayas verdes y maduras,
penetrando en ellas y alimentándose de su pulpa. Pueden, por ello, producir
pérdidas de cosecha, tanto cuantitativas (pérdidas en peso), como cualitativas
(pérdidas en calidad), siendo estas últimas más acusadas en uva de mesa. Sin
embargo, los daños más destructivos son los que producen de forma indirecta,
ya que los orificios que causa para penetrar en las bayas son la vía de entrada
de microorganismos responsables de las podredumbres de racimo,
especialmente Botrytis cinerea. Por ello, es considerada como plaga clave de
la vid en Europa central y en la mayoría de los países mediterráneos (Avidov
and Harpaz, 1969), provocando también graves daños en el norte de África y
en algunos países de Asia y América (He and Ainseba, 2014).
5.1.4. Lobesia botrana y cambio climático
Como se ha comentado en apartados anteriores, sobre todo durante el
último siglo, y como consecuencia de un claro incremento de las emisiones a la
atmósfera de gases con efecto invernadero (el dióxido de carbono, CO2, entre
ellos) (Lambeck et al., 2014; Solomon et al., 2009), se han producido cambios
estadísticamente relevantes respecto a los patrones climáticos existentes
Distribución potencial de Lobesia botrana en Europa
77
durante un largo período de tiempo anterior, hecho que se conoce como
cambio climático (Schlott et al., 2018). Este cambio climático trae consigo, por
ejemplo, un incremento confirmado en la temperatura media global del aire,
desde la década de 1850 (Nistor, 2018). Estas variaciones de la temperatura (y
de otros factores abióticos también asociados con el cambio climático) afectan
a aspectos importantes de la morfología, biología y ecología de especies plaga
de los cultivos tales como la velocidad de desarrollo, que será mayor,
aumentando el voltinismo (Culler et al., 2015), la tasa de oviposición (Puentes
et al., 2015) o el tamaño corporal, que será más reducido (Facey et al., 2014).
También se ven afectados rasgos específicos del comportamiento (Bodlah et
al., 2016; Gunderson and Leal, 2016). Efectivamente, se ha observado que el
incremento de las temperaturas, como consecuencia del cambio climático,
provoca un aumento de la tasa de metabolismo de los insectos (lo que
aumenta su tasa de desarrollo), una reducción de la duración del ciclo biológico
(y con ello, un aumento en el número de generaciones por año) y un adelanto
en la aparición de la primera generación (Bale et al., 2002; Jönsson et al.,
2011; Stoeckli et al., 2012; Tobin et al., 2003). En lo que respecta a L. botrana,
se sabe que, como organismo poiquilotermo que es, manifiesta un aumento de
su tasa de desarrollo a medida que sube la temperatura, hasta que esta
alcanza la denominada temperatura óptima (Brière et al., 1999). Como
consecuencia de ello, se ha observado un adelanto significativo de su fenología
(de hasta más de 12 días) y un aumento del número de generaciones por año
en zonas españolas (Martín-Vertedor et al., 2010), con una tendencia similar en
otras regiones europeas, caso de algunas en Alemania (Reineke and Thiéry,
2016) y en Italia (Lena et al., 2013; Pavan et al., 2014). Estas variaciones en el
Distribución potencial de Lobesia botrana en Europa
78
ciclo estacional de la polilla del racimo, junto con modificaciones también en el
de la vid, pueden provocar una asincronía entre las fenologías de plaga y
cultivo y traer importantes consecuencias en las interacciones entre ambos.
Entre ellas, cabría destacar el efecto negativo en la oviposición de la plaga
sobre el cultivo, ya que es bien conocida la influencia del estado fenológico de
la vid sobre el comportamiento y el ajuste del proceso de oviposición de L.
botrana (Maher et al., 2006; Torres-Vila et al., 1993). Muy importante también,
es el hecho de que se podría producir un cambio notable en los daños
ejercidos por la última generación de la plaga, en función de la aparición de
generaciones suyas más tardías y del adelanto de las fechas de vendimia
(Lena et al., 2013; Reineke and Thiéry, 2016).
Por otro lado, Gilioli et al., (2016) reportaron una relación positiva del
aumento de la temperatura (hasta sus valores óptimos) con diversos
parámetros biológicos de L. botrana y, consecuencia de ello, con su capacidad
de incremento poblacional. Además, se podría pensar que la llegada de
inviernos más suaves, también como consecuencia del cambio climático,
aumentaría la supervivencia de hibernación de la polilla del racimo, como ya se
ha observado en otros muchos insectos (Bale and Hayward, 2010). Sin
embargo, este efecto no parece que tenga importancia en el caso de L.
botrana, dado que es capaz de sobrevivir como pupa hibernante a muy bajas
temperaturas, no habiéndose observado, por ello, tasas de mortalidad
significativas por este motivo durante el periodo invernal (Andreadis et al.,
2005). Por el contrario, la posible llegada de estos inviernos más suaves y
húmedos puede resultar perjudicial para insectos que, como L. botrana,
hibernan en estado de pupa, al incrementarse la virulencia de bacterias y
Distribución potencial de Lobesia botrana en Europa
79
hongos entomopatógenos que afectan a dicho estado de desarrollo (Bale and
Hayward, 2010). Por otro lado, en esta misma línea de análisis de los posibles
efectos del cambio climático sobre el control biológico por conservación de L.
botrana, diversos autores señalan que este fenómeno podría dar lugar a
hechos que modificarían en uno u otro sentido, la eficacia del mismo. Así, Iltis
et al., (2018) indican que unas condiciones climáticas más cálidas reducirían
la expresión de los mecanismos de defensa de L. botrana frente a los
parasitoides de sus larvas, aumentando, así, la eficiencia del control biológico
naturalmente ejercido por ellos en los viñedos. Sin embargo, Castex et al.,
(2018) reportan que, dada la complejidad de las relaciones entre los cultivos,
las plagas y sus enemigos naturales, es necesaria una investigación más
detallada del impacto del cambio climático sobre las relaciones tritróficas,
para poder determinar el efecto final sobre la eficacia del control biológico
natural.
Otro parámetro ambiental importante para L. botrana es la humedad
relativa. Así, en etapas de desarrollo especialmente sensibles por su
inmovilidad, se ha observado que valores extremos suyos pueden actuar
directamente como limitantes, causando una elevada mortalidad,
principalmente sobre huevos (Coscollá et al., 1986) y crisálidas (Torres-Vila et
al., 1993). Por ello, es esperable que variables bioclimáticas dependientes de la
humedad relativa puedan tener efectos importantes en la distribución potencial
futura de L. botrana y, por tanto, aportar más a los modelos que se establezcan
para predecir dicha distribución.
Por último, el cambio climático también afecta a las áreas de distribución
de las plagas de los cultivos (Sequeira and Mackauer, 1994; Trnka et al., 2007).
Distribución potencial de Lobesia botrana en Europa
80
Todavía no son muchos los estudios de modelización que se han llevado a
cabo para predecir el impacto del cambio climático sobre la distribución
geográfica, bajo escenarios futuros, de los organismos perjudiciales de los
cultivos, en general, (Calonnec et al., 2008; Gutiérrez et al., 2009; Macfadyen et
al., 2018; Ponti et al., 2009), y de las plagas de la vid, y dentro de ellas L.
botrana, en particular. Sin embargo, poco a poco se van encontrando más
ejemplos de ello, incluso en el caso concreto de las propias plagas del viñedo,
como el llevado a cabo por Gutiérrez et al. (2008), y de la propia L. botrana,
caso de los desarrollados por Caffarra et al. (2012) y por Svobodova et al.,
2014. Estos últimos autores, utilizando una simulación de las condiciones
climáticas para el año 2055, plantearon la hipótesis de un cambio en el área de
distribución potencial de L. botrana en Europa, que suponía un avance de 11
grados de latitud hacia el norte (Svobodova et al., 2014). Además, teniendo en
cuenta el notable incremento en el comercio internacional acaecido en las
últimas décadas, y el hecho de que dicho comercio está considerado como el
factor que más influye en el desplazamiento a grandes distancias de las
especies vivas (Perrings et al., 2005; Thiéry et al., 2014), no es extraño
encontrar reportes sobre introducciones repentinas de plagas en regiones
geográficas donde no estaban presentes, caso de L. botrana en los viñedos de
California (Gutiérrez et al., 2012).
En vista de la situación descrita, para el presente estudio se planteó el
objetivo de evaluar el posible efecto del cambio climático sobre la distribución
potencial en Europa de L. botrana bajo los escenarios de emisión RCP 4.5 y
RCP 8.5, en el periodo de prospección presente-2050. Este conocimiento
resultará de gran utilidad, ya que proporciona información muy valiosa, entre
Distribución potencial de Lobesia botrana en Europa
81
otras cosas, sobre cuáles son las zonas que mostrarán idoneidad ambiental
para el desarrollo potencial de L. botrana, conocimiento muy útil para planificar
estrategias eficaces de control con suficiente antelación, así como para la
creación de políticas de adaptación que prevengan las consecuencias
perjudiciales en el propio cultivo y sus industrias asociadas.
5.2. Resultados
Las variables bioclimáticas seleccionadas tras las pruebas de Jacknife
para mostrar los efectos individuales más importantes y, por tanto, aportar más
al modelo son: temperatura media anual (BIO1), temperatura máxima del mes
más cálido (BIO5), temperatura mínima del mes más frío (BIO6), temperatura
media del trimestre más cálido (BIO10), temperatura media del trimestre más
frío (BIO11) y precipitación del trimestre más húmedo (BIO16). Utilizando los
parámetros que suponen todas las combinaciones posibles entre los valores
del multiplicador de regularización β y los tipos de features (incluidas sus
propias combinaciones), se crearon 783 modelos de nicho candidatos. Todos
ellos fueron evaluados utilizando el análisis ROC parcial (p < 0.000) y,
finalmente, se obtuvieron 7 modelos con una tasa de omisión inferior al 5%,
siendo seleccionado el modelo más simple, de acuerdo al AICc (Tabla 5 y
Figura 14).
Distribución potencial de Lobesia botrana en Europa
82
Tabla 5. Modelos de nicho ecológico para L. botrana seleccionados en función de los
criterios de significancia, rendimiento y complejidad.
Modelo
Features1 β2
Mean AUC3 ratio
Partial ROC4 OR5 AICc6
Delta AICc6
W AICc6 N7
1 set1 lqth 3 1.122 0 0.047 3253.512 9.1 0 7 2 set1 t 1 1.084 0 0.078 3245.593 1.1 0 15 3 set1 th 1 1.095 0 0.078 3248.344 3.9 0 16 4 set1 lt 1 1.109 0 0.093 3250.874 6.4 0 17 5 set1 lt 1 1.118 0 0.109 3244.417 0 0 32 6 set1 lqpt 1 1.114 0 0.109 3244.794 0.4 0 32 7 set1 lqpt 1 1.115 0 0.109 3244.809 0.4 0 32
En negrita, el mejor modelo; 1Combinaciones de features: l = lineal, q = cuadrática, p = producto; 2Multiplicador de regulación; 3Área bajo la curva ROC; 4Análisis ROC parcial; 5Tasa de omisión 5%; 6Criterio de Información de Akaike corregido; 7Número de parámetros.
Figura 14. Distribución de los MNE para L. botrana según su significancia estadística,
determinada por la tasa de omisión (< 5%) y el criterio de información de Akaike
corregido (AICc).
Distribución potencial de Lobesia botrana en Europa
83
Para la situación climática presente, de acuerdo con los datos
ambientales del periodo 1970-2000, la proyección geográfica en Europa del
MNE seleccionado muestra que L. botrana encuentra condiciones
ambientalmente adecuadas en la zona mediterránea, así como en una parte
importante del resto del territorio Europeo (Figura. 15). Según el modelo, no
aparecen condiciones idóneas en algunos países en los que sí se han
registrado citas, concretamente en Bielorrusia y Lituania, aunque en ellas no se
aportan datos precisos de su presencia (Karsholt and Razowski, 1996).
Considerando las previsiones bajo los escenarios de emisión RCP 4.5 y
RCP 8.5 para el año 2050 (Figura 16 y Figura 17) la zona con mayor pérdida
de superficie con idoneidad ambiental será la región mediterránea (en países
como España, Italia, Grecia o Chipre), mientras que las zonas con mayor
incremento o estabilidad se localizarán en el norte y centro de Europa. Si se
compara la situación prevista por los dos escenarios considerados, se observa
que, en general, en el RCP 8.5 el incremento de superficie con idoneidad
ambiental es menor que en el RCP 4.5, aunque es mayor el porcentaje de
persistencia, lo que indica que, tanto considerando un escenario como el otro,
el insecto seguirá siendo una plaga a tener en cuenta en la mayoría de los
países en los que ahora está presente.
84
.
Fig
ura
15.
Pro
ye
cció
n g
eog
ráfica e
n E
uro
pa d
e l
as á
reas d
e i
don
eid
ad
am
bie
nta
l p
ara
L.
botr
ana e
n l
a s
itu
ació
n c
limá
tica
pre
se
nte
, seg
ún
su m
ode
lo d
e n
ich
o e
coló
gic
o
85
Fig
ura
16. P
roye
cció
n g
eog
ráfic
a e
n E
uro
pa
de
las á
rea
s d
e p
érd
ida (ro
jo), p
ers
iste
ncia
(gris
) e in
cre
me
nto
(ve
rde
) de
id
on
eid
ad
am
bie
nta
l para
L. b
otra
na p
revis
tas p
ara
el a
ño 2
05
0, s
eg
ún lo
s 2
2 G
CM
y c
onsid
era
ndo
el e
scen
ario
de e
mis
ión
RC
P 4
.5. A
ma
yo
r inte
nsid
ad
del c
olo
r, ma
yo
r núm
ero
de G
CM
para
los q
ue e
l mo
de
lo d
e n
ich
o c
oin
cid
e e
n la
mis
ma
pre
dic
ció
n. E
n a
zu
l, la z
ona
de d
istrib
ució
n a
ctu
al d
el v
iñedo (C
orin
e, 2
01
0).
86
Fig
ura
17
. P
roye
cció
n g
eog
ráfica e
n E
uro
pa d
e l
as á
rea
s d
e p
érd
ida (
rojo
), p
ers
iste
ncia
(g
ris)
e i
ncre
me
nto
(ve
rde
) d
e
idon
eid
ad
am
bie
nta
l d
e L
. b
otr
ana p
revis
tas p
ara
el
año
205
0,
seg
ún l
os 2
2 G
CM
y c
onsid
era
nd
o e
l e
scen
ario
de e
mis
ión
R
CP
8.5
. A
ma
yo
r in
ten
sid
ad
del
co
lor,
ma
yo
r n
úm
ero
de G
CM
p
ara
lo
s q
ue e
l m
ode
lo d
e n
ich
o c
oin
cid
e e
n l
a m
ism
a
pre
dic
ció
n.
En a
zul, la z
ona d
e d
istr
ibució
n a
ctu
al del viñ
edo (
Corine,
2010).
Distribución potencial de Lobesia botrana en Europa
87
En el Anexo 2 se detalla la previsión de superficie y porcentaje de no
hábitat, así como de incremento, pérdida y persistencia de idoneidad ambiental
para L. botrana en diferentes países y regiones de Europa para el año 2050,
bajo los escenarios de emisión RCP 4.5 y RCP 8.5. En dicho anexo, solo se
han considerado los países con regiones en las que coincide la previsión del
modelo de nicho ecológico para 15 o más GCM y presentan un porcentaje igual
o superior al 30% en esos efectos. A continuación, se señalan los datos más
destacados.
Según el escenario RCP 4.5, los mayores porcentajes de incremento de
superficie de idoneidad ambiental para L. botrana ocurrirán en los siguientes
países: Lituania (76%), Polonia (76%), Suiza (70%), Dinamarca (64%),
República Checa (64%) y Ucrania (59%). Por regiones, se producirá un
incremento de idoneidad del 100%, en las siguientes: Lake Sevan (Estonia);
Brest (Biolorrusia); Mauren, Ruggell y Schellenberg (Liechtenstein); Alyatus y
Kauno (Lituania); Balti, Donduseni, Drochia, Ocnita, Soldanesti y Soroca
(Moldavia); Lublin (Polonia); y Cherkasy, Khmelnytskyy, Rivne, Ternopil,
Vinnytsya, Volyn y Zhytomyr (Ucrania). Además, algunas de las regiones con
un porcentaje de incremento de superficie de idoneidad ambiental importante
(en algunos casos mayor del 50%) incluyen zonas vitícolas con denominación
de origen protegida (PDO) y con indicación geográfica protegida (PGI). Con
respecto a los porcentajes de pérdida de superficie con idoneidad ambiental, en
general, serán inferiores al 6%, salvo en los siguientes países: Portugal (47%),
Turquía (30%), Albania (12%), España (11%) e Italia (8%), sin que aparezcan
porcentajes significativos en ninguna región productora de vinos de calidad. En
general, a nivel de país, no se prevén para Europa elevados porcentajes de
Distribución potencial de Lobesia botrana en Europa
88
superficie con persistencia ambiental, con solo cinco que superarán el 10%:
Azerbaiyán (35%), Turquía (21%), España (17%), Georgia (12%) e Italia (11%).
Sin embargo, sí se encuentran regiones concretas con porcentajes
significativos, como las ucranianas de Dnipropetrovsk (61%), Donetsk (42%) y
Kherson (46%), y la rusa de Chechenia (39,2%). Finalmente, también se
observan algunas regiones con estabilidad ambiental y que incluyen zonas
vitícolas con PDO (Extremadura, Madrid y Castilla-La Mancha en España;
Emilia-Romaña en Italia; y Braga, Oporto y Viseu en Portugal), con PGI
(Extremadura y Castilla-La Mancha en España; Emilia-Romaña en Italia; y
Braga, Oporto y Viseu en Portugal) y con WGI (Kakheti en Georgia).
Considerando el escenario de emisión RCP 8.5, los países en los que el
porcentaje de incremento de superficie con idoneidad ambiental se prevé
mayor son: Lituania (96%), Estonia (90%), Letonia (78%), Bielorrusia (71%),
Irlanda (54%), Dinamarca (52%) y Ucrania (47%). Si lo que se tiene en cuenta
son las regiones, se producirá un incremento de superficie con idoneidad del
100% en: Peipsi, Rapla y Viljandi (Estonia); Zemgale (Letonia); Marijampoles,
Panevezio, Taurages y Utenos (Lituania); y Kharkiv (Ucrania). En este
escenario, son más reducidos los porcentajes de superficie en los que se
predice un incremento de idoneidad ambiental, tanto para PDO como para PGI.
En relación con los porcentajes de superficie de pérdida de idoneidad
ambiental, los más altos se producirán en: Portugal (52%), Azerbaiyán (29%),
España (16%), Turquía (13%), Albania (12%) e Italia (7%). Solo en el caso de
Extremadura (España), que produce vinos con PDO y PGI, se prevé un
porcentaje importante de pérdida de superficie con idoneidad ambiental para L.
botrana (67%). A nivel de país, en solo dos de ellos se prevén porcentajes de
Distribución potencial de Lobesia botrana en Europa
89
superficie en los que persista el ambiente idóneo para L. botrana, superiores al
13%: Macedonia (32%) y Turquía (56%). Sin embargo, como ocurría en el
escenario RCP 4.5, sí hay regiones concretas con porcentajes muy
importantes, incluso superiores al 90%, como la búlgara Pleven (96%).
Finalmente, también se observan, bajo el escenario RCP 8.5, algunas regiones
con una significativa estabilidad ambiental y que incluyen zonas vitícolas
productoras de vinos con PDO (Haskovo en Bulgaria; Obalno Kraska en
Eslovenia; Aragón, Extremadura, Madrid y Castilla-La Mancha en España;
Emilia-Romaña, Friuli-Venecia Julia, Lazio, Lombardía, Marche, Toscana y
Veneto en Italia; y Braga, Oporto y Viseu en Portugal); con PGI (Aragón,
Castilla-La Mancha y Extremadura en España, Emilia-Romaña, Friuli-Venecia
Julia, Lazio, Lombardía, Marche, Toscana y Veneto en Italia y Braga, Oporto y
Viseu en Portugal); y con WGI (Kakheti en Georgia).
Por último, en la figura 18 se muestra la superficie ocupada por
diferentes usos del suelo en las zonas en las que se pronostica persistencia e
incremento de la idoneidad ambiental para L. botrana bajo los dos escenarios
de emisión considerados en el presente trabajo. Puede observarse cómo en el
caso de persistencia de superficie con idoneidad ambiental, los usos del suelo
con mayor implicación son “Zonas cultivadas y gestionadas” y “Cubierta
arbórea, árboles con acículas y perennes”. Sin embargo, en el caso de
incremento de superficie con idoneidad ambiental, los usos del suelo más
abundantes son “Zonas cultivadas y gestionadas”, en el caso de RCP 4.5, y
“Cubierta arbustiva regularmente inundada y/o cubierta herbácea”, en el de
RCP 8.5.
Distribución potencial de Lobesia botrana en Europa
90
Figura 18. Superficie (km2) ocupada por diferentes usos del suelo en las zonas en las
que se pronostica persistencia e incremento de la idoneidad ambiental para Lobesia
botrana en el año 2050 bajo los escenarios de emisión RCP 4.5 y RCP 8.5.
0 1000000 2000000
Cubierta arbórea, árboles dehoja ancha y caducifolios,
cerrada (>40%)
Cubierta arbórea, árbolescon acículas y perennes
Cubierta arbórea, mezcla deárboles de hoja caduca y
perenne
Cubierta herbácea, cerrada(>40%)-abierta (15-40%)
Cubierta arbustivaregularmente inundada y/o
cubierta herbácea
Zonas cultivadas ygestionadas
Mosaico: Tierras de cultivo /cubierta arbórea / Otra
vegetación natural
Otros
Persistencia(RCP 8.5)
Persistencia(RCP 4.5)
Incremento(RCP 8.5)
Incremento(RCP 4.5)
Km2
Distribución potencial de Lobesia botrana en Europa
91
5.3. Discusión
Diferentes autores han publicado estudios en los que se responsabiliza
al cambio climático de la alteración del comportamiento de algunas especies
de insectos, así como de algunos de sus parámetros biológicos y ecológicos.
En este sentido, en algunas plagas se han detectado aumentos de la tasa de
desarrollo, del voltinismo y de la capacidad de incremento poblacional, así
como adelantos fenológicos y salidas más tempranas del periodo de
hibernación (Chuine, 2010; Porter et al., 1991; White et al., 2003). Por otra
parte, existe una preocupación creciente relacionada con la modificación de la
distribución geográfica de estas plagas agrícolas, también como consecuencia
del cambio climático, y que supone, entre otras cosas, su expansión hacia
zonas situadas en latitudes y altitudes más altas (Porter et al., 1991). En este
contexto, las simulaciones que proporcionan los MNE permiten predecir esas
modificaciones para distintas especies en diferentes regiones agrícolas
(Kroschel et al., 2013). Estas predicciones suponen una información muy
valiosa, entre otras cosas, sobre cuáles son las zonas que mostrarán idoneidad
ambiental y que marcarán la distribución potencial de las principales plagas y
su posible interacción futura con los cultivos. Este conocimiento ayuda a
planificar estrategias eficaces de control, así como a crear políticas de
adaptación para prevenir con la antelación necesaria, las consecuencias
perjudiciales en los cultivos y en sus industrias asociadas (Sacchelli et al.,
2017).
A pesar de lo anterior, todavía no son muchos los estudios de
modelización que se han llevado a cabo para predecir el impacto del cambio
climático sobre la distribución geográfica de los organismos perjudiciales de los
Distribución potencial de Lobesia botrana en Europa
92
cultivos, bajo escenarios futuros (Calonnec et al., 2008; Gutiérrez et al., 2009;
Macfadyen et al., 2018; Ponti et al., 2009). Sin embargo, es cierto que cada vez
se van encontrando más ejemplos de ello, incluso en el caso concreto de
plagas del viñedo, como el llevado a cabo por Gutiérrez et al. (2008), en el que
establecieron predicciones sobre la expansión futura de la cochinilla harinosa
de la vid, Planococcus ficus (Signoret) (Hemiptera: Pseudococcidae) y de tres
de sus más importantes enemigos naturales: el depredador Cryptolaemus
montrouzieri (Mulsant) (Coleoptera: Coccinellidae) y los dos parasitoides
Anagyrus pseudococci (Girault) (Hymenoptera: Encyrtidae) y Leptomastidea
abnormis (Girault, 1915) (Hymenoptera: Encyrtidae).
En el presente estudio, al utilizar el modelo de nicho ecológico para
analizar el impacto del cambio climático sobre la distribución geográfica de L.
botrana, se ha encontrado que las variables climáticas que condicionan la
persistencia y el incremento de zonas con idoneidad ambiental para esta
especie están relacionadas con el incremento de la temperatura, incluso en
épocas del año frías (BIO1, BIO5, BIO6, BIO10, BIO11), y con la variación de
la precipitación (BIO16). No es de extrañar que esto sea así, ya que, tal como
se ha adelantado en la introducción del presente apartado, el aumento de
temperatura afecta de forma notable a numerosos aspectos biológicos y
ecológicos de L. botrana, como organismo poiquilotermo que es, destacando el
aumento de su tasa de desarrollo hasta la temperatura óptima (Brière et al.,
1999), el adelanto significativo de su fenología (Lena et al., 2013; Martín-
Vertedor et al., 2010; Pavan et al., 2014; Reineke and Thiéry, 2016), el
aumento de su capacidad de incremento poblacional (Gilioli et al., 2016), o las
modificaciones en la eficacia de su control biológico natural (Castex et al.,
Distribución potencial de Lobesia botrana en Europa
93
2018). Por otro lado, la humedad relativa (obviamente influida por la
precipitación) ha demostrado ser un parámetro ambiental importante para L.
botrana, sobre todo por influir en los niveles de mortalidad especialmente de
sus fases de desarrollo inmóviles como son la de huevo (Coscollá et al., 1986)
y la de pupa (Torres-Vila et al., 1993).
La información aportada por los MNE para el presente (a partir de los
datos climáticos del periodo 1970-2000) muestran que las zonas de idoneidad
ambiental para L. botrana aparecen en la región mediterránea (sur de Europa)
y en buena parte del resto del territorio europeo (Figura 15). Conviene destacar
que no en todas esas zonas es igual el comportamiento del insecto respecto al
voltinismo, ya que normalmente completa dos generaciones anuales en Europa
central y tres en el sur de Europa (Ioriatti et al., 2011), incluso en algunas
zonas vitícolas del sur puede aparecer una cuarta generación parcial en los
años más cálidos (Marchesini and Dalla Monta, 2003).
A nivel global europeo, las proyecciones del MNE al año 2050, de
acuerdo con los escenarios de cambio climático RCP 4.5 y RCP 8.5, arrojan
zonas de incremento de idoneidad ambiental de L. botrana en 38 países
(Anexo 2), la mayoría de ellos situados en el norte de Europa. En este
sentido, países como Irlanda, Suecia, Finlandia, Estonia y Letonia, así como
el centro y norte de la zona europea de Rusia, albergarían regiones
ambientalmente idóneas para el insecto. Esto concuerda con otros estudios
que estiman que para el año 2055 se espera que el límite norte de
distribución de L. botrana ascienda hasta 55º N (Svobodova et al., 2014)
(conviene señalar que estos autores utilizaron una metodología distinta a la
empleada en el presente trabajo; en concreto, tomaron en consideración los
Distribución potencial de Lobesia botrana en Europa
94
dos escenarios de cambio climático A2 (alto) y B1 (bajo), y los cinco GCM
siguientes: MPEH5, CSMK3, IPCM4, GFCM21 y HADGEM). Por el contrario,
los cambios que se prevén en las regiones del sur de Europa son
consecuencia de la previsible llegada de condiciones climáticas menos
favorables para este insecto (incluidos incrementos extremos de temperatura y
reducción de la humedad relativa) que hacen que se esperen pérdidas de
idoneidad ambiental para el mismo, especialmente en los países de la cuenca
mediterránea (Figura 16, Figura 17 y Anexo 2), resultados coincidentes también
con los reportados por Svobodova et al. (2014).
Considerando la situación más concreta en países europeos con
relevancia mundial en el sector vitivinícola, cabe destacar que, en España, que
ocupa el primer lugar en superficie de vid cultivada y el segundo en
producción de vino (OIV, 2019), considerando el escenario de emisión RCP
4.5, se espera que se produzca persistencia de idoneidad ambiental para L.
botrana, principalmente, en las regiones vitícolas de Castilla-La Mancha y
Extremadura. La importancia de este hecho se refuerza con los resultados de
algunos estudios previos llevados a cabo en esta última Comunidad
Autónoma y que indican que, en los últimos años, se ha producido un
incremento de la temperatura media durante la primavera y el verano que ha
ocasionado la aparición de hasta cuatro generaciones anuales de este insecto
(Martín-Vertedor et al., 2010). En otros países del entorno, como Portugal que
según la OIV (2018) ocupa el lugar número 11 en la producción de vino a nivel
mundial), también se prevé persistencia de idoneidad ambiental, en regiones
vitivinícolas tan importantes como la de Oporto.
Distribución potencial de Lobesia botrana en Europa
95
Bajo el mismo escenario RCP 4.5, se puede observar que se prevé un
incremento de superficie con idoneidad ambiental para L. botrana en 23 países,
de los que 14 producen vinos de calidad, siendo Francia uno de los más
destacados. Esta información es importante por la gran importancia de la
plaga es este país; así, hay estimaciones que indican que afecta a cientos de
miles de hectáreas, con un coste de cuatrocientos millones de euros al año
(Mezière and Gary, 2009). La región francesa productora de vinos de calidad
más vulnerable en este sentido es Auvergne. Otro país destacable que también
se verá afectado con incrementos de superficie con idoneidad ambiental para
L. botrana es Alemania, país que ocupa el noveno lugar mundial en
producción de vino (OIV, 2018), incluidas regiones con PDO como Baden-
Württemberg, cuyo clima es cálido con temperaturas casi mediterráneas
(BMWI, 2018), y otras con PGI como Schleswig-Holstein, que presenta un
clima con veranos parcialmente nublados e inviernos muy fríos
(Weatherspark, 2019). Cabe destacar también el caso de Rumanía, país en el
que se cultivan 191.000 ha de vid (OIV, 2019) y que presenta regiones con
PDO muy vulnerables como Mureș, Bacău y Bistrița-Năsăud.
Si lo que se considera es el escenario RCP 8.5, se observa persistencia
de idoneidad ambiental de L. botrana en trece países, de los cuales, cuatro
poseen regiones vitícolas productoras de vinos de calidad (Italia, España,
Portugal y Bosnia y Herzegovina). En Italia, primer país productor mundial de
vino y tercero en superficie de vid cultivada (OIV, 2019), esta persistencia de la
idoneidad ambiental es especialmente elevada en las regiones de Véneto,
Marche y Emilia Romaña, las tres en el norte del país y con zonas vitícolas
PDO y PGI. Caffarra et al. (2012) llevaron a cabo un estudio de modelización
Distribución potencial de Lobesia botrana en Europa
96
del impacto del cambio climático sobre la interacción entre la vid y L. botrana
en regiones del norte de Italia, llegando a la conclusión de que el aumento de la
temperatura tendría un impacto perjudicial en el rendimiento del cultivo; sin
embargo, reportaron que dicho impacto negativo sería debido, sobre todo, a la
aparición de una mayor asincronía entre los estados fenológicos de la vid
menos afectados por las larvas de la polilla y la presencia de estas, y no tanto
por el aumento de la presión de la plaga derivado de la aparición de un mayor
número de generaciones, la última de las cuales sería menos perjudicial al
tener lugar también un adelanto de las fechas de vendimia. En el mismo
escenario climático RCP 8.5 se pronostica, también, la presencia de
importantes zonas de persistencia de idoneidad ambiental en España y
Portugal. Así, esta idoneidad se mantendrá estable en un porcentaje
considerable (≥ 30%) de la superficie ocupada por las comunidades autónomas
españolas de Aragón, Castilla - La Mancha, Castilla y León y Madrid; y por los
distritos portugueses de Braga, Oporto y Viseu. En estos territorios de ambos
países se localizan zonas vitivinícolas productoras de vinos de calidad. Del
mismo modo que se comentaba en el caso de Italia, resulta de gran interés
adelantar las posibles consecuencias de dicha estabilidad en zonas de tanta
importancia vitivinícola, en lo que respecta al efecto de un escenario con
temperaturas más elevadas sobre las interacciones plaga-cultivo y sus posibles
consecuencias. Parece claro, una vez más, que uno de los efectos será el
aumento del número de generaciones anuales de polilla, como de hecho ya
está sucediendo, por ejemplo, en la Denominación de Origen Bierzo en Castilla
y León (Armendáriz et al., 2008), si bien, como también se ha comentado ya,
Distribución potencial de Lobesia botrana en Europa
97
aún queda por dilucidar el impacto que ello tendrá sobre los daños que la plaga
provocará en el cultivo.
Por otra parte, bajo el mismo escenario RCP 8.5, se esperan
incrementos importantes de superficie con idoneidad ambiental (≥ 30%) para
L. botrana en regiones vitícolas de 18 países. Por su importancia en el sector
vitivinícola destacan las regiones de Bayern (Alemania), Oberösterreich
(Austria) y Jihoceský (República Checa), así como las de Appenzell
Ausserrhoden, Appenzell Innerrhoden y Schaffhausen en Suiza.
Finalmente, es interesante conocer cuáles son los actuales usos del
suelo en las zonas en las que se pronostica un incremento de idoneidad
ambiental para L. botrana. Por un lado, ese conocimiento aporta información
sobre el espacio geográfico-ambiental que podría ocupar la especie. Por otro,
hay que recordar que se trata de un insecto fitófago generalista que se puede
alimentar de unas 40 especies de plantas, pertenecientes a 27 familias distintas
(Coscollá, 1997), algunas de las cuales resultan ser huéspedes alternativos,
incluso de mayor calidad que la propia vid (Thiéry and Moreau, 2005), por lo
que resulta muy probable la presencia de alguna de esas especies en las
zonas que tendrán en el futuro un ambiente idóneo para el desarrollo de la
polilla y que, de este modo, podrían actuar como refugio hasta la implantación
de cultivos de vid en sus proximidades. En el presente estudio se ha
determinado que los usos del suelo predominantes en las zonas con
incremento de idoneidad ambiental bajo el escenario RCP 4.5 corresponden a
“Zonas cultivadas y gestionadas”, mientras que en el escenario RCP 8.5
corresponden a “Cubierta arbustiva regularmente inundada y/o cubierta
herbácea”. En ambos casos, se trata de usos del suelo que favorecen el
Distribución potencial de Lobesia botrana en Europa
98
aumento de la humedad relativa. Estos resultados se podrían explicar, al
menos en parte, considerando que, debido a los incrementos de temperatura
que tendrán lugar, L. botrana requerirá entornos que le puedan proporcionar la
humedad relativa mínima necesaria para evitar elevadas mortalidades de sus
etapas de desarrollo especialmente sensibles por su inmovilidad, mortalidades
que pueden resultar limitantes para la presencia de la especie (Coscollá et al.,
1986; Torres-Vila et al., 1993).
Diferentes autores como Dethier (1970), Southwood (1972) y Strong et
al. (1984) han señalado que las especies fitófagas se especializan sobre
plantas que son predecibles, abundantes y fáciles de encontrar. Por ello, no es
de extrañar que L. botrana sea una plaga que ha evolucionado hacia la
monofagia sobre la vid, aunque continúa alimentándose de otros huéspedes
alternativos (algunos de los cuales le proporcionan incluso, como ya se ha
comentado anteriormente, una mayor calidad nutricional) porque ello le supone
una ventaja para desenvolverse en paisajes vitícolas con diversidad vegetal
(Thiéry and Moreau, 2005), así como para su expansión geográfica y de este
modo, por ejemplo, llegar hasta nuevos viñedos cultivados en zonas donde
nunca antes habían estado presentes. Por todo ello, es muy probable que L.
botrana continúe siendo una plaga clave de la vid en escenarios futuros, tanto
en zonas donde persista la idoneidad ambiental para ambas especies, como en
aquéllas en las que dichas condiciones adecuadas aparezcan por vez primera
para alguna de ellas o para ambas a la vez. Por ello, el conocimiento recogido
en el presente trabajo sobre la futura distribución potencial de L. botrana y su
intersección con la de la vid utilizando los MNE, resulta esencial para poder
planificar estrategias eficaces de control con suficiente antelación, que
Distribución potencial de Lobesia botrana en Europa
99
prevengan las consecuencias perjudiciales en el propio cultivo y sus industrias
asociadas.
5.4. Conclusiones
1. Las variables bioclimáticas que aportan más a los modelos de nicho
ecológico, de cara a determinar las áreas de idoneidad ambiental de Lobesia
botrana en la actualidad en Europa y su distribución potencial en el mismo
continente en el año 2050, bajo los escenarios de cambio climático RCP 4.5 y
RCP 8.5 están relacionadas con el incremento de la temperatura, incluso en
épocas del año frías (temperatura media anual, temperatura máxima del mes
más cálido, temperatura mínima del mes más frío, temperatura media del
trimestre más cálido y temperatura media del trimestre más frío) y con la
disminución de la precipitación (precipitación del trimestre más húmedo).
2. La información aportada por los modelos de nicho ecológico para el
presente muestran que las zonas de idoneidad ambiental para L. botrana en
Europa aparecen, principalmente, en la región mediterránea, pero también en
buena parte del resto del continente europeo
3. Considerando los escenarios de cambio climático RCP 4.5 y RCP
8.5, a nivel global europeo, las proyecciones para el año 2050 pronostican la
presencia de zonas con incremento de idoneidad ambiental para L. botrana
en 38 países, la mayoría de ellos situados en el norte de Europa, destacando
Irlanda, Suecia, Finlandia, Estonia y Letonia, así como Rusia en el centro y
norte de su zona europea. Además, según el escenario RCP 8.5, también se
esperan incrementos notables de superficie con idoneidad ambiental en
regiones importantes en el sector vitivinícola como Bayern en Alemania,
Distribución potencial de Lobesia botrana en Europa
100
Oberösterreich en Austria, Jihoceský en la República Checa y Appenzell
Ausserrhoden, Appenzell Innerrhoden y Schaffhausen en Suiza.
4. En varios países europeos con relevancia mundial en el sector
vitivinícola, y considerando conjuntamente los resultados de los escenarios de
RCP 4.5 y RCP 8.5, se espera que se produzca una significativa persistencia
de idoneidad ambiental para L. botrana en regiones vitivinícolas tan
importantes como Véneto, Marche y Emilia Romaña en Italia, Oporto en
Portugal y Aragón, Castilla-La Mancha, Castilla y León, Extremadura y Madrid
en España.
5. Los usos del suelo predominantes en las zonas con persistencia e
incremento de idoneidad ambiental para L. botrana bajo el escenario RCP 4.5
corresponden a “Zonas cultivadas y gestionadas”, mientras que en el escenario
RCP 8.5 corresponden a “Cubierta arbustiva regularmente inundada y/o
cubierta herbácea”. En ambos casos, se trata de usos del suelo que favorecen
el aumento de la humedad relativa, pudiéndose evitar, así, mortalidades
elevadas de las etapas de desarrollo de la polilla especialmente sensibles a
valores bajos de dicha humedad relativa y que podrían resultar limitantes para
la presencia de la especie.
6. El hecho de que L. botrana, además de alimentarse de la vid, sea
también capaz de hacerlo de otros huéspedes alternativos facilitará su
expansión geográfica pudiendo, de este modo, llegar hasta nuevos viñedos
cultivados en zonas donde nunca antes habían estado presentes. Así, será
muy probable que esta especie continúe siendo una plaga clave de la vid en
escenarios futuros, tanto en zonas donde persista la idoneidad ambiental para
Distribución potencial de Lobesia botrana en Europa
101
ambas especies, como en aquéllas en las que dichas condiciones adecuadas
aparezcan por vez primera para alguna de ellas o para ambas a la vez. Por
ello, el conocimiento sobre su futura distribución potencial y su intersección con
la de la vid utilizando los modelos de nicho ecológico, resulta esencial para
poder planificar estrategias eficaces de control con antelación suficiente.
Distribución potencial de Lobesia botrana en Europa
102
5.5. Bibliografía
Aarvik, L, E. (2013). Fauna Europaea: Tortricidae. Retrieved August 5, 2019, from https://fauna-eu.org/
Andreadis, S. S., Milonas, P. G., & Savopoulou-Soultani, M. (2005). Cold hardiness of diapausing and non-diapausing pupae of the European grapevine moth, Lobesia botrana. Entomologia Experimentalis et Applicata, 117(2), 113–118. https://doi.org/10.1111/j.1570-7458.2005.00337.x
Armendáriz, A., Pérez-Sanz, G., Campillo, L., Miranda, J., & Juárez, S. (2008). La polilla del racimo de la vid (Lobesia botrana Den. y Schiff.) en nueve zonas vitivinícolas de Castilla y León años 2000 a 2006. Boletín de Sanidad Vegetal, 34(2), 305–315.
Avidov, Z., & Harpaz, I. (1969). Plant pests of Israel. Plant pests of Israel. (Israel Uni, Vol. 91). Jerusalem: Jerusalem, Israel Univs Pr.
Bale, J. S., & Hayward, S. A. L. (2010). Insect overwintering in a changing climate. The Journal of Experimental Biology, 213(6), 980–994. https://doi.org/10.1242/jeb.037911
Bale, J. S., Masters, G. J., Hodkinson, I. D., Awmack, C., Bezemer, T. M., Brown, V. K., … Whittaker, J. B. (2002). Herbivory in global climate change research: Direct effects of rising temperature on insect herbivores. Global Change Biology, 8(1), 1–16. https://doi.org/10.1046/j.1365-2486.2002.00451.x
BMWI. (2018). La comarca vitivinícola de Baden: Vinos de la mayor calidad. Retrieved May 22, 2019, from https://www.germany.travel/es/ciudades-turismo-cultural/comer-y-beber/vinos-alemanes/baden.html
Bodlah, M. A., Zhu, A. X., & Liu, X. D. (2016). Host choice, settling and folding leaf behaviors of the larval rice leaf folder under heat stress. Bulletin of Entomological Research, 106(6), 809–817. https://doi.org/10.1017/S0007485316000584
Brière, J.-F., Pracros, P., Le Roux, A.-Y., & Pierre, J.-S. (1999). A novel rate model of Temperature-Dependent development for arthropods. Environmental Entomology, 28(1), 22–29. https://doi.org/10.1093/ee/28.1.22
CABI. (2019). Lobesia botrana (European grapevine moth). https://doi.org/10.1016/j.cropro.2010.01.009
Caffarra, A., Rinaldi, M., Eccel, E., Rossi, V., & Pertot, I. (2012). Modelling the impact of climate change on the interaction between grapevine and its pests and pathogens: European grapevine moth and powdery mildew. Agriculture, Ecosystems & Environment, 148, 89–101. https://doi.org/10.1016/j.agee.2011.11.017
Distribución potencial de Lobesia botrana en Europa
103
Calonnec, A., Cartolaro, P., Naulin, J.-M., Bailey, D., & Langlais, M. (2008). A host-pathogen simulation model: Powdery mildew of grapevine. Plant Pathology, 57(3), 493–508. https://doi.org/10.1111/j.1365-3059.2007.01783.x
Castex, V., Beniston, M., Calanca, P., Fleury, D., & Moreau, J. (2018). Pest management under climate change: The importance of understanding tritrophic relations. Science of The Total Environment, 616–617, 397–407. https://doi.org/10.1016/J.SCITOTENV.2017.11.027
Chuine, I. (2010). Why does phenology drive species distribution? Philosophical Transactions of the Royal Society B: Biological Sciences, 365(1555), 3149–3160. https://doi.org/10.1098/rstb.2010.0142
CORINE. (2010). Coordination of Information on the environment. Retrieved January 18, 2019, from https://land.copernicus.eu/pan-european/CORINE-land-cover
Coscollá, R. (1997). La polilla del racimo de la vid (Lobesia botrana Den. y Schiff.) (Generalita). Valencia: Generalitat Valenciana, Conselleria de Agricultura, Pesca y Alimentación.
Coscollá, R., Sánchez, J., & Beltrán, V. (1986). Estudio preliminar sobre mortalidad de huevos de Lobesia botrana Den. y Schiff. por efecto de altas temperaturas y bajas humedades relativas en laboratorio. Boletín de Sanidad Vegetal, 12, 3–7.
Culler, L. E., Ayres, M. P., & Virginia, R. A. (2015). In a warmer Arctic, mosquitoes avoid increased mortality from predators by growing faster. Proceedings. Biological Sciences, 282(1815), 20151549. https://doi.org/10.1098/rspb.2015.1549
Dethier V, G. (1970). Chemical interactions between plants and insect. In Chemical ecology (Sondheimer, p. 336). New York
EPPO (2019). Lobesia botrana. Retrieved May 6, 2019, from https://gd.eppo.int/taxon/POLYBO/distribution
Facey, S. L., Ellsworth, D. S., Staley, J. T., Wright, D. J., & Johnson, S. N. (2014). Upsetting the order: How climate and atmospheric change affects herbivore–enemy interactions. Current Opinion in Insect Science, 5, 66–74. https://doi.org/10.1016/J.COIS.2014.09.015
Gilioli, G., Pasquali, S., & Marchesini, E. (2016). A modelling framework for pest population dynamics and management: An application to the grape berry moth. Ecological Modelling, 320, 348–357. https://doi.org/10.1016/J.ECOLMODEL.2015.10.018
Gonzalez, M. (2010). Lobesia botrana: Polilla de la uva. Enología, 1–5.
Gunderson, A. R., & Leal, M. (2016). A conceptual framework for understanding thermal constraints on ectotherm activity with implications for predicting responses to global change. Ecology Letters, 19(2), 111–120. https://doi.org/10.1111/ele.12552
Distribución potencial de Lobesia botrana en Europa
104
Gutiérrez, A. P., Ponti, L., Cooper, M. L., Gilioli, G., Baumgärtner, J., & Duso, C. (2012). Prospective analysis of the invasive potential of the European grapevine moth Lobesia botrana (Den. & Schiff.) in California. Agricultural and Forest Entomology, 14(3), 225–238. https://doi.org/10.1111/j.1461-9563.2011.00566.x
Gutiérrez, A. P., Ponti, L. & Cossu, Q. A. (2009). Effects of climate warming on olive and olive fly (Bactrocera oleae (Gmelin)) in California and Italy. Climatic Change, 95(1–2), 195–217. https://doi.org/10.1007/s10584-008-9528-4
Gutiérrez, A. P., Daane, K. M., Ponti, L., Walton, V. M., Ellis, C. K. (2008). Prospective evaluation of the biological control of vine mealybug: refuge effects and climate. Journal of Applied Ecology, 45, 524–536. https://doi.org/10.1111/j.1365-2664.2007.01356.x
He, Y., & Ainseba, B. (2014). Exact null controllability of the Lobesia botrana model with diffusion. Journal of Mathematical Analysis and Applications, 409(1), 530–543. https://doi.org/10.1016/J.JMAA.2013.07.020
Iltis, C., Martel, G., Thiéry, D., Moreau, J., & Louâpre, P. (2018). When warmer means weaker: High temperatures reduce behavioural and immune defences of the larvae of a major grapevine pest. Journal of Pest Science, 91(4), 1315–1326. https://doi.org/10.1007/s10340-018-0992-y
Ioriatti, C., Anfora, G., Tasin, M., De Cristofaro, A., Witzgall, P., & Lucchi, A. (2011). Chemical ecology and management of Lobesia botrana (Lepidoptera: Tortricidae). Journal of Economic Entomology, 104(4), 1125–1137. https://doi.org/10.1603/EC10443
Ioriatti, C., Lucchi, A., & Varela, L. G. (2012). Grape berry moths in western european vineyards and their recent movement into the new world. In N. J. Bostanian, C. Vincent, & R. Isaacs (Eds.), Arthropod management in vineyards: Pest, approaches, and future directions (pp. 339–359). Dordrecht: Springer Netherlands. https://doi.org/10.1007/978-94-007-4032-7_14
Jönsson, A. M., Harding, S., Krokene, P., Lange, H., Lindelöw, Å., Økland, B., … Schroeder, L. M. (2011). Modelling the potential impact of global warming on Ips typographus voltinism and reproductive diapause. Climatic Change, 109(3–4), 695–718. https://doi.org/10.1007/s10584-011-0038-4
Karsholt, O., & Razowski, J. (1996). The Lepidoptera of Europe : A distributional checklist (Hardback). Apollo Books.
Kroschel, J., Sporleder, M., Tonnang, H. E. Z., Juarez, H., Carhuapoma, P., Gonzales, J. C., & Simon, R. (2013). Predicting climate-change-caused changes in global temperature on potato tuber moth Phthorimaea operculella (Zeller) distribution and abundance using phenology modeling and GIS mapping. Agricultural and Forest Meteorology, 170, 228–241. https://doi.org/10.1016/J.AGRFORMET.2012.06.017
Distribución potencial de Lobesia botrana en Europa
105
Lambeck, K., Rouby, H., Purcell, A., Sun, Y., & Sambridge, M. (2014). Sea level and global ice volumes from the last glacial maximum to the Holocene. Proceedings of the National Academy of Sciences, 111(43), 15296–15303. https://doi.org/10.1073/pnas.1411762111
Lena, B. Di, Giuliani, D., Sciarretta, A., Mazzocchetti, A., & Eccel, E. (2013). A climatic perspective of the presence of the european grapevine moth (Lobesia botrana Den. and Schiff) in the Abruzzo region, Italy. Italian Journal of Agrometeorology, 5, 1–15.
Macfadyen, S., McDonald, G., Hill, M.P., 2018. From species distributions to climate change adaptation: Knowledge gaps in managing invertebrate pests in broad-acre grain crops. Agric. Ecosyst. Environ. 253, 208–219. https://doi.org/10.1016/J.AGEE.2016.08.029
Maher, N., & Thiéry, D. (2006). Daphne gnidium, a possible native host plant of the European grapevine moth Lobesia botrana, stimulates its oviposition. Is a host shift relevant? Chemoecology, 16(3), 135–144. https://doi.org/10.1007/s00049-006-0339-7
Maher, N., Thiery, D., & Stadler, E. (2006). Oviposition by Lobesia botrana is stimulated by sugars detected by contact chemoreceptors. Physiological Entomology, 31(1), 14–22. https://doi.org/10.1111/j.1365-3032.2005.00476.x
Marchesini, E., & Dalla Monta, L. (2003). Nel Veneto quattro generazioni di tignoletta della vite. Verona.
Martín-Vertedor, D., Ferrero-García, J. J., & Torres-Vila, L. M. (2010). Global warming affects phenology and voltinism of Lobesia botrana in Spain. Agricultural and Forest Entomology, 12(2), 169–176. https://doi.org/10.1111/j.1461-9563.2009.00465.x
Mezière, D., & Gary, C. (2009). Ecophyto R&D. Vers des systèmes de cultures économes en produits phytosanitaires. Volet 1 : Analyse comparative de différents systèmes en viticulture (Institut N). París
Nistor, M.-M. (2018). Climate change effect on groundwater resources in South East Europe during 21st century. Quaternary International. https://doi.org/10.1016/J.QUAINT.2018.05.019
OIV. (2018). Statistical report on world vitiviniculture. Retrieved February 1, 2019, from http://www.oiv.int/public/medias/6371/oiv-statistical-report-on-world-vitiviniculture-2018.pdf
OIV. (2019). Aspectos de la coyuntura mundial. Retrieved July 17, 2019, from http://www.oiv.int/public/medias/6680/es-oiv-aspectos-de-la-coyuntura-mundial-2019.pdf
Pavan, F., Bigot, G., Cargnus, E., & Zandigiacomo, P. (2014). Influence of the carpophagous generations of the European grapevine moth Lobesia botrana on grape bunch rots. Phytoparasitica, 42(1), 61–69. https://doi.org/10.1007/s12600-013-0338-5
Distribución potencial de Lobesia botrana en Europa
106
Perrings, C., Dehnen-Schmutz, K., Touza, J., & Williamson, M. (2005). How to manage biological invasions under globalization. Trends in Ecology & Evolution, 20(5), 212–215. https://doi.org/10.1016/J.TREE.2005.02.011
Ponti, L., Cossu, Q. A., & Gutiérrez, A. P. (2009). Climate warming effects on the Olea europaea–Bactrocera oleaesystem in Mediterranean islands: Sardinia as an example. Global Change Biology, 15(12), 2874–2884. https://doi.org/10.1111/j.1365-2486.2009.01938.x
Porter, J. H., Parry, M. L., & Carter, T. R. (1991). The potential effects of climatic change on agricultural insect pests. Agricultural and Forest Meteorology, 57(1–3), 221–240. https://doi.org/10.1016/0168-1923(91)90088-8
Puentes, A., Torp, M., Weih, M., & Björkman, C. (2015). Direct effects of elevated temperature on a tri-trophic system: Salix, leaf beetles and predatory bugs. Arthropod-Plant Interactions, 9(6), 567–575. https://doi.org/10.1007/s11829-015-9401-0
Reineke, A., & Thiéry, D. (2016). Grapevine insect pests and their natural enemies in the age of global warming. Journal of Pest Science, 89(2), 313–328. https://doi.org/10.1007/s10340-016-0761-8
Ruiz-Castro, A. (1943). Fauna entomológica de la vid en España. Estudio sistemático-biológico de las especies de mayor importancia económica. Instituto Español de Entomología. Madrid.
Sacchelli, S., Fabbrizzi, S., Bertocci, M., Marone, E., Menghini, S., & Bernetti, I. (2017). A mix-method model for adaptation to climate change in the agricultural sector: A case study for Italian wine farms. Journal of Cleaner Production, 166, 891–900. https://doi.org/10.1016/J.JCLEPRO.2017.08.095
Schlott, M., Kies, A., Brown, T., Schramm, S., & Greiner, M. (2018). The impact of climate change on a cost-optimal highly renewable European electricity network. Applied Energy, 230, 1645–1659. https://doi.org/10.1016/J.APENERGY.2018.09.084
Sequeira, R., & Mackauer, M. (1994). Variation in selected life-history parameters of the parasitoid wasp, Aphidius ervi: Influence of host developmental stage. Entomologia Experimentalis et Applicata, 71(1), 15–22. https://doi.org/10.1111/j.1570-7458.1994.tb01765.x
Solomon, S., Plattner, G.-K., Knutti, R., & Friedlingstein, P. (2009). Irreversible climate change due to carbon dioxide emissions. Proceedings of the National Academy of Sciences, 106(6), 1704–1709. https://doi.org/10.1073/pnas.0812721106
Southwood, T. R. E. (1972). The insect/plant relationship—an evolutionary perspective. Roy Entomol Soc London Symp, 3, 3–60.
Stoeckli, S., Hirschi, M., Spirig, C., Calanca, P., Rotach, M. W., & Samietz, J. (2012). Impact of climate change on voltinism and prospective diapause induction of a global pest insect – Cydia pomonella (L.). PLoS ONE, 7(4), e35723. https://doi.org/10.1371/journal.pone.0035723
Distribución potencial de Lobesia botrana en Europa
107
Strong, D. R., Lawton, J. H., & Southwood, R. (1984). Insects on plants : Community patterns and mechanisms. Harvard University Press
Svobodova, E., Trnka, M., Dubrovsky, M., Semerádova, D., Eitzinger, J., Stepanek, P., & Zalud, Z. (2014). Determination of areas with the most significant shift in persistence of pests in Europe under climate change. Pest Management Science, 70(5), 708–715. https://doi.org/10.1002/ps.3622
Thiéry, D., Monceau, K., & Moreau, J. (2014). Different emergence phenology of European grapevine moth (Lobesia botrana, Lepidoptera: Tortricidae) on six varieties of grapes. Bulletin of Entomological Research, 104(3), 277–287. https://doi.org/10.1017/S000748531300031X
Thiéry, D., & Moreau, J. (2005). Relative performance of European grapevine moth (Lobesia botrana) on grapes and other hosts. Oecologia, 143(4), 548–557. https://doi.org/10.1007/s00442-005-0022-7
Tobin, P. C., Nagarkatti, S., & Saunders, M. C. (2003). Phenology of grape berry moth (Lepidoptera: Tortricidae) in cultivated grape at selected geographic locations. Environmental Entomology, 32(2), 340–346. https://doi.org/10.1603/0046-225X-32.2.340
Torres-Vila, L. M., Oustry, L., Schmitz, V., Roehrich J Stockel, R. Y., Torres-Vlla, L., & Roehrich Stockel, R. J. (1993). Acción de la humedad relativa y la fluctuación térmica sobre la crisálida no diapausante de la “polilla del racimo”, Lobesia botrana Den. y SchifF. (Lepidoptera: Tortricidae). Bol. San. Veg. Plagas, 19, 79–93.
Trnka, M., Muska, F., Semerádova, D., Dubrovsky, M., Kocmánkova, E., & Zalud, Z. (2007). European corn borer life stage model: Regional estimates of pest development and spatial distribution under present and future climate. Ecological Modelling, 207(2–4), 61–84. https://doi.org/10.1016/J.ECOLMODEL.2007.04.014
Varela, L. G., Smith, R. J., Cooper, M. L., & Hoenisch, R. W. (2010). European grapevine moth, Lobesia botrana.
Weatherspark. (2019). Clima promedio en Neustadt in Holstein, Alemania. Retrieved August 5, 2019, from https://es.weatherspark.com/y/68479/Clima-promedio-en-Neustadt-in-Holstein-Alemania-durante-todo-el-año
White, M. A., Brunsell, N., & Schwartz, M. D. (2003). Vegetation phenology in global change studies. In Phenology: An integrative environmental science (pp. 453–466). Dordrecht: Springer, Dordrecht. https://doi.org/10.1007/978-94-007-0632-3_28
Distribución potencial de Lobesia botrana en Europa
108
Anexo 2
Superficie y porcentaje no hábitat y de incremento, pérdida y persistencia de
idoneidad ambiental para L. botrana en Europa previstos por el MNE para el
año 2050, considerando los escenarios de cambio climático RCP 4.5 y RCP
8.5. Solo se especifican aquellos países con regiones en las que el modelo
coincide para 15 o más GCM en su previsión y presentan un porcentaje igual o
superior al 30% en los efectos observados.
109
Cc
Paí
s/R
egió
nIn
crem
ento
Km
2I %
Pér
did
a_K
m2
L %
No
Hab
itat
Km
2N
H %
P
ersi
sten
cias
Km
2P
%T
ota
l Km
2P
aís/
Reg
ión
Incr
emen
to K
m2
I %P
érd
ida_
Km
2L
%N
o H
abit
at K
m2
NH
%
Per
sist
enci
as K
m2
P %
To
tal K
m2
Alb
ania
6472
.380
692
1362
22.9
7598
112
1253
.835
105
222
89.2
6287
34.
550
557.
3647
5A
lban
ia27
96.7
8914
658
84.6
9439
112
644.
4399
051
1.3
2517
.427
803
5.0
5055
7.36
475
WG
ID
ibër
1387
.309
127
3017
3.89
1774
54
19.5
2692
428
0.4
4659
.450
016
Dib
ër58
9.20
0570
313
69.1
2461
253
1.5
130.
1774
169
346
59.4
5001
6
Ale
man
ia26
7369
.87
3015
25.1
7729
40.
212
286.
2972
51
389.
1994
581
0.04
9057
87.0
233
Ale
man
ia12
1149
.888
613
4635
.941
233
0.5
268.
5680
868
0.03
9057
87.0
233
PD
OB
aden
-Wür
ttem
berg
3528
2.23
099
4323
66.7
6207
73
133.
0418
534
0.2
8199
1.71
988
Bad
en-W
ürtte
mbe
rg24
159.
9140
129
582.
4477
898
122
2.37
1677
10.
381
991.
7198
8
PD
OB
ayer
n96
725.
8489
5967
29.4
9468
14
1630
11.8
374
Bay
ern
6332
5.11
098
3935
07.2
4151
42.
222
.601
0579
50.
0116
3011
.837
4
Ren
ania
-Pal
atin
ado
1629
4.47
582
3431
.626
7260
40.
137
.407
0326
90.
147
705.
1321
Ren
ania
-Pal
atin
ado
2784
.141
233
647
705.
1321
PG
IS
chle
swig
-Hol
stei
n28
280.
3362
262
246.
1849
811
145
440.
9605
6S
chle
swig
-Hol
stei
n26
9.40
8061
145
440.
9605
6
Tur
ingi
a19
833.
6560
249
69.4
7403
546
0.2
4057
6.99
874
Tur
ingi
a84
25.0
6600
421
4057
6.99
874
Arm
enia
9844
.010
4119
9614
.923
211
1926
53.5
9179
75.
250
832.
2398
9A
rmen
ia53
35.7
2043
810
69.0
0682
461
0.1
1270
5.28
299
2542
89.6
2488
8.4
5083
2.23
989
Ere
ván
5.53
3707
171
123
7.39
7526
949
.248
2.70
1513
5E
revá
n2.
1224
7585
90.
416
.315
3251
83
325.
2322
079
67.4
482.
7015
135
Geg
hark
unik
3489
.395
611
4020
71.7
5631
2487
63.5
9861
9G
egha
rkun
ik13
48.6
5937
115
1937
.088
134
22.1
8763
.598
619
Sev
an0.
8344
2810
810
00.
8344
2810
8S
evan
0.83
4428
108
Au
stri
a41
290.
5352
722
3801
3.14
897
2112
9.42
3570
30.
118
3719
.735
1A
ust
ria
3912
9.83
755
2134
135.
0617
719
22.0
7690
061
0.01
1837
19.7
351
PD
ON
iede
röst
erre
ich
1430
3.49
437
3318
20.0
6067
443
270.
7709
1N
iede
röst
erre
ich
9422
.191
458
2287
3.01
4766
12
4327
0.77
091
PD
OO
berö
ster
reic
h11
648.
0749
144
4615
.010
222
1722
.076
9006
10.
126
738.
4976
6O
berö
ster
reic
h12
534.
8976
547
2490
.687
417
9.3
22.0
7690
061
0.1
2673
8.49
766
Aze
rbai
jan
9015
.891
516
674
28.6
4667
535
76.4
1371
42
5122
8.12
879
3514
7830
.474
9A
zerb
aija
n37
33.3
1833
342
732.
3774
929
3712
.066
325
2.5
2097
9.67
491
14.2
1478
30.4
749
Abs
hero
n84
.930
6525
71
6478
.852
671
61.3
1057
6.12
12A
bshe
ron
18.5
6371
208
0.2
4265
.377
606
40.3
187.
5369
246
219
55.8
3438
918
.510
576.
1212
Ara
n41
15.5
8895
711
1679
9.24
441
45.1
3721
7.21
568
Ara
n20
938.
6285
856
.315
4.52
3628
80.
452
06.6
2134
114
3721
7.21
568
Gan
ja-Q
azak
h23
35.4
5533
411
1226
.786
025
636
9.68
1863
265
42.7
1132
931
.220
947.
5761
7G
anja
-Qaz
akh
428.
1290
619
282
00.6
6165
239
.128
4.40
0676
71.
418
95.9
3831
9.1
2094
7.57
617
Lank
aran
10.8
9009
980.
146
5.44
2733
75
103.
7051
405
153
79.1
6585
558
.592
02.8
7720
3La
nkar
an10
.890
0998
0.1
442.
7919
587
515
8.66
5717
12
3322
.555
5636
.192
02.8
7720
3
Sha
ki-Z
aqat
ala
918.
8679
903
625
6.91
9557
82
334.
0031
943
250
84.0
7010
533
.115
375.
2179
7S
haki
-Zaq
atal
a56
6.17
4201
440
31.4
1120
426
.236
7.60
2599
82.
413
21.8
4297
39
1537
5.21
797
Yuk
hari-
Kar
abak
h72
4.50
8249
16
108.
4158
451
153
31.5
8320
843
1249
2.44
984
Yuk
hari-
Kar
abak
h20
1.23
7083
32
1288
.009
945
10.3
16.0
2818
698
0.1
2052
.010
828
16.4
1249
2.44
984
Bie
lorr
usi
a26
7605
.396
446
1668
7.19
725
358
4045
.742
1B
ielo
rru
sia
4168
92.7
311
7158
4045
.742
1
Bre
st87
155.
3115
110
087
187.
1757
9B
rest
4499
3.26
999
5287
187.
1757
9
Hom
yel'
7451
0.68
524
7010
6814
.637
6H
omye
l'10
0005
.240
194
1068
14.6
376
Gro
dno
5919
2.47
6484
7083
4.31
625
Gro
dno
5699
4.92
8070
834.
3162
5
Min
sk43
498.
5693
838
123.
1544
335
0.1
1142
13.3
117
Min
sk10
1220
.437
989
1142
13.3
117
Bél
gic
a11
083.
8711
115
64.9
2297
936
0.1
706.
4884
744
122
.776
5127
80.
0376
057.
7831
8B
élg
ica
3080
.706
074
23.0
9832
059
7605
7.78
318
PG
I/PD
OW
allo
nie
1108
3.87
111
3270
6.48
8474
42
22.7
7651
278
0.1
3438
4.32
531
Wal
loni
e30
80.7
0607
923
.098
3205
90.
134
384.
3253
1
Bo
snia
y H
erze
go
vin
a27
220.
4892
128
492.
0685
832
0.5
3104
.248
635
311
13.1
3962
81.
198
980.
6635
1B
osn
ia y
Her
zeg
ovi
na
1427
3.53
057
1414
15.9
8161
91.
494
3.52
5517
51.
029
00.5
7900
73
9898
0.66
351
Brč
•ko10
14.3
4255
Brč
•ko32
8.44
1540
732
.410
14.3
4255
WG
IF
eder
ació
n de
Bos
nia
y H
erze
govi
na14
871.
8434
230
492.
0685
832
125
12.4
8409
85
939.
3858
464
1.9
4962
9.28
414
Fed
erac
ión
de B
osni
a y
Her
zego
vina
9297
.719
122
1912
76.0
6471
63
800.
9620
306
210
11.6
8709
82.
049
629.
2841
4
Bu
lgar
ia14
008.
1571
57
79.3
5222
505
0.04
536.
3671
632
0.3
585.
3538
206
0.3
2076
23.2
6B
ulg
aria
5233
.084
423
75.4
9221
548
0.04
677.
4281
435
0.3
4314
0.62
063
2120
7623
.26
PD
OH
asko
vo95
90.6
5900
9H
asko
vo33
31.3
8302
935
9590
.659
009
Mon
tana
228.
4354
813
11.2
3053
343
0.2
7242
.959
387
Mon
tana
140.
4349
158
238
39.8
4748
953
7242
.959
387
Ple
ven
8743
.646
618
Ple
ven
8386
.987
524
9687
43.6
4661
8
Plo
vdiv
1068
.602
167
983
.240
0152
31
19.7
2434
272
0.2
1152
0.68
459
Plo
vdiv
358.
0649
918
366
.154
4370
91
4458
.035
258
3911
520.
6845
9
Rus
e54
60.8
7927
Rus
e21
53.4
159
39.4
5460
.879
27
Sm
olya
n21
60.6
0709
536
39.3
3277
805
159
52.9
6208
4S
mol
yan
691.
1860
751
1259
52.9
6208
4
Sta
ra Z
agor
a77
8.33
7065
18
9256
.748
641
Sta
ra Z
agor
a20
7.55
8281
82
3162
.621
714
34.2
9256
.748
641
Vra
tsa
92.5
2952
031
7250
.994
512
Vra
tsa
50.6
2357
675
156
79.4
6173
778
.372
50.9
9451
2
Cro
acia
1066
2.37
159
2339
.275
364
214
38.4
8024
81
2987
.704
847
311
3933
.041
6C
roac
ia85
91.9
2978
48
1310
.891
049
1.2
449.
6771
128
0.4
1748
7.20
738
15.3
1139
33.0
416
Šib
enik
-Kni
n36
0.66
4493
96
86.8
2265
294
276
.607
2237
51
607.
3112
6111
5601
.946
195
Šib
enik
-Kni
n22
9.94
1886
453
.917
1945
21
2580
.929
958
46.1
5601
.946
195
Istr
ia25
6.72
5472
34
16.6
8408
947
0.3
865.
2429
445
1558
01.5
3074
8Is
tria
28.5
2277
392
0.5
4399
.309
415
7658
01.5
3074
8
Lika
-Sen
j53
48.4
3002
650
62.3
7687
495
190
5.55
1450
49
1061
6.65
363
Lika
-Sen
j52
00.4
6098
849
325.
8608
203
3.1
616.
5290
359
610
616.
6536
3
Vuk
ovar
sko-
Srij
emsk
a48
35.5
8039
4V
ukov
arsk
o-S
rijem
ska
2982
.813
024
6248
35.5
8039
4
Zad
arsk
a12
24.7
6708
617
330.
8292
073
577
.577
1763
41
52.4
7498
101
173
26.0
0992
7Z
adar
ska
546.
3531
046
729
.718
9440
30.
424
97.4
2275
834
.173
26.0
0992
7
Din
amar
ca87
905.
0220
464
1103
.260
217
128
98.6
3424
32
1372
88.9
08D
inam
arca
7137
0.85
078
5265
.472
8319
10.
0513
7288
.908
Aar
hus
1290
6.38
374
8714
809.
7736
9A
arhu
s57
38.8
5143
839
1480
9.77
369
PG
IB
ornh
olm
1508
.315
655
8417
93.3
0602
5B
ornh
olm
696.
5333
407
3917
93.3
0602
5
PG
IF
ioni
a90
70.7
3953
184
1074
3.41
84F
ioni
a90
1.67
3156
38
1074
3.41
84
Jutla
ndia
Sep
tent
riona
l16
455.
9452
479
2079
0.37
694
Jutla
ndia
Sep
tent
riona
l15
783.
0887
176
2079
0.37
694
Rib
e84
33.0
4684
585
62.2
3105
174
198
80.4
7873
6R
ibe
7985
.709
642
8198
80.4
7873
6
Rin
gkøb
ing
8429
.388
789
5327
82.3
7847
718
1580
7.63
615
Rin
gkøb
ing
1286
5.30
394
8165
.472
8319
10.
415
807.
6361
5
Jutla
ndia
del
sur
1074
0.11
225
9111
744.
3222
8Ju
tland
ia d
el s
ur70
26.5
7513
460
1174
4.32
228
Vej
le61
69.0
0351
166
9392
.181
883
Vej
le79
24.5
7218
184
9392
.181
883
Vib
org
8658
.960
178
6454
.024
7135
20.
413
539.
2219
1V
ibor
g12
322.
5575
291
1353
9.22
191
Esl
ova
qu
ia37
505.
1931
133
8204
.955
118
711
2330
.581
7E
slo
vaq
uia
1736
7.77
174
1538
73.2
4789
83.
411
2330
.581
7
Ban
ská
Bys
tric
a91
80.5
3572
842
1409
.240
257
621
734.
6031
7B
ansk
á B
ystr
ica
2253
.826
1710
627.
1004
047
321
734.
6031
7
Koš
ický
65
45.8
1127
142
531.
7466
925
315
493.
3072
7K
ošic
ký
2084
.060
749
1362
.507
9209
50.
415
493.
3072
7
Pre
šov
1018
1.77
368
4921
53.6
5630
610
2085
7.39
045
Pre
šov
6131
.543
444
2978
5.31
9142
94
2085
7.39
045
Tre
ncia
nsky
5718
.646
876
5546
.914
8366
40.
510
415.
9134
Tre
ncia
nsky
2017
.756
159
1910
.245
0306
90.
110
415.
9134
Esl
ove
nia
8511
.869
719
2112
.839
9857
10.
0334
21.1
0745
58
247.
7223
731
141
452.
3060
7E
slo
ven
ia44
09.2
0658
711
2937
.803
503
7.1
1260
.670
222
341
452.
3060
7
PD
OG
oris
ka
1622
.796
981
3468
1.95
5732
914
4720
.612
314
Gor
iska
47
2.81
7840
210
896.
0866
755
1943
6.40
3254
69.
247
20.6
1231
4
Kor
oška
1250
.697
781
5753
1.90
5417
824
2192
.207
561
Kor
oška
1012
.971
468
4624
7.06
5394
711
.321
92.2
0756
1
Not
ranj
sko-
kraš
ka12
37.3
5364
842
139.
4834
761
529
65.2
6793
1N
otra
njsk
o-kr
aška
286.
0603
5710
2965
.267
931
PD
OO
baln
o-kr
aška
48.5
5222
091
312
.839
9857
11
175.
8461
649.
119
25.8
5540
6O
baln
o-kr
aška
671.
0032
579
3519
25.8
5540
6
Tra
yect
orí
a d
e co
nce
ntr
ació
n r
epre
sen
tati
va 4
.5 (
Lo
bes
ia b
otr
ana
)T
raye
cto
ría
de
con
cen
trac
ión
rep
rese
nta
tiva
RC
P 8
.5 (
Lo
bes
ia b
otr
ana
)
110
CcPa
ís/Re
gión
Incre
ment
o Km2
I %Pé
rdid
a_Km
2L %
No H
abita
t Km2
NH %
Pe
rsist
encia
s Km2
P %
Tota
l Km2
País/
Regi
ónInc
reme
nto K
m2I %
Pérd
ida_
Km2
L %No
Hab
itat K
m2NH
%
Pers
isten
cias K
m2P
%To
tal K
m2
Tray
ecto
ría de
conc
entra
ción
repr
esen
tativ
a 4.5
(Lob
esia
botra
na)
Tray
ecto
ría de
conc
entra
ción
repr
esen
tativ
a RC
P 8.5
(Lob
esia
botra
na)
Est
on
ia12
853.
1066
68
1140
0.16
788
716
7482
.802
2E
sto
nia
1512
15.5
445
9016
7482
.802
2
Har
ju66
7.79
7943
34
1657
3.20
04H
arju
1513
6.98
713
9116
573.
2004
Hiiu
3064
.263
241
7938
55.4
2223
1H
iiu30
64.2
6324
179
3855
.422
231
Ida-
Viru
2411
.172
606
1912
589.
8171
9Id
a-V
iru12
150.
3295
297
1258
9.81
719
Järv
a12
36.5
5398
413
9803
.383
975
Järv
a82
22.9
5356
8498
03.3
8397
5
Jõge
va28
.417
6358
60.
396
10.8
7993
Jõge
va95
42.3
8935
9996
10.8
7993
Lään
e17
05.6
4433
1990
49.3
2514
Lään
e81
94.7
9825
991
9049
.325
14
Lään
e-V
iru36
70.4
9780
928
1328
8.37
749
Lään
e-V
iru90
98.6
7393
868
1328
8.37
749
Pär
nu11
5.49
0260
31
1743
6.74
4P
ärnu
1712
9.38
596
9817
436.
744
Põl
va47
1.63
4613
46
7697
.437
942
Põl
va68
87.4
1821
589
7697
.437
942
Pei
psi
11.5
6059
535
0.2
6501
.491
951
Pei
psi
6494
.513
299
100
6501
.491
951
Rap
la11
129.
9735
7R
apla
1112
9.97
357
100
1112
9.97
357
Saa
re79
67.7
0883
175
1065
3.27
109
Saa
re88
08.8
0495
683
1065
3.27
109
Tar
tu5.
5146
8652
60.
0511
805.
2714
4T
artu
1174
6.06
553
9911
805.
2714
4
Võr
u26
85.5
9299
834
7979
.882
99V
õru
5109
.420
882
6479
79.8
8299
Val
ga21
1.42
5007
43
7162
.364
539
Val
ga61
90.6
3247
686
7162
.364
539
Vilja
ndi
1234
5.95
835
Vilja
ndi
1230
8.93
464
100
1234
5.95
835
Esp
aña
2609
7.05
117
398
334.
6775
211
7450
.765
699
115
1218
.859
917
.486
8173
.441
6E
spañ
a10
239.
8641
21
1350
48.3
509
1666
90.1
1753
11
1996
23.9
477
23.0
8681
73.4
416
PG
I/PD
OA
ragó
n51
92.0
6847
86
574.
3409
905
152
86.4
0285
36.
284
947.
0412
2A
ragó
n14
94.8
8380
82
1482
.529
907
229
036.
3509
234
.284
947.
0412
2
PD
OC
astil
la y
Leó
n10
803.
8605
66
553.
6857
377
0.3
1369
2.16
789
8.1
1688
45.9
173
Cas
tilla
y L
eón
4433
.826
574
335
7.75
8024
50.
217
0.72
1736
10.
153
326.
6685
532
1688
45.9
173
PG
I/PD
OC
astil
la-L
a M
anch
a12
7.72
1805
10.
142
4.38
2247
80.
359
614.
0401
945
1334
41.1
028
Cas
tilla
-La
Man
cha
1376
7.01
188
1053
887.
1493
840
.413
3441
.102
8
PD
OC
omun
idad
de
Mad
rid26
0.78
9040
82
5104
.967
967
3713
844.
2101
6C
omun
idad
de
Mad
rid24
.192
8832
40.
212
2.80
9245
188
88.3
8381
464
.213
844.
2101
6
PG
I/PD
OE
xtre
mad
ura
69.6
0425
314
0.1
7826
.590
2811
3053
6.15
039
44.2
6914
3.03
975
Ext
rem
adur
a5.
8873
7854
70.
0146
354.
8958
267
8002
.323
223
11.6
6914
3.03
975
Fin
lan
dia
2882
03.7
401
4268
7184
.107
4F
inla
nd
ia83
264.
7833
312
4149
49.0
493
60.4
6871
84.1
074
Fin
land
ia m
erid
iona
l63
496.
6358
966
9694
0.93
888
Fin
land
ia m
erid
iona
l30
008.
6966
831
7641
.132
218
896
940.
9388
8
Fra
nci
a70
118.
0240
76
2753
.706
110.
211
240.
2410
21
4022
.890
653
0.3
1161
525.
715
Fra
nci
a37
500.
4873
314
77.8
2302
60.
184
40.5
2017
81
1895
3.38
269
211
6152
5.71
5
PG
IA
uver
nia
1578
3.02
361
3040
5.40
6577
120
.809
9551
60.
0453
400.
7380
5A
uver
nia
6878
.309
557
1362
.298
6304
80.
153
400.
7380
5
Geo
rgia
1719
6.45
727
1422
46.8
7694
32
9622
.551
58
1525
6.08
565
1212
6815
.514
4G
eorg
ia98
28.6
4789
98
7819
.097
046
610
327.
6744
48.
115
516.
3611
312
.212
6815
.514
4
WG
IK
akhe
ti10
97.0
1365
65
57.5
7323
617
0.3
437.
9849
281
273
39.0
6254
735
.520
664.
7061
6K
akhe
ti12
49.3
8557
26
2828
.506
683
1434
2.76
6437
72
5567
.167
3127
2066
4.70
616
Tbi
lisi
312.
9067
368
74.1
422.
3650
683
Tbi
lisi
184.
8122
264
4442
2.36
5068
3
Irlan
da
7589
.702
935
460
392.
7706
3119
4868
.051
6Irl
and
a10
5197
.089
154
3005
9.97
488
15.4
1948
68.0
516
Car
low
3.37
1288
257
0.1
262.
9031
916
927
72.7
2072
1C
arlo
w24
46.6
8846
588
26.6
4794
955
127
72.7
2072
1
Cav
an39
37.0
2049
370
5611
.503
862
Cav
an27
20.1
8541
4871
2.40
7855
813
5611
.503
862
Cla
re18
84.1
9612
921
452.
1087
624
590
59.3
7777
1C
lare
7423
.306
013
8248
.841
4964
40.
590
59.3
7777
1
Cor
k30
0.32
0412
81
3608
.451
7918
2035
5.18
616
Cor
k11
230.
6561
555
3168
.400
729
1620
355.
1861
6
Dub
lin49
.005
0524
22
34.6
6151
597
124
92.6
2774
8D
ublin
2147
.146
236
8632
.926
0622
71.
324
92.6
2774
8
Gal
way
1.66
5915
301
0.01
3073
.038
766
1817
536.
8013
9G
alw
ay10
526.
1081
160
687.
3957
333
417
536.
8013
9
Kild
are
101.
1633
408
250
05.6
4504
7K
ildar
e48
98.6
5758
798
5005
.645
047
Kilk
enny
458.
1171
288
884
7.13
9802
615
5480
.807
336
Kilk
enny
4799
.897
097
8854
80.8
0733
6
Laoi
s80
5.49
9125
618
4532
.248
441
Laoi
s38
18.4
8300
884
68.3
3150
225
1.5
4532
.248
441
Lim
eric
k26
29.1
5249
836
290.
6322
382
472
50.8
1499
3Li
mer
ick
6492
.245
982
9021
.033
8049
60.
372
50.8
1499
3
Long
ford
1024
.365
308
3231
61.2
1853
8Lo
ngfo
rd21
31.8
4688
367
3161
.218
538
Lout
h14
9.98
7849
26
2438
.869
528
Lout
h19
85.8
4122
581
25.0
3177
241
1.0
2438
.869
528
Mea
th42
5.94
3852
87
6269
.456
77M
eath
6033
.282
807
9662
69.4
5677
Mon
agha
n28
52.4
0233
875
3817
.290
634
Mon
agha
n22
63.8
7767
859
43.6
0494
209
1.1
3817
.290
634
Offa
ly40
2.43
3193
852
60.4
1913
4O
ffaly
4798
.691
684
9110
7.51
3881
52
5260
.419
134
Ros
com
mon
3973
.199
972
5572
67.6
2826
4R
osco
mm
on30
60.0
0838
142
71.1
8708
598
172
67.6
2826
4
Tip
pera
ry80
.575
0862
117
65.8
0981
615
1205
9.62
258
Tip
pera
ry10
500.
9698
787
161.
2715
948
1.3
1205
9.62
258
Wat
erfo
rd92
7.29
2029
919
548.
1507
203
1149
00.1
5317
8W
ater
ford
3789
.975
747
7721
9.49
7913
54.
549
00.1
5317
8
Wes
tmea
th95
0.63
9715
818
5327
.569
867
Wes
tmea
th44
87.8
4811
784
5327
.569
867
Wex
ford
1128
.861
278
1939
.710
1598
11
6014
.995
14W
exfo
rd54
57.4
0243
791
6014
.995
14
Wic
klow
127.
1461
159
218
53.3
4350
536
5209
.340
033
Wic
klow
2475
.982
587
4889
9.55
3272
217
.352
09.3
4003
3
Italia
2424
8.45
688
444
936.
3343
814
522.
0814
43
6170
1.78
233
1155
8956
.813
1Ita
lia11
383.
7222
92
4117
2.65
356
715
525.
0992
83
1407
28.4
433
25.2
5589
56.8
131
PG
I/PD
OE
milia
-Rom
aña
2275
.754
692
512
4.73
1939
0.3
101.
8884
659
0.2
1372
5.40
637
3243
354.
0535
5E
milia
-Rom
aña
362.
5522
386
121
.204
0608
70.
0526
617.
3387
361
.443
354.
0535
5
PG
I/PD
OF
riuli-
Ven
ecia
Jul
ia19
47.0
1600
212
18.8
6816
368
0.1
1768
.272
962
1174
.454
7143
20.
516
203.
8682
8F
riuli-
Ven
ecia
Jul
ia10
94.1
3190
37
1801
.728
846
11.1
4889
.578
798
30.2
1620
3.86
828
PG
I/PD
OLa
cio
862.
6448
935
311
91.5
5787
64
148.
5192
941
0.5
6230
.017
014
2031
095.
3242
9La
cio
205.
3370
817
139
81.7
5498
413
39.8
8543
717
0.1
9260
.143
444
3031
095.
3242
9
PG
I/PD
OLo
mba
rdia
3124
.541
813
621
53.3
2247
64
1832
.212
151
448
543.
9974
6Lo
mba
rdia
2132
.833
014
421
55.6
8387
14.
422
120.
5915
846
4854
3.99
746
PG
I/PD
OM
arca
s17
8.46
2526
21
295.
1097
005
291
.410
1481
71
1313
.870
093
7.2
1828
1.92
026
Mar
cas
107.
2394
319
18.
6459
4018
60.
0510
204.
6022
856
1828
1.92
026
PG
I/PD
OT
osca
na12
90.8
1100
13
273.
4665
685
124
5.06
2829
11
4568
.745
229
10.5
4354
2.81
969
Tos
cana
296.
9185
021
118
7.68
9152
30.
410
1.46
8640
90.
216
044.
1668
637
4354
2.81
969
PG
I/PD
OV
énet
o20
23.0
2049
16
184.
5213
743
122
10.3
8188
16
9341
.306
542
2636
522.
7636
9V
énet
o12
04.9
2170
73
2414
.437
009
721
846.
4848
760
3652
2.76
369
Let
on
ia45
600.
5348
321
1457
3.92
127
721
5375
.49
Let
on
ia16
8209
.345
578
2153
75.4
9
Kur
zem
e79
04.6
9508
917
1176
.024
914
345
311.
8962
1K
urze
me
4132
6.10
994
9145
311.
8962
1
Latg
ale
2013
.884
825
447
826.
6665
Latg
ale
2298
5.35
747
4847
826.
6665
Rig
a17
456.
1584
550
7.68
4103
596
0.02
3491
3.58
69R
iga
3381
5.26
383
9734
913.
5869
Vid
zem
e11
373.
9673
422
5204
3.85
179
Vid
zem
e34
944.
3463
467
5204
3.85
179
Zem
gale
2023
9.68
129
572.
3600
8664
50.
0135
279.
4885
9Z
emga
le35
138.
2679
210
035
279.
4885
9
111
CcPa
ís/Re
gión
Increm
ento
Km2
I %Pé
rdida
_Km2
L %No
Habit
at Km
2NH
%
Persi
stenc
ias Km
2P %
Total
Km2
País/
Regió
nInc
remen
to Km
2I %
Pérdi
da_K
m2L %
No Ha
bitat
Km2
NH %
Pe
rsiste
ncias
Km2
P %To
tal Km
2
Tray
ector
ía de
conc
entra
ción r
epres
entat
iva 4.
5 (Lo
besia
botra
na)
Tray
ector
ía de
conc
entra
ción r
epres
entat
iva R
CP 8.
5 (Lo
besia
botra
na)
Liec
hten
stei
n97
.662
0106
629
30.5
6012
131
933
5.49
6469
2Li
echt
enst
ein
43.6
5792
413
43.5
1265
146
1333
5.49
6469
2
Esch
en13
.772
2083
562
0.05
9727
782
0.3
22.0
9193
097
Esch
en2.
8903
3023
513
0.05
9727
782
0.3
22.0
9193
097
Mau
ren
16.5
2602
251
100
16.5
2602
251
Mau
ren
10.7
5406
8965
16.5
2602
251
Plan
ken
4.81
3494
504
362.
9967
8135
123
13.1
9342
608
Plan
ken
3.02
8578
748
232.
9967
8135
123
13.1
9342
608
Rug
gell
15.4
0991
064
100
15.4
0991
064
Rug
gell
7.36
6502
047
4815
.409
9106
4
Scha
an21
.492
7758
736
10.5
1059
325
1859
.796
6747
6Sc
haan
0.83
1547
852
111
.988
2630
520
59.7
9667
476
Sche
llenb
erg
7.85
8674
529
100
7.85
8674
529
Sche
llenb
erg
6.60
3008
0684
7.85
8674
529
Litu
ania
1511
50.1
778
7610
8.45
4541
30.
120
0114
.831
8Li
tuan
ia19
1824
.376
9620
0114
.831
8
Šau
liai
2602
8.46
749
9427
619.
9557
4 Š
aulia
i27
619.
9557
410
027
619.
9557
4
Alyt
aus
1641
6.02
488
100
1641
6.02
488
Alyt
aus
1481
5.28
071
9016
416.
0248
8
Kaun
as24
790.
4363
100
2483
6.09
184
Kaun
as24
558.
2669
599
2483
6.09
184
Klai
pedo
s52
98.2
9910
431
82.1
6275
357
0.5
1685
5.93
322
Klai
pedo
s12
995.
7273
577
1685
5.93
322
Mar
ijam
pole
s13
111.
2646
199
1324
3.27
417
Mar
ijam
pole
s13
243.
2741
710
013
243.
2741
7
Pane
vezi
o20
827.
3143
8424
852.
9281
9Pa
neve
zio
2485
2.92
819
100
2485
2.92
819
Taur
ages
8729
.712
197
7411
770.
6058
3Ta
urag
es11
770.
6058
310
011
770.
6058
3
Ute
nos
9210
.436
835
4221
874.
6510
6U
teno
s21
787.
7324
210
021
874.
6510
6
Viln
iaus
2325
9.92
315
7929
389.
0720
1Vi
lnia
us29
237.
4915
999
2938
9.07
201
Luxe
mbu
rgo
1832
.818
6130
6166
.459
439
Luxe
mbu
rgo
6166
.459
439
Die
kirc
h18
32.8
1861
6627
60.8
3827
8D
ieki
rch
100.
010
0.0
Mac
edon
ia96
42.2
8427
122
975.
6951
623
230
33.1
0969
96.
944
258.
8979
8M
aced
onia
4425
.798
155
1013
2.96
9161
90.
370
1.65
7845
21.
614
062.
2401
732
4425
8.89
798
Mac
edon
ia o
rient
al38
8.29
1521
85
26.9
5320
575
0.4
39.3
7537
455
0.5
7319
.212
008
Mac
edon
ia o
rient
al60
.120
4988
91
2171
.381
751
3073
19.2
1200
8
Skop
ie23
9.55
5227
77
14.5
7583
186
0.5
19.7
8957
107
132
10.7
7564
7Sk
opie
66.5
2239
071
250
.546
5285
212
08.7
5928
138
3210
.775
647
Mol
davi
a33
344.
5477
546
7301
1.81
982
Mol
davi
a52
59.0
6418
97
78.8
6346
271
0.1
7301
1.81
982
WG
IBa
lti21
9.35
0070
310
021
9.35
0070
3Ba
lti21
9.35
0070
3
Bric
eni
1921
.511
569
9919
46.8
8868
3Br
icen
i57
0.50
0465
2919
46.8
8868
3
WG
IC
alar
asi
1182
.376
104
7216
37.8
3830
4C
alar
asi
1637
.838
304
Don
duse
ni18
95.3
4089
100
1895
.340
89D
ondu
seni
1331
.637
406
7018
95.3
4089
Dro
chia
1685
.638
945
100
1685
.638
945
Dro
chia
151.
9498
633
916
85.6
3894
5
Edin
et19
68.7
0286
697
2025
.505
797
Edin
et10
83.2
1688
853
2025
.505
797
WG
IFa
lest
i22
96.2
8543
192
2484
.739
062
Fale
sti
2484
.739
062
Flor
esti
2421
.526
651
9824
59.8
5897
4Fl
ores
ti11
7.56
9140
55
2459
.858
974
Glo
deni
1714
.994
027
9917
31.5
8655
1G
lode
ni17
31.5
8655
1
WG
IN
ispo
reni
880.
9940
071
5017
53.7
8247
8N
ispo
reni
4.73
7179
104
0.3
1753
.782
478
Ocn
ita14
84.2
2644
710
014
84.2
2644
7O
cnita
1200
.547
262
8114
84.2
2644
7
WG
IO
rhei
1181
.094
564
5023
46.3
2306
6O
rhei
81.7
5547
585
323
46.3
2306
6
Rîș
cani
2259
.445
274
9822
95.4
3817
6R
îșca
ni28
0.04
3807
112
2295
.438
176
Rez
ina
1451
.904
1694
1545
.367
055
Rez
ina
75.6
2694
105
515
45.3
6705
5
WG
ISî
nger
ei19
98.5
9451
592
2170
.805
841
Sîng
erei
2170
.805
841
WG
ISo
ldan
esti
1226
.900
392
100
1226
.900
392
Sold
anes
ti88
.531
6730
67
1226
.900
392
Soro
ca18
88.6
1094
810
018
88.6
1094
8So
roca
139.
2141
283
718
88.6
1094
8
WG
ISt
rase
ni62
7.32
1011
942
1492
.030
395
Stra
seni
59.5
2170
764
414
92.0
3039
5
WG
ITe
lene
sti
808.
2436
513
9981
6.32
6087
8Te
lene
sti
1.61
8615
269
0.2
816.
3260
878
Tran
snis
tria
2732
.287
003
3675
54.1
4374
1Tr
ansn
istri
a68
.958
2973
51
7554
.143
741
WG
IU
nghe
ni92
3.24
7238
839
2396
.847
837
Ung
heni
2396
.847
837
Mon
tene
gro
9734
.115
729
3915
84.6
2521
76
2888
.473
496
1262
7.30
4089
52.
524
677.
3393
Mon
tene
gro
6138
.630
615
2559
4.31
7145
52
527.
6414
722.
161
0.16
2624
82.
524
677.
3393
Andr
ijevi
ca22
2.12
5094
842
161.
6237
762
3053
2.89
2365
6An
drije
vica
98.8
8174
441
192.
1381
4550
20.
453
2.89
2365
6
Bera
ne71
1.59
5419
557
129.
0297
324
1012
54.4
4580
5Be
rane
364.
6975
343
2915
.115
1103
71.
212
54.4
4580
5
Bije
lo P
olje
760.
6754
029
5114
87.6
1282
2Bi
jelo
Pol
je45
5.85
0600
431
1487
.612
822
Cet
iñe
631.
7499
869
3714
0.63
8151
48
98.1
0626
045
616
97.1
3137
2C
etiñ
e 33
.365
3648
92
51.1
0496
441
312
5.82
2370
87.
416
97.1
3137
2
Kola
šin
644.
0179
9742
361.
8135
631
2440
.196
0782
33
1533
.933
107
Kola
šin
499.
0320
644
3350
.032
9672
13.
339
.961
4038
72.
615
33.9
3310
7
Moj
kova
c31
6.33
4617
249
109.
1926
934
1764
8.83
4391
9M
ojko
vac
181.
2921
6328
18.9
4497
841
364
8.83
4391
9
Nik
šic
1907
.916
554
5234
8.60
4517
810
16.9
1505
547
0.5
3653
.979
551
Nik
šic
1026
.010
194
2813
.238
5600
30.
40.
7044
8246
30.
0236
53.9
7955
1
Plav
261.
6510
047
3419
2.01
8456
125
768.
3361
903
Plav
196.
7370
058
2664
.310
6845
58.
476
8.33
6190
3
Plje
vlja
1916
.129
888
7683
.770
3752
43
2510
.292
94Pl
jevlj
a11
51.1
1070
346
16.7
6562
227
125
10.2
9294
Pluž
ine
810.
7673
677
4725
8.32
0145
515
1723
.491
482
Pluž
ine
617.
4223
354
3615
1.58
3479
49
1723
.491
482
Rož
aje
437.
6205
883
6439
.117
7634
36
687.
5190
708
Rož
aje
343.
0537
3350
35.9
0254
919
5.2
687.
5190
708
Žabl
jak
158.
3637
285
2023
5.26
0647
929
806.
6849
137
Žabl
jak
321.
3529
287
4039
.382
9229
65
806.
6849
137
País
es B
ajos
5490
7.19
171
2817
84.9
0529
81
1936
77.4
103
País
es B
ajos
1936
77.4
103
PGI
Dre
nte
1242
5.77
525
8514
571.
6061
3D
rent
e14
571.
6061
3
PGI
Flev
olan
da29
33.2
3340
137
36.2
1844
256
0.5
7900
.973
929
Flev
olan
da79
00.9
7392
9
PGI
Fris
ia18
093.
6145
591
1978
5.65
723
Fris
ia19
785.
6572
3
PGI
Gro
ning
a 78
62.1
2513
458
140.
6682
018
113
549.
2181
2G
roni
nga
1354
9.21
812
PGI
Hol
anda
Sep
tent
riona
l80
98.2
6854
152
155.
5960
574
115
509.
9105
Hol
anda
Sep
tent
riona
l15
509.
9105
112
Cc
País
/Reg
ión
Incr
emen
to K
m2
I %Pé
rdid
a_K
m2
L %
No
Hab
itat K
m2
NH
%
Pers
iste
ncia
s K
m2
P %
Tota
l Km
2Pa
ís/R
egió
nIn
crem
ento
Km
2I %
Pérd
ida_
Km
2L
%N
o H
abita
t Km
2N
H %
Pe
rsis
tenc
ias
Km
2P
%To
tal K
m2
Tray
ecto
ría d
e co
ncen
trac
ión
repr
esen
tativ
a 4.
5 (L
obes
ia b
otra
na)
Tray
ecto
ría d
e co
ncen
trac
ión
repr
esen
tativ
a R
CP
8.5
(Lob
esia
bot
rana
)
Po
lon
ia6
24
81
1.8
56
76
64
9.7
14
17
50
.17
28
8.6
99
39
11
25
.31
34
51
86
0.0
03
82
59
14
.36
94
Po
lon
ia1
64
68
2.5
11
22
02
15
4.5
74
29
30
.38
25
91
4.3
69
4
Gra
n P
olo
nia
24
58
5.3
97
76
31
78
86
7.9
80
52
Gra
n P
olo
nia
12
.78
27
03
08
0.0
27
88
67
.98
05
2
Vo
ivo
dato
de
Cuy
avi
a y
Po
me
rani
a4
75
01
.03
25
59
74
89
21
.07
01
1V
oiv
oda
to d
e C
uya
via
y P
om
era
nia
24
8.0
40
46
47
14
89
21
.07
01
1
Ló
dz4
42
62
.73
24
93
47
75
0.1
44
11
Ló
dz3
6.6
92
73
83
40
.14
77
50
.14
41
1
Vo
ivo
dato
de
Pe
que
ña
Po
loni
a2
75
38
.91
85
57
52
44
4.3
40
04
17
36
51
3.2
39
01
Vo
ivo
dato
de
Pe
que
ña
Po
loni
a9
30
9.9
85
73
25
11
18
.82
73
25
3.1
36
51
3.2
39
01
Vo
ivo
dato
de
Ba
ja S
ilesi
a2
71
97
.69
89
85
61
48
1.4
66
80
33
48
88
6.8
74
87
Vo
ivo
dato
de
Ba
ja S
ilesi
a7
78
2.0
43
43
71
65
38
.79
49
89
41
.14
88
86
.87
48
7
Lub
lin6
26
76
.82
45
11
00
62
67
6.8
24
51
Lub
lin3
01
1.0
88
98
95
62
67
6.8
24
51
Ma
sovi
an
92
41
1.3
38
47
99
93
29
0.3
38
59
Ma
sovi
an
23
03
1.3
77
33
25
93
29
0.3
38
59
Opo
le1
04
19
.91
09
84
62
25
23
.04
59
3O
pole
24
.12
86
46
66
0.1
22
52
3.0
45
93
Po
dla
chia
n5
94
82
.84
40
79
96
01
18
.78
06
4P
odl
ach
ian
24
44
5.9
04
99
41
60
11
8.7
80
64
Po
me
rani
an
44
71
4.4
50
24
84
21
1.9
41
64
01
0.4
52
99
6.5
05
47
Po
me
rani
an
25
39
0.6
16
22
48
52
99
6.5
05
47
Sile
sia
25
81
1.8
82
42
87
67
3.7
52
33
19
22
95
33
.95
96
9S
ilesi
a2
26
6.5
07
58
28
36
5.6
42
44
94
1.2
29
53
3.9
59
69
Sub
carp
ath
ian
30
99
8.9
63
33
73
26
89
.14
02
15
64
27
54
.56
83
1S
ubca
rpa
thia
n1
21
92
.14
57
62
91
31
.30
95
28
90
.34
27
54
.56
83
1
Sw
ieto
krzy
skie
27
37
9.7
40
24
94
29
05
3.9
50
12
Sw
ieto
krzy
skie
75
25
.32
82
98
26
29
05
3.9
50
12
Vo
ivo
dato
de
Va
rmia
y M
asu
ria
64
84
9.8
50
68
95
68
28
5.8
48
Vo
ivo
dato
de
Va
rmia
y M
asu
ria
41
49
1.9
05
71
61
68
28
5.8
48
Vo
ivo
dato
de
Po
me
rani
a O
ccid
ent
al
34
31
5.4
90
05
51
43
7.7
72
53
49
12
5.3
13
45
18
60
.04
66
72
0.9
41
54
Vo
ivo
dato
de
Po
me
rani
a O
ccid
ent
al
79
13
.96
26
52
12
66
72
0.9
41
54
Po
rtu
ga
l9
68
.34
62
84
71
71
89
2.2
40
61
47
49
86
.21
31
76
31
29
04
.44
65
8.4
15
45
00
.51
1P
ort
ug
al
16
90
.74
98
44
18
10
35
.31
17
85
24
32
4.9
34
13
33
16
00
0.6
46
73
10
.41
54
50
0.5
11
PG
I/PD
OB
raga
75
.46
68
84
06
22
50
.65
70
50
75
28
4.4
64
90
46
61
31
2.5
58
83
12
7.3
48
14
.44
30
69
Bra
ga2
09
.36
43
04
54
10
84
.55
80
02
23
26
7.8
75
39
51
62
30
6.3
04
66
54
84
81
4.4
43
06
9
PG
I/PD
OP
ort
o1
9.5
07
34
24
50
.51
88
.14
18
85
15
13
4.9
71
92
38
31
45
3.0
44
88
53
54
10
6.0
45
14
1P
ort
o1
9.5
07
34
24
50
.51
19
7.2
60
86
92
91
36
.77
35
54
13
.31
20
3.1
25
97
92
9.3
41
06
.04
51
41
PG
I/PD
OV
ise
u2
74
.44
22
94
63
19
.43
26
90
40
.22
30
9.1
72
73
62
6.5
87
17
.17
59
92
Vis
eu
10
3.7
56
78
75
11
26
1.4
13
23
31
44
29
1.5
32
54
14
9.2
87
17
.17
59
92
Re
pu
bli
ca
Ch
ec
a1
20
70
0.6
47
46
48
63
6.0
53
83
65
18
76
83
.27
73
Re
pu
bli
ca
Ch
ec
a6
97
36
.01
92
33
73
36
1.0
94
23
92
18
76
83
.27
73
PD
OÚ
stí n
ad
La
bem
76
93
.27
98
31
58
15
43
.84
08
79
12
13
20
6.2
96
42
Úst
í na
d L
abe
m3
46
8.5
79
83
32
62
16
.73
31
12
42
13
20
6.2
96
42
Jiho
cesk
ý 1
69
13
.47
33
73
12
11
.35
22
32
52
32
21
.35
47
3Ji
hoce
ský
83
86
.66
86
43
62
29
.69
82
07
91
23
22
1.3
54
73
PD
OJi
hom
ora
vský
5
09
4.3
40
00
63
11
65
37
.02
44
2Ji
hom
ora
vský
1
61
0.0
27
60
61
01
65
37
.02
44
2
Ka
rlova
rský
4
73
8.6
41
55
85
71
44
9.7
92
44
11
88
27
6.6
44
67
5K
arlo
vars
ký
57
32
.49
97
54
69
43
6.0
87
31
07
5.3
82
76
.64
46
75
Krá
lové
hra
deck
ý 8
59
3.9
27
70
37
39
21
.66
29
73
98
11
82
6.8
83
11
Krá
lové
hra
deck
ý 4
88
2.6
00
85
14
17
92
.99
74
99
76
.71
18
26
.88
31
1
Re
gió
n de
Vys
oči
na1
55
59
.15
74
49
42
2.6
78
73
83
10
.11
65
77
.09
56
5R
egi
ón
de V
yso
čina
11
62
2.6
30
15
70
16
57
7.0
95
65
Lib
ere
cký
44
98
.94
51
14
58
11
04
.09
48
51
14
78
03
.48
88
32
Lib
ere
cký
22
29
.30
23
63
29
38
9.0
09
41
19
57
80
3.4
88
83
2
Mo
ravs
kosl
ezs
ký
95
19
.48
48
88
74
57
3.5
40
58
57
41
28
79
.67
53
7M
ora
vsko
sle
zský
4
56
5.1
33
13
13
53
68
.78
57
47
23
12
87
9.6
75
37
Olo
mo
ucký
7
35
1.3
12
18
66
16
24
.19
53
37
65
12
06
9.1
39
37
Olo
mo
ucký
4
14
1.1
95
42
43
44
93
.76
23
18
74
.11
20
69
.13
93
7
Pa
rdub
ice
96
72
.84
53
81
90
10
5.0
55
43
72
11
07
13
.89
41
6P
ard
ubic
e4
94
7.3
96
86
24
67
5.9
45
92
71
51
10
71
3.8
94
16
Pils
en
15
83
7.1
04
97
88
97
9.2
30
83
96
51
79
27
.47
96
2P
ilse
n1
23
04
.25
01
66
93
35
.47
36
45
52
17
92
7.4
79
62
Str
edo
cesk
ý 9
67
7.2
13
59
63
72
61
07
.53
19
7S
tre
doce
ský
39
88
.48
61
67
15
26
10
7.5
31
97
Zlín
ský
55
50
.92
14
16
59
10
0.6
09
52
09
19
35
3.9
28
81
6Z
línsk
ý1
85
7.2
48
29
22
02
2.6
01
05
79
50
.29
35
3.9
28
81
6
Ru
ma
nia
14
82
69
.59
65
30
86
.28
87
35
19
0.0
22
06
81
.52
67
84
11
94
.29
70
53
0.2
48
97
71
.73
05
Ru
ma
nia
73
08
4.3
05
15
94
35
.07
47
63
24
01
86
.40
09
48
.24
89
77
1.7
30
5
PD
OA
lba
62
64
.83
38
14
48
30
9.0
35
78
88
21
29
74
.17
75
7A
lba
25
42
.37
55
18
20
15
7.8
87
64
81
1.2
12
97
4.1
77
57
Arg
eș
43
83
.14
07
24
32
77
4.0
42
12
76
13
62
5.2
55
6A
rge
ș2
05
1.2
86
61
61
51
09
1.3
75
29
98
13
62
5.2
55
6
PD
OB
acă
u8
84
8.0
22
99
86
45
76
.19
43
40
34
13
88
1.0
98
93
Ba
cău
22
94
.52
69
21
71
95
.72
29
65
51
.41
38
81
.09
89
3
PD
OB
istr
ița-N
ăsă
ud7
05
3.7
60
98
56
11
46
4.9
74
26
51
31
15
71
.96
79
2B
istr
ița-N
ăsă
ud5
02
0.8
60
43
54
35
76
.75
11
40
55
11
57
1.9
67
92
Bo
toșa
ni1
08
95
.09
92
59
91
10
33
.02
95
5B
oto
șani
79
8.3
11
98
42
71
10
33
.02
95
5
Bra
șov
87
24
.40
19
26
79
80
6.7
83
10
09
71
09
84
.56
49
4B
rașo
v7
08
8.1
78
27
36
53
46
.04
61
17
23
.21
09
84
.56
49
4
Buc
hare
st4
71
.90
12
21
5B
ucha
rest
17
2.8
25
41
33
74
71
.90
12
21
5
Ca
raș-
Se
veri
n5
06
1.9
07
93
30
39
1.1
42
47
48
22
0.9
65
01
22
70
.11
70
69
.83
35
8C
ara
ș-S
eve
rin
22
56
.86
96
67
13
45
4.1
35
92
45
31
.32
73
16
95
50
.01
17
06
9.8
33
58
Clu
j9
58
8.2
83
60
56
84
73
.38
00
07
13
14
19
5.8
98
24
Clu
j1
60
2.3
31
42
81
11
12
.42
20
83
41
14
19
5.8
98
24
Co
vasn
a4
64
0.2
07
47
61
81
2.4
40
20
58
11
76
41
.90
32
78
Co
vasn
a4
75
0.7
17
66
86
22
91
.68
77
73
54
76
41
.90
32
78
PD
OD
olj
14
33
8.9
41
67
Do
lj1
05
52
.56
04
77
41
43
38
.94
16
7
Giu
rgiu
68
61
.16
63
44
Giu
rgiu
44
78
.99
13
01
65
.36
86
1.1
66
34
4
Ha
rghi
ta5
21
7.9
33
45
73
73
33
3.7
11
93
32
41
40
10
.85
01
2H
arg
hita
74
12
.77
45
65
53
67
8.9
47
49
66
51
40
10
.85
01
2
Hun
edo
ara
50
54
.91
75
83
55
61
.89
33
27
74
14
45
7.2
73
04
Hun
edo
ara
15
94
.14
12
17
11
31
8.5
05
67
78
2.2
14
45
7.2
73
04
PD
OIa
și7
37
4.5
91
61
96
21
18
19
.30
85
7Ia
și6
18
.69
98
71
95
11
81
9.3
08
57
Ma
ram
ure
ș6
96
8.4
17
08
95
01
65
0.9
70
91
61
21
38
52
.41
41
Ma
ram
ure
ș3
19
5.7
11
00
42
37
51
.48
40
48
35
.41
38
52
.41
41
PD
OM
ure
ș1
08
52
.30
62
77
71
19
0.3
84
13
78
14
17
6.0
37
28
Mur
eș
55
40
.11
76
46
39
48
3.1
06
09
17
3.4
14
17
6.0
37
28
Ne
am
ț8
05
8.7
47
39
36
48
66
.67
61
53
67
12
60
5.0
52
12
Ne
am
ț4
25
4.0
37
09
13
41
16
.86
60
22
11
26
05
.05
21
2
Olt
10
70
3.1
56
36
Olt
66
80
.18
10
96
62
.41
07
03
.15
63
6
Sib
iu9
24
8.0
75
07
98
34
72
.41
24
70
54
11
16
1.7
73
84
Sib
iu2
36
2.4
68
18
42
13
29
.26
26
40
83
11
16
1.7
73
84
Suc
ea
va8
09
2.6
99
60
94
33
47
4.5
21
99
31
91
87
07
.50
87
1S
uce
ava
10
63
3.0
36
17
57
84
3.6
07
65
66
4.5
18
70
7.5
08
71
Te
leo
rma
n1
11
61
.26
33
7T
ele
orm
an
94
43
.19
80
04
85
11
16
1.2
63
37
PD
OV
ranc
ea
33
36
.34
66
33
34
49
5.4
46
17
16
59
95
3.3
49
2V
ranc
ea
11
74
.17
51
93
12
10
6.9
55
22
94
1.1
99
53
.34
92
Ru
sia
11
98
05
.03
81
51
7.8
49
26
43
0.0
03
18
56
05
3.9
16
11
15
75
21
.53
04
1.0
16
31
59
80
.86
Ru
sia
24
97
70
.09
08
22
60
1.0
37
62
90
.02
31
86
54
6.5
28
19
.52
20
37
2.4
08
91
.41
63
15
98
0.8
6
Be
lgo
rod
18
38
.24
36
53
76
50
.81
63
11
70
38
7.5
66
26
Be
lgo
rod
29
05
4.7
06
67
41
70
38
7.5
66
26
Bry
ans
k1
56
5.1
25
31
22
95
8.8
34
78
63
93
86
6.4
96
49
Bry
ans
k2
97
02
.95
02
53
29
38
66
.49
64
9
Che
che
nia
23
22
.09
50
29
85
24
.39
90
51
92
11
16
8.0
24
32
39
.22
84
85
.94
49
8C
hech
eni
a2
23
5.0
49
32
88
88
8.9
94
94
15
3.1
10
42
3.7
43
54
37
28
48
5.9
44
98
St.
Pe
ters
burg
20
20
.26
82
13
25
80
95
.45
77
81
St.
Pe
ters
burg
57
61
.66
93
99
71
80
95
.45
77
81
Ka
linin
gra
d3
93
85
.63
90
79
74
04
44
.91
62
Ka
linin
gra
d3
10
74
.84
15
87
74
04
44
.91
62
Kra
sno
dar
39
04
.40
96
16
34
49
.55
15
76
40
.35
92
.71
38
13
20
.41
85
95
.24
47
12
.11
54
23
6.3
12
4K
rasn
oda
r1
17
1.5
96
65
41
71
.92
57
51
17
0.0
55
46
.33
16
49
10
.47
55
13
.93
66
54
91
54
23
6.3
12
4
Ro
sto
v4
30
84
.56
78
71
96
8.2
97
68
79
0.0
35
58
66
.66
62
54
89
55
.11
39
12
22
22
66
6.2
73
7R
ost
ov
72
47
1.1
51
23
33
19
30
.64
97
71
4.3
54
95
9.8
01
67
25
22
26
66
.27
37
Sta
vro
pol'
29
51
.45
32
09
21
00
08
.34
70
67
50
99
9.6
12
31
38
.11
33
77
8.3
19
5S
tavr
opo
l'2
08
3.4
45
77
52
12
43
.87
26
49
11
47
23
.73
05
81
16
34
36
.61
36
94
7.4
13
37
78
.31
95
Gra
d B
eo
gra
d6
42
8.2
44
91
5G
rad
Be
ogr
ad
45
61
.93
15
35
71
64
28
.24
49
15
Jabl
ani
cki
36
7.7
79
84
95
75
20
0.2
64
46
7Ja
bla
nick
i4
2.2
66
88
41
91
18
25
.85
56
44
35
.15
20
0.2
64
46
7
Južn
o-B
ack
i8
29
7.4
36
56
9Ju
žno
-Ba
cki
53
65
.01
69
88
65
82
97
.43
65
69
Južn
o-B
ana
tski
87
73
.09
75
66
Južn
o-B
ana
tski
48
24
.66
79
78
55
87
73
.09
75
66
Ra
ška
31
71
.29
77
62
43
10
3.6
69
03
59
14
0.3
36
30
13
31
73
33
.09
51
56
Ra
ška
10
38
.91
21
78
14
12
.82
27
98
97
0.2
73
33
.09
51
56
Sre
dnje
-Ba
nats
ki6
91
3.2
86
22
6S
redn
je-B
ana
tski
47
66
.28
32
26
96
91
3.2
86
22
6
Sre
msk
i6
97
9.6
34
66
7S
rem
ski
38
03
.60
96
78
54
.56
97
9.6
34
66
7
Zla
tibo
rski
71
15
.81
28
08
61
20
.15
40
08
42
0.2
9.5
37
28
14
94
0.1
11
71
1.5
75
97
Zla
tibo
rski
36
25
.62
04
25
31
9.5
37
28
14
94
0.1
11
71
1.5
75
97
113
Cc
Paí
s/R
egió
nIn
crem
ento
Km
2I %
Pér
dida
_Km
2L
%N
o H
abit
at K
m2
NH
%
Per
sist
enci
as K
m2
P %
Tot
al K
m2
Paí
s/R
egió
nIn
crem
ento
Km
2I %
Pér
dida
_Km
2L
%N
o H
abit
at K
m2
NH
%
Per
sist
enci
as K
m2
P %
Tot
al K
m2
Tra
yect
oría
de
con
cen
trac
ión
rep
rese
nta
tiva
4.5
(Lob
esia
bot
rana
)T
raye
ctor
ía d
e co
nce
ntr
ació
n r
epre
sen
tati
va R
CP
8.5
(Lo
besi
a bo
tran
a)
Su
ec
ia3
40
35
3.6
61
51
61
59
8.1
09
09
90
.11
30
47
3.5
11
76
32
8.6
08
04
82
0.0
22
17
73
15
.43
Su
ec
ia2
41
04
1.5
48
41
12
09
61
6.2
07
51
02
17
73
15
.43
Jönk
öpi
ng3
10
78
.61
23
81
66
.88
71
92
65
0.2
38
19
1.4
61
68
Jönk
öpi
ng3
28
27
.11
70
48
63
81
91
.46
16
8
Ka
lma
r2
41
06
.39
41
16
14
98
.66
76
65
82
39
42
7.9
40
34
Ka
lma
r1
35
.68
25
40
90
39
42
7.9
40
34
Öst
erg
ötla
nd3
82
08
.74
56
98
62
66
.08
72
85
34
44
33
.19
69
5Ö
ste
rgö
tland
31
56
.48
30
75
74
44
33
.19
69
5
Ore
bro
26
13
1.0
49
58
70
19
15
.15
08
31
53
70
70
.47
05
8O
rebr
o1
20
58
.81
59
73
38
2.2
12
44
32
50
.23
70
70
.47
05
8
Sö
derm
anl
and
23
47
7.5
29
78
89
55
.73
31
74
31
0.2
26
52
6.7
32
23
Sö
derm
anl
and
26
52
6.7
32
23
Esc
ani
a2
70
60
.99
15
87
61
39
.29
34
69
40
.43
28
.60
80
48
21
35
83
4.0
83
32
Esc
ani
a5
84
4.5
98
99
41
63
58
34
.08
33
2
Est
oco
lmo
15
42
3.0
29
24
56
45
7.4
39
51
72
22
76
92
.25
02
6E
sto
colm
o2
8.1
38
60
16
82
76
92
.25
02
6
Upp
sala
19
39
3.1
83
57
66
29
46
9.1
66
83
Upp
sala
17
90
9.1
61
46
12
94
69
.16
68
3
Vä
rmla
nd1
72
17
.76
01
32
03
52
90
.78
73
54
18
62
13
.78
33
8V
ärm
land
31
52
7.8
43
05
37
16
40
4.5
14
98
19
86
21
3.7
83
38
Vä
stm
anl
and
17
47
1.0
80
53
64
49
.62
26
08
11
0.2
27
22
0.6
53
1V
äst
ma
nla
nd1
59
80
.04
44
15
92
72
20
.65
31
Vä
stra
Gö
tala
nd4
96
68
.10
71
14
61
72
57
.33
91
21
61
07
03
0.1
93
6V
äst
ra G
öta
land
68
56
8.1
85
98
64
11
6.4
06
64
72
0.1
10
70
30
.19
36
Su
iza
51
76
5.7
80
57
70
21
83
9.1
04
97
29
42
.63
46
29
79
0.1
74
38
3.5
69
03
Su
iza
26
54
3.3
69
33
61
69
81
.62
42
52
37
43
83
.56
90
3
WG
IA
ppe
nze
ll R
oda
s E
xte
rio
res
10
6.1
32
68
55
20
16
3.6
03
62
31
31
53
3.5
46
87
62
App
enz
ell
Ro
das
Ext
eri
ore
s3
82
.98
21
14
27
24
6.8
68
80
30
99
53
3.5
46
87
62
WG
IA
ppe
nze
ll R
oda
s In
teri
ore
s2
.33
67
50
62
61
20
1.3
40
00
58
54
37
3.8
33
42
99
App
enz
ell
Ro
das
Inte
rio
res
16
8.3
34
24
13
45
68
.42
48
76
74
18
.33
73
.83
34
29
9
WG
IB
ase
l-La
ndsc
haft
59
3.8
52
07
65
54
11
07
.21
67
99
Ba
sel-L
and
scha
ft1
13
.18
70
79
71
01
10
7.2
16
79
9
WG
IB
ern
41
45
.46
28
53
33
19
31
.79
54
71
51
27
05
.96
46
8B
ern
29
11
.01
66
43
23
17
34
.72
11
95
14
12
70
5.9
64
68
WG
IF
ribo
urg
20
40
.02
55
53
57
45
4.2
81
14
59
13
35
68
.07
32
11
Fri
bour
g9
21
.51
96
62
82
64
49
.39
94
36
91
33
56
8.0
73
21
1
WG
IJu
ra9
90
.06
80
95
25
51
89
.48
24
02
61
01
80
7.5
80
90
8Ju
ra5
81
.56
60
16
73
20
.30
14
49
40
20
.02
18
07
.58
09
08
Luc
ern
e2
29
7.0
43
53
17
03
17
.35
46
36
10
32
79
.00
92
7L
uce
rne
12
25
.77
38
72
37
18
0.0
74
75
75
.53
27
9.0
09
27
WG
IN
idw
ald
en
32
7.9
84
06
72
58
70
.88
02
42
95
12
56
7.0
42
53
25
Nid
wa
lde
n3
5.0
83
96
83
56
65
.44
37
71
81
1.5
56
7.0
42
53
25
WG
IS
an
Ga
lo2
00
7.8
96
75
24
77
64
.58
66
14
71
84
31
4.6
07
37
Sa
n G
alo
16
08
.52
53
91
37
37
2.2
74
17
79
43
14
.60
73
7
WG
IS
cha
ffha
use
n5
56
.56
75
23
58
96
22
.30
19
46
3S
cha
ffha
use
n2
45
.75
47
95
39
62
2.3
01
94
63
WG
IS
ole
ura
89
5.3
31
93
54
52
13
0.2
79
51
29
81
70
8.6
16
26
4S
ole
ura
50
7.5
46
16
38
30
66
.70
08
69
09
41
70
8.6
16
26
4
WG
IT
hurg
au
14
98
.20
13
81
67
22
22
.10
64
29
Thu
rga
u6
3.4
43
78
26
13
22
22
.10
64
29
WG
IZ
üri
ch3
36
8.3
70
05
98
97
3.7
60
07
35
92
37
82
.09
75
59
Zü
rich
87
0.8
05
53
45
23
37
82
.09
75
59
Zug
32
4.9
05
73
53
63
77
.33
64
74
81
15
51
8.0
45
47
68
Zug
31
4.6
22
90
22
61
7.6
81
70
65
25
1.5
51
8.0
45
47
68
Tu
rqu
ia1
76
71
2.2
14
52
62
05
40
9.1
75
23
01
55
86
0.3
77
62
31
40
55
1.3
06
52
16
83
91
2.8
91
5T
urq
uia
11
73
66
.99
29
17
85
82
9.0
87
95
13
19
22
59
.12
94
28
.13
83
79
2.7
32
56
.16
83
91
2.8
91
5
Aks
ara
y8
7.2
01
07
97
91
13
49
.96
08
51
11
12
38
3.0
04
97
Aks
ara
y1
68
.44
26
68
21
70
53
.90
91
38
57
12
38
3.0
04
97
Ba
ybur
t1
48
7.2
69
90
22
62
56
2.9
79
01
54
45
80
3.5
09
48
Ba
ybur
t1
75
3.8
27
25
73
01
16
1.6
10
23
22
07
.63
66
54
52
80
.15
80
3.5
09
48
Ça
nakk
ale
14
6.8
45
53
54
12
09
.98
41
15
71
.31
66
43
.44
45
9Ç
ana
kka
le1
9.0
27
18
98
20
.15
54
8.3
56
41
83
3.3
16
64
3.4
44
59
De
nizl
i3
6.9
71
61
28
20
.29
78
.28
97
86
15
34
.59
47
42
91
73
76
.26
22
5D
eni
zli
13
49
.22
50
67
87
70
1.3
58
03
44
.31
73
76
.26
22
5
Edi
rne
10
80
7.5
04
6E
dirn
e5
59
7.1
24
89
85
21
08
07
.50
46
Ela
zığ
24
1.3
72
76
73
22
72
5.6
45
85
18
97
8.8
88
83
35
65
48
3.6
04
80
93
6.1
15
19
6.5
78
42
Ela
zığ
16
.81
86
06
32
0.1
60
27
.93
68
59
40
16
85
.19
50
94
11
.11
27
4.3
38
21
88
.41
51
96
.57
84
2
Erz
inca
n4
69
4.7
20
45
24
27
06
.23
03
77
14
23
23
.85
95
81
21
94
22
.77
1E
rzin
can
64
07
.77
01
35
33
93
.73
36
82
57
0.5
22
85
.46
98
99
12
52
32
.16
83
49
27
19
42
2.7
71
Gü
mü
sha
ne3
44
5.9
75
71
93
02
49
4.8
92
55
82
21
13
50
.67
40
7G
üm
üsh
ane
16
22
.47
57
14
18
23
.79
29
75
16
.11
13
50
.67
40
7
Est
am
bul
25
4.9
26
64
04
38
36
4.7
78
63
5E
sta
mbu
l3
94
5.3
99
51
14
7.2
83
64
.77
86
35
Ka
hra
ma
nma
raş
34
38
.94
01
51
53
46
1.3
87
27
11
57
91
.40
79
25
63
27
13
.69
94
31
12
23
32
8.3
98
34
Ka
hra
ma
nma
raş
38
21
.54
07
54
16
13
59
.08
83
51
66
75
.71
88
76
83
70
78
.46
14
13
0.3
23
32
8.3
98
34
Kin
kka
le1
76
.09
70
32
22
.27
89
3.0
51
60
6K
inkk
ale
39
78
.80
82
65
0.4
78
93
.05
16
06
Ko
cae
li1
9.3
37
19
79
30
.39
6.3
67
18
84
91
70
42
.66
87
25
Ko
cae
li2
46
8.1
89
46
13
57
04
2.6
68
72
5
Ko
nya
79
3.3
56
62
95
15
7.2
80
21
21
20
.17
01
5.1
82
01
71
16
58
11
.95
09
6K
ony
a1
53
.54
06
62
90
.21
23
.90
03
69
70
.22
06
64
.43
38
13
1.4
65
81
1.9
50
96
Ma
laty
a2
17
1.5
32
62
81
22
65
0.6
36
17
81
41
41
.26
00
46
11
71
38
.33
92
23
8.1
18
72
9.9
69
84
Ma
laty
a1
88
8.8
96
71
10
25
86
.94
04
64
14
57
.52
53
84
69
0.3
75
98
.84
79
42
41
18
72
9.9
69
84
Tun
celi
30
73
.26
36
91
23
14
3.9
15
74
41
17
60
.87
30
10
86
47
06
.99
37
96
35
.21
33
62
.16
77
6T
unce
li2
37
5.6
64
27
51
81
18
4.4
76
64
39
75
3.9
81
31
75
63
54
9.1
23
82
12
71
33
62
.16
77
6
Usa
k1
6.4
36
16
35
30
.21
27
.84
85
43
42
80
17
.96
47
47
Usa
k4
18
3.7
31
11
45
2.2
80
17
.96
47
47
Ya
lova
11
23
.87
68
58
Ya
lova
56
5.5
38
24
97
50
.31
12
3.8
76
85
8
Uc
ran
ia8
18
03
1.3
21
45
97
75
.73
87
05
0.1
14
83
0.0
81
12
11
35
08
2.4
47
81
01
39
66
87
.65
8U
cra
nia
65
40
96
.09
49
47
23
33
.09
64
12
0.2
15
69
21
.20
49
11
.21
39
66
87
.65
8
Che
rka
sy4
89
72
.89
72
91
00
48
97
2.8
97
29
Che
rka
sy2
81
18
.68
62
95
74
89
72
.89
72
9
Che
rnih
iv7
19
22
.73
22
58
78
28
88
.84
55
7C
hern
ihiv
78
37
1.2
48
68
95
82
88
8.8
45
57
Che
rniv
tsi
16
00
7.9
99
98
87
10
98
.28
28
96
61
84
20
.51
34
8C
hern
ivts
i7
49
8.6
00
97
84
15
1.7
76
74
26
90
.31
84
20
.51
34
8
Dni
pro
petr
ovs
k1
00
07
.90
86
81
44
33
21
.36
59
76
17
14
69
.60
05
3D
nipr
ope
tro
vsk
10
00
7.9
08
68
14
37
83
3.0
69
38
53
71
46
9.6
00
53
Do
nets
k1
19
44
.34
58
72
02
48
51
.06
08
84
25
93
18
.74
78
9D
one
tsk
32
23
7.7
77
33
54
26
70
4.4
72
17
45
59
31
8.7
47
89
WG
IIv
ano
-Fra
nkiv
sk2
24
50
.18
46
47
14
03
4.2
09
63
91
33
15
48
.81
58
Iva
no-F
rank
ivsk
57
09
.28
11
29
18
11
18
.03
40
51
3.5
31
54
8.8
15
8
Kha
rkiv
31
29
7.0
82
14
24
2.3
68
30
20
40
.17
45
61
.31
36
2K
hark
iv7
41
96
.65
44
81
00
42
.36
83
02
04
0.1
74
56
1.3
13
62
Khe
rso
n1
91
.12
60
77
30
.32
52
33
.13
04
84
65
48
92
.72
20
8K
hers
on
18
22
6.1
80
56
33
.25
48
92
.72
20
8
Khm
eln
ytsk
yy4
90
08
.94
42
61
00
49
00
8.9
44
26
Khm
eln
ytsk
yy4
49
89
.68
07
89
24
90
08
.94
42
6
Kie
v6
86
20
.99
15
71
00
68
62
0.9
91
57
Kie
v4
03
94
.71
55
95
96
86
20
.99
15
7
Kie
v2
04
2.1
85
02
81
00
20
42
.18
50
28
Kie
v6
63
.64
47
79
32
20
42
.18
50
28
Kir
ovo
hra
d4
28
03
.35
03
47
61
31
68
.78
50
52
3.5
56
03
6.0
68
46
Kir
ovo
hra
d4
12
94
.11
91
87
41
22
34
.56
28
52
25
60
36
.06
84
6
Luh
ans
k2
89
6.0
73
70
35
40
66
.37
62
92
63
85
.05
74
89
71
62
62
6.0
82
71
Luh
ans
k4
84
16
.02
81
87
73
85
.05
74
89
70
.66
26
26
.08
27
1
Lvi
v4
49
18
.82
99
38
71
06
9.0
87
38
32
51
68
0.9
19
27
Lvi
v8
39
0.2
52
51
61
9.2
35
94
66
80
.04
51
68
0.9
19
27
Myk
ola
yiv
22
64
.44
10
52
45
9.2
80
21
56
80
.11
27
56
.70
95
32
55
15
66
.56
51
9M
yko
layi
v2
22
8.9
00
00
24
23
78
2.0
71
05
46
.15
15
66
.56
51
9
Ode
sa1
26
02
.81
42
41
81
13
.62
61
81
60
.28
4.6
31
39
24
10
.17
12
01
.82
01
4O
desa
54
61
.62
87
88
30
39
.90
80
38
4.3
71
20
1.8
20
14
Po
ltava
66
22
0.8
26
89
62
61
2.4
03
89
64
68
87
8.5
88
58
Po
ltava
52
51
9.5
28
37
62
59
7.9
27
39
84
68
87
8.5
88
58
Riv
ne5
07
22
.73
97
31
00
50
72
2.7
39
73
Riv
ne1
13
51
.06
77
92
25
07
22
.73
97
3
Se
vast
opo
l1
8.5
67
64
29
91
16
25
.42
42
72
Se
vast
opo
l1
7.4
15
89
71
71
16
25
.42
42
72
Sum
y3
28
99
.72
11
55
55
99
47
.44
34
1S
umy
54
58
7.7
52
08
91
59
94
7.4
43
41
Te
rno
pil
32
73
4.5
05
72
10
03
27
34
.50
57
2T
ern
opi
l5
03
3.5
26
13
41
53
27
34
.50
57
2
Tra
nsca
rpa
thia
97
26
.90
72
36
34
45
00
.33
15
69
16
28
84
1.6
11
88
Tra
nsca
rpa
thia
64
52
.96
06
32
21
14
4.0
49
67
24
28
84
1.6
11
88
Vin
nyts
ya6
13
11
.67
90
91
00
10
0.0
61
31
1.6
79
09
Vin
nyts
ya4
22
77
.59
46
76
96
13
11
.67
90
9
Vo
lyn
51
51
5.8
20
11
10
05
15
15
.82
01
1V
oly
n5
15
15
.82
01
1
Za
pori
zhzh
ya3
2.6
99
05
66
40
.11
24
93
.02
63
62
1.3
58
74
7.5
11
07
Za
pori
zhzh
ya3
20
54
.72
08
55
55
87
47
.51
10
7
Zhy
tom
yr7
43
76
.90
87
91
00
74
47
0.3
13
37
Zhy
tom
yr5
33
42
.05
15
37
27
44
70
.31
33
7
Re
ino
Un
ido
19
21
96
.49
39
27
13
95
.20
42
97
0.2
13
43
85
.85
16
19
12
8.9
89
51
43
0.0
27
15
99
1.7
51
Re
ino
Un
ido
15
56
33
.96
13
22
83
64
4.8
29
34
12
46
.92
48
10
98
0.0
17
15
99
1.7
51
Ingl
ate
rra
17
65
25
.48
11
50
13
56
.46
61
45
0.4
25
35
1.3
28
78
75
8.2
50
00
82
70
.02
35
34
15
.86
31
Ingl
ate
rra
96
06
9.5
45
22
27
97
47
.93
16
77
32
3.4
11
24
90
20
.01
35
34
15
.86
31
PG
I/PD
OG
ale
s1
56
71
.01
28
42
83
8.7
38
15
16
11
10
24
.47
27
72
07
0.7
39
50
60
20
.15
58
97
.26
34
7G
ale
s2
37
78
.50
27
34
31
08
49
.38
76
51
9.4
23
.51
35
61
96
0.0
45
58
97
.26
34
7
10
01
00
10
01
00
10
01
00
Cc=
Cat
egor
ía d
e ca
lidad
, W
GI=
vin
o co
n in
dica
ción
geo
gráf
ica,
PD
O=
vin
o co
n de
nom
inac
ión
de o
rige
n pr
oteg
ido,
PG
I= v
ino
con
indi
caci
ón d
e or
igen
pro
tegi
do,
I%=
Por
cent
aje
de in
crem
ento
, L
%=
Por
cent
aje
de p
erdi
da,
P%
= P
orce
ntaj
e de
Per
sist
enci
a, N
H%
= P
orce
ntaj
e de
No
Háb
itat,
Km
2 = K
ilom
etro
s cu
adra
dos
Distribución potencial de E. ambiguella
Distribución potencial de Eupoecilia ambiguella en Europa
114
6. Distribución potencial de Eupoecilia ambiguella en Europa ante el
impacto del cambio climático
6.1. Introducción
6.1.1. Posición taxonómica
De acuerdo con la información proporcionada por la base de datos
Fauna Europaea (Aarvik, 2013), Eupoecilia ambiguella (Hübner, 1796) se
ordena taxonómicamente de la siguiente forma:
Reino Animalia
Subreino Eumetazoa
Phyllum: Arthropoda
Subphyllum: Hexapoda
Clase: Insecta
Orden: Lepidoptera
Superfamilia: Tortricoidea
Familia: Tortricidae
Subfamilia: Tortricinae
Tribu: Cochylini
Género: Eupoecilia
Especie: Eupoecilia ambiguella
Sinonimias: Tinea ambiguella Hübner, 1796
Cochylis ambiguella (Hübner, 1796)
Clysia ambiguella (Hübner, 1796)
Distribución potencial de Eupoecilia ambiguella en Europa
115
6.1.2. Distribución geográfica
Se trata de un insecto que se extiende en un área más septentrional que
L. botrana, con una amplia superficie de distribución que se va desde el Reino
Unido hasta Japón y desde el Mediterráneo hasta los países escandinavos
(EPPO, 2019) (Figura 19). Fue introducido de forma accidental en Brasil.
Figura 19. Distribución mundial de Eupoecilia ambiguella (según EPPO, 2019).
En la década de 1920 se consideraba la principal plaga del racimo de la
vid en Europa, pero fue reemplazada gradualmente por L. botrana en muchos
países. Este cambio se inició desde la cuenca mediterránea hacia el norte y
actualmente se pueden observar poblaciones simpátricas de ambas especies
en viñedos de Rumanía (Björkman et al., 2011), Suiza, Austria y el sur de
Alemania (Ioriatti et al., 2012). En Europa, se cita su presencia en 34 países
(Aarvik, L, 2013; EPPO, 2019; İren and Ahned, 1973): Albania, Alemania,
Armenia, Austria, Azerbaiyán, Bélgica, Bulgaria, Dinamarca, Eslovaquia,
España, Finlandia, Francia, Georgia, Grecia, Hungría, Italia (incluyendo
Distribución potencial de Eupoecilia ambiguella en Europa
116
Cerdeña y Sicilia), Letonia, Lituania, Luxemburgo, Macedonia del Norte,
Moldavia, Noruega, Países Bajos, Polonia, Portugal, Reino Unido, República
Checa, Rumanía, Rusia (zona europea), Serbia, Suecia, Suiza, Turquía y
Ucrania.
6.1.3. Biología, descripción y daños
E. ambiguella y L. botrana presentan una biología muy similar, pero sus
preferencias climáticas son ligeramente diferentes. Por encima de los 20ºC la
actividad de ambas especies es alta, pero el rango óptimo de humedad relativa
es de 40-70% para L. botrana y por encima del 70% para E. ambiguella
(Roehrich and Boller, 1991). Por ello, E. ambiguella prefiere climas frescos y
húmedos, mientras que L. botrana está más adaptada a condiciones cálidas y
secas (Bournier, 1977). E. ambiguella también es una especie polivoltina, pero
tiene un desarrollo más lento, por lo que normalmente solo aparecen 2
generaciones al año en viñedo, aunque en algunas zonas de Francia e Italia se
ha observado una tercera generación (Ioriatti et al., 2012). La diapausa también
está inducida por el fotoperiodo, pero la larva de ultimo estadio permanece
durante varios meses en estado de prepupa antes de convertirse en crisálida
(Roehrich and Boller, 1991). Por lo demás, ambas polillas tienen costumbres
análogas (Coscollá, 1997).
Los adultos de esta polilla miden 6-7 mm de longitud y tienen una
envergadura de 12-15 mm. Las alas anteriores son castaño-amarillentas y
están cruzadas por una banda mediana, ancha y de color castaño oscuro,
mientras que las posteriores son grisáceas. La forma del huevo es similar a la
del huevo de L. botrana y su tamaño, de 0,6 x 0,8 mm. Al principio es de color
Distribución potencial de Eupoecilia ambiguella en Europa
117
amarillo pajizo, pero a medida que avanza su desarrollo aparecen manchas de
color anaranjado. La larva neonata mide en torno a 1 mm de longitud y tiene la
cápsula cefálica de color castaño. Al igual que L. botrana, pasa por 5 estadios
larvarios (L1-L5). En el estado L5 alcanza los 12 mm y la cabeza es de color
negro (Ioriatti et al., 2011). Por último, las crisálidas son de color castaño claro,
miden de 6 a 7 mm de longitud y se encuentran protegidas por un capullo de
seda que incorpora diferentes cuerpos extraños (Ruiz-Castro, 1943).
E. ambiguella es un insecto polífago que se alimenta, principalmente, de
los botones florales y las bayas de la vid (Rusch et al., 2015), pero que puede
desarrollarse en otras plantas como Acer campestre, Frangula alnus, Hedera
helix, Lonicera periclymenum y especies de los géneros Cornus,
Eleutherococcus, Ligustrum, Prunus, Ribes, Viburnum (Gilligan and Epstein,
2014) y Clematis (Thiéry, 2008) siendo, por tanto, una especie polífaga.
Comparte varias plantas huésped con L. botrana, pero al contrario de lo que
ocurre con ésta, se tiende a considerar a la vid como el huésped original de E.
ambiguella (Ioriatti et al., 2012).
Este insecto presenta 2 o 3 generaciones por año, dependiendo de las
condiciones climáticas de cada región y a menudo coexiste con L. botrana en
viñedos situados en zonas septentrionales con una higrometría intermedia, ya
que la baja humedad es un factor letal para los huevos de E. ambiguella
(Vogelweith et al., 2014). Los daños que esta polilla ocasiona sobre la vid son
del mismo tipo que los producidos por L. botrana (Coscollá, 1997), de modo
que está considerada también como otra de las principales plagas europeas de
este cultivo (Thiéry et al., 2014; Thiéry and Moreau, 2005).
Distribución potencial de Eupoecilia ambiguella en Europa
118
6.1.4. Eupoecilia ambiguella y cambio climático
Tal como se comentaba en el apartado correspondiente a L. botrana, la
elevación de las temperaturas y la modificación de otros factores abióticos
como consecuencia del cambio climático están afectando a atributos clave de
la morfología, biología y ecología de las especies plaga, así como a la
distribución geográfica de las mismas. En el caso de E. ambiguella, los
estudios que existen al respecto son más bien escasos. De ellos, cabe
destacar el llevado a cabo por Reineke and Thiéry (2016), quienes reportaron
que en el año 2014, la emergencia de los adultos de la primera generación se
adelantó unos 11 días con respecto a la ocurrida 31 años antes, observando
una estrecha correlación entre esta aparición más temprana de los adultos en
campo con las temperaturas del invierno y principio de la primavera (que
mostraban una tendencia ascendente). Como consecuencia de esa
emergencia más temprana, la plaga dispone de un período más prolongado de
tiempo para interactuar con su planta huésped, dado que la vid también
responde al cambio climático de una manera similar, por ejemplo, adelantando
los procesos de brotación y floración (Schultz and Jones, 2010). Por otro lado,
Thiéry et al., (2018) mencionaron como posibilidad, que el efecto del aumento
del voltinismo de E. ambiguella (como consecuencia de la subida de las
temperaturas) sobre los daños de la plaga en el cultivo estaría modulado por la
fenología de la variedad de vid cultivada, de modo que afectaría más a las
variedades más tardías que a las más tempranas ya que estas podrían estar
vendimiadas cuando apareciese la última generación de la plaga. Estos
mismos autores señalan que, en un escenario de aumento de las temperaturas,
se produciría un incremento de la función inmune de las plagas de la vid, E.
Distribución potencial de Eupoecilia ambiguella en Europa
119
ambiguella entre ellas, elevando, de este modo, su capacidad para resistir a los
enemigos naturales.
Dada la importancia de esta plaga para el cultivo de la vid, parece
conveniente analizar el posible efecto del cambio climático sobre su distribución
potencial en el futuro, bajo los escenarios RCP 4.5 y RCP 8.5, empleando
MNE.
6.2. Resultados
Según las pruebas de Jacknife, las variables bioclimáticas seleccionadas
por mostrar los efectos individuales más importantes y, por tanto, aportar más
al modelo fueron: temperatura media anual (BIO1), rango de temperaturas
diurnas (BIO2), temperatura mínima del mes más frío (BIO6) y precipitación
anual (BIO12). Utilizando los parámetros que suponen todas las combinaciones
posibles entre los valores del multiplicador de regularización β y los tipos de
features (incluidas sus propias combinaciones), se crearon 522 modelos de
nicho ecológico candidatos, de los que 456 fueron significativos de acuerdo a la
prueba ROC parcial (p < 0.000). De entre ellos, 5 modelos obtuvieron una tasa
de omisión inferior al 5% (Tabla 6), siendo seleccionado el modelo 1 por ser el
más simple, de acuerdo al AICc (Tabla 6 y Figura 20).
Distribución potencial de Eupoecilia ambiguella en Europa
120
Tabla 6. Modelos de nicho ecológico de E. ambiguella seleccionados en función de los
criterios de significancia, rendimiento y complejidad.
Model
Features1
β2 Mean
AUC3_ratio Partial_ ROC4
Omission rate5 (OR)
5% AICc6 Delta AICc6 W_AICc6 N7
1 Set2 lt 10 1.107 0 0.041 4087.017 70.3 0 4
2 Set2 lh 10 1.105 0 0.041 4094.986 78.3 0 6
3 Set2 l 10 1.107 0 0.041 4102.302 85.6 0 3
4 Set2 t 7 1.142 0 0 4158.389 141.7 0 6
5 Set2 t 10 1.080 0 0 4197.129 180.4 0 4 En negrita, el mejor modelo; 1Combinaciones de features: l= lineal, t= t threshold), h= hinge; 2β Regularization multiplier: 3,0.5, 1, 0.1 y 0.3; 3Area Under ROC curve; 4Análisis Partial Receiver Operating Characteristic; 5Omission Rate 5%; 6Criterio de Información de Akaike; 7Número de parámetros.
Figura 20. Distribución de los MNE de E. ambiguella según su significancia
estadística, determinada por la tasa de omisión (< 5%) y el Criterio de Información de
Akaike corregido (AICc).
Distribución potencial de Eupoecilia ambiguella en Europa
121
Para la situación climática presente (de acuerdo con los datos del
periodo 1970 a 2000) la proyección geográfica del MNE muestra que E.
ambiguella encuentra condiciones ambientalmente adecuadas en el centro y
norte de Europa y en algunas regiones aisladas del sur (Figura 21). Esto
coincidiría en gran medida con la distribución conocida del insecto, aunque hay
algunos países en los que se cita su presencia y, sin embargo, no aparecen
condiciones idóneas. Sería el caso de Grecia, aunque Aarvik (2013) considera
que no está presente, Armenia, Azerbaiyán o Georgia. También ocurre el caso
contrario, es decir, países ambientalmente idóneos en los que no se conoce su
presencia, como Irlanda, aunque en este caso hay que tener en cuenta su
condición de isla.
122
Fig
ura
21.
Pro
ye
cció
n g
eo
grá
fica
en E
uro
pa d
e la
s á
reas d
e id
on
eid
ad
am
bie
nta
l d
e E
. a
mb
igue
lla e
n la
situ
ació
n c
limática
pre
se
nte
, seg
ún
su m
ode
lo d
e n
ich
o e
coló
gic
o.
Distribución potencial de Eupoecilia ambiguella en Europa
123
Considerando los escenarios futuros RCP 4.5 y RCP 8.5 para el año
2050, en ambos casos las predicciones muestran una fuerte pérdida de
superficie de idoneidad ambiental en el sur y en toda la franja meridional de la
mitad norte de Europa (algo más acusada en el escenario RCP 8.5), salvo en
determinadas regiones del centro y del norte, donde se produciría un
incremento de la superficie con condiciones idóneas (Figura 22 y Figura 23).
En el Anexo 3 se detalla la previsión de superficie y el porcentaje de
superficie previsto, para el año 2050, de no hábitat y de incremento, pérdida y
persistencia de idoneidad ambiental para E. ambiguella en diferentes países y
regiones de Europa, bajo los escenarios RCP 4.5 y RCP 8.5. Al igual que en
las dos especies anteriores, solo se han considerado aquellos países con
regiones en las que coinciden las predicciones para 15 o más GCM y
presentan un porcentaje igual o superior al 30% en esos efectos. Algunos de
los datos más destacables se comentan a continuación.
Según el escenario de emisión RCP 4.5, los mayores porcentajes de
incremento de superficie ambientalmente idónea para E. ambiguella se
producirán en la península escandinava: Finlandia (15%), Suecia (15%) y
Noruega (5%). Por regiones, se prevén incrementos superiores al 30% en
Lapland (Finlandia) y Norrbotten (Suecia). Por su parte, los mayores
porcentajes de pérdida de superficie con idoneidad ambiental se producirán en
Alemania (22%), Suiza (20%) y Ucrania (18%), mientras que por regiones, las
mayores pérdidas se esperan en Hessen (Alemania) y en Appenzell-
Ausserrhoden, Zürich y Zug (Suiza), todas superiores al 30%.
124
Fig
ura
22.
Pro
ye
cció
n g
eo
grá
fica
en
Eu
ropa
de la
s á
rea
s d
e p
érd
ida (
rojo
), p
ers
iste
ncia
(g
ris)
e in
cre
me
nto
(ve
rde
) d
e id
on
eid
ad
am
bie
nta
l p
ara
E.
am
big
uella
pre
vis
tas p
ara
el añ
o 2
05
0,
seg
ún lo
s 2
2 G
CM
y c
onsid
era
nd
o e
l e
scen
ario
de e
mis
ión R
CP
4.5
. A
m
ayo
r in
ten
sid
ad d
el co
lor,
ma
yo
r n
úm
ero
de G
CM
para
lo
s q
ue e
l m
ode
lo d
e n
ich
o c
oin
cid
e e
n la
mis
ma
pre
dic
ció
n.
En
azu
l, la
zo
na
de d
istr
ibució
n a
ctu
al d
el viñ
edo (
Co
rine
, 2
01
0).
125
Fig
ura
23. P
roye
cció
n g
eo
grá
fica
en E
uro
pa
de la
s á
reas d
e p
érd
ida (ro
jo), p
ers
iste
ncia
(gris
) e in
cre
me
nto
(ve
rde
) de id
on
eid
ad
a
mb
ienta
l para
E. a
mb
igue
lla p
revis
tas p
ara
el a
ño
205
0, s
eg
ún lo
s 2
2 G
CM
y c
onsid
era
nd
o e
l esce
na
rio d
e e
mis
ión R
CP
8.5
. A
ma
yo
r inte
nsid
ad d
el c
olo
r, ma
yo
r núm
ero
de G
CM
para
los q
ue e
l mo
de
lo d
e n
ich
o c
oin
cid
e e
n la
mis
ma
pre
dic
ció
n. E
n a
zu
l, la
zo
na
de d
istrib
ució
n a
ctu
al d
el v
iñed
o (C
orin
e, 2
010).
Distribución potencial de Eupoecilia ambiguella en Europa
126
Si se considera el escenario RCP 8.5, de nuevo la península
escandinava obtiene los mayores porcentajes de incremento de superficie con
idoneidad ambiental: Finlandia (13%), Suecia (18%) y Noruega (5%), mientras
que por regiones superan nuevamente el 30% de incremento Lapland
(Finlandia) y Norrbotten (Suecia). En cuanto a la pérdida de superficie
ambientalmente idónea, en general, el efecto será algo superior al obtenido
considerando el escenario RCP 4.5, siendo los países más afectados Alemania
(39,3%), Ucrania (35%), Suiza (28,4%), Polonia (25,4%), Países Bajos (23%),
Irlanda (17,3%) y Reino Unido (15%). Las regiones que perderán más de un
30% de superficie idónea son: Mecklengburg-Vorpommern (Alemania); Lódz
(Polonia); Appenzell-Ausserrhoden, Bern, Lucerne, Zürich y Zug (Suiza); y
Donets’k y Luhans’k (Ucrania).
En la figura 24 se muestra la superficie ocupada por diferentes usos del
suelo en las zonas en las que se pronostica persistencia e incremento de la
idoneidad ambiental para E. ambiguella bajo los dos escenarios de emisión
considerados (RCP 4.5 y RCO 8.5). Para ambos escenarios, la mayor
persistencia de idoneidad ambiental se espera en zonas de “Cubierta arbustiva,
abierta (15-40%)-cerrada (>40%), arbustos de hoja perenne”, sobre todo en el
caso de RCP 4.5. Sin embargo, los mayores aumentos de superficie con
idoneidad ambiental se prevén en zonas de “Cubierta arbórea, regularmente
inundada con variación diaria del nivel del agua, agua salina” y “Cubierta
arbórea, árboles con acículas y perennes”.
Distribución potencial de Eupoecilia ambiguella en Europa
127
Figura 24. Superficie (km2) ocupada por diferentes usos del suelo en las zonas en las
que se pronostica persistencia e incremento de la idoneidad ambiental para E.
ambiguella para el año 2050, bajo los escenarios de emisión RCP 4.5 y RCP 8.5.
0 400000 800000
Cubierta arbórea, árboles dehoja ancha y caducifolios,
cerrada (>40%)
Cubierta arbórea, árboles dehoja ancha y caducifolios,
abierta (15-40%)
Cubierta arbórea, árbolescon acículas y perennes
Cubierta arbórea,regularmente inundada convariación diaria del nivel del
agua, agua salina
Cubierta arbustiva, abierta(15-40%)-cerrada (>40%),arbustos de hoja perenne
Cubierta arbórea, mezcla deárboles de hoja caduca y
perenne
Cubierta arbórea,regularmente inundada,
agua dulce y agua salobre
OtrosPersistencia(RCP 8.5)
Persistencia(RCP 4.5)
Incremento(RCP 8.5)
Incremento(RCP 4.5)
Km2
Distribución potencial de Eupoecilia ambiguella en Europa
128
6.3. Discusión
En la discusión del apartado anterior sobre L. botrana, ya se han
comentado los posibles efectos del cambio climático sobre la etología, biología
y ecología de los insectos, así como la importancia de los MNE como
herramienta predictiva y el interés de esas predicciones para la planificación de
estrategias de control, por lo que no se volverá de nuevo sobre ello.
En el presente estudio se ha encontrado que las principales variables
bioclimáticas que determinan las condiciones de idoneidad ambiental para E.
ambiguella están relacionadas con las temperaturas medias anuales,
temperaturas diurnas y temperaturas mínimas de la época invernal, así como
con la precipitación anual. Esto parece lógico si se atiende a razones similares
a las expuestas en el caso de L. botrana.
La aplicación del MNE de E. ambiguella utilizando los datos climáticos
del presente (media del periodo 1970-2000) indica que las zonas de idoneidad
ambiental para este insecto en Europa se localizan en la mitad septentrional y
en áreas aisladas localizadas en el sur (Figura 21), lo que coincide en buena
medida con los registros conocidos de esta especie. Al igual que ocurre en el
caso de L. botrana, no en todas las regiones el insecto se comporta de igual
forma con respecto a su voltinismo, ya que en algunas zonas de Francia e Italia
se han observado tres generaciones, cuando lo normal es que solo aparezcan
dos (Ioriatti et al., 2012), tal como se ha comentado en la introducción de este
apartado.
Es conocido que los cambios en las condiciones climáticas pueden
alterar los rangos de distribución de los insectos, siendo las tolerancias
Distribución potencial de Eupoecilia ambiguella en Europa
129
térmicas las que a menudo determinan la distribución geográfica de las
especies (Overgaard et al., 2014) y en algunos casos también la falta de
humedad (Willmer, 1982). De acuerdo con las previsiones aportadas en el
presente estudio, para el año 2050 se producirán pérdidas de idoneidad
ambiental para E. ambiguella en la mayor parte de Europa, quedando su área
de distribución restringida a las regiones más septentrionales y a algunas
zonas aisladas del centro. La explicación de este hecho hay que buscarla en
las exigencias climáticas de la especie y en la evolución de variables climáticas
como la temperatura y la humedad en el continente europeo. Así, para Europa
se prevé un incremento de la temperatura (sobre todo en la región
mediterránea, con aumentos superiores a la propia media europea, pero
también en el norte, con subidas mayores a la media del planeta, y en Europa
central y oriental con ascensos de las temperaturas máximas) y una reducción
de las precipitaciones (sobre todo, de las anuales en la región mediterránea y
de las estivales en Europa central y oriental) (AEMA, 1990). Estas situaciones
parecen, a priori, negativas para E. ambiguella, ya que esta especie prefiere
climas frescos y húmedos (Bournier, 1977). En este sentido, especialmente
significativa puede ser la humedad relativa, ya que las condiciones secas
constituyen un importante factor de mortalidad de sus huevos (Vogelweith et
al., 2014). Además, las previsiones también indican que las zonas en las que
desaparezcan las condiciones de idoneidad ambiental de E. ambiguella serán
ocupadas por la otra polilla del racimo, L. botrana, que prefiere ambientes más
cálidos y secos (Bournier, 1977; Roehrich and Boller, 1991). El modelo también
prevé condiciones de estabilidad ambiental para E. ambiguella en países y
regiones con climas y/o microclimas húmedos y en aquéllos en los que podrían
Distribución potencial de Eupoecilia ambiguella en Europa
130
tener lugar incrementos de temperatura y descensos de las precipitaciones de
modo más amortiguado o, incluso, en los que se incrementarían las
precipitaciones. Finalmente, aparecerán, incluso, nuevas zonas
ambientalmente idóneas en latitudes superiores, caso, por ejemplo, del noreste
de la península escandinava.
Si se consideran los países en los que la viticultura constituye un sector
económicamente importante y E. ambiguella es valorada como una plaga clave
(Alemania, Francia, Italia y Suiza), las predicciones señalan que los porcentajes
de incremento de superficie con idoneidad ambiental serán anecdóticos (≤ 1%
en el peor de los escenarios, RCP 8.5). Por otro lado, las mayores pérdidas
porcentuales de superficie ambientalmente idónea se darán en Alemania con
valores del 22 y 39,3% y Suiza, del 20 y 28,4% %, en los dos casos, para los
escenarios de emisión RCP 4.5 y RCP 8.5, respectivamente. Si a estos datos
se unen los previstos con respecto a la persistencia de superficie con idoneidad
ambiental, en donde solo destacan Alemania (8-23 %) y Suiza (14,2-18%),
parece que, en el futuro, esta plaga reducirá su importancia económica global
en estos países. Cuando el interés se centra en las regiones vitivinícolas
productoras de vinos de calidad (PGI, PDO y WGI), se observa que las
previsiones parecen no afectar de forma importante, ya que los porcentajes de
incremento de superficie con idoneidad ambiental no superan el 3% en ninguno
de los dos escenarios de emisión considerados. Es más, en algunas regiones
se prevén reducciones de los valores porcentuales de la superficie
ambientalmente idónea superiores al 15%, destacando la PDO alemana de
Hessen (33,1% y 60,1%, bajo los escenarios RCP 4.5 y RCP 8.5,
respectivamente) y las WGI suizas de Appenzell Ausserrhonde (41% y 57%
Distribución potencial de Eupoecilia ambiguella en Europa
131
bajo los escenarios RCP 4.5 y RCP 8.5, respectivamente) y Zürich (46% y
84,4% bajo los escenarios RCP 4.5 y RCP 8.5, respectivamente). Se puede
deducir, de acuerdo a estos datos, que la exposición del cultivo a esta plaga se
verá reducida en todas estas regiones. No obstante, se prevé que el espacio
que deje esta plaga, tanto a nivel nacional como regional, será ocupado por la
otra especie de polilla del racimo, L. botrana, que provoca en el cultivo daños
similares (Coscollá, 1997), por lo que simplemente se verá sustituida una plaga
por otra con los mismo efectos.
Al igual que en el caso de L. botrana, conocer los actuales usos del
suelo en las zonas en las que se pronostica incremento de idoneidad ambiental
de E. ambiguella es interesante para analizar el impacto de dicho incremento, a
través de la información que aporta sobre el espacio geográfico/ambiental que
podría ocupar la plaga. Al tratarse de una especie polífaga, es muy probable la
presencia de alguna sus plantas hospedadoras en esas nuevas zonas, lo que
podría suponer un refugio para el insecto hasta la implantación de viñedos en
sus proximidades. En este sentido, para ambos escenarios de emisión se prevé
que los usos del suelo predominantes en las zonas con incremento de
idoneidad ambiental son “Cubierta arbórea, regularmente inundada con
variación diaria del nivel del agua, agua salina” y “Cubierta arbórea, árboles con
acículas y perennes”. Por su parte, la mayor persistencia de idoneidad
ambiental se espera en zonas de “Cubierta arbustiva, abierta (15-40%)-cerrada
(>40%), arbustos de hoja perenne”, especialmente en el caso del escenario
más favorable (RCP 4.5). Como ya se ha comentado en la introducción de este
apartado, se considera que la planta huésped original de E. ambiguella es V.
vinífera (Ioriatti et al., 2012) y que se ha adaptado a consumir otros huéspedes.
Distribución potencial de Eupoecilia ambiguella en Europa
132
Esto supone una estrategia evolutiva positiva, ya que, en ausencia de la vid,
puede subsistir desarrollándose sobre otras plantas favoreciendo, con ello, su
expansión geográfica. Por ello, posiblemente, E. ambiguella constituirá una
plaga clave en aquellas zonas en las que se implante de forma novedosa el
cultivo de la vid y en las que existan condiciones ambientalmente idóneas para
la plaga.
6.4. Conclusiones
1. Las variables bioclimáticas que más aportan a los modelos de nicho
ecológico, de cara a determinar las áreas de idoneidad ambiental de Eupoecilia
ambiguella en la actualidad en Europa y su distribución potencial en el mismo
continente en el año 2050, bajo los escenarios de cambio climático RCP 4.5 y
RCP 8.5 están relacionadas, al igual que ocurría con Lobesia botrana, con el
incremento de la temperatura, incluso en épocas del año frías (temperatura
media anual, temperatura mínima del mes más frío y rango de temperaturas
diurnas) y con las variaciones en la precipitación (precipitación anual).
2. La aplicación de los modelos de nicho ecológico utilizando los datos
climáticos del presente (media del periodo 1970-2000) indica que las zonas de
idoneidad ambiental para E. ambiguella en Europa se localizan en la mitad
septentrional y en áreas aisladas localizadas en el sur, lo que coincide en
buena medida, con los registros conocidos de esta especie.
3. Se prevé una estabilidad de las condiciones de idoneidad ambiental
para E. ambiguella en regiones de Europa con climas y/o microclimas húmedos
Distribución potencial de Eupoecilia ambiguella en Europa
133
y con aquéllos en los que los incrementos de temperatura y los descensos de
las precipitaciones tendrán lugar de modo más amortiguado.
4. De acuerdo con las previsiones aportadas en el presente estudio, para
el año 2050 se producirán pérdidas de idoneidad ambiental para E. ambiguella
en la mayor parte de Europa, quedando su área de distribución restringida a las
regiones más septentrionales y a algunas zonas aisladas del centro. Es
importante señalar que las previsiones también indican que las zonas en las
que desaparezcan las condiciones de idoneidad ambiental para E. ambiguella
serán ocupadas por L. botrana, polilla que prefiere ambientes más cálidos y
secos.
5. Si se consideran los países en los que la viticultura constituye un
sector económicamente importante y E. ambiguella es valorada como una
plaga clave (Alemania, Italia y Suiza), las predicciones señalan que los
porcentajes de incremento de superficie con idoneidad ambiental serán muy
reducidos (≤ 1% en el peor de los escenarios, RCP 8.5).
6. Para los dos escenarios de emisión considerados, se prevé que los
usos del suelo predominantes en las zonas implicadas en el incremento de
idoneidad ambiental para E. ambiguella serán “Cubierta arbórea, regularmente
inundada con variación diaria del nivel del agua, agua salina” y “Cubierta
arbórea, árboles con acículas y perennes”. Por su parte, la mayor persistencia
de idoneidad ambiental se espera en zonas de “Cubierta arbustiva, abierta (15-
40%)-cerrada (>40%), arbustos de hoja perenne”, especialmente en el caso del
escenario más favorable (RCP 4.5). En ambos casos, se trata de usos del
Distribución potencial de Eupoecilia ambiguella en Europa
134
suelo que favorecen el aumento de la humedad relativa, factor ambiental muy
relevante para la supervivencia de la especie.
7. Como ocurría en el caso de L. botrana, E. ambiguella es una especie
polífaga, hecho que facilita su expansión geográfica. Así, posiblemente, esta
polilla constituirá una plaga clave en aquellas zonas en las que se implante de
forma novedosa el cultivo de la vid y en las que existan condiciones
ambientalmente idóneas para la plaga, aunque estas superficies serían
cuantitativamente mucho menores que en el caso de L. botrana. Al igual que se
afirmaba para esta última especie, el conocimiento sobre la futura distribución
potencial de E. ambiguella y su intersección con la de la vid utilizando los
modelos de nicho ecológico, resulta esencial para poder planificar estrategias
eficaces de control con antelación suficiente.
Distribución potencial de Eupoecilia ambiguella en Europa
135
6.5. Bibliografía
Aarvik, L, E. (2013). Fauna Europaea: Tortricidae. Retrieved August 5, 2019, from https://fauna-eu.org/
AEMA (1990). Agencia Europea de Medio Ambiente. Retrieved from https://www.eea.europa.eu/es/pressroom/infografia/el-clima-europeo-esta-cambiando/view
Björkman, C., Bylund, H., Klapwijk, M. J., Kollberg, I., & Schroeder, M. (2011). Insect pests in future forests: More severe problems?, 2, 474–485. https://doi.org/10.3390/f2020474
Bournier, A. (1977). Grape insects. Annual Review of Entomology, 22(1), 355–376. https://doi.org/10.1146/annurev.en.22.010177.002035
CORINE. (2010). Coordination of Information on the environment. Retrieved January 18, 2019, from https://land.copernicus.eu/pan-european/CORINE-land-cover
Coscollá, R. (1997). La polilla del racimo de la vid (Lobesia botrana Den. y Schiff.) (Generalita). Valencia: Generalitat Valenciana, Conselleria de Agricultura, Pesca y Alimentación.
EPPO (2019). Eupoecilia ambiguella. Retrieved May 6, 2019, from https://gd.eppo.int/taxon/CLYSAM/distribution
Gilligan, & Epstein. (2014). Tortricids of agricultural importance. Retrieved January 18, 2019, from http://idtools.org/id/leps/tortai/Eupoecilia_ambiguella.htm
Ioriatti, C., Anfora, G., Tasin, M., De Cristofaro, A., Witzgall, P., & Lucchi, A. (2011). Chemical ecology and management of Lobesia botrana (Lepidoptera: Tortricidae). Journal of Economic Entomology, 104(4), 1125–1137. https://doi.org/10.1603/EC10443
Ioriatti, C., Lucchi, A., & Varela, L. G. (2012). Grape berry moths in western european vineyards and their recent movement into the new world. In N. J. Bostanian, C. Vincent, & R. Isaacs (Eds.), Arthropod management in vineyards: Pest, approaches, and future directions (pp. 339–359). Dordrecht: Springer Netherlands. https://doi.org/10.1007/978-94-007-4032-7_14
İren, Z., & Ahned, M. K. (1973). The microlepidoptera and deciduous fruit pests of Turkey. Bitki Koruma Bülteni, 1–96.
Overgaard, J., Kearney, M. R., & Hoffmann, A. A. (2014). Sensitivity to thermal extremes in Australian Drosophila implies similar impacts of climate change on the distribution of widespread and tropical species. Global Change Biology, 20(6), 1738–1750. https://doi.org/10.1111/gcb.12521
Reineke, A., & Thiéry, D. (2016). Grapevine insect pests and their natural enemies in the age of global warming. Journal of Pest Science, 89(2), 313–328. https://doi.org/10.1007/s10340-016-0761-8
Distribución potencial de Eupoecilia ambiguella en Europa
136
Roehrich, R., Boller, E. (1991). Tortricids in vineyards. In L.P.S. van der Geest H.H. Evenhuis (Ed.), Tortricid pests (Elsevier, pp. 507–5014). Elsevier.
Ruiz-Castro, A. (1943). Fauna entomológica de la vid en España. Estudio sistemático-biológico de las especies de mayor importancia económica. Instituto Español de Entomología. Madrid
Rusch, A., Delbac, L., Muneret, L., & Thiéry, D. (2015). Organic farming and host density affect parasitism rates of tortricid moths in vineyards. Agriculture, Ecosystems & Environment, 214, 46–53. https://doi.org/10.1016/J.AGEE.2015.08.019
Schultz, H. R., & Jones, G. V. (2010). Climate induced historic and future changes in viticulture. Journal of Wine Research, 21(2–3), 137–145. https://doi.org/10.1080/09571264.2010.530098
Thiéry, D. (2008). Les Tordeuses nuisibles à la vigne. Retrieved January 18, 2019, from https://www.researchgate.net/publication/270896903_Les_Tordeuses_nuisibles_a_la_vigne
Thiéry, D., Louâpre, P., Muneret, L., Rusch, A., Sentenac, G., Vogelweith, F., … Moreau, J. (2018). Biological protection against grape berry moths. A review. Agronomy for Sustainable Development, 38(2), 15. https://doi.org/10.1007/s13593-018-0493-7
Thiéry, D., Monceau, K., & Moreau, J. (2014). Different emergence phenology of European grapevine moth (Lobesia botrana, Lepidoptera: Tortricidae) on six varieties of grapes. Bulletin of Entomological Research, 104(3), 277–287. https://doi.org/10.1017/S000748531300031X
Thiéry, D., & Moreau, J. (2005). Relative performance of European grapevine moth (Lobesia botrana) on grapes and other hosts. Oecologia, 143(4), 548–557. https://doi.org/10.1007/s00442-005-0022-7
Vogelweith, F., Thiéry, D., Moret, Y., Colin, E., Motreuil, S., & Moreau, J. (2014). Defense strategies used by two sympatric vineyard moth pests. Journal of Insect Physiology, 64, 54–61. https://doi.org/10.1016/J.JINSPHYS.2014.03.009
Vogelweith, F., Thiéry, D., Quaglietti, B., Moret, Y., & Moreau, J. (2011). Host plant variation plastically impacts different traits of the immune system of a phytophagous insect. Functional Ecology, 25(6), 1241–1247. https://doi.org/10.1111/j.1365-2435.2011.01911.x
Willmer, P.G., 1982. Microclimate and the environmental physiology of insects. Adv. In Insect Phys. 16, 1–57. https://doi.org/10.1016/S0065-2806(08)60151-4
Distribución potencial de Eupoecilia ambiguella en Europa
137
Anexo 3
Superficie y porcentaje de no hábitat y de incremento, pérdida, y
persistencia de idoneidad ambiental para E. ambiguella en Europa previstos
por el MNE para el año 2050, considerando los escenarios de cambio climático
RCP 4.5 y RCP 8.5. Solo se especifican aquellos países con regiones en las
que coincide la previsión con 15 o más GCM y presentan un porcentaje igual o
superior al 30% en los efectos observados.
138
Cc
Paí
s/R
egió
n (C
/R)
Incr
emen
to (I
) Km
2I %
Per
dida
(L) K
m2
L %
No
Hab
itat
(NH
) Km
2N
H%
Per
sist
enci
a (P
) Km
2P
%T
otal
C/R
Km
2P
aís/
Reg
ión
(C/R
)In
crem
ento
(I) K
m2
I %P
erdi
da (L
) Km
2L
%N
o H
abit
at (N
H) K
m2
NH
%P
ersi
sten
cia
(P) K
m2
P %
Tot
al C
/R K
m2
Ale
man
ia19
5330
.125
822
9741
6.15
138
1120
4810
.604
123
9057
87.0
233
Ale
man
ia35
6396
.522
439
.336
089.
6846
14
6885
8.29
251
890
5787
.023
3
PD
OH
esse
1727
0.87
719
33.1
5690
.491
605
1181
41.3
3067
816
5221
7.56
518
Hes
se31
369.
0192
860
.147
84.2
9466
9.2
1581
.896
759
352
217.
5651
8
Mec
klem
burg
o-P
omer
ania
Occ
iden
tal
5509
6.79
471
8465
767.
4524
4M
eckl
embu
rgo-
Pom
eran
ia O
ccid
enta
l18
9.94
6829
20.
311
228.
7612
917
.165
767.
4524
4
Saj
onia
222.
2384
228
0.5
1562
2.62
359
3446
502.
5663
8S
ajon
ia71
06.9
7263
415
.374
51.0
0490
516
4650
2.56
638
PG
IS
chle
swig
-Hol
stei
n0.
8947
5040
50.
0019
6929
888.
1446
666
4544
0.96
056
Sch
lesw
ig-H
olst
ein
1315
.077
622
329
513.
6390
665
4544
0.96
056
An
dorr
a10
1.26
5293
512
.520
9.86
9046
626
808.
3810
877
An
dorr
a97
.505
6675
112
.144
4.92
8199
555
808.
3810
877
Can
illo12
4.46
4295
761
205.
5875
7C
anillo
147.
3272
269
7220
5.58
757
Enc
amp
2.22
4990
531
1.8
16.3
7414
731
1312
6.54
5698
2E
ncam
p2.
2249
9053
11.
810
6.36
5409
8412
6.54
5698
2
Esc
alde
s-E
ngor
dany
18.2
3045
669
2185
.590
1892
9E
scal
des-
Eng
orda
ny85
.590
1894
510
085
.590
1892
9
Ord
ino
25.0
6243
251
17.1
2.79
8409
251
214
6.37
0238
Ord
ino
25.0
6243
251
17.1
55.9
4300
937
3814
6.37
0238
San
Jul
ián
de L
oria
28.0
1767
754
23.4
40.5
1176
765
3411
9.69
6820
5S
an J
uliá
n de
Lor
ia24
.258
0515
720
.347
.929
6481
640
119.
6968
205
Au
stri
a10
57.6
6923
20.
648
07.1
4923
62.
661
917.
6491
434
4673
.726
189
2.5
1837
19.7
351
Au
stri
a74
9.98
5362
10.
436
34.5
2696
42
3978
7.02
356
2211
103.
6846
36
1837
19.7
351
PD
OTi
rol
799.
7165
566
313
74.1
5272
85.
124
52.8
8379
49
3391
.269
141
12.5
2720
4.00
229
Tiro
l57
2.44
0371
62
1155
.281
969
414
45.4
5762
65
8509
.871
827
3127
204.
0022
9
PD
OV
orar
lber
g21
.704
8309
80.
439
3.51
0127
37
976.
4276
426
1742
5.25
6486
77.
655
85.9
6879
9V
orar
lber
g30
0.86
0158
95
129.
9182
762
1621
.028
991
2955
85.9
6879
9
Bie
lorr
usi
a 31
2010
.617
353
.458
4045
.742
1B
ielo
rru
sia
3035
30.3
852
5840
45.7
421
Gro
dno
2985
2.99
709
42.1
7083
4.31
625
Gro
dno
2803
1.38
459
4070
834.
3162
5
Mog
uilo
v50
458.
2859
861
.482
157.
0247
2M
ogui
lov
7947
6.10
692
9782
157.
0247
2
Min
sk63
840.
5806
955
.911
4213
.311
7M
insk
9910
1.95
4987
1142
13.3
117
Vite
bsk
5302
4.32
1943
.212
2839
.276
1V
itebs
k61
903.
9884
450
1228
39.2
761
Din
amar
ca29
546.
4150
121
.513
7288
.908
Din
amar
ca11
3662
.543
983
1372
88.9
08
Aar
hus
1102
.681
964
714
809.
7736
9A
arhu
s11
971.
5117
581
PG
IB
ornh
olm
159.
2764
389
917
93.3
0602
5B
ornh
olm
1489
.359
029
8317
93.3
0602
5
Cop
enha
gue
2557
.478
994
8231
16.9
6819
3C
open
hagu
e95
7.24
6441
3131
16.9
6819
3
Fred
erik
sbor
g21
85.7
3835
363
3450
.086
98Fr
eder
iksb
org
2733
.362
611
7934
50.0
8698
PG
IFi
onia
2762
.254
384
2610
743.
4184
Fion
ia90
04.5
7186
284
1074
3.41
84
Jutla
ndia
Sep
tent
riona
l18
543.
1809
389
2079
0.37
694
Rib
e12
16.7
3378
812
9880
.478
736
Rib
e93
06.9
0940
394
9880
.478
736
Rin
gkøb
ing
37.3
4715
485
0.2
1580
7.63
615
Rin
gkøb
ing
1478
1.59
933
9415
807.
6361
5
Ros
kild
e23
75.4
7323
296
2466
.678
692
Ros
kild
e12
66.5
5587
651
2466
.678
692
Jutla
ndia
Sep
tent
riona
l14
08.5
0117
512
1174
4.32
228
Jutla
ndia
Sep
tent
riona
l10
313.
1069
988
1174
4.32
228
Sto
rstrø
mm
en76
45.2
6266
174
1037
1.38
829
Sto
rstrø
mm
en62
91.7
4295
161
1037
1.38
829
Vej
le67
90.8
3974
872
9392
.181
883
Ves
tsjæ
lland
8095
.666
862
8693
83.0
6982
3V
ests
jælla
nd79
82.6
1249
185
9383
.069
823
Vib
org
1222
9.94
454
9013
539.
2219
1
Fin
lan
dia
2738
48.9
746
1513
4493
.306
47
105.
9388
040.
0118
2429
6.17
1Fi
nla
ndi
a22
9338
.061
1333
794.
8133
82
1824
296.
171
Lapo
nia
2278
82.2
554
33.2
1344
93.3
064
2010
5.93
8804
0.02
6871
84.1
074
Lapo
nia
2198
51.7
7432
3379
4.81
338
568
7184
.107
4
Oul
u45
966.
7192
814
3381
48.3
157
Oul
u94
86.2
8706
93
3381
48.3
157
Irlan
da17
073.
0222
39
22.5
7585
730.
0164
027.
0523
233
1948
68.0
516
Irlan
da33
769.
7566
417
.376
851.
9133
739
1948
68.0
516
May
o13
5.88
8958
522
.575
8573
9379
.235
851
5816
214.
7909
May
o11
89.6
5223
17.
377
28.0
9426
948
1621
4.79
09
Car
low
2106
.706
972
7627
72.7
2072
1C
arlo
w24
.233
2526
51
675.
7756
701
2427
72.7
2072
1
Cav
an68
.987
6778
91
5611
.503
862
Cav
an41
01.2
0254
973
5611
.503
862
Don
egal
7253
.893
084
4914
752.
0889
4D
oneg
al22
8.27
5967
81.
561
01.8
0632
641
1475
2.08
894
Dub
lín89
4.29
7195
636
2492
.627
748
Dub
lín61
1.16
4895
524
.523
5.41
6716
69
2492
.627
748
Gal
way
259.
4332
375
9702
.852
0855
1753
6.80
139
Gal
way
1331
.688
981
864
56.2
7897
3717
536.
8013
9
Kild
are
3177
.119
781
6350
05.6
4504
7K
ildar
e32
86.6
6045
266
5005
.645
047
Kilk
enny
66.8
7591
027
123
29.4
2308
643
5480
.807
336
Kilk
enny
801.
4344
202
1519
40.4
7296
335
5480
.807
336
Laoi
s78
8.42
2826
417
4532
.248
441
Laoi
s38
14.4
9598
684
4532
.248
441
Leitr
im11
09.4
0459
325
4471
.358
704
Leitr
im26
75.7
2617
460
4471
.358
704
Long
ford
140.
7413
522
431
61.2
1853
8Lo
ngfo
rd0.
2028
4882
10.
0129
87.6
2956
795
3161
.218
538
Lout
h17
44.1
8445
7224
38.8
6952
8Lo
uth
582.
5576
688
2424
38.8
6952
8
Mea
th44
04.3
7571
370
6269
.456
77M
eath
3940
.198
825
6362
69.4
5677
Mon
agha
n33
1.86
1585
49
3817
.290
634
Mon
agha
n26
48.0
9890
169
3817
.290
634
Offa
ly16
33.1
4495
831
5260
.419
134
Offa
ly49
13.3
9346
893
5260
.419
134
Ros
com
mon
2111
.972
235
2972
67.6
2826
4R
osco
mm
on67
25.9
6073
593
7267
.628
264
Slig
o15
78.6
5797
329
5489
.351
85S
ligo
3485
.081
225
6354
89.3
5185
Tipp
erar
y71
.396
3362
61
5912
.047
914
4912
059.
6225
8Ti
pper
ary
1972
.133
214
16.4
3336
.863
409
2812
059.
6225
8
Wes
tmea
th15
2.41
5765
33
5327
.569
867
Wes
tmea
th53
27.5
6986
710
053
27.5
6986
7
Wic
klow
97.4
8806
794
213
43.6
6069
126
5209
.340
033
Wic
klow
460.
5849
226
917
07.1
7370
833
5209
.340
033
Italia
607.
7583
332
0.1
2059
7.13
904
468
85.8
5858
21.
216
617.
6709
23
5589
56.8
131
Italia
526.
7283
919
0.1
1576
9.49
358
323
37.5
6490
10.
417
518.
8682
73
5589
56.8
131
PD
OTr
entin
o-A
lto A
digi
o27
3.11
8903
71
2162
.889
511
815
86.0
1315
96
3383
.456
979
1228
560.
9632
9Tr
entin
o-A
lto A
digi
o23
6.14
3716
51
1668
.469
948
660
9.54
3735
89.
141
53.8
1846
814
.528
560.
9632
9
PD
OV
alle
de
Aos
ta38
.446
8136
71
399.
9118
409
611
5.18
5478
72
2796
.146
442
6658
.937
373
Val
le d
e A
osta
46.7
0530
931
469.
7720
616
742
.063
2148
80.
630
56.9
4910
846
6658
.937
373
Tra
yect
oria
de
con
cen
trac
ión
rep
rese
nta
tiva
4.5
(RC
P 4
.5)
Tra
yect
oría
de
con
cen
trac
ión
rep
rese
nta
tiva
8.5
(RC
P 8
.5)
139
Cc
Pa
ís/R
eg
ión
(C
/R)
Inc
rem
en
to (
I) K
m2
I %P
erd
ida
(L
) K
m2
L %
No
Ha
bit
at
(NH
) K
m2
NH
%P
ers
iste
nc
ia (
P)
Km
2P
%T
ota
l C
/R K
m2
Pa
ís/R
eg
ión
(C
/R)
Inc
rem
en
to (
I) K
m2
I %P
erd
ida (
L)
Km
2L
%N
o H
ab
ita
t (N
H)
Km
2N
H%
Pe
rsis
ten
cia
(P
) K
m2
P %
To
tal
C/R
Km
2
Tra
yec
tori
a d
e c
on
ce
ntr
ac
ión
re
pre
se
nta
tiv
a 4
.5 (
RC
P 4
.5)
Tra
yecto
ría d
e c
on
ce
ntr
ac
ión
rep
res
en
tati
va
8.5
(R
CP
8.5
)
Lie
ch
ten
ste
in1
0.0
91
21
57
93
92
.09
30
60
78
27
15
.55
01
61
75
33
5.4
96
46
92
Lie
ch
ten
ste
in5
.61
86
64
47
81
.71
23
.73
18
02
73
73
35
.49
64
69
2
Ba
lze
rs5
.61
86
64
47
81
2.5
9.0
69
49
64
28
20
.21
0.0
80
73
54
52
2.5
44
.89
52
17
89
Ba
lze
rs5
.61
86
64
47
81
2.5
13
.34
90
98
86
30
44
.89
52
17
89
Pla
nke
n7
.25
90
93
14
95
51
3.1
93
42
60
8
Scha
an
24
.64
42
78
47
41
.21
.52
24
95
08
82
.55
9.7
96
67
47
6S
cha
an
18
.32
20
52
71
31
59
.79
66
74
76
Tri
ese
nbe
rg4
7.5
01
53
00
37
56
3.6
00
01
93
3
Va
lduz
8.4
86
39
35
29
24
1.7
62
42
80
75
53
5.8
02
88
46
1V
ald
uz
22
.19
92
84
75
62
35
.80
28
84
61
Lit
ua
nia
25
.18
48
06
14
0.0
11
05
54
6.2
14
65
32
00
11
4.8
31
8L
itu
an
ia5
0.2
67
52
03
10
85
26
.69
57
54
20
01
14
.83
18
Aly
tus
25
.18
48
06
14
0.2
54
64
.23
89
77
33
16
41
6.0
24
88
Aly
tus
50
.26
75
20
30
.32
79
4.4
81
05
81
71
64
16
.02
48
8
Ka
una
s1
87
15
.55
97
75
.42
48
36
.09
18
4K
auna
s2
30
54
.03
70
39
32
48
36
.09
18
4
Kla
ipė
da
3.2
31
60
11
69
0.0
21
68
55
.93
32
2K
laip
ėda
50
39
.64
65
71
30
16
85
5.9
33
22
Ma
rija
mpo
lė5
45
9.1
93
88
24
1.2
13
24
3.2
74
17
Ma
rija
mpo
lė1
31
06
.16
77
69
91
32
43
.27
41
7
Pa
ne
vėžy
s1
75
70
.55
50
37
12
48
52
.92
81
9 P
ane
vėžy
s1
56
64
.72
63
86
32
48
52
.92
81
9
Ta
ura
gë
64
21
.38
28
55
55
11
77
0.6
05
83
Ta
ura
gë
60
87
.55
09
32
52
11
77
0.6
05
83
Ute
na
21
82
0.2
67
95
10
02
18
74
.65
10
6U
tena
15
70
5.0
16
57
22
18
74
.65
10
6
Viln
a2
69
91
.11
71
99
22
93
89
.07
20
1V
ilna
22
82
7.2
12
52
78
29
38
9.0
72
01
No
rue
ga
91
59
8.5
84
09
53
81
5.3
81
94
90
.21
41
78
2.3
64
78
67
95
7.0
88
58
41
78
38
39
.31
6N
oru
eg
a8
21
69
.56
14
65
60
48
.01
04
72
0.3
63
10
6.7
96
08
3.5
11
12
84
.78
58
61
78
38
39
.31
6
Ho
rda
land
32
71
.70
71
19
5.2
50
44
.33
76
46
16
32
08
.73
73
1H
ord
ala
nd
49
84
.39
81
22
0.3
68
75
.47
29
53
11
63
20
8.7
37
31
Oppla
nd
25
52
.21
14
43
22
10
59
.39
16
19
10
93
40
.59
44
Oppla
nd
58
08
.65
82
62
5.3
28
38
2.6
80
58
26
10
93
40
.59
44
Ro
ga
land
26
3.6
55
18
69
11
04
82
.46
18
73
03
50
11
.82
84
3R
oga
land
28
.80
07
19
92
32
0.7
38
10
41
11
74
26
.52
24
85
03
50
11
.82
84
3
Pa
íse
s B
ajo
s1
59
57
.26
12
98
.28
12
13
.75
51
34
21
93
67
7.4
10
3P
aís
es
Ba
jos
43
94
0.1
74
52
23
29
67
.06
31
14
21
93
67
7.4
10
3
PG
ID
rente
14
57
1.6
06
13
10
01
45
71
.60
61
3D
rente
41
6.5
76
64
75
31
45
71
.60
61
3
PG
IF
levo
landa
76
83
.86
96
53
97
79
00
.97
39
29
PG
IF
risia
17
96
5.9
87
94
91
19
78
5.6
57
23
Fri
sia
37
9.5
09
96
56
21
97
85
.65
72
3
PG
IG
üe
ldre
s5
04
6.2
27
64
21
92
69
80
.94
48
3G
üe
ldre
s7
28
7.9
58
10
82
72
69
80
.94
48
3
PG
IG
ronin
ga
1
33
61
.14
54
39
91
35
49
.21
81
2G
ronin
ga
2
17
0.9
76
50
11
61
35
49
.21
81
2
PG
IH
ola
nda
Se
pte
ntr
iona
l1
30
53
.77
82
88
41
55
09
.91
05
PG
IO
veri
jsse
l7
44
8.8
63
68
94
11
81
54
.73
93
2
PG
IU
tre
cht
13
63
.52
81
13
18
76
35
.26
23
16
Po
lon
ia4
7.5
49
89
15
50
.01
79
63
3.4
58
89
10
20
56
6.4
44
98
2.5
31
77
15
.90
56
38
.58
25
91
4.3
69
4P
olo
nia
20
99
31
.34
37
25
.49
24
9.2
53
49
1.1
14
65
20
.78
21
18
82
59
14
.36
94
Vo
ivo
da
to d
e K
uya
via
-Po
me
rania
12
50
.09
72
73
32
88
66
.28
49
65
94
89
21
.07
01
1V
oiv
oda
to d
e K
uya
via
-Po
me
rania
47
.26
15
18
41
0.1
42
25
.83
57
22
94
89
21
.07
01
1
Ló
dz
38
67
.77
70
56
45
90
.84
97
94
10
17
08
8.9
48
75
36
47
75
0.1
44
11
Ló
dz
19
02
7.2
89
92
40
47
75
0.1
44
11
Lublin
30
26
2.2
85
31
48
.36
26
76
.82
45
1L
ublin
15
97
2.9
62
85
25
.56
26
76
.82
45
1
Ma
so
via
n4
7.5
49
89
15
50
.05
80
75
3.7
59
32
87
93
29
0.3
38
59
Ma
so
via
n5
61
.58
46
58
12
46
.68
91
97
0.3
45
70
.55
53
83
59
32
90
.33
85
9
Po
dla
chia
n5
13
68
.43
08
85
.46
01
18
.78
06
4P
odla
chia
n1
96
.95
06
13
60
.32
50
77
.97
93
54
26
01
18
.78
06
4
Po
me
rania
n3
22
8.2
50
12
96
.15
29
96
.50
54
73
06
26
.33
24
58
52
99
6.5
05
47
Vo
ivo
da
to d
e V
arm
ia y
Ma
suri
a1
86
37
.14
61
52
7.3
68
28
5.8
48
Vo
ivo
da
to d
e V
arm
ia y
Ma
suri
a5
37
41
.53
55
77
96
82
85
.84
8
Vo
ivo
da
to d
e P
om
era
nia
Occid
enta
l3
48
34
.84
01
25
2.2
66
72
0.9
41
54
Vo
ivo
da
to d
e P
om
era
nia
Occid
enta
l5
55
.52
37
67
10
.82
14
55
.78
66
63
26
67
20
.94
15
4
Su
ec
ia3
21
12
2.3
43
11
53
54
58
.32
51
22
72
88
5.6
34
64
3.3
21
77
31
5.4
3S
ue
cia
38
45
66
.82
39
18
24
8.0
96
01
05
0.0
00
13
00
09
1.2
85
21
42
17
73
15
.43
Ostr
ogo
tia1
78
3.0
95
89
14
.04
44
33
.19
69
5O
str
ogo
tia1
30
71
.23
50
52
9.4
44
43
3.1
96
95
Ble
kinge
10
69
.69
04
86
11
.19
63
4.2
64
58
2B
leki
nge
77
35
.74
74
81
80
.39
63
4.2
64
58
2
Da
larn
a1
80
64
.03
47
61
4.1
12
83
25
.16
16
Da
larn
a3
0.4
22
68
73
80
.02
52
78
9.8
62
74
1.1
12
83
25
.16
16
Go
tland
22
.77
67
29
68
0.2
10
97
9.9
54
11
Go
tland
92
98
.74
71
17
85
10
97
9.9
54
11
19
12
0.7
03
9H
alla
nd
16
.12
11
58
20
.19
00
1.8
42
68
54
7.1
19
12
0.7
03
9
Jö
nkö
pin
g2
90
6.6
01
78
68
38
19
1.4
61
68
Jö
nkö
pin
g2
25
10
.12
04
15
93
81
91
.46
16
8
Ka
lma
r9
52
.97
01
77
12
.41
51
09
.21
94
83
8.3
39
42
7.9
40
34
Ka
lma
r7
27
.79
17
40
32
24
28
2.1
76
23
62
39
42
7.9
40
34
No
rrbo
tte
n2
50
88
7.5
98
23
6.4
34
07
2.5
65
46
56
84
1.0
99
00
11
68
84
81
.50
17
No
rrbo
tte
n2
83
84
6.7
29
34
1.2
24
8.0
96
01
05
0.0
00
43
29
6.3
28
09
70
.56
88
48
1.5
01
7
Ore
bro
78
.84
05
74
77
0.2
37
07
0.4
70
58
Ore
bro
29
02
4.6
73
66
78
.33
70
70
.47
05
8
Esca
nia
49
81
.95
91
03
14
35
83
4.0
83
32
Esca
nia
27
80
7.0
56
36
78
35
83
4.0
83
32
Esto
co
lmo
46
.58
04
96
27
0.2
20
6.8
69
81
81
0.7
27
69
2.2
50
26
Esto
co
lmo
46
.57
08
02
30
.21
96
10
.49
73
77
12
76
92
.25
02
6
Vä
ste
rbo
tte
n6
69
80
.59
69
62
0.5
13
85
.75
96
58
0.4
17
56
6.9
95
66
5.4
32
63
77
.61
3V
äste
rbo
tte
n9
51
87
.33
78
12
9.2
46
04
.51
84
27
1.4
32
63
77
.61
3
Vä
str
a G
öta
land
41
94
.22
65
84
41
07
03
0.1
93
6V
ästr
a G
öta
land
38
42
1.9
17
75
36
10
70
30
.19
36
Su
iza
16
7.4
53
74
27
0.2
17
43
2.8
80
01
20
62
32
.35
67
62
7.1
12
45
5.3
33
52
14
.28
77
19
.00
70
9S
uiz
a6
43
.57
36
05
61
24
88
4.4
75
19
28
.48
17
.65
81
25
20
.91
55
87
.68
37
11
88
77
19
.00
70
9
WG
IA
ppe
nze
ll R
oda
s E
xte
rio
res
15
5.0
33
82
14
41
81
.49
05
23
25
22
93
.66
78
58
06
25
.13
73
.83
34
29
9A
ppe
nze
ll R
oda
s E
xte
rio
res
30
3.7
06
17
53
57
53
3.5
46
87
62
WG
IA
ppe
nze
ll R
oda
s Inte
rio
res
72
.69
16
77
54
19
34
.40
15
03
92
9.2
56
.14
46
04
14
15
37
3.8
33
42
99
Appe
nze
ll R
oda
s Inte
rio
res
87
.08
69
29
25
23
.31
.96
78
85
46
20
.55
8.4
34
23
99
71
63
73
.83
34
29
9
WG
IB
ern
41
.80
04
67
68
0.3
28
04
.53
71
31
22
47
7.0
23
38
02
3.8
26
06
.99
58
66
20
.51
27
05
.96
46
8B
ern
14
3.7
17
72
59
13
94
5.8
41
10
73
1.1
58
.56
19
09
94
0.5
34
09
.19
68
22
71
27
05
.96
46
8
WG
IG
lari
s
71
.61
65
51
89
51
43
.24
40
51
41
01
48
1.9
78
86
5G
lari
s
14
2.3
36
75
11
03
15
.01
66
55
22
11
48
1.9
78
86
5
WG
IG
riso
ne
s4
6.5
46
97
44
80
.34
89
.54
62
53
83
16
7.4
83
33
43
1.1
17
17
.51
11
65
11
.51
49
50
.95
96
4G
riso
ne
s9
.66
36
46
83
50
.16
99
.76
78
13
45
17
84
.76
21
78
12
14
95
0.9
59
64
WG
IL
uce
rna
49
8.3
98
66
01
15
82
6.0
61
48
72
25
.23
27
9.0
09
27
Luce
rna
15
60
.10
85
73
48
73
8.1
95
47
79
23
32
79
.00
92
7
Obw
ald
en
55
.88
55
54
03
57
7.4
91
98
25
77
.51
02
9.4
95
68
6O
bw
ald
en
15
4.9
60
29
34
15
.14
93
.76
49
46
64
81
02
9.4
95
68
6
WG
IS
an G
alo
88
5.4
73
07
71
21
64
5.1
40
52
54
15
52
8.1
34
08
86
12
.24
31
4.6
07
37
Sa
n G
alo
18
41
.53
60
06
43
51
.14
14
34
14
10
.24
99
.85
69
29
71
24
31
4.6
07
37
WG
IS
chw
yz2
06
.20
45
57
91
16
02
.14
41
36
33
1.5
19
10
.50
10
68
Schw
yz3
69
.15
93
40
31
9.3
10
27
.59
77
22
54
19
10
.50
10
68
WG
IT
esin
o5
30
.42
20
11
39
4.7
06
84
42
57
0.1
77
1.6
94
12
28
13
59
58
.42
28
73
Te
sin
o4
79
.84
90
20
98
.11
04
1.3
00
44
61
75
95
8.4
22
87
3
WG
IU
ri1
05
.81
02
62
35
13
9.4
53
60
56
6.1
22
74
.76
66
93
Uri
14
7.5
29
97
25
6.5
44
6.1
36
81
42
20
22
74
.76
66
93
WG
IV
ala
is7
9.1
06
30
05
80
.74
50
.15
45
54
64
29
0.4
55
99
29
32
72
2.7
43
31
72
5.1
10
83
8.1
61
73
Va
lais
49
9.2
39
46
11
51
30
.08
41
69
14
73
6.1
83
20
14
41
08
38
.16
17
3
WG
IZ
üri
ch
17
36
.96
75
92
46
51
9.3
65
07
79
14
37
82
.09
75
59
Zü
rich
31
93
.84
32
19
84
.41
.87
74
20
18
10
.05
37
82
.09
75
59
Zug
16
6.9
34
78
58
32
31
9.8
57
56
76
25
18
.04
54
76
8Z
ug
16
7.4
24
73
09
32
.31
19
.25
85
79
23
51
8.0
45
47
68
Uc
ran
ia4
3.9
86
23
42
20
.00
32
45
75
7.8
97
41
81
01
50
5.1
78
77
.32
37
23
9.4
63
71
71
39
66
87
.65
8U
cra
nia
43
.98
70
04
30
.00
34
90
52
2.0
98
13
53
78
43
.48
63
83
35
00
5.4
33
66
31
39
66
87
.65
8
Che
rnih
iv3
25
0.3
31
56
94
64
64
.36
63
08
83
00
65
.49
78
36
82
88
8.8
45
57
Che
rnih
iv8
92
1.1
81
51
31
16
46
4.3
66
30
88
13
28
3.9
36
62
16
82
88
8.8
45
57
WG
IC
rim
ea
35
43
.75
87
91
71
84
.99
83
52
0.3
10
68
.63
24
58
25
30
34
.98
76
Cri
me
a2
36
7.3
38
02
54
69
6.1
55
10
36
23
53
03
4.9
87
6
Do
ne
tsk
73
12
.32
00
41
22
36
10
.84
58
84
05
93
18
.74
78
9D
one
tsk
34
57
1.7
35
71
58
59
31
8.7
47
89
Kha
rkiv
70
95
1.1
95
76
95
74
56
1.3
13
62
Kha
rkiv
40
07
.16
05
18
53
02
2.0
09
24
47
45
61
.31
36
2
Luga
nsk
29
42
.40
70
07
51
31
7.6
87
37
82
34
49
0.5
70
99
55
62
62
6.0
82
71
Luga
nsk
20
91
1.7
90
19
33
15
38
.78
96
92
62
62
6.0
82
71
Sum
y1
62
8.6
19
14
53
23
87
4.6
90
25
40
59
94
7.4
43
41
Sum
y5
76
9.4
31
53
21
01
67
49
.77
79
22
85
99
47
.44
34
1
Re
ino
Un
ido
43
25
4.4
32
29
62
3.0
49
37
05
0.0
03
11
68
98
.87
03
16
71
59
91
.75
1R
ein
o U
nid
o1
04
81
5.8
28
11
52
3.0
49
37
05
0.0
03
10
06
83
.61
14
71
59
91
.75
1
PG
IIn
gla
terr
a3
93
71
.19
98
36
90
89
5.6
07
56
26
35
34
15
.86
31
Ingla
terr
a9
63
75
.96
29
27
52
49
3.4
65
14
15
35
34
15
.86
31
Irla
nda
de
l No
rte
38
70
.55
02
25
94
21
51
.42
36
81
62
56
.65
80
43
94
21
51
.42
36
8
PD
OG
ale
s3
77
1.1
19
48
67
12
23
7.0
81
32
25
58
97
.26
34
7G
ale
s8
30
1.7
50
71
51
51
00
17
84
6.3
69
75
32
55
89
7.2
63
47
10
01
00
10
01
00
10
01
00
10
01
00
10
0
Cc
= C
atg
orí
a c
alid
ad, W
GI=
vin
o c
on in
dic
ació
n g
eo
grá
fica
, P
DO
= v
ino
co
n d
eno
min
ació
n d
e o
rige
n p
rote
gid
o, P
GI=
vin
o c
on in
dic
ació
n d
e o
rige
n p
rote
gid
o, I%
=P
orc
enta
je d
e in
cre
me
nto
, L
%=
Po
rce
nta
je d
e p
erd
ida
, P
%=
Po
rce
nta
je d
e P
ers
iste
ncia
, N
H%
= P
orc
enta
je d
e N
o H
ábita
t, K
m2=
Kilo
me
tro
s c
ua
dra
do
s
Conclusiones generales
Conclusión general
140
7. Conclusiones generales
1. Las variables bioclimáticas que aportan más a los modelos de nicho
ecológico para la vid, L. botrana y E. ambiguella dependen de valores de la
temperatura. Además, en el caso de las dos plagas, también son importantes
algunas variables dependientes de la precipitación.
2. En los dos escenarios de cambio climático considerados, los modelos
predicen una persistencia de las condiciones ambientales adecuadas para el
cultivo de la vid y para la presencia de L. botrana en gran parte del territorio
europeo. Sin embargo, para E. ambiguella la estabilidad de las condiciones de
idoneidad ambiental se prevé solo para las regiones de Europa con climas y/o
microclimas húmedos y con aquéllos en los que los incrementos de
temperatura y los descensos de las precipitaciones se produzcan de modo más
amortiguado.
3. Considerando los dos escenarios de cambio climático RCP 4.5 y
RCP 8.5, los modelos de nicho ecológico predicen importantes incrementos de
superficie con idoneidad ambiental tanto para el cultivo de la vid como para la
presencia de L. botrana en regiones del centro y norte de Europa (en el caso
de la polilla y según el escenario RCP 8.5, incluyendo regiones importantes
en el sector vitivinícola de Alemania, Austria, República Checa y Suiza),
mientras que en el caso de E. ambiguella, los porcentajes de incremento de
superficie con idoneidad ambiental serán más reducidos (≤ 1% en el peor de
los escenarios, RCP 8.5, si se consideran los países en los que la viticultura
constituye un sector económicamente importante y esta polilla es valorada
como una plaga clave).
Conclusión general
141
4. Se prevén notables pérdidas de superficie con idoneidad ambiental
para el cultivo de la vid en regiones europeas con climas cálidos y con muy
importantes regiones vitivinícolas productoras de vinos de calidad (Portugal,
España, Italia, Grecia y Chipre). También se pronostican pérdidas de idoneidad
ambiental para E. ambiguella en la mayor parte de Europa, quedando su área
de distribución restringida a las regiones más septentrionales y a algunas
zonas aisladas del centro. Las previsiones también indican que muchas de las
zonas en las que desaparezcan las condiciones de idoneidad ambiental para E.
ambiguella serán ocupadas por L. botrana, polilla que prefiere ambientes más
cálidos y secos.
5. Considerando los usos del suelo implicados en las zonas en las que
se dará persistencia e incremento de idoneidad ambiental para el cultivo de la
vid y el hecho de que en amplias zonas montañosas en las que actualmente
predomina la vegetación natural, se prevé también que aumente dicha
idoneidad es esperable que la viticultura y la protección de los recursos
naturales sean en el futuro realidades enfrentadas en estos espacios, con
profundas implicaciones sociales y ambientales.
6. Los usos del suelo predominantes en las zonas con persistencia e
incremento de idoneidad ambiental para L. botrana y E. ambiguella, en
términos generales, favorecen el aumento de la humedad relativa, factor
ambiental muy relevante para la supervivencia de las dos especies, sobre todo
de la última.
7. Las modificaciones que el cambio climático provocará sobre las
superficies con idoneidad ambiental para el cultivo de la vid y para la presencia
Conclusión general
142
de L. botrana y E. ambiguella en diferentes regiones europeas plantearán
importantes problemas en los ámbitos económico, social, cultural y ambiental.
Trabajos como el presente aportan información valiosa que, en un contexto de
Desarrollo Sostenible, puede contribuir a buscar soluciones que atajen, con la
antelación necesaria, dichos problemas.
top related