We have moved!

The bigger, better, brand new DAPA blog is here (link)


Please note this Blog is not updated anymore.

We have moved! -- CLICK HEREe --
Decision and Policy Analysis Research Area – DAPA

En busca del mejor tercil

Escrito por Gloria Leon y Diana Giraldo

¿Cuántas medidas, estrategias de planificación o toma de decisiones se basan en esperar un año promedio? Se siembran cultivos en determinadas épocas porque en promedio la lluvia o la temperatura se comportan de tal manera. ¡Planificamos para un año que no va a existir! Con los Pronósticos Climáticos (PC) tenemos información más útil, debido a que empezamos a planificar sobre un año que tiene probabilidad distinta a cero.

Un pronóstico climático, es tener información sobre las condiciones climáticas de los próximos meses (1 a 4 meses). ¿Qué puede pasar con la precipitación en los próximos meses?, que esté por encima, por debajo o dentro de lo normal (Terciles) y cada una tiene la probabilidad de ocurrencia del: 33.3% si no sabemos nada del clima. Sin embargo, en algunos años, periodos y lugares hay modos de variabilidad del sistema climático (interacción océano-atmosfera, usos de la tierra,…) que hacen que ese porcentaje cambie, y por eso tenemos años con probabilidades mayores de ocurrencia de un evento con condiciones por encima, por debajo o dentro de lo normal.

Condición de inundación y saturación del suelo en ensayo de modelación de maíz. Sabana de Torres (Santander), mayo 17 de 2013.

*Condición de inundación y saturación del suelo en ensayo de modelación de maíz. Sabana de Torres (Santander), mayo 17 de 2013.

El pronóstico climático ha tomado relevancia en los últimos años debido a su utilización como un instrumento básico en la  toma de decisiones para diferentes sectores socio-económicos, incluyendo el agropecuario. Dirigidos a la evaluación de riesgo ante fenómenos de variabilidad del clima para asegurar el abastecimiento de alimentos a través de la cadena agroalimentaria.

Colombia se encuentra expuesta a condiciones particulares de vulnerabilidad ligadas a fenómenos de variabilidad climática que ocasionan cambios sustanciales en los regímenes de lluvias y demás parámetros meteorológicos (e.g. T, HR,…). Entre estos fenómenos se destaca El Niño/La Niña por los impactos ambientales, sociales y económicos que produce en el país. Además, el cambio climático puede incrementar la frecuencia y magnitud de los extremos climáticos como las sequías o las temporadas de lluvias intensas, por lo cual el agricultor tendrá que enfrentarse con climas muy adversos, daños severos en los cultivos y nuevos retos para cultivar usando prácticas tradicionales. Un ejemplo es La Niña del 2010-2011, que causó volúmenes extraordinarios de precipitación en los meses de julio, noviembre y diciembre de 2010, y marzo y mayo de 2011, con valores altos (por encima de lo normal) y fuera de los rangos históricos en gran parte del país, en especial sobre las regiones Caribe y Andina; donde los impactos en el sector agropecuario, causaron pérdidas cercanas a los $760.000 millones de pesos, suma estimada por una misión evaluadora BID-CEPAL**.

Ante los desafíos actuales que representan la variabilidad y el cambio climático para el sector agrícola del país, se promueve el uso de los pronósticos climáticos como una alternativa de adaptación del sector agropecuario colombiano ante los fenómenos climáticos, mediante el Convenio: “Clima y sector agropecuario colombiano, adaptación para la sostenibilidad productiva”. Desarrollando una metodología que combina los pronósticos climáticos con los modelos de cultivo, generando Pronósticos Agroclimáticos Participativos (PACP).

Para el desarrollo de esta metodología se utilizó la herramienta de Predictibilidad Climática desarrollada por el IRI para las zonas agrícolas de Cereté, Villavicencio, Espinal y Buga. CPT es un paquete que facilita la construcción de modelos estadísticos para el pronóstico climático, la validación de los modelos generados, la producción de pronósticos con base en datos históricos y la verificación de los resultados con datos actualizados. Se basa en el análisis de correlación canónica, donde se busca establecer la covariabilidad de la temperatura superficial del mar (TSM, ó SST -por sus siglas en inglés) y las variables meteorológicas medidas localmente. Se sabe que el océano transmite cierta memoria a la atmósfera debido a su mayor capacidad calorífica; esta característica determina la predictibilidad del clima asociada con la variabilidad del océano. En la región tropical el acoplamiento entre el océano y la atmósfera es muy fuerte, produce uno de los principales ejemplos de variabilidad climática (El Niño/La Niña).

Cuantificar el nivel de incertidumbre asociado a la ocurrencia de un evento determinado es una herramienta fundamental para la toma de decisiones. El pronóstico climático probabilístico tiene la capacidad de poder distinguir la ocurrencia o no ocurrencia de un fenómeno. Para lograr aprovechar al máximo las ventajas del pronóstico probabilístico, es necesario que el mismo sea confiable en términos estadísticos. Donde esta confiabilidad se entiende como la relación entre la probabilidad pronosticada y la frecuencia observada del evento. Por lo anterior, se realizo una evaluación de la calidad de los pronósticos, con las observaciones históricas y corridas retrospectiva.  Para la validación, se hizo una revisión de la consistencia física de los modelos y se observó que responden muy bien a los patrones de variabilidad de la cuenca tropical del Pacífico, Atlántico y Caribe. Este procedimiento permitió también redefinir el número de estaciones a incluir en la construcción de los modelos, atendiendo a su consistencia física y estadística.

Síntesis de los resultados de los estadísticos de validación de la temperatura máxima para el mes de septiembre en las zonas agrícolas de Cereté, Villavicencio, Espinal y Buga.

Síntesis de los resultados de los estadísticos de validación de la temperatura máxima para el mes de septiembre en las zonas agrícolas de Cereté, Villavicencio, Espinal y Buga.

Para precipitación, los resultados de acierto, de acuerdo con la metodología propuesta para uso de las predicciones, mostró que para el periodo de análisis, en promedio un 83% de casos cayeron dentro del rango de las categorías dominantes. A nivel mensual las frecuencias de aciertos oscilaron entre 67% y 93% y el mes con la mayor tasa fue febrero. La estación Rabolargo ubicada en el municipio de Cereté presento la frecuencia más alta de pronósticos correctos (87%), mientras que la estación el Vínculo del municipio de Buga la más baja (78%). Los resultados para temperatura máxima y mínima, con un promedio de aciertos de 85% y 83%, respectivamente. La tasa de aciertos es más alta en los meses de diciembre, enero y febrero, cuando se acerca al 90% y la más baja los meses de marzo, septiembre y noviembre, con frecuencias del orden de 76% a 80%, siendo las más bajas para la temperatura mínima.

En conclusión, el uso de modelos de estructura estadística mediante CPT permite poner en marcha una metodología para realizar pronósticos climáticos en una forma rápida, fácil y confiable. Suministrando información local y adaptada en aplicaciones concretas de impacto al sector agropecuario. Los resultados de estas predicciones climáticas fueron incorporados en los modelos de cultivo de arroz y maíz (AquaCrop y DSSAT) para la identificación de medidas adaptativas.

Para más información, por favor contactar a:
Gloria leon: glorialeon@gmail.com
Diana Giraldo d.giraldo@cgiar.org

*imagen tomada de Flickr: Ministerio de Agricultura y Desarrollo Rural y Centro Internacional de Agricultura Tropical – CIAT © 2013.  Imágenes de libre acceso.
** http://www.cepal.org/publicaciones/xml/0/47330/OlainvernalColombia2010-2011.pdf

Related Posts Plugin for WordPress, Blogger...
Share this:

Leave a Reply

Your email address will not be published. Required fields are marked *

about CIAT

If you could answer these three short questions, that would be really appreciated http://dapa.ciat.cgiar.org/we-want-to-know-our-readers/

Our Latest Presentations