laderach p - tools and methodologies to make better decisions

Herramientas e informacion para la toma de decisiones

Peter Laderach Decision and Policy Analysis DAPA

Centro Internacional de Agricultura Tropical CIAT

Contenido• Herramientas y datos que

el CIAT desarrolla para la toma de decisiones

• Ejemplos de Latinoamérica y Honduras– Identificación de nichos de

cultivos– Denominación de Origen– Competitividad – Herramienta de trazabilidad,

control de calidad y mercadeo– Impacto del cambio climático

en cultivos

CIAT y DAPA CIAT

MISION: Reducir el hambre y la pobreza y mejorar la salud humana en los trópicos mediante una investigación que aumente la eco-eficiencia de la agricultura.

DAPA: Decision and Policy Analysis

Cree firmemente en el poder de la información para diseñar políticas efectivas en desarrollo agrícola y manejo y conservación de los recursos naturales.

Que hacemos:

Análisis, Metodologías, Herramientas y Bases de Datos

Silvia Elena Castaño Enna Diaz Betancourt

Juan Carlos Andrade

Simone Staiger Ana Milena Guerrero Glenn Graham Hyman

Anton Eitzineger

Lilian Patricia Torres

Carlos Nagles Jorge Cardona

Simon Cook

The Oldies

Andy Jarvis

Natalia Uribe Robert AndradeJulián Ramirez

Daniel Jimenez Vanesa Herrera

Nora Castañeda

Mike Salazar

Jhon Ocampo

Hector Favio Tobón

The Youth

Louis Reymondin

Ovidio RiveraElizabeth Barona

Katherin Tehelen

Victor Augusto Lizcano Angelica Ma. Henao Carolina Argote D.

Daniel Amariles

Oriana Carolina Ovalle

And the under-age

Emmanuel Zapata

Caracterización de sitios con bases de datos de medio-ambiente

• Con un latitud y longitud, que información se puede sacar de bases de datos espaciales de medio-ambiente?

• Clima:– Promedios anuales, WorldClim– Datos diarios actuales, TRMM– Cambio climático

• Topografía– SRTM– Derivados topográficos

• Suelos

WorldClim• Production of global high resolution 1km monthly climate

surfaces for precipitation, mean, max and min temperature

• Based on 47,554 precipitation stations, 24,542 mean temperature stations, 14,835 minimum and maximum temperature stations

• Interpolated using a thin-plate smoothing spline in the AnuClim software

• Derivatives: bioclimatic variables such as precipitation in dryest quarter, absolute minimum annual temperature, consecutive wet/dry months, seasonality etc.

A

B

C

~1500 stations in Colombia

WorldClimClimate stations are not randomly distributed, but most dense in

populated regions.

• Average distance from a CIAT climbing bean collection to a WorldClim station:

• Precipitation : 11.2km

• Mean temperature : 30.7km

• Minimum/maximum temperature : 33.4km

• Average distance from a WCMC cloud forest site to a WorldClim station:

• Precipitation : 20.6km

• Mean temperature : 38.8km

• Minimum/maximum temperature : 52.6km

No solo datos mensuales• Variables BioClimaticos (Busby):

– BIO1 = Annual Mean Temperature– BIO2 = Mean Diurnal Range (Mean of monthly (max temp - min temp))– BIO3 = Isothermality (P2/P7) (* 100)– BIO4 = Temperature Seasonality (standard deviation *100)– BIO5 = Max Temperature of Warmest Month– BIO6 = Min Temperature of Coldest Month– BIO7 = Temperature Annual Range (P5-P6)– BIO8 = Mean Temperature of Wettest Quarter – BIO9 = Mean Temperature of Driest Quarter– BIO10 = Mean Temperature of Warmest Quarter– BIO11 = Mean Temperature of Coldest Quarter– BIO12 = Annual Precipitation– BIO13 = Precipitation of Wettest Month– BIO14 = Precipitation of Driest Month– BIO15 = Precipitation Seasonality (Coefficient of Variation)– BIO16 = Precipitation of Wettest Quarter– BIO17 = Precipitation of Driest Quarter– BIO18 = Precipitation of Warmest Quarter– BIO19 = Precipitation of Coldest Quarter

• Indices bioclimáticos (Rivas-Martinez):• Iar Índice de aridez• Ic Índice de continentalidad o intervalo térmico anual (Tmax-Tmin en grados• centígrados)• Id Índice de diurnalidad o intervalo térmico diario (Tcmax-Tcmin en grados• centígrados)• Im Índice de mediterraneidad• Im1 Índice de mediterraneidad del mes de julio en latitud N y del mes de enero en• latitud S• Im2 Índice de mediterraneidad de los meses de julio + agosto en latitud N y de los• meses de enero + febrero en latitud S• Im3 Índice de mediterraneidad de los meses de junio + julio + agosto en latitud N y

de• diciembre + enero + febrero en latitud S• Io Índice ombrotérmico anual (Pp: Tp) 10• Iosmi Índice ombrotérmico semestral, siendo i: 1 = invernal (octubre-marzo), ... , 2 =• estival• Ioti Índice ombrotérmico trimestral, siendo i: 1 = invernal (diciembre-febrero), ... , 4• = otoñal (septiembre-noviembre)• Iom Índice ombrotérmico mensual (Ppi: Tpi) 10• Iod1 Índice ombrotérmico del mes más seco del trimestre más seco del año• Iod2 Índice ombrotérmico del bimestre más seco del trimestre más seco del año• Iod3 Índice ombrotérmico del trimestre más seco del año• IodSS1 Índice ombrotérmico del mes más seco del segundo trimestre del semestre

más• cálido del año• …….

Datos de lluvia diario derivado de satélites - TRMM

Time series of rainfall over SE Asia every 3 hours for the 8th Feb. 2001.

A day in the life of TRMM

midnight 3am 6am

midday9am 3pm

9pm6pm

Que hace la plantilla

Visualización

Acumulación de lluvias en el año

Balance hídrico y estación de crecimiento

Topografia

TopographyNow…..

• Shuttle Radar Topography Mission (SRTM) global elevation data

• 3 arc second product (~90 m resolution) and 1 arc second (~30m resolution) though the latter is restricted access

• Vertical precision – < 16 m

• Produced by NASA and USGS, made freely available 2003/2004

Significance:

Local information for entire globe

Significant Improvement

GTOPO30

SRTM

Cali rubbish heap Basurero Navarro

SRTM – Version 3

Using the data – more than just elevation

Elevation Slope Aspect Landscape Class

MoistureSolar RadiationExposureCurvature

MAP CLOUD FREQUENCY

Suelos

1: 5,000,000 FAO Soil Map of the World, Source: FAO

Available at: http://www.fao.org/ag/agl/agll/dsmw.htm

90m Resolution Elevation Data, Source: SRTM, USGS

Available at: http://srtm.csi.cgiar.org

1km Resolution Climate Data, in this case January Rainfall

Source: WorldClim, available at: http://biogeo.berkeley.edu

ClimateTopography

Soil

LandSat 25m resolution land cover, Source: NASA

Available at: https://zulu.ssc.nasa.gov/mrsid/mrsid.pl

Land cover

Crop Niche Selection for Tropical Agricultre CaNaSTA

HOMOLOGUE• FIG 1

cv. Hass var. guatemalensis

var. americana

• Localizando geográficamente nichos de cualquier especie (o de cuantas especies se tengan datos)

Modelación de distribución de especies (MaxEnt)

Distribución completa

Distribución de alta probabilidad

¿ Qué es MarkSim ?

Es un Software para producir datos climaticos diarios

para cualquier punto en el tropico aun donde no existen datos.

Basado en un proceso de markov de tercer orden

MARKSIMV1.0

Interpolated Climate Surfaces

Latitude,

longitude

Elevation

DAT file

CLX file

DSSAT

v 3.5

FILES (.WTG)

Calendar format

Files (.GEN)

+

++

CLX files

DAT filesCLI files

WTG files

EL principal objetivo de MarkSim es generar informacion climatica

simulada.

Para ello requiere de un archivo .CLX que sera la entrada al modelo . Este se puede construir de varias formas segun se explican en

el manual pero requiere de unos datos minimos (latitud, longitud) si

no se poseen de datos

climaticos (precipitacion)

Si se poseen datos climaticos (precipicitacion total mes) se

pueden digitar en un archivo .dat a partir del cual markSim genera

el .CLX

El CLX tambien se puede generar a partir de latitud longitud (elevaion

opcional)