Predicción y Evaluación del Impacto del Cambio Climático sobre Sistemas

Agroforestales en la Amazonia Peruana

Predicción del impacto del cambio climático en los sistemas agroforestales en la cuenca del río

Aguaytía al 2050

Efraín LeguíaColaboradores:

Manuel Soudre (IIAP-Pcuallpa)Emmanuel Zapata (CIAT-Colombia)

Marcos Tito (ICRAF-Brasil)José Riofrio (INIAP-Ecuador)

Foto: Global Canopy Programme

Pucallpa 01 de junio 2010

Ubicación de las colectas y parcelas de bolaina, capirona

y cacao

Bolaina (ICRAF, Soudre, GBIF)

Capirona (ICRAF, GBIF) Cacao (ACAPTA, PDA, GBIF, ITC)

Adecuación de la bolaiana a condiciones climáticas actuales

Adecuación de la bolaiana a condiciones climáticas actuales

Adecuación de la bolaiana a condiciones climáticas actuales

De resultados crudos a reclasificados para bolaina

Distribución actual bolaina, en la cuenca del rio Aguaytía

P>50% = 4’439,215.65 ha5.7% de la amazonia

P>50% = 873,091.39 ha49.8% de la cuenca

Distribución de Bolaina para el 2020 (HADCM3)

P>50% = 10’381,159.93 ha13.3% de la amazonia

P>50% = 841,336.50 ha48.2% de la cuenca

Distribucion de Bolaina para el 2050 (HADCM3)

P>50% = 19’194,737.33 ha24.5% de la amazonia

P>50% = 751,112.30 ha42.8% de la cuenca

Superficie afectada por el cambio climático para bolaina

Cambios Superficie (ha)Positivos 472,458.96Negativos 431,295.22Sin cambios 858,331.82

BolainaEscenario base vs 2020

BolainaEscenario base vs 2050

Cambios Superficie (ha)Positivos 274,116.92Negativos 580,072.74Sin cambios 907,896.33

Importancia de Variables en las predicciones de distribución de bolaina

Variable Unidad 2020 2050Min Max Min Max

BIO5 oC -0.7 3.2 2.5 5.1BIO8 oC -1.2 4.2 1.3 2.5BIO18 mm mes-1 -840 399 -869 -6

BIO5 Temperatura máxima del mes más calienteBIO8 Temperatura promedio del trimestre más húmedoBIO18 Precipitación en el trimestre más caliente

Distribución actual capirona, en la cuenca del rio Aguaytía

P>50% = 4,008,256.46 ha5.1% de la amazonia

P>50% = 691,214.85 ha39.5% de la cuenca

Distribución de capirona para el 2020 (HADCM3)

P>50% = 4,579,760.43 ha5.8% de la amazonia

P>50% = 683,906.19 ha39.0% de la cuenca

Distribución de capirona para el 2050 (HADCM3)

P>50% = 2,191,507.27 ha2.7% de la amazonia

P>50% = 104,841.53 ha6% de la cuenca

Superficie afectada por el cambio climático para capirona

CapironaEscenario base vs 2020

Cambios Superficie (ha)Positivos 472,458.96Negativos 431,295.22Sin cambios 858,331.82

CapironaEscenario base vs 2050

Cambios Superficie (ha)Positivos 274,116.92Negativos 580,072.74Sin cambios 907,896.33

Importancia de Variables en las predicciones de distribución de capirona

Variable Unidad 2020 2050Min Max Min Max

BIO8 oC -1.2 4.2 1.3 2.5BIO11 oC -1.5 3.9 2.2 3.4BIO15 CV -4 5 -1 6

BIO8 Temperatura promedio del trimestre más húmedoBIO11 Temperatura promedio del trimestre más frioBIO15 Precipitación estacional (coeficiente de variación)

Cacao climatología actual

Cacao de alto rendimiento: Fuente ICT

Cacao comercial: Fuente PDA, ACATPA, GBIF

P>50% = 1’015,064.30 ha1.2% de la amazonia

P>50% = 2’403,878.58 ha3% de la amazonia

Cacao alto rendimiento ICT PDA, ACATPA, GBIB

Cacao climatología actual

P>50% = 168.02 ha0.01% de la cuenca

P>50% = 564,615.34 ha32.3% de la cuenca

Cacao alto rendimiento ICT PDA, ACATPA, GBIB

Cacao: Horizonte 2020

P>50% = 252.02 ha0.014% de la cuenca

P>50% = 796,560.43 ha45.73% de la cuenca

Cacao alto rendimiento ICT PDA, ACATPA, GBIB

Cacao: Horizonte 2050

P>50% = 5,208.47 ha0.30% de la cuenca

P>50% = 965,751.81 ha55.13% de la cuenca

Importancia de variables en la predicción de distribución del cacao

BIO2 = Rango diurno promedio BIO3 = IsotermalidadBIO5 = Temperatura máxima del mes más caliente

BIO5 Temperatura máxima del mes más calienteBIO18 Precipitación en el trimestre más calienteBIO16 Precipitación en el trimestre más húmedo

Taller de validación

• Crear un espacio de discusión sobre los impactos del cambio climático en especies agroforestales en la cuenca del río Aguaytía.

• Discutir los avances y validar los modelos predictivos generados para los sistemas agroforestales.

• Proponer estrategias de adaptación para los sistemas agroforestales del ámbito de influencia de la cuenca del río Aguaytía

• 45 expertos de 4 Regiones del Perú

Variabilidad climática y SAF

Taller con expertos 12 de marzo 2010

Arreglos agroforestales

Taller con expertos 12 de marzo 2010

Conclusiones del taller

• Incluir algunos factores edafoclimáticos en el modelo predictivo.

• Ampliar la base de datos de ubicación de las especies estudiadas.

• Aspectos genéticos de las especies y su capacidad de enfrentarse a eventos extremos.

• Arreglos agroforestales que permitan hacer frente a eventos extremos como sequias.

Zonificación edáfica para la bolaina

Soudre 2007

Discusión• Sensibilidad de MaxEnt al tamaño de muestra y

distribución de las colectas

Cacao (ACAPTA, PDA y GBIF)155 muestras

Cacao (ACAPTA y PDA) 79 muestras

Discusión• Sensibilidad a la distribución de las colectas las

colectas

Bolaina Capirona

Discusión

Inapropiadas : 0-0.00001%Marginales : 0.00001-30%Aptas : 30-60%Óptimas : 60-100%

Inapropiadas : 0-20%Marginales : 20-50%Aptas : 50-75%Óptimas : 75-100%

• Implicancias de los umbrales de reclasificación de probabilidades

Otros modelos

• EcoCrop (DIVA GIS)

• BioClim (> variables)

• PlantGro (diseñado para cultivos agrícolas)

• Canasta (CIAT)

• Leguía, E; Locatelli, B; Imbach, P. (en prensa). Impacto del cambio climático en plantaciones forestales en Centro América

Conclusiones

• El cambio climático impactará los SAF a través de cambios en la distribución de sus componentes.

• Las especies reaccionan de manera diferente al cambio en las variables climatológicas hacia los horizontes futuros

• Aun existe incertidumbre con respecto a los escenarios de emisiones de gases de efecto invernadero y por lo tanto en los resultados de los modelos que predicen en clima futuro

• El modelaje de la distribución de las especies se basa en supuestos muy fuertes que pueden ser debatibles

• La validación de la distribución actual de las especies en estudio es fundamental para ajustar las predicciones futuras

Muchas Gracias

Instituto de Investigaciones de la Amazonia Peruana

Carretera Federico Basadre km 12.400 Pucallpa, Ucayali

eleguia@gmail.com

Links de utilidad

• http://www.ipcc-data.org/ddc_gcm_guide.html

• http://elclima.esparatodos.es/hadcm3/index.htm

• www.worldclim.org

• www.gbif.org

• http://www.ipcc-data.org/

• http://www.metoffice.gov.uk/

• http://www.cccma.ec.gc.ca/eng_index.shtml

• http://www.cs.princeton.edu/~schapire/maxent/