Carlos Navarro, Julian Ramirez, Andy Jarvis, Peter Laderach

Avances en Modelación Climática; CC & Agricultura

20/08/2012, Managua - Nicaragua

• Breve sobre clima & agricultra• Datos climáticos, disponibilidad

y dificultades• Opciones - Downscaling

– Empírico– Dinámico

• Nuestras bases de datos• Cuantificación de

incertidumbres• ¿Qué dicen los modelos para

Nicaragua?• Aplicaciones GCM &

Agricultura • ¿Cómo Adaptar?

Contenido

Clima & Agricultura– Múltiples variables– Muy alta resolución

espacial (1 km, 90m??).– Alta resolución temporal

(i.e. mensual, diaria).– Alta certidumbre ,

previsiones precisas del tiempo y las proyecciones climáticas.

• Tanto para presente como para futuro.

La demanda - Certidumbre

–T°• Max,• Min, • Media

–Prec–HR– Radiacion– Vientos– …….

Men

os im

port

ante

s

Mas

cer

tidum

bre

•Cualquier agro-ecosistema responde a variaciones de factores antropogenicos, bióticos, abioticos.• El clima es el factor menos predecible.• El clima va a cambiar y cada sistema es un caso

específico• Los cultivos son suprememente sensibles a sus

condiciones climaticas

La demanda - CertidumbreLo que sí sabemos…

>> INCERTIDUMBRE

Lo que no sabemos… ¿Qué condiciones tendremos en 30, 50, 100 años?

¿Cómo responderán nuestros sistemas a estas condiciones?

¿Cuándo, dónde, y qué tipo de cambio se

requiere para adaptar?

¿Quién debe planear? ¿Quién debe

ejecutar?

La demanda - Certidumbre

La demanda - Certidumbre

Datos climáticos confiables Vacíos representación del

sistema climático

Modelos climáticos inadecuados

Evaluación de Impactos

cambio climático

Alto grado de

incertidumbre

>> INCERTIDUMBRE

Necesidades Limitaciones

¿Cómo predecir el futuro?

Económico

Ambiental

Global Regional

PESIMISTA“Bussiness as

usual”

OPTIMISTAMundo perfecto

IntermedioP

E

P

E

P

E

P

E

Los Escenarios de Emisión

En la agricultura, los diferentes escenarios de emisiones no son

importantes… de aqui a 2030 la

diferencia entre escenarios es

minima

Mensaje 1

Los GCMs son la única manera en que podemos predecir el clima a futuro

Usando el pasado para aprender del futuro

Los ModelosGCM “Global Climate Model”

Los Modelos

Variaciones en la temperatura de la superficie de la tierra: de 1000 a 2100

Qué es lo que dicen los modelos??

Cambios antropogénicos llevan a cambios atmosféricos

Concentraciones Atmosféricas

Escala global Pero.. Escala regional o local

Resoluciones

• Resolución horizontal de unos 100 a 300 km • 18 y 56 niveles verticales.

GCM - Limitaciones

Model Country Atmosphere OceanBCCR-BCM2.0 Norway T63, L31 1.5x0.5, L35CCCMA-CGCM3.1 (T47) Canada T47 (3.75x3.75), L31 1.85x1.85, L29CCCMA-CGCM3.1 (T63) Canada T63 (2.8x2.8), L31 1.4x0.94, L29CNRM-CM3 France T63 (2.8x2.8), L45 1.875x(0.5-2), L31CSIRO-Mk3.0 Australia T63, L18 1.875x0.84, L31CSIRO-Mk3.5 Australia T63, L18 1.875x0.84, L31GFDL-CM2.0 USA 2.5x2.0, L24 1.0x(1/3-1), L50GFDL-CM2.1 USA 2.5x2.0, L24 1.0x(1/3-1), L50GISS-AOM USA 4x3, L12 4x3, L16GISS-MODEL-EH USA 5x4, L20 5x4, L13GISS-MODEL-ER USA 5x4, L20 5x4, L13IAP-FGOALS1.0-G China 2.8x2.8, L26 1x1, L16INGV-ECHAM4 Italy T42, L19 2x(0.5-2), L31INM-CM3.0 Russia 5x4, L21 2.5x2, L33IPSL-CM4 France 2.5x3.75, L19 2x(1-2), L30MIROC3.2-HIRES Japan T106, L56 0.28x0.19, L47MIROC3.2-MEDRES Japan T42, L20 1.4x(0.5-1.4), L43MIUB-ECHO-G Germany/Korea T30, L19 T42, L20MPI-ECHAM5 Germany T63, L32 1x1, L41MRI-CGCM2.3.2A Japan T42, L30 2.5x(0.5-2.0)NCAR-CCSM3.0 USA T85L26, 1.4x1.4 1x(0.27-1), L40NCAR-PCM1 USA T42 (2.8x2.8), L18 1x(0.27-1), L40UKMO-HADCM3 UK 3.75x2.5, L19 1.25x1.25, L20UKMO-HADGEM1 UK 1.875x1.25, L38 1.25x1.25, L20

Incertidumbres!

GCM - Limitaciones

Dificultad 1. Mezcla de resoluciones

GCM - Limitaciones

Dificultad 2. Disponibilidad de datos (via IPCC)WCRP CMIP3 A1B-P A1B-T A1B-Tx A1B-Tn A2-P A2-T A2-Tx A2-Tn B1-P B1-T B1-Tx B1-Tn

BCCR-BCM2.0 OK OK OK OK OK OK OK OK OK OK OK OKCCCMA-CGCM3.1-T63 OK OK NO NO NO NO NO NO OK OK NO NOCCCMA-CGCM3.1-T47 OK OK NO NO OK OK NO NO OK OK NO NOCNRM-CM3 OK OK NO NO OK OK NO NO OK OK NO NOCSIRO-MK3.0 OK OK OK OK OK OK OK OK OK OK OK OKCSIRO-MK3.5 OK OK OK OK OK OK OK OK OK OK OK OKGFDL-CM2.0 OK OK OK OK OK OK OK OK OK OK OK OKGFDL-CM2.1 OK OK OK OK OK OK OK OK OK OK OK OKGISS-AOM OK OK OK OK NO NO NO NO OK OK OK OKGISS-MODEL-EH OK OK NO NO NO NO NO NO NO NO NO NOGISS-MODEL-ER OK OK NO NO OK OK NO NO OK OK NO NOIAP-FGOALS1.0-G OK OK NO NO NO NO NO NO OK OK NO NOINGV-ECHAM4 OK OK NO NO OK OK NO NO NO NO NO NOINM-CM3.0 OK OK OK OK OK OK OK OK OK OK OK OKIPSL-CM4 OK OK NO NO OK OK NO NO OK OK NO NOMIROC3.2.3-HIRES OK OK OK OK NO NO NO NO OK OK OK OKMIROC3.2.3-MEDRES OK OK OK OK OK OK OK OK OK OK OK OKMIUB-ECHO-G OK OK NO NO OK OK NO NO OK OK NO NOMPI-ECHAM5 OK OK NO NO OK OK NO NO OK OK NO NOMRI-CGCM2.3.2A OK OK NO NO OK OK NO NO OK OK NO NONCAR-CCSM3.0 OK OK OK OK OK OK OK OK OK OK OK OKNCAR-PCM1 OK OK OK OK OK OK OK OK OK OK OK OKUKMO-HADCM3 OK OK NO NO OK OK NO NO OK OK NO NOUKMO-HADGEM1 OK OK NO NO OK OK NO NO NO NO NO NO

GCM - Limitaciones

Dificultad 3. habilidad limitada de representar clima presente.

GCM - Limitaciones

Depender de un solo GCM es peligroso!

Cómo utilizar esta información?

Problema

Necesidad

OpcionesDownscaling por métodos estadísticos o dinámicos..

Aumentar resolución, uniformizar… proveer

datos de alta resolución,

contextualizadosAún el GCM

más preciso es demasiado

grueso (100km).

GCM - Limitaciones

Método Delta–Base climatológica: WorldClim– Tomar superficies GCM originales

(series de tiempo)–Calcular promedios para línea

base y períodos específicos–Calcular anomalías– Interpolar anomalías (spline)– Sumar anomalías a WorldClim

Opciones – Métodos Estadísticos

Opciones – Métodos Estadísticos

Estaciones x variable:• 47,554

precipitación • 24,542

tmean • 14,835

tmax y tmin

- 3 0 .1

3 0 .5

M e a n a n n u a lt e m p e r a t u r e ( º C )

0

1 2 0 8 4

A n n u a l p r e c i p i t a t i o n ( m m )

¿Qué es WorlClim?

Fuentes:•GHCN•FAOCLIM•WMO•CIAT•R-Hydronet•Redes nacionales

Opciones – Métodos Estadísticos

Método Disegregación• Similar a DELTA pero sin interpolacion– Base climatologica: CRU, WorldClim– Calcular anomalias para periodos requeridos para

celdas GCM– Sumar anomalias a climatologia base

– Usar resultados de GCMs

– Son de área limitada.. Necesitan condiciones de frontera.

– Realiza cálculos de la dinámica atmosférica y resuelve ecuaciones para cada grilla.

– Datos diarios– Resolucion varia entre 25-50km– Más de 170 variables de salida

Opciones – Métodos Dinámicos

RCM PRECIS Providing REgional Climates for Impacts Studies

Método Pros Contras

Delta

*Rápido de implementar* resoluciones*Aplicable a TODOS los GCMs*Uniformiza líneas base

* Cambios solo varían en gran escala* Variables no cambian sus relaciones en tiempo* variables

RCMs

* Robusto*Aplicable a GCMs dependiendo de disponibilidad de datos* variables

*Pocas plataformas (PRECIS)*Mucho procesamiento y almacenamiento*Limitada resolución (25-50km)*Aun falta mucho desarrollo*Incertidumbre difíciles de cuantificar

Opciones - Comparación

¿Qué metodología empleo?

Métodos Estadísticos vs Dinámicos

Emisiones Escenarios de población, energía, modelos económicos

Concentraciones Ciclo del carbono, modelos químicos

Cambio climático Global GCMs

Detalles regionales RCMs,Downscaling

Impactos Modelos de impacto

En resumen…

Nuestras Bases de Datos

http://ccafs-climate.orgCCAFS Climate

CCAFS Climate - Usuarios

CCAFS Climate - Usuarios

CCAFS Climate - Bases de Datos

• Reducidos de escala empíricamente y disaggregados para todo el mundo de 1 a 20 km.

• Reducidos de escala dinámicamente (PRECIS) para Sur América.

• 20 GCM para 2050, 9 para 2020 (Datos Stanford) dowscalados a 20km, 5km, 1km

• 7 GCMs con información Tyndall.

¿Qué ofrecemos?

Comparison (R2 based) of interpolated climatology (WorldClim, The University of East Anglia Climatic Research Unit dataset (CRU)), and each of the GCMs (average 1961-1990 period) for each of the countries in the study area for mean temperature (left) and precipitation (right) for the annual mean. All R2 values were statistically significant at p < 0.001. (Ramirez and Challinor, 2012)

¿Y qué pasa con las incertidumbres? Cómo cuantificar?

Las Incertidumbres

2010_2039 2020_2049 2030_2059 2040_2069 2050_2079 2060_2089 2070_2099700.000

720.000

740.000

760.000

780.000

800.000

820.000

Annual Precipitation

bccr_bcm2_0 cccma_cgcm3_1_t47 cnrm_cm3

csiro_mk3_0 csiro_mk3_5 gfdl_cm2_0

gfdl_cm2_1 giss_model_er ingv_echam4

inm_cm3_0 ipsl_cm4 miroc3_2_medres

miub_echo_g mpi_echam5 mri_cgcm2_3_2a

ncar_ccsm3_0 ncar_pcm1 ukmo_hadcm3

ukmo_hadgem1

Period (30 yr)

Ann

ual P

reci

pita

tion

(mm

)Projections of future global average annual precipitation for A1B scenarios from

donwscaled data.

Incertidumbres

Las Incertidumbres

La incertidumbre cientifica SI es relevante para la agricultura: tenemos que tomar

decisiones dentro de un contexto de incertidumbre

Mensaje 2

Comparación con estaciones in-situ

0 100 200 300 400 500 600 7000

100

200

300

400

500

600

700

R² = 0.280058915841598

R² = 0.707312312307941

Observed vs. Modeled Acumulated Monthly Rainfall (Mean Monthly 1979-2003)

GHCN Stations (mm/month)

MRI

Dat

aset

s (m

m/m

onth

)

-5 0 5 10 15 20 25 30 35-5

0

5

10

15

20

25

30

R² = 0.9009193900267R² = 0.991495346306954

Observed vs. Modeled Mean Monthly Temperature (Mean Monthly 1979-2003)

MRI Datasets (°C)

GHC

N S

tatio

ns (°

C)

Validación GCMs

60

80

100

120

140

160

180

200

Jan Feb Mar Apr May Jun Jul Jul Sep Oct Nov Dec

Pre

cipi

tati

on(m

m/m

onth

)

Month

AGHCN Stations

MRI Datasets

0.0

0.2

0.4

0.6

0.8

1.0

-40 -30 -20 -10 0 10 20

RSQ

Latitude

D

0.0

0.2

0.4

0.6

0.8

1.0

0 1000 2000 3000 4000

RSQ

Altitude

E

Análisis consistencia temporal y espacial

Validación GCMs

Seiler 2009

Validación GCMs

• Downscaling es inevitable.• Se está haciendo una

mejora continua. • El foco principal es hacer

un análisis de incertidumbres y

• Mejorar los datos de línea base.

• Evaluar y validar incertidumbres.

Conclusiones Preliminares

• Necesitamos multiples acercamientos para mejorar la base de informacion acerca de escenarios de cambio climatico– Desarollo de RCMs (multiples:

PRECIS NO ES SUFICIENTE)– Downscaling empirico, metodos

hybridos– Probamos diferentes

metodologias

Flujo de informacion es

critico para nosotros como retroalimentaci

on y para no repetir trabajo que otros han

hecho ya.

Conclusiones Preliminares

Próxima Generación de Escenarios Climáticos (IPCC, AR5)

Representative Concentration Pathways (RCP)Caminos representativos de concentración

¿Qué sigue?

• Proyecciones AR5 … más modelos, mayor resolución.

• Evaluar y validar incertidumbres.

¿Qué sigue?

BCC_csm1-1BNU_esm CCCMA_cancm4CCCMA_canesm2CNRM_cm5CSIRO_access1_0CSIRO_mk3-6-0ICHEC_ec_earthINM_inmcm4IPSL_ipsl_cm5a_lrIPSL_ipsl_cm5a_mrIPSL_ipsl_cm5b_lrMIROC_esm

MIROC_esm-chemMIROC_miroc4hMIROC_miroc5MOHC_hadcm3MOHC_hadgem2-ccMOHC_hadgem2-esMPI-M_mpi-esm-lrMPI-M_mpi-esm-mrMRI_mri-cgcm3NCAR_ccsm4NCC_noresm1-mNOAA_gfld_esm2gNOAA_gfld_esm2m

RCP 4.5

¿Qué dicen los modelos para Nicaragua?

Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm Csiro Mk3.0 Csiro Mk 3.5

Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0

Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam Mri Cgcm 2 .3.2a

Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1

Pred

icci

ones

GCM

s pa

ra N

icar

agua SRES A2 2030s Cam

bios en Temeprartura M

edia Anual

Bccr Bcm 2.0 Cccma Cgcm 3.1 T47 Cnrm Cm Csiro Mk3.0 Csiro Mk 3.5

Gfdl Cm2.0 Gfdl Cm 2.1 Giss Model Er Ingv Echam4 Inm Cm3.0

Ipsl Cm4 Miroc3 2 Medres Miub Echo G Mpi Echam Mri Cgcm 2 .3.2a

Ncar Ccsm 3.0 Ncar Pcm1 Ukmo Hadcm3 Ukmo Hadgem1

SRES A2 2030s Cambios en Precipitación total anual

Pred

icci

ones

GCM

s pa

ra N

icar

agua

Cambios promedio en Precipitación total anual

2030s 2050s

Predicciones GCMs para Nicaragua

2030s

2050s

Cambios promedio en Temperatura Media anual

2030s 2050s

Predicciones GCMs para Nicaragua

2030s

2050s

Predicciones GCMs para Nicaragua

Predicciones GCMs para Nicaragua

ANNUAL DJF MAM JJA SON ANNUAL DJF MAM JJA SONMODEL C WC C WC C WC C WC C WC C WC C WC C WC C WC C WC

bccr_bcm2_0 1 0.9 0.8 0.7 0.8 0.8 0.8 0.7 0.9 0.9 1 1 1 1 1 1 1 1 1 1

cccma_cgcm3_1_t47 1 0.9 0.6 0.4 0.9 0.8 0.9 0.8 1 1 1 1 1 1 1 1 1 1 1 1

cnrm_cm3 1 0.9 0.8 0.7 0.8 0.7 0.9 0.7 0.9 1 1 1 1 1 1 1 1 1 1 1

csiro_mk3_0 1 0.4 0.3 0.2 0.6 0.5 0.6 0.8 0.6 0.5 1 1 1 1 1 1 1 1 1 1

csiro_mk3_5 0 0.3 0.2 0.1 0.3 0.2 0.2 0.6 0.4 0.4 1 1 1 1 1 1 1 1 1 1

gfdl_cm2_0 1 0.8 0.5 0.3 0.7 0.7 0.6 0.6 0.8 0.9 1 1 1 1 1 1 1 1 1 1

gfdl_cm2_1 1 0.7 0.9 0.8 0.7 0.7 0.6 0.7 0.7 0.8 1 1 1 1 1 1 1 1 1 1

giss_model_er 1 0.6 0.6 0.6 0.5 0.6 0.5 0.8 0.5 0.5 1 1 1 1 1 1 1 1 1 1

ingv_echam4 1 0.9 0.6 0.6 0.8 0.8 0.9 0.7 0.9 0.9 1 1 1 1 1 1 1 1 1 1

inm_cm3_0 1 0.6 0.2 0 0.7 0.6 0.6 0.6 0.6 0.6 1 1 1 1 1 1 1 1 1 1

ipsl_cm4 1 0.9 0.3 0.2 0.9 0.9 0.8 0.6 0.9 0.9 1 1 1 1 1 1 1 1 1 1

miroc3_2_medres 1 0.9 0.7 0.6 0.9 0.9 1 0.8 1 0.9 1 1 1 1 1 1 1 1 1 1

miub_echo_g 1 0.8 0.8 0.6 0.9 0.8 0.8 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1

mpi_echam5 1 0.6 0.4 0.3 0.6 0.5 0.5 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1

mri_cgcm2_3_2a 1 0.9 0.9 0.9 0.8 0.8 0.8 0.5 0.9 0.9 1 1 1 1 1 1 1 1 1 1

ncar_ccsm3_0 1 0.9 0.7 0.7 0.9 0.9 0.9 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1

ncar_pcm1 1 0.8 0.8 0.7 0.7 0.7 0.5 0.6 0.8 0.8 1 1 1 1 1 1 1 1 1 1

ukmo_hadcm3 1 0.6 0.4 0.3 0.7 0.7 0.4 0.7 0.7 0.8 1 1 1 1 1 1 1 1 1 1ukmo_hadgem1 0.8 0.8 0.5 0.5 0.9 0.8 0.8 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1

rcm_ECHAM5 1 0.8 0.7 0.7 0.8 0.8 0.8 0.6 0.8 0.8 1 1 1 1 1 1 1 1 1 1

rcm_HadAM3P_3 1 0.8 0.7 0.7 0.8 0.8 0.8 0.8 0.8 0.8 1 1 1 1 1 1 1 1 1 1

rcm_HadCM3Q0 1 0.8 0.6 0.6 0.8 0.8 0.8 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1

rcm_HadCM3Q16 1 0.8 0.6 0.6 0.8 0.8 0.7 0.7 0.8 0.8 1 1 1 1 1 1 1 1 1 1

rcm_HadCM3Q3 1 0.8 0.7 0.7 0.8 0.8 0.8 0.8 0.8 0.8 1 1 1 1 1 1 1 1 1 1

gcm_mri 1 0.9 0.9 0.9 0.9 0.9 0.9 0.8 0.9 0.9 1 1 1 1 1 1 1 1 1 1

< 0.50 0.50 - 0.60 0.60 - 0.70 0.70 - 0.80 0.80 - 0.90 0.90 - 0.95 0.95 - 0.98 0.98 - 1.00

C CRUW WorldClim

Comparación Línea Base

Precipitación Temperatura

R2 observaciones y cada GCM

Los cambios en el clima afectan la adaptabilidad de los cultivos que cultivamos ...

Number of crops with more than 5% loss

Number of crops with more than 5% gain

Hay algunos ganadores..

… pero muchos perdedores en países en desarrollo…

Impactos

GCMs

Effective adaptation options

MarkSim

DSSAT

Statistical Downscaling

Dynamical downscaling:Regional Climate Model

EcoCropStatistical Downscaling

MaxEnt

Necesitamos modelos para cuantificar los impactos y opciones de diseño de adaptación eficaces

Basados en nichos

Prob

abili

ty

Environmental gradient

Basados en procesos

Impactos

Evalúa si hay las condiciones climáticas adecuadas ,

dentro de un periodo de crecimiento para T° y Prec….

… y calcula la adaptabiliad climática de la interacción

resultante entre la prec y la T°

• Un algoritmo sencillo para mirar el nicho de cada especie basado sólo en los datos del clima

El Modelo EcoCrop

Impactos

MaxEnt (Maximum Entropy Modelling)• Modelo de predicción de la

distribución potencial de una especie• Maxent utilizar el principio de la

máxima entropía• Usa puntos de presencia de

determinadas especies y las variables ambientales

• Uno de el modelo más precisos para la predicción cambios en los rangos en los que la especie puede adaptarse.

Impactos

Un Ejemplo…

El susto de café en Cauca, Colombia

Climas se mueven hacia arriba

Rango Altitudinal

Tmedia anual actual

Tmedia anual futuro

Tmedia anual

cambio (ºC)

Ppt total anual actual

190-500 25.54 27.70 2.16 5891 6002 1.88501-1000 23.47 25.66 2.19 3490 3597 3.041000-1500 21.29 23.50 2.21 2537 2641 4.101500-2000 18.36 20.58 2.22 2519 2622 4.082000-2500 15.60 17.82 2.22 2555 2657 4.002500-3000 13.33 15.54 2.21 2471 2575 4.20

Temperatura media se reduce 0.51oC por cada 100m en la zona cafetera. Un cambio de 2.2oC equivale a

una diferencia de 440m.

Suitability in Cauca

• Cambios significativos a 2020s… cambios drásticos a 2050s.

• El caso del Cauca: Reducción de areas de crecimiento y cambios en la ditribución geográficas.

• Algunas nuevas oportunidades.

Mensaje 3

Hay retos y oportunidades: cada pais deberia tener una estrategia

para enfrentar ambos

Los cambios son más drásticos en América Central

• Cambios en días de plantación y sistemas de irrigación para manejar el stress durante la temporada de crecimiento.

• Cultivos puedesn requerir migración altitudinal. • Relocalización de las actividades productivas.• Establecimiento de subsidios para pequeños agricultores

(reducción de la vulnerabilidad).• Conservación y mejoramiento de recursos genéticos.

Entonces como adaptamos?

• Necesitamos saber que hacemos, como lo hacemos, cuando lo hacemos y donde?

• Primero paso es analisar el problema• Segundo, analizar opciones de

adaptacion• Evaluar costo-beneficio para el sector• Implementar• HAZLO AHORA!

INVE

STIG

ACIO

N Y

DES

ARRO

LLO

TE

CNO

LOG

ICO

POLI

TICA

S PÚ

BLIC

AS Y

PRI

VADA

S

BUEN MANEJO AGRONOMICO

Como adaptamos?

Gracias!c.e.navarro@cgiar.org