Palabras clave
reducción de escala
variabilidad climática
vulnerabilidad
Cómo citar
Resumen
Se propone un método para analizar la variabilidad climática y cuantificar el impacto de ésta en el rendimiento del cultivo de frijol, bajo escenarios de cambio climático regionalizados. El procedimiento consta de cuatro pasos: a) identificación de la superficie agrícola destinada al cultivo de frijol, b) obtención de los parámetros de clima que definen la región y se dispone de un generador estocástico (LARS-WG) para obtener los escenarios de cambio climático regionalizados; c) las matrices que definen las condiciones de clima en el sitio son utilizadas en un modelo de cultivo (EPIC) para evaluar el impacto en su rendimiento y d) se realiza una distribución espacial de la información. Los resultados indican que bajo escenarios futuros de cambio climático (A2 y A1B), se esperarían incrementos en rendimiento de 0.1 t·ha-1 y disminuciones de 0.2 t·ha-1, asimismo se vislumbran aumentos en la temperatura máxima y mínima, así como aumentos y disminuciones en la precipitación en algunas zonas del estado. De acuerdo al método propuesto y al comportamiento del clima en el futuro, sería recomendable realizar simulaciones con ajustes en las prácticas de manejo para disminuir la superficie de las zonas agrícolas sujetas al riesgo climático.
Citas
Aggarwal, P. K., Kalra, N., Chander, S. & Pathak, H. (2006). InfoCrop: A dynamic simulation model for the assessment of crop yield, losses due to pest, and environmental impact of agro-ecosystem in tropical environments: I. Model Description. Agricultural Systems, 89 (1), 1 - 25
Antle, J. M. (2009). Agriculture and the Food System: Adaptation to Climate Change, Resources for the Future, Washington, DC, USA. Pp 28. Obtenido de: http://climatefruitandwine.co.za/download/RFF-US.Based.Agric.and.Adaptation-Antle.2009.pdf
Anwar, M. R., Liu, D. L., Macadam, I., & Kelly, G. (2013). Adapting agriculture to climate change: a review. Theoretical and Applied Climatology, 113, 225-245 DOI https://doi.org/10.1007/s00704-012-0780-1
Díaz, P. G., Guajardo, P. A. R., Medina G. G., Sánchez, C. I., Soria, R. J., Vásquez, A. J. M.,...Ruiz, C. J. A. (2012). Potencial productivo de especies agrícolas de importancia socioeconómica en México. INIFAP. Publicación Especial Núm. 8. ISBN: 978-607-425-766-3 140 pp.
Food and Agriculture Organization Of The United Nations (FAOSTAT). (2014). Consultado 20 julio 2014 en http://faostat.fao.org/site/377/default.aspx#ancor.
Food and Agriculture Organization of the United Nations (FAO). (2009) ¿Por qué invertir en ordenación de las cuencas hidrográficas?. Roma, Italia. 44 p. http://www.fao.org/docrep/012/a1295s/a1295s00.pdf
Gaiser, T., Barros, I., Sereke, F., & Lange, F. M. (2010). Validation and reliability of the EPIC model to simulate maize production in small-holder farming systems in tropical sub-humid West Africa and semi-arid Brazil. Agriculture, Ecosystems and Environment, 135, 318 - 327
Huicong, J., Jingai, W., Chunxiang, C., Donghua, P., & Peijun, S. (2012). Maize drought disaster risk assessment of China based on EPIC model. International Journal of Digital Earth, 5(6), 488-515. doi: https://doi.org/10.1080/17538947.2011.590535
Instituto Mexicano de Tecnología de Agua (IMTA). (2009). Extractor Rápido de Información Climatológica v. 3.0 (ERIC III). Base de datos y Software. Jiutepec, Morelos, México.
Instituto Nacional de Estadística, Geografía e Informática (INEGI). (2014). Anuario estadístico y geográfico de Durango. INEGI. México. ISBN 978-607-739-346-7. http://www.datatur.sectur.gob.mx/ITxEF_Docs/DGO_ANUARIO_PDF.pdf
Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP). (2005). Guía para la asistencia técnica agrícola. Área de inf luencia del campo experimental “Valle del Guadiana”. 3A edición. Durango, Dgo. México. ISBN: 968-800-635-1 217 pp.
Ioan, I. & Radulescu, C. V. (2015). New challenges for agriculture within the context of climate change. Theoretical and Applied Economics, 4(605), 253 - 262
Krishnan, P., Ramakrishnan, B., Rao, K. S., & Dash, R. N. (2009). Simulation studies to characterize the impact of climate change on crop production and to identify strategies for adaptation and mitigation. In: Singh, S. N. Climate change and crops. National Botanical Research Institute. (NBRI) Environmental Science Division. India. pp 39 - 61
Ko, J., Piccinni, G., & Steglich, E. (2009). Using EPIC model to manage irrigated cotton and maize. Agricultural Water Management, 96: 1323 - 1331
Magaña, R. V. O. (2010). Guía para generar y aplicar escenarios probabilísticos regionales de cambio climático en la toma de decisiones. Centro de Ciencias de la Atmósfera. Universidad Nacional Autónoma de México. México. D.F. 80 pp.
Maldonado, O. A., Palacios, O. L., Springall, R., & Fernández, D. S. (2001). Empleo del Modelo SWRRB para generar alternativas de manejo en la cuenca Itzapa, Guatemala. Agrociencia, 35(3), 335 - 345
Nelson, G. C., Van der Mensbrugghe, D., Ahammad, H., Blanc, E., Calvin, K., Hasegawa, T.,...Willenbockel, D. (2014). Agriculture and climate change in global scenarios: why don’t the models agree. Agricultural Economics, 45, 85 - 101.
Nelson, G. C. & Shively, G. E. (2014). Modeling climate change and agriculture: an introduction to the special issue. Agricultural Economics, 45, 1 - 2
Osuna, C. E. S., Acosta, G. J. A., Reyes, M. L., Martínez, G. M. A., Padilla, R. J. S., Ventura, R. E.,...Hernández, R. I. (2011). Tecnología para incrementar la producción de frijol de temporal en el altiplano semiárido de México. Folleto para productores No. 44. ISBN: 978-607-425-562-1. Campo experimental Pabellón CIRNOC-INIFAP. Pabellón de Arteaga, Ags. 42 pp.
United Nations (UN). (2011). World population to reach 10 billion by 2100 if fertility in all countries converges to replacement level. http://esa.un.org/wpp/Other-Information/Press_Release_WPP2010.pdf
Rosenzweig, C. (2007). Climate Change & Agriculture. Learning lessons & proposing solutions. Iowa State Un iversit y. U.S.A. Pp 28.
Sánchez, C. I., Bueno, H. P., Esquivel, A. G. & Velásquez, V. M. A. (2014). Simulación de procesos hidrológicos en cuencas poco instrumentadas. Folleto técnico num. 35. INIFAP. 102 pp.
Semenov, M. A. & Stratonovitch, P. (2010). Use of multi-model ensembles from global climate models for assessment of climate change impacts. Climate Research, 41, 1 - 14
Servicio de Información Agroalimentaria y Pesquera (SIAP). (2014). SIIGAP, aplicación web para generar y visualizar mapas de producción del sector agroalimentario y pesquero. http://www.cmgs.gob.mx:8080/mapasdinamicos/
Simulador de f lujos de agua de cuencas hidrográficas (SIATL). (2015). http://antares.inegi.org.mx/analisis/red_hidro/SIATL/
Trethowan, R. M., Turner, M. A. & Chattha, T. M. (2010). Breeding strategies to adapt crops to a changing climate. In: Lobell, D. & Burke, M. (eds.), Climate change and food security, advances in global change research, 37, 175 - 154
Wang, X., He, X., Williams, J. R., Izurralde, R. C. & Atwood, J. D. (2005). Sensitivity and uncertainty analysis of crop yields and soil organic carbón simulated with EPIC. Transactions of the American society of agricultural engineers, 48(3), 1041 - 1054
Zermeño, D. D. M. (2008). Análisis probabilístico de escenarios escalados de precipitación y temperatura bajo cambio climático en México. Tesis de maestría. Posgrado en ciencias de la Tierra. Centro de ciencias de la atmósfera. Universidad Nacional Autónoma de México. México, D.F.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2016 Revista Chapingo Serie Zonas Áridas