View
827
Download
3
Embed Size (px)
DESCRIPTION
Conferencia dictada en el Taller del Grupo Suelos-SIG-Agua del proyecto GWI – AGUA VERDE en San Jose, 2 de julio del 2013
Citation preview
Carlos Navarro-RacinesJ. Ramirez-Villegas, A. Jarvis, P. Laderach
Datos Climáticos para CA Fuentes / Métodos / Problemas
2/7/13, San José, Costa Rica
ContenidoDatos
Históricos
Datos Futuros
Impactos
Portales y Recursos
• Disponibilidad • Dificultades• Opciones –
Downscaling
• Nuestras bases de datos
• CCAFS – Portals
Crop Models
• GHCN/GSOD• WorldClim Baseline• Información de Institutos
Meteorológicos Nacionales• Posibilidades, retos• CRU – TS• Información Satelital
Ramírez-Villegas and Challinor, 2012
Entendiendo el Problema…
(1) No hay ninguna estación meteorológica
(2) Las estaciones meteorológicas no están en buen estado (periodos cortos, gaps).
(3) Los datos no están correctamente almacenados
(4) Los datos no pasan los controles de calidad básicos
(5) El acceso a los datos está restringido.
Figure 1 Frequency of use of the different data sources in agricultural studies based on a review of 247 recordings from published studies (taken from a comprehensive data use survey) (Ramirez-Villegas and Challinor 2012)
Qué opciones tengo?Problemas de exactitud (es decir, falta de homogeneidad, discontinuidades)
1. Time-step largo (mensual en el mejor de los casos)
2. Cobertura temporal se limita a un promedio de varios años
3. Su resolución espacial es demasiado gruesa;
4. Su cobertura geográfica no es la suficiente
5. Sólo ciertas variables (es decir, temperaturas, precipitaciones). Necesitamos otras en agrícultura.
GHCN (Global Historical Climatological Network)
• Very robust weather station dataset (NOAA)
• Used for many studies:– WorldClim– CRU datasets– Hockey-stick warming
trend analysis
GSOD (Global Summary of Day)
• Version 8 - Over 9000 Worldwide Stations - Updated Daily
• Some issues Mean temperature (.1 Fahrenheit) Mean dew point (.1 Fahrenheit) Mean sea level pressure (.1 mb) Mean station pressure (.1 mb) Mean visibility (.1 miles) Mean wind speed (.1 knots) Maximum sustained wind speed (.1 knots) Maximum wind gust (.1 knots) Maximum temperature (.1 Fahrenheit) Minimum temperature (.1 Fahrenheit) Precipitation amount (.01 inches) Snow depth (.1 inches)
Weather Stations GHCN* /GSOD in CA* GHCN not adjusted
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 )
WorldClim
Fuentes:•GHCN•FAOCLIM•WMO•CIAT•R-Hydronet•Redes nacionales
Stations included in WorldClim in CA
Annual Precipitation Patterns & Stations (WorldClim CA)
CIATGHCNFAOWMO
Fonts
CIATGHCNFAOWMO
Fonts
Annual Mean Temperature Patterns & Stations (WorldClim CA)
Densidad de Estaciones WCL por País en CA
-0.01 1.73472347597681E-18 0.01
-0.002
1.73472347597681E-18
0.002
0.004
0.006
0.008
0.01
0 0.08
Linear (0 0.08)
Series3
Linear (Series3)
Series5
Series7
Linear (Series7)
Linear (Series7)
Belice
Costa Rica
El Salvador
Guatemala
Honduras
Nicaragua
PanamáDensity of the Rainfall Stations
Den
sity
of t
he T
empe
ratu
re S
tatio
ns
Flat
topo
grap
hy (W
MO
)
Flat topography (WMO)
Suficiente detalle?
WMO Guidelines
Topografía Plana1 Station by 250 Km2Topografía Montañosa1 Station by 25 Km2
NATIONAL METEOROLOGICAL SERVICE OF BELIZEAgro-Climat Stations
BLZ
GTM
Distribución de Estaciones - Servicios Meteorológicos Nacionales
Instituto Nacional de Sismología, Vulcanología, Meteorología e Hidrología (INSIVUMEH)
NICIneter: Instituto Nicaragüense de Estudios Territoriales
PAN
Distribución de Estaciones - Servicios Meteorológicos Nacionales
Hidrometeorología de ETESA
Título Estaciones Meteorológicas en Costa RicaAutor responsable Instituto Meteorológico NacionalTema ClimaÁrea geográfica Costa RicaFecha de elaboración 2005Escala 1:1500000
CRIDistribución de Estaciones - Servicios
Meteorológicos Nacionales
Densidad de Estaciones por País en CAWordlClim + Insituciones Nacionales
-0.005 2.60208521396521E-18 0.005 0.01
-0.002
1.73472347597681E-18
0.002
0.004
0.006
0.008
0.01
0 0.08Linear (0 0.08)Series3Linear (Series3)Series5Series7Linear (Series7)Linear (Series7)BeliceCosta RicaEl SalvadorGuatemalaHondurasNicaraguaPanamá
Density of the Rainfall Stations
Dens
ity o
f the
Tem
pera
ture
Sta
tions
-0.005 2.60208521396521E-18 0.005 0.01
-0.002
1.73472347597681E-18
0.002
0.004
0.006
0.008
0.01
0 0.08Linear (0 0.08)Series3Linear (Series3)Series5Series7Linear (Series7)Linear (Series7)BeliceCosta RicaEl SalvadorGuatemalaHondurasNicaraguaPanamá
Density of the Rainfall Stations
Dens
ity o
f the
Tem
pera
ture
Sta
tions
WMO Guidelines
Topografía Plana1 Station by 250 Km2Topografía Montañosa1 Station by 25 Km2
Podemos mejorar?
Flat
topo
grap
hy (W
MO
)
Flat topography (WMO)
Número de Años de Registo de Estaciones incluídas en WordlClim
Belize
COSTA RICA
El Salv
ador
Guatemala
Honduras
Nicarag
ua
Panam
a0
5
10
15
20
25
30
# Años Temp# Años Prec
País
Núm
ero
de A
ños
de R
egis
tros
Podemos mejorar?
Podemos mejorar?La calidad de la interpolación es muy baja cuando la cantidad de estaciones es limitada.
Un caso de estudio… Análisis multi-escalar de vulnerabilidad al cambio climático de ecosistemas
terrestres prioritarios y estrategias de vida de la población rural en la zona central de la Sierra Madre Oriental, retroalimentar y desarrollar herramientas para la toma de decisión sobre diseño e implementación de medidas de adaptación
+ =
CRU-TSCRU-TS v3.20 Historic Climate Database for GISHarris, I., Jones, P.D., Osborn, T.J., and Lister, D.H., 2013
Label Variable
cld cloud cover
dtr diurnal temperature range
frs frost day frequency
pre precipitation
tmp daily mean temperature
tmn monthly average daily minimum temperature
tmx monthly average daily maximum temperature
vap vapour pressure
wet wet day frequency
• High Resolution Grids• 0.5 degree • Month-by-month variation in
climate over the last century or so• Latest generate over 1901-2011
Información Satelital: TRMM
TRMM 3B43 CharacteristicsTemporal Coverage Start Date: 1998-01-01; Stop Date: -
Geographic Coverage Latitude: 50°S - 50°N; Longitude:180°W - 180°E
Temporal Resolution MonthlyHorizontal Resolution 0.25° x 0.25°; nlat = 400, nlon = 1440Average File Size Compressed: ~4.95 MB; Original: ~4.95 MBFile Type HDF
Resolución espacial (~ 28 km), TRMM tiende a sobreestimar precipitación real (aunque la
distribución espacial de la precipitación es bastante
bueno).
Un caso de estudio…
“En regiones con una alta densidad de estaciones de superficie, no se encontraron mejoras significativas en el producto de combinación (donde de hecho hay poca contribución de TRMM) en simplemente la interpolación de las observaciones existentes (OBS90). Sin embargo, los análisis resultantes sobre las regiones de baja densidad de observación (al oeste de 568W) muestran sustancial mejora en el producto MERGE en comparación con OBS90. MERGE ha demostrado ser una herramienta valiosa en el análisis de una rejilla regular para su uso en la evaluación de los resultados del modelo”
Combining TRMM and Surface Observations of Precipitation: Technique and Validation over South AmericaJ. Rozante and D. Moeira, 2010
Y qué acerca del futuro?
Ramírez-Villegas and Challinor, 2012
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
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”
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
– 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
• Proyecciones AR5 … más modelos, mayor resolución.• Evaluar y validar incertidumbres.
• Datos diarios (podemos hacer balances hídricos)
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
CMIP5
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
RAW GCM daily data
Impactos
Is cassava the answer to African climate change adaptation? Andy Jarvis , Julian Ramirez-Villegas , Beatriz Vanessa Herrera, Carlos Navarro
Cassava suitability change compared with other staples
• Cassava consistently outperforms other staples in terms of changes in suitability
CASSAVA IMPACTS BY AF REGIONS
Bases de Datos& OpenData Sources
http://ccafs-climate.orgCCAFS Climate
CCAFS Climate - Usuarios
http://analogues.ciat.cgiar.org/climate/Climate Analogues
•BACKWARDOpciones de Adaptación
• ¿Donde puedo encontrar el clima futuro de mi sitio hoy?
MI SITIO(futuro)
OTRO SITIO (s)(presente)
¿Cuáles son las preguntas a las cuales contesta Climate Analogues?
•FORWARD
• ¿Donde puedo encontrar el clima presente de mi sitio en el futuro?
MI SITIO(current)
OTRO SITIO (s)(futuro)
Opciones de Adaptación
¿Cuáles son las preguntas que Climate Analogues es capaz de contestar?
•NONE
• ¿Donde encuentro el clima presente (o futuro) de mi sitio en el mundo actualmente?
MI SITIO(presente)
OTRO SITIO (s)(presente)
Opciones de Adaptación
¿Cuáles son las preguntas que Climate Analogues es capaz de contestar?
Agtrials
•Trial sites: 489•84 countries• Institutions: 165
Objectives:- Yield- Quality- Biotic/abiotic tolerance- Nutrient efficiency- Animal nutrition/ health- Farming practices (crop rotation)- Soil fertility/conservation
http://agtrials.org/
Outputs• New geographic interface and functionalities
• From repository to database
• Successful integration with the GCP’s CropOntology.
• New partnerships (i.e University of California, AgMIP project, Tropical Legumes project, Monsanto)
• Linkages with CRP RTB
Public data! 2888 trials22 crops
Visualizing data for knowledge sharing and research development
Adaptation and Mitigation Knowledge Networkwww.amkn.org
Follow us About | Contact | Disclaimers | Copyright ©2012
Knowledge sharing...........................................
Adaptation & MitigationGender Ongoing Research Tools & DataDescription Climate &ImpactsQuick facts Food & Livelihood
Nyando (Kenya)
Next town: Asawo Geocoordinates: -0.314705; 35.022805 Mean elevation: 1314 m
Spotlight On: Disruptive erosion is a fact of life in Kamango village
A heavy rain often brings a bountiful harvest for farmers in Kamango, one of seven villages surveyed by CCAFS in the Nyando area of Kenya. But it can also bring destruction of the kind that endangers the livelihoods of those living nearby. Soil erosion in the form of a giant gulley has been worrying the villagers of Kamango since the 1960s. The gulley has been growing steadily in the intervening years until it has become one of the most identifiable landmarks in the area. Villagers even refer to historical events by whether they happened before or after the unusually heavy “Uhuru rains” that catalyzed the growth of the gulley. See More…
Data Layers
Ongoing research
Watch Video Testimonials
Celeste M. Nyaga - Karwe village, Makengi
- Kenya
Follow us About | Contact | Disclaimers | Copyright ©2012
Knowledge sharing...........................................
Adaptation & Mitigation Gender Ongoing Research Tools & DataDescription Climate &ImpactsQuick facts Food & Livelihood
Nyando (Kenya)
Crops & livestock
Main crops & livestock
Crop calendar
Land use
Hunger months
Climate crises
Food security
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
80.00%
90.00%
100.00%
Maize Sorghum Beans Goats Chickens
Per
cen
t of h
ouse
hold
s ci
ting
Farming system: Maize mixed
•Maize is the primary food crop, with over 99% of households citing its production
•Small livestock such as goats and chicken are important sources of livelihood, including animal products like eggs and milk
Source: 2011 CCAFS Baseline SurveysPDF | JPEG
• 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
• Contactos con otras instituciones..• CIAT pone sus datos y métodos a
disposición de cualquier público.
Flujo de informacion es
critico para nosotros como
retroalimentacion y para no repetir trabajo que otros
han hecho ya.
Qué sigue?
Estrategia datos climáticos