ANEXO 3 - PROCOLO DE EXPERIMENTOS DE SIMULACION Y CALCULO DE INDICES AGROMETEOROLÓGICOS

Transcripción

1 ANEXO 3 - PROCOLO DE EXPERIMENTOS DE SIMULACION Y CALCULO DE INDICES AGROMETEOROLÓGICOS Autores: Margarita Ruiz-Ramos 1 (MRR), Marcos Villacís 1 (MV), Wouter Butaert 1 (WB). 1 Escuela Politécnica Nacional. El propósito de este documento es definir el protocolo para la modelización del cultivo de maíz en Ecuador la simulación del impacto del cambio climático en el mismo, en un contexto de escasez de datos precisos de clima, suelo cultivo con énfasis en los consumos de agua. Este estudio se plantea como paso previo al diseño de estrategias de adaptación. Un objetivo secundario es producir un paper con la metodología resultados generados. 1. Contexto Se plantea el estudio del cultivo de maíz en secano, por ser el manejo dominante para este cultivo en el país, utilizando variedades representativas de las principales zonas de producción de maíz. El riego se considerará en una fase posterior previsiblemente como medida de adaptación. El contexto de este estudio es 1) el proecto de Predicción de Cosechas del IEE-INAMHI-INIAP, instituciones que proporcionan los datos de sus ensaos de campo, 2) la línea de investigación /proectos de MV WB que aportan los datos metodología necesarias sobre la disponibilidad de agua, así como datos de clima. 2. Herramientas Las herramientas principales que se plantean utilizar son: datos de modelos generales de clima (GCMs) del ensemble CMIP5, de reanálisis, modelos de simulación de cultivos (AQUACROP CERES-maize, refs), e índices agrometereológicos definidos por nosotros. Consideramos probable que los datos climáticos de los modelos de clima (GCMs) presenten unos sesgos respecto a las observaciones excesivos para su aplicación directa en los modelos de cultivo, especialmente en el caso de la precipitación. Por ello, recurrimos al uso de índices adaptados al cultivo de maíz que nos permitan evaluar de forma más precisa el impacto del clima en el cultivo. 3. Datos 3.1. Para la calibración validación del modelo de cultivo El INAMHI dispone de datos de ensaos correspondientes a 2014, en cuatro localidades (Tabla 1), que se utilizarán para la calibración de los modelos de cultivo. Los ensaos corresponden a dos variedades: INIAP601 DK7088. El objetivo es calibrar los modelos de cultivo para ambas. Tabla 1. Localidades con datos de ensaos disponibles para calibración de los modelos de cultivos. Tabla 1. Localidades con datos de ensaos disponibles para calibración de los modelos de cultivos. Precipitación Tipo de Altitud Estación anual Provincia Cantón Sitio suelo [msnm] Meteorológica promedio (textura) [mm] Manabí Tosagua Tosagua Arcilloso 18 Portoviejo- UTM M0005 Temp media anual [ C] 532,60 26,40

2 Los Ríos Patricia Pilar/Ventana San Guaas Balzar Balzar Francoarcilloso M0166 Olmedo ,79 26,19 Loja Pindal Pindal Arcilloso Francolimoso Los Ríos Puerto Ila Patricia Patricia 175 Pilar/Ventana Pilar Francoarenoso M ,88 24,63 Francolimoso Francoarenoso 52 Pichilingue M ,11 24,75 Los datos mínimos necesarios para calibrar los modelos de cultivo son: -Clima: Tmax, Tmin, Radiación, Precipitación diarios (adicionalmente humedad relativa velocidad del viento, que permiten calcular la ET por Penman-FAO). -Suelo: profundidad por horizontes, textura, límites de humedad, materia orgánica, pendiente, ph, elementos gruesos, profundidad de raíces, densidad aparente -Cultivo: fechas fenológicas (emergencia, antesis, madurez), biomasa, rendimiento (adicionalmente, número de hojas, LAI, espigas por planta, peso de 100 granos, altura) -Manejo: fecha de siembra cosecha, fertilización, riego, tratamientos (reporte de daños), marco de siembra densidad. La Tabla 2 muestra un inventario de los datos de calibración necesarios recibidos hasta la fecha. Tabla 2. Inventario de los datos recibidos de cada localidad, para la calibración del modelo de cultivos. Sitio Fenolo gía Bioma sa Rendimie nto Hoj as Altu ra Suel o Fertilizac ión Rie go Otr os Cli ma Marco densid ad Tosag x x ua Balzar x xx x x x xx Pindal x x x x x xx x x x Patrici a Pilar/S an x x x x x x x Adicionalmente, se está tramitando la solicitud de acceso a los ensaos de variedades con datos históricos del INIAP Para la simulación del impacto del cambio climático A continuación se describen las bases de datos a utilizar. De todas ellas se requieren series temporales de 30 años de datos diarios de Tmax, Tmin, Radiación, Precipitación (adicionalmente humedad relativa velocidad del viento). -Observaciones: series históricas de 30? años correspondientes a las estaciones más cercanas a los sitios de ensao, en caso de que estén disponibles. Los datos serán proporcionados por el INAMHI. En algunas de estas estaciones la radiación no está digitalizada; se está pidiendo permiso para que un técnico del INAMHI nos facilite el

3 acceso a esta información. El objetivo es contar con series del periodo La Tabla 3 presenta un inventario de los datos recabados. Tabla 3. Inventario de los datos históricos de clima recibidos de cada localidad, para la simulación del impacto. Sitio Tosagua Balzar Pindal Patricia Pilar/San Código estación Longitud de la serie Tmax Tmin Rad Precip Hr Vel viento Pichilingue 30 años x x x Otros -Reanálisis: serie de de la base de datos MERRA, a una resolución de 0.66 º (lon) 0.5º (lat). -Simulaciones del ensemble CMIP5, tres time slices: Baseline (b) , futuro cercano (near future, nf, ) futuro lejano (far future, ff, ), bajo el RCP 8.5. Número de modelos con los datos necesarios: Procedimiento para simulación del impacto del cambio climático 3.1. Evaluación de los datos de clima - Evaluación de la cercanía, duración missing data de las series de datos observadas, del reanalsis como alternativa, para uso como conjunto de referencia. -Evaluación de los sesgos mensuales de las simulaciones de los GCMs respecto al conjunto de referencia: Tmax, Tmin, precip, radiación. El protocolo continúa bajo el supuesto de que los sesgos son demasiado grandes para el uso directo de los datos Uso de índices agrometeorológicos adaptados al cultivo de maíz. El uso de los índices persigue mejorar la precisión de las proecciones de impacto. Las hipótesis son: (1) Podemos definir unos índices agro-meteorólogicos que podemos relacionar con el rendimiento el consumo de agua del cultivo (2) El cambio del los índices calculado con datos de los GCMs es más preciso que el cambio en las variable meteorológicas, está relacionado más directamente con el cambio en el rendimiento Definición de los índices. Todos se calculan para cada año, para dos ciclos: 1) periodo comprendido entre enero mao, 2) periodo entre junio-agosto. -I 1 : Número de eventos de al menos 5 días consecutivos con Tmax>35ºC, -Umbral 35ºC para todo el ciclo -I 2 : Integral térmica de temperatura media por encima de la Temperatura base 8ºC -I 3 : Número máximo de días consecutivos con precipitación por debajo de 1 mm

4 -I 4 : Número de días (no consecutivos) con precipitación >20 mm -I 5 : Balance de agua en el suelo. Cálculo de componentes: I 5 = P-ETo donde P=precipitación ETo= ET potencial, calculada por Priestle-Talor Aplicación de los índices a la estimación del impacto Partimos de nuestra serie de clima de referencia de 30 años (observaciones o reanalsis). Podemos calcular los 5 índices Ii para cada uno de los años j. Además, alimentando los modelos de cultivo con la serie de clima de referencia, obtenemos una serie temporal de 30 años de rendimientos simulados. Obtenemos la matriz de la Tabla 4, de Años Aj, índices I i,j, rendimiento Y j consumo de agua o evapotranspiración del cultivo ET cj (donde i es el número de índice j el número de año). Tabla 4. Matriz de índices rendimientos simulados con la serie climática de referencia. Año Índices Uso del Rendimiento agua A 1 I 1,1 I 2,1 I 3,1 I 4,1 I 5,1 ET c1 Y 1 A 2 I 1,2 I 2,2 I 3,2 I 4,2 I 5,2 ET c2 Y A 30 I 1,30 I 2,30 I 3,30 I 4,30 I 5,30 ET c30 Y 30 Una vez calculados los índices se intentará ajustar dos funciones matemáticas que expliquen Y j ET cj en función de los I i,j Y j =f (I i,j ) ET cj =f ET (I i,j ) De forma que podremos ver qué partes del Y j ET cj del quedan explicadas por los I i,j. Si son mu bajas, habrá que redefinir los índices, porque significa que la hipótesis (1) no es válida. A partir de aquí supongamos que aceptamos las función f Y f ET. Calculamos entonces los I i,j con los datos del ensemble CMIP5 para los periodos baseline, near future and far future, obteniendo los índices I i,jk (donde k es el period; recordemos que b: baseline, nf: near future, ff: far future) los cambios de los índices i,k,l donde l es d: cambio en diferencia, o p: cambio en porcentaje (Tabla 5). Tabla 5. Matriz de índices cambios en los índices calculados con los tres periodos del ensemble CMIP5. Año Indices i,k,l :Variación de los I,ijk A 1b I 1,1b I 2,1b I 3,1b I 4,1b I 5,1b - A 2b I 1,2b I 2,2b I 3,2b I 4,2b I 5,2b A 30b I 1,30b I 2,30b I 3,30b I 4,30b I 5,30b - A 1nf I 1,1nf I 2,1nf I 3,1nf I 4,1nf I 5,1nf i,nf,d =I i,jnf -I i,jb A 2nf I 1,2nf I 2,2nf I 3,2nf I 4,2nf I 5,2nf i,nf,p = (I i,jnf -I i,jb )*100/ I i,jb A 30nf I 1,30nf I 2,30nf I 3,30nf I 4,30nf I 5,30nf

5 A 1ff I 1,1ff I 2,1ff I 3,1ff I 4,1ff I 5,1ff i,ff,d =I i,jff -I i,jb A 2ff I 1,2ff I 2,2ff I 3,2ff I 4,2ff I 5,2ff i,ff,p = (I i,jff -I i,jb )*100/ I i,jb A 30ff I 1,30ff I 2,30ff I 3,30ff I 4,30ff I 5,30ff Por tanto podemos calcular los índices de los escenarios futuros I i,jnf I i,jff I i,jnfd= I i,jb + i,nf,d I i,jnfp= I i,jb * i,nf,p /100 I i,jffd= I i,jb + i,ff,d I i,jffp= I i,jb * i,ff,p /100 Conociendo la función Y j =f (I i,j ), aplicamos los I i,jnf I i,jff para obtener las series temporales de rendimientos futuras Y j,nf Y j, ff Conociendo la función ET cj =f ET (I i,j ), aplicamos los I i,jnf I i,jff para obtener las series temporales de consumos de agua futuras ET cj,nf ET cj, ff 4. Análisis mediante Impact Response Surfaces (IRS) Una vez obtenidas los cambios en los índices los Y j,nf, Y j, ff, ET cj,nf, ET cj, que les corresponden, podemos elaborar IRSs tomando los i,k,l dos a dos representando encima isolíneas de Y ETc. 5. Comparación con las proecciones de disponibilidad de agua Comparación de las ET cj las R j : series temporales de consumos de agua necesidades de riego en las 4 localidades.