instituto nacional de pesquisas espaciais centro de previsÃo de tempo e estudos climÁticos i...

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS CENTRO DE PREVISÃO DE TEMPO E ESTUDOS CLIMÁTICOS

I Seminário Internacional sobre Mudanças Climáticas e Seus Impactos na Agricultura

“Climate change modeling and its impacts on agricultural commodities yields: spatial scales,

future scenarios and adaptation”

Marco Aurélio de Mello Machado

José Antonio Marengo (Ph.D.)

INTRODUÇÃO

Caracterização do problema e motivação

O efeito estufa e o aquecimento global.

Variabilidade climática: evidências quanto às freqüências e intensidades de eventos extremos.

Predição climática: importância dos padrões atmosféricos locais e regionais.

Impactos: estreita relação entre clima e processos de produção.

Impactos na Agricultura

Decréscimos nas produções de grãos em médias latitudes e áreas sujeitas a secas.

Aumentos nos preços relativos de produtos alimentícios.

Diminuições das produções nos trópicos e subtrópicos.

Aumentos dos danos às culturas por ondas de calor.

Diminuições dos danos por geadas.

Limitações:

* Baixa resolução espacial (~ 300 km).

* Não captam feições locais e regionais.

* Dificuldade de representar processos superficiais.

Simulação e Modelagem de Impactos

Problema: incerteza.

Elaboração de cenários.

Para isso, utiliza-se os MCG que sintetizam o estado da arte em termos do conhecimento científico.

Variabilidade das resoluções nos MCG

MCG

O(300 km)

MCG-AR

O(100 km)

MCG-RVar

O(50-100 km)

Modelos, atmosféricos e de superfície, em áreas limitadas cujas condições de contorno são dadas por um MCG ou por dados de análises e com resoluções menores que 50 km.

Simulação e Modelagem de Impactos (cont.)

Com a necessidade de cenas regionais de melhor resolução, faz-se downscalling (uso de MCR´s).

Problemas:

* Mudanças de escala tendem a aumentar as incertezas.

* Métodos caros do ponto de vista computacional.

O que é um MCR?

Propor alternativas de estratégias de adaptação como subsídios aos tomadores de decisão, como resposta àqueles impactos.

OBJETIVOS

Fazer downscalling pelo uso de um MCR para as porções Sul e Centro-Oeste do território brasileiro.

Analisar a performance de crop models como preditores de impactos na produção das commodities.

Avaliar a extensão dos impactos regionais de MC sobre produção de commodities em sistemas agrícolas das regiões S e CO do país.

Comparar diferentes panoramas climáticos, entre condições atuais e futuras, sob determinados cenários e que possam gerar impactos potenciais.

* pacote de visualização e processamento gráfico das saídas do MCR.

DADOS E METODOLOGIA

Uso do MCR HadRM3P, com saídas do MCG HadCM3.

PRECIS (Providing REgional Climates for Impacts Studies).

Sistema de MCR do Hadley Centre que possui os módulos:

* o MCR propriamente dito, aplicável a qualquer parte do planeta;

* interface de configuração;

Características

1. Resolução: 50 km (25 km para pequenas áreas).

2. Versão para PCs.

3. Configurado pelo usuário para qualquer área do globo.

4. Possibilidade de estudos sobre vulnerabilidade e adaptação.

5. Resoluções disponíveis:

0,44º x 0,44º

(50 km)

0,22º x 0,22º

(25 km)

1. Região Centro-Oeste (GO, MT e MS).

2. Região Sul (PR, SC e RS).

3. Estado de SP.

DADOS E METODOLOGIA (cont.)

Áreas de Estudo

* Duas regiões e um Estado da União:

Região Centro-Oeste

O Estado de São Paulo

Região Sul

ÁREAS DE ESTUDO

Culturas a serem modelizadas:

* Soja [Glycine max (L.) Merrill]

* Milho (Zea mays L.)

* Trigo (Triticum aestivum L.)

DADOS E METODOLOGIA (cont.)

Área Cultivada e Produção de Três Commodities nas Regiões CO e S do Brasil, e no Estado de SP (2005-2006).

Fonte: CONAB (2006) – Levantamento: Maio/2006.* Primeira e segunda safras.

ESTADO MILHO* SOJA TRIGO

Área(1000 ha)

Produção(1000 T)

Área(1000 ha)

Produção(1000 T)

Área(1000 ha)

Produção(1000 T)

Goiás 616,9 2.884,1 2.489,0 6.396,7 11,9 51,2

Mato Grosso do Sul

550,0 1.861,9 1.929,3 4.460,5 95,2 135,2

Mato Grosso 925,9 3.165,2 5.842,7 16.768,5 0,5 1,7

Paraná 2.493,3 10.565,4 3.920,2 9.682,9 1.276,3 2.801,5

Rio Grande do Sul 1.444,6 4.983,9 3.926,5 8.010,1 845,5 1.564,2

Santa Catarina 784,8 3.343,2 339,5 831,8 60,0 114,9

São Paulo 1.064,5 4.450,8 656,6 1.648,1 56,2 132,1

TOTAL 6.780,0 31.254,5 19.103,8 47.798,6 2.345,6 4.800,8

* Outra, alterando-se algumas práticas:

a. Datas de plantio.b. Irrigação.c. Fertilização.d. GDD.

DADOS E METODOLOGIA (cont.)

Adaptações investigadas

Duas condições de manejo:

* Uma, levando-se em conta variedades e práticas correntes (sem alteração do manejo).

Modelos mecanístico-dinâmicos de simulação do crescimento e desenvolvimento de culturas acoplados ao DSSAT v. 4.0 (Decision Support System for Agrotechnology Transfer).

DADOS E METODOLOGIA (cont.)

Pacote de Modelos de Impactos utilizado (Crop models):

CULTURA MODELO REFERÊNCIA

Milho Ceres-Maize Ritchie e Otter (1985); Rosezweig (1990)

Soja CropGro Boote et al. (1996)

Trigo Ceres-Wheat

Ritchie e Otter (1985); Ritchie (1988)

Segunda geração de reanálises, precedida pela de 15 anos (ERA-15 - 1979-1993).

Climatologia Anual (61-90): Reanálise ERA-40 (ECMWF) http://www.ecmwf.int/research/era/ (Kållberg et al. 2004).

Séries de Setembro de 1957 a Agosto de 2002 Bromwich e Fogt (2004).

CAMPOS DE ANOMALIAS DE T e P

Anomalias durante eventos El Niño

Temperatura máxima

El Niño (82-83) El Niño (97-98)

Temperatura mínima

El Niño (82-83) El Niño (97-98)

Precipitação

El Niño (82-83) El Niño (97-98)

Anomalias durante eventos La Niña

Temperatura máxima

La Niña (70-71) La Niña (88-89)

Temperatura mínima

La Niña (70-71) La Niña (88-89)

Precipitação

La Niña (70-71) La Niña (88-89)

Plantio Climatologia(61-90)

El Niño(97-98)

La Niña(88-89)

1o Out 8017 kg.ha-1 7029 kg.ha-1 7047 kg.ha-1

1o Nov 8438 kg.ha-1 6573 kg.ha-1 9648 kg.ha-1

Produções Potenciais de Milho para a Climatologia anual (1961-1990), anos de El Niño

(1997-1998) e anos de La Niña (1988-1989).

0

2000

4000

6000

8000

10000

12000

Climatologia(61-90)

El Niño (97-98) La Niña (88-89)

Pro

du

ção

(kg

/ha)

Outubro

Novembro

0

10

20

30

40

50

60

70

80

Date

PRECIP mm/d (RATN=61152 HARVEST=61365) MAX TEMP °C (RATN=61152 HARVEST=61365)

Comportamento da precipitação (linha laranja) e temperatura máxima (linha azul) durante a estação de crescimento da cultura do milho, no ano

de 1988, a partir de 1o de novembro, até a data provável de colheita.

PC

0

10

20

30

40

50

60

70

80

90

Date

PRECIP mm/d (RATN=61152 HARVEST=61365) MAX TEMP °C (RATN=61152 HARVEST=61365)

Comportamento da precipitação (linha laranja) e temperatura máxima (linha azul) durante a estação de crescimento da cultura do milho, no ano

de 1997, a partir de 1o de novembro, até a data provável de colheita.

PC

Métodos:

O MCR foi utilizado sob duas bases temporais distintas:

DADOS E METODOLOGIA (cont.)

* Baseline (1961-1990).

* 2070-2100 (Cenários SRES/IPCC A2 e B2).

DIAGRAMA ESQUEMÁTICO DOS EXPERIMENTOS

HadCM3(300 km)

A2

B2

2070-2100 “Crop Models”

2070-2100 “Crop Models”

Sem EA:

(Práticas correntes)

Com EA:

(GDD, plantio, fert/irrig)

Ceres-Wheat

Ceres-Maize

CropGro

Ceres-Wheat

Ceres-Maize

CropGro

Clima (61-90)

PRECIS

HadRM3P(50 km)

RESULTADOS

Anomalias de Precipitação

Anomalias de Temperatura

CENÁRIO IPCC/SRES A2

ANOMALIAS ANUAIS DE TEMPERATURA (A2 – BL)

ANOMALIAS SAZONAIS (DJF) DE TEMPERATURA (A2 – BL)

ANOMALIAS SAZONAIS (MAM) DE TEMPERATURA (A2 – BL)

ANOMALIAS SAZONAIS (JJA) DE TEMPERATURA (A2 – BL)

ANOMALIAS SAZONAIS (SON) DE TEMPERATURA (A2 – BL)

ANOMALIAS ANUAIS DE PRECIPITAÇÃO (A2 – BL)

ANOMALIAS SAZONAIS (DJF) DE PRECIPITAÇÃO (A2 – BL)

ANOMALIAS SAZONAIS (MAM) DE PRECIPITAÇÃO (A2 – BL)

ANOMALIAS SAZONAIS (JJA) DE PRECIPITAÇÃO (A2 – BL)

ANOMALIAS SAZONAIS (SON) DE PRECIPITAÇÃO (A2 – BL)

CENÁRIO IPCC/SRES B2

ANOMALIAS ANUAIS DE TEMPERATURA (B2 – BL)

ANOMALIAS SAZONAIS (DJF) DE TEMPERATURA (B2 – BL)

ANOMALIAS SAZONAIS (MAM) DE TEMPERATURA (B2 – BL)

ANOMALIAS SAZONAIS (JJA) DE TEMPERATURA (B2 – BL)

ANOMALIAS SAZONAIS (SON) DE TEMPERATURA (B2 – BL)

ANOMALIAS ANUAIS DE PRECIPITAÇÃO (B2 – BL)

ANOMALIAS SAZONAIS (DJF) DE PRECIPITAÇÃO (B2 – BL)

ANOMALIAS SAZONAIS (MAM) DE PRECIPITAÇÃO (B2 – BL)

ANOMALIAS SAZONAIS (JJA) DE PRECIPITAÇÃO (B2 – BL)

ANOMALIAS SAZONAIS (SON) DE PRECIPITAÇÃO (B2 – BL)

OBRIGADO!