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.

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.  Limitações: * Baixa resolução espacial (~ 300 km). * Não captam feições locais e regionais. * Dificuldade de representar processos superficiais.

Variabilidade das resoluções nos MCG O(300 km) MCG-AR O(100 km) MCG-RVar O(50-100 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?  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.

OBJETIVOS  Fazer downscalling pelo uso de um MCR para as porções Sul e Centro-Oeste do território brasileiro.  Comparar diferentes panoramas climáticos, entre condições atuais e futuras, sob determinados cenários e que possam gerar impactos potenciais.  Avaliar a extensão dos impactos regionais de MC sobre produção de commodities em sistemas agrícolas das regiões S e CO do país.  Analisar a performance de crop models como preditores de impactos na produção das commodities.  Propor alternativas de estratégias de adaptação como subsídios aos tomadores de decisão, como resposta àqueles impactos.

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

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)

DADOS E METODOLOGIA (cont.)  Áreas de Estudo * Duas regiões e um Estado da União: 1. Região Centro-Oeste (GO, MT e MS). 2. Região Sul (PR, SC e RS). 3. Estado de SP.

ÁREAS DE ESTUDO Região Centro-Oeste O Estado de São Paulo Região Sul

DADOS E METODOLOGIA (cont.)  Culturas a serem modelizadas: * Soja [Glycine max (L.) Merrill] * Milho (Zea mays L.) * Trigo (Triticum aestivum L.)

ESTADO MILHO* SOJA TRIGO Área Cultivada e Produção de Três Commodities nas Regiões CO e S do Brasil, e no Estado de SP (2005-2006). ESTADO MILHO* SOJA TRIGO 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 Fonte: CONAB (2006) – Levantamento: Maio/2006. * Primeira e segunda safras.

DADOS E METODOLOGIA (cont.)  Adaptações investigadas Duas condições de manejo: * Uma, levando-se em conta variedades e práticas correntes (sem alteração do manejo). * Outra, alterando-se algumas práticas: a. Datas de plantio. b. Irrigação. c. Fertilização. d. GDD.

 Pacote de Modelos de Impactos utilizado (Crop models): DADOS E METODOLOGIA (cont.)  Pacote de Modelos de Impactos utilizado (Crop models): Modelos mecanístico-dinâmicos de simulação do crescimento e desenvolvimento de culturas acoplados ao DSSAT v. 4.0 (Decision Support System for Agrotechnology Transfer). 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)

Climatologia Anual (61-90): Reanálise ERA-40 (ECMWF) http://www. ecmwf 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).  Segunda geração de reanálises, precedida pela de 15 anos (ERA-15 - 1979-1993).

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

PC 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 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.

DADOS E METODOLOGIA (cont.) Métodos:  O MCR foi utilizado sob duas bases temporais distintas: * Baseline (1961-1990). * 2070-2100 (Cenários SRES/IPCC A2 e B2).

DIAGRAMA ESQUEMÁTICO DOS EXPERIMENTOS Ceres-Wheat Ceres-Maize CropGro DIAGRAMA ESQUEMÁTICO DOS EXPERIMENTOS “Crop Models” 2070-2100 A2 PRECIS Sem EA: (Práticas correntes) Com EA: (GDD, plantio, fert/irrig) HadCM3 (300 km) HadRM3P (50 km) Clima (61-90) B2 2070-2100 “Crop Models” Ceres-Wheat Ceres-Maize CropGro

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!