(Título alternativo de ser necesario -OP-)

(Numero de edicion del conjunto de datos -OP-)

Análisis de riesgo climático sector Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca mediante modelos de simulación de cultivos bajo el escenario SSP5 8.5 periodo histórico y futuro

Generación de análisis de riesgo climático para Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, mediante la aplicación de modelos de impacto biofísico

Insumo para el análisis de riesgo climático de los diferentes sectores priorizados, con el fin de poder definir medidas y acciones de adaptación y mitigación más robustos a las diferentes regiones y climas del Ecuador

Los datos obtenidos corresponden a escenarios de cambio climático, por lo tanto, no se deben tratar como pronósticos puntuales. Los escenarios están basados en diversos supuestos de desarrollo tecnológico, social, medioambiental, etc.

Los datos son distribuidos sin restricciones de uso, siempre y cuando se coloque la correspondiente referencia bibliográfica: Ministerio del Ambiente, Agua y Transición Ecológica (2023). "Generación de un análisis de riesgo climático para el sector de Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, mediante la aplicación de modelos de impacto biofísico". Quito - Ecuador.

(Limitaciones de uso de los datos -OP-)

spa

(Cualquier otra informacion descriptiva acerca del conjunto de datos -OP-)

MB

(informacion adicional de distribucion -OP-)

El proceso de Análisis de Riesgo Climático (ARC) resulta de la interacción entre los parámetros del modelo biofísico que representan la sensibilidad y capacidad adaptativa (vulnerabilidad) del elemento expuesto, y la amenaza climática. Este análisis se realizó de forma participativa, técnica y científica entre diferentes instituciones en tres fases generales: revisión de información y selección de variables de entrada para la modelación; calibración y corridas iniciales de los modelos (para el presente: 1985–2015; y futuro: cinco años tipo en el periodo 2020–2050); y corridas definitivas de la modelación e interpretación de los impactos biofísicos identificados. La metodología aplicada y los hallazgos establecieron un precedente sobre el riesgo climático, lo que permitió comprender y dimensionar los posibles impactos del cambio climático sobre los sectores priorizados (desde escalas locales hasta nacionales) en los diferentes escenarios futuros, a fin de efectivizar y optimizar el diseño e implementación de las medidas sectoriales de Adaptación al Cambio Climático.

Se ubicó geográficamente la distribución de cultivos y variables de suelo en las áreas de intersección de celdas climáticas con un código particular para cada unidad de análisis. Se seleccionaron seis cultivos: arroz, maíz amarillo duro, maíz suave seco, papa, fréjol seco y caña de azúcar. Para estos cultivos se recopiló un conjunto de datos e información más completos sobre clima, suelo y características del cultivo.

Para la selección de los cultivos a ser simulados, se tomó en cuenta las variables de ingreso a los modelos, seleccionando variables biofísicas como suelo, clima y genética de cultivo, así como variables de manejo de cultivo, mediante una matriz que proporciona la disponibilidad de información para cada cultivo.

Los datos utilizados para el modelo EPIC (Environmental Policy Integrated Climate Model) incluyen variables de suelo (análisis fisicoquímico), climatología histórica (1985-2015), clima futuro (5 años tipos); manejo de cultivos, rendimiento medido en experimentos de campo o reportados a entidades gubernamentales o de tesis de grado.

Se recopiló para los seis cultivos, los conjuntos de datos e información más completos sobre clima, suelo, y cultivo. Para configurar el modelo de simulación, se establecieron cuadrículas de 10x10 Km con una cobertura espacial de cultivo de al menos el 70%. La información de cultivo, como variables fenológicas y fenométricas, son escasas a nivel temporal, se detallan registros de boletines divulgativos, tesis de grado y ensayos puntuales de tesis de grado. Para el suelo, los datos de textura del suelo se obtuvieron del sistema SoilsGrid (FAO) y las propiedades fisicoquímicas se calcularon usando ecuaciones de pedotransferencia (FPT).

Las variables meteorológicas se obtienen a nivel diario (temperatura máxima y mínima, precipitación, radiación solar) para el período 1985–2015 (período de referencia) en formato TSV y NETCDF. Los datos de la climatología fueron proporcionados de la plataforma SPRACC.

Para estimar los parámetros de sensibilidad del modelo EPIC, se realiza una corrida preliminar con los valores por defecto y se evalúa el rendimiento obtenido de la revisión bibliográfica. De acuerdo con el manual de EPIC, las variables más sensibles suelen ser la unidad de calor potencial basada en grados día de desarrollo (PHU) que están gobernados por la temperatura y la eficiencia de uso de la radiación solar (RUE). De esta manera, se parametriza el modelo EPIC para cada cultivo, con la simulación que mejor se ajusta a los datos observados del rendimiento de los cultivos.

Para determinar la eficiencia o desempeño del modelo se escoge el índice de eficiencia de Nash (NSE) y se apoya en pruebas estadísticas de error como es el error cuadrático medio (RMSE), que calcula la desviación estándar de los residuos (errores de simulación) y el error relativo porcentual (MPE) que calcula el sesgo de error en la simulación; apoyado en el coeficiente de determinación (R2).

(Calificacion cualitativa o cuantitativa del paso correspondiente -OP-)

(Detalle de la informacion fuente utilizada para generar el conjunto de datos -OP-)

spa

ISO 19115:2003/19139

1.0