Impacto de la variabilidad y cambio climático en la productividad de trigo de invierno mediante modelos agroclimáticos

Abstract

En las últimas décadas, el estudio del impacto de la variabilidad y el cambio climático en la agricultura es un tema de investigación relevante. Para abordar este problema, es necesario el uso de modelos agrícolas ya que no sólo son de gran utilidad para analizar el impacto del cambio climático, sino que permiten adoptar estrategias que mitiguen las pérdidas en las cosechas. Particularmente, en España los impactos del cambio climático en las producciones agrícolas son preocupantes debido a los resultados obtenidos en el proyecto PESETA II, que predice una reducción del 20% en las producciones agrícolas en el sur de Europa a finales del siglo XXI. Dentro de las producciones agrícolas de España, podemos destacar el trigo ya que es un alimento básico y su producción es tan abundante como la de las olivas, cítricos y viñedos. Sin embargo, los efectos de las variaciones climáticas en el trigo sólo han sido estudiadas en regiones puntuales. En este contexto, el objetivo principal de esta tesis es encontrar las relaciones entre la variabilidad del trigo en España y los procesos climáticos, mediante el uso de diferentes datos y aplicando diferentes metodologías, así como proyectar la productividad de trigo bajo los escenarios del cambio climático a partir de los modelos CMIP5. La idea es obtener modelos agroclimáticos que expliquen la variabilidad del rendimiento de trigo en España, y puedan ser aplicados para proyectar las tendencias del rendimiento del trigo bajo diferentes condiciones climáticas. La tarea no es sencilla, ya que es difícil identificar las variables climáticas que, directa o indirectamente, se encuentran asociadas a las variaciones de productividad de trigo. Asimismo, es complejo mostrar las proyecciones del rendimiento del trigo teniendo en consideración el grado de incertidumbre de las proyecciones de los modelos climáticos. Por todo ello, esta investigación se ha realizado desde las perspectivas empíricas y mediante el análisis de los procesos físicos que controlan el desarrollo del cultivo, utilizando diferentes métodos estadísticos, adaptándolos de forma novedosa para el desarrollo de este trabajo. Se introduce la descomposición empírica en modos por conjuntos (EEMD) para separar el efecto de las mejoras tecnológicas respecto a los efectos climáticos en la variabilidad del trigo, ya que esta componente de tendencia puede interferir a la hora de elaborar los modelos. Además, se utiliza para determinar las tendencias de las proyecciones de trigo simulado a partir de los modelos CMIP5. Otro método utilizado es la regresión de mínimos cuadrado parciales (PLS) para identificar la co-variabilidad entre las variables climáticas y el rendimiento del trigo, y para obtener proyecciones empíricas de productividad de trigo en condiciones de cambio climático. Este método es muy útil porque nos permite extraer las señales de variabilidad conjuntas entre la productividad de trigo y el clima. Asimismo, estos modos de variabilidad se utilizan para seleccionar los predictores más significativos y evitar la información redundante en el modelo agroclimático. Los modelos agrícolas empíricos se determinaron mediante un estudio de la influencia de diferentes variables climáticas que afectan a la variabilidad de las producciones en las diferentes estaciones que abarcan desde la siembra a la cosecha del trigo. De este modo diferenciamos, por una parte, los modelos empíricos que incluyen los efectos de la temperatura y precipitación en el dominio espacial de España, y por otra, los modelos empíricos que incluyen los efectos de radiación, circulación atmosférica y teleconexiones en el dominio Euro-Atlántico y a gran escala. Estos modelos se analizan conjuntamente con el modelo teórico basado en los procesos físicos, “The general large-area model (GLAM) for annual crops”. Los resultados más importantes que se obtienen tras esta investigación se detallan a continuación. En el estudio empírico en el que se evalúan las relaciones entre el rendimiento de trigo y las variables climáticas básicas, y derivadas de la temperatura y precipitación, el modelo agroclimático obtenido cuantifica los efectos positivos de la precipitación, representados por el índice de precipitación estandarizado (SPI), en primavera y otoño, y el efecto negativo del rango diurno de temperatura (DTR) en invierno. Este modelo agroclimático explica un 63% de la variabilidad del rendimiento de trigo en España. Asimismo, las proyecciones a lo largo del siglo XXI predicen una disminución del rendimiento del trigo. Esta disminución queda justificada por la disminución del SPI, y el aumento del DTR a lo largo del siglo XXI en España. Sin embargo, las proyecciones de precipitación dada por los modelos CMIP5 presentan ciertas incertidumbres. Por esta razón, se decidió la búsqueda de predictores a gran escala llevándose a cabo el estudio empírico basado en la influencia de las variables a gran escala en la productividad del trigo. En este caso, el modelo agroclimático seleccionó la radiación solar en superficie (SSRD) como la variable que mejor caracteriza la variabilidad de la productividad del trigo. Además, la SSRD recoge los efectos de otras variables a gran escala, como la altura geopotencial a 500 hPa (Z500), el viento zonal a 250 hPa (U250), la temperatura superficial del mar (SST) del Pacífico en primavera y de la SST en el Atlántico Norte en invierno. Asimismo, este modelo incluye los efectos de las teleconexiones: la SSRD está asociada con la Oscilación Multidecadal del Atlántico (AMO) en otoño, con la Oscilación del Atlántico Norte (NAO) y el patrón del Este del Atlántico (EA) en invierno, y con el patrón de Escandinavia (SCAND) en primavera. Este modelo agroclimático describe más varianza de la variabilidad del trigo que el modelo basado en SPI y DTR, explica un 71% frente al 63%. Las proyecciones también predicen una disminución del rendimiento del trigo. La incertidumbre de las diferentes proyecciones se analiza en función de la variabilidad interna y señal contenida en cada tipo de proyección, indicando mayor significación para la tendencia en el caso del modelo basado en SSRD que en el basado en SPI y DTR. Los modelos empíricos son fiables para el periodo observacional, pero puede que el ajuste no sea válido para otras condiciones climáticas. Por ello, y porque el uso de diferentes modelos permite incrementar la confianza de las proyecciones, se planteó la utilización de del modelo basado en proceso GLAM para complementar así las investigaciones empíricas. La evaluación del modelo de GLAM para caracterizar el rendimiento del trigo se lleva a cabo de dos maneras. Por un lado, mediante un estudio de métricas estadísticas como el coeficiente de correlación de Pearson y el error cuadrático medio. Y por otro, se ha aplicado una evaluación específica y novedosa mediante un análisis de la respuesta de GLAM a las variables climáticas que incluyen los modelos empíricos. Las discrepancias entre ambos tipos de modelos ocurrían en años en los que el índice ENSO es más intenso. Estos resultados inducen a utilizar modelos híbridos, empíricos y basados en procesos, para conjuntar los efectos de la variabilidad climática y de las teleconexiones. Por ello, se combinó GLAM y el modelo empírico basado en la SSRD para proyectar el rendimiento de trigo utilizando los datos climáticos de modelos CMIP5 a lo largo del siglo XXI. Se obtiene que el rendimiento del trigo disminuirá en un 42% en el caso de GLAM, y un 25% en el caso del modelo híbrido. Se observa que todos los modelos predicen una disminución del rendimiento de trigo presentando ciertas diferencias. Por lo que, para obtener la incertidumbre de las proyecciones se obtuvo la relación señal/ruido (SNR), obteniendo mayor acuerdo entre proyecciones dadas con modelo GLAM que con el híbrido.