Se presenta la aplicación de modelos de Máxima Entropía (MaxEnt) y Boosted Regression Trees (BRT) para determinar los cambios en la distribución espacial de especies marinas en la Franja Marino Costera del Ecuador Continental y Galápagos. La metodología implementada se basa en la recopilación de datos de presencia de especies de diversas fuentes, incluyendo el Global Biodiversity Information Facility, iNaturalist, Ocean Biodiversity Information System y el Instituto Público de Investigación de Acuicultura y Pesca, junto con variables climáticas y oceanográficas como temperatura del mar, salinidad, concentración de clorofila, y producción primaria neta de biomasa. El proceso metodológico involucró la depuración rigurosa de las ocurrencias de especies, considerando criterios específicos como la georreferenciación precisa, una incertidumbre menor a 1 km, y registros de los últimos 30 años. Las variables independientes se seleccionaron según el hábitat de las especies, utilizando datos de plataformas como Marine Copernicus Services y WorldClim, además de incorporar proyecciones climáticas para el periodo histórico (1985 -2015) y los 5 años tipo futuros. Especies como la tortuga verde (Chelonia mydas) podrían ver reducidas sus áreas de anidación en un 40%.

El cambio y la variabilidad climática impactará el equilibrio de la gran mayoría de los ecosistemas biológicos, especialmente aquellos altamente degradados y modificados por las actividades antrópicas. En Ecuador, las condiciones ambientales varían mucho en el espacio y esto ha generado regiones naturales con propiedades muy divergentes o diferentes entre sí. La variedad de regiones naturales es uno de los factores que ha hecho que el Ecuador sea un país mega diverso y uno de los mayores centros de concentración de especies a nivel mundial. La definición de estas zonas se basa en la congruencia existente entre los patrones de distribución de especies "endémicas", lo cual sugiere historias evolutivas diferentes entre sus biotas debido a un aislamiento durante largos períodos. En el caso de las plantas vasculares, estas son un grupo importante tanto por dominar la mayor parte de los ecosistemas terrestres como por ser muy utilizadas por el hombre. Por ello, y considerando su papel como agentes que determinan la distribución de comunidades enteras, predecir los futuros efectos del cambio climático en la distribución de especies se ha vuelto un tema prioritario de investigación. El estudio se enfocó en modelar el riesgo climático sobre especies endémicas y casi endémicas de plantas vasculares del Ecuador, pertenecientes a diversas provincias biogeográficas. Para ello, se utilizó el programa MaxEnt, el cual trabaja bajo un enfoque de nicho ecológico de las especies y es ampliamente utilizado en estudios de ecología y conservación. El proceso incluyó: (i) revisión y validación de datos de localidad de especies; (ii) selección de variables climáticas; (iii) calibración y ejecución del método de modelación; y (iv) generación de mapas por especie. Se presenta el Análisis de Riesgo Climático para el sector Patrimonio Natural mediante la distribución potencial de especie para el Periodo Histórico y los 5 Años Tipo Futuros

En el sector de la salud, los fenómenos climáticos influyen directamente sobre las personas e indirectamente a través de cambios en los sistemas naturales y humanos. La vulnerabilidad ante estas amenazas varía según factores como la geografía, edad, género, grupo étnico y estado socioeconómico. Debido al crecimiento poblacional de la región y las vulnerabilidades existentes relacionadas con el acceso al agua y saneamiento, nutrición, contaminación y producción de alimentos, se anticipa que los cambios climáticos incrementarán los riesgos actuales y futuros para la salud. Para modelar el riesgo que el cambio y la variabilidad climática representan para la expansión e intensificación del impacto del dengue, es necesario obtener datos sobre la distribución actual de los vectores y la ocurrencia de casos de dengue en el territorio. Para lograr modelos óptimos de cambios de idoneidad ambiental se requiere de la recopilación de información sobre la presencia de vectores, tanto de las actividades de control vectorial como de recolecciones. Se definieron sitios de monitoreo mediante la revisión de información secundaria sobre el número de casos de dengue y registros de ocurrencia de los vectores Aedes albopictus y Aedes aegypti en el país. Como resultado, se identificaron a Guayaquil, Manta, Orellana, Portoviejo y Tena como los cinco cantones con mayor número de casos de dengue, donde esta enfermedad es endémica. Se desarrolló un modelo de cambio de idoneidad medioambiental futura de propagación de esta enfermedad para todo el territorio ecuatoriano, con una resolución de 10 km x 10 km. El proceso de modelación se construyó con un ensamble de cuatro modelos (R0): Este procedimiento se resumió en cuatro fases: (i) revisión y configuración de parámetros ento–epidemiológicos; (ii) selección de datos climáticos; (iii) calibración y ejecución del ensamble; y, (iv) corridas finales y resultados. La mayoría de las localidades sobre la Cordillera de los Andes no presentan condiciones idóneas, mientras que algunas regiones de la costa ecuatoriana y la vertiente del Pacífico de la Cordillera muestran los valores más altos de idoneidad ambiental, para los 5 escenarios futuros de cambio climático. Se presenta el Análisis de Riesgo Climático para el Sector Salud mediante cambios en idoneidad medioambiental estacional del vector Aedes para los 5 años tipo futuros.

Se presenta la aplicación de modelos de Máxima Entropía (MaxEnt) y Boosted Regression Trees (BRT) para determinar los cambios en la distribución espacial de especies marinas en la Franja Marino Costera del Ecuador Continental y Galápagos. La metodología implementada se basa en la recopilación de datos de presencia de especies de diversas fuentes, incluyendo el Global Biodiversity Information Facility, iNaturalist, Ocean Biodiversity Information System y el Instituto Público de Investigación de Acuicultura y Pesca, junto con variables climáticas y oceanográficas como temperatura del mar, salinidad, concentración de clorofila, y producción primaria neta de biomasa. El proceso metodológico involucró la depuración rigurosa de las ocurrencias de especies, considerando criterios específicos como la georreferenciación precisa, una incertidumbre menor a 1 km, y registros de los últimos 30 años. Las variables independientes se seleccionaron según el hábitat de las especies, utilizando datos de plataformas como Marine Copernicus Services y WorldClim, además de incorporar proyecciones climáticas de los escenarios SSP2-4.5 y SSP5-8.5 para Ecuador en el período 2015-2100, considerando horizontes temporales cercanos (2021-2050) y lejanos (2051-2080). Los resultados del modelamiento revelan cambios significativos en la distribución de varias especies marinas. Se proyectan reducciones considerables en la distribución de especies como Auxis sp. (Botella) con una disminución de hasta el 50% en Esmeraldas y Manabí, Cetengraulis mysticetus (Chuhueco) con una reducción drástica debido a la acidificación oceánica, y Litopenaeus spp. (Camarón) con disminuciones significativas en todas las provincias costeras. Mientras que la ballena jorobada (Megaptera novaeangliae) muestra un patrón único de redistribución, con mayor concentración en zonas costeras ecuatorianas.

El uso de modelos de simulación está impulsado por la creciente necesidad de evaluar los impactos del cambio climático sobre la producción de alimentos, comprender las brechas de información de rendimiento de cultivos y la seguridad alimentaria, diseñar opciones de adaptación, identificar estrategias de gestión de riesgos e incorporar modelos de cultivos a la evaluación integrada de las implicaciones políticas. Los modelos de cultivos están diseñados para representar procesos biofísicos entre el medio ambiente, manejo del cultivo y genética, y los resultados de la simulación son aplicables para representar grandes áreas de cobertura de cultivo. La simulación por medio de modelos de cultivo como EPIC (Environmental Policy Integrated Climate Model), permite evidenciar los impactos que pueden generar las amenazas climáticas sobre el rendimiento, crecimiento e idoneidad de los cultivos. Para la selección de los cultivos a ser simulados, se tomó en cuenta variables biofísicas como suelo, clima y genética de cultivo, así como variables de manejo, mediante una matriz que proporciona la disponibilidad de información para cada cultivo. Se seleccionaron seis cultivos principales: arroz, maíz amarillo duro, maíz suave seco, papa, fréjol seco y caña de azúcar. Para configurar el modelo de simulación, se establecieron cuadrículas de 10x10 Km con una cobertura espacial de cultivo de al menos el 70%. Se realizaron 1,240 corridas para escenarios climáticos futuros, obteniendo los impactos de las amenazas climáticas sobre los rendimientos de los 6 cultivos, siendo el elemento más sensible el estrés térmico debido a la variación de la temperatura a nivel global. Se estima que el arroz, el maíz duro, la papa y la caña presentan mejor adaptación y mejores rendimientos en condiciones óptimas, mientras que el fréjol y el maíz suave tienen un menor desempeño. Se presenta el análisis de riesgo climático para el sector Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, aplicando el modelo de rendimiento simulado EPIC, calculado en toneladas por hectárea para el cultivo de Maíz Suave, Periodo Historico (1985-2015) y los 5 Años Tipo Futuros.

El uso de modelos de simulación está impulsado por la creciente necesidad de evaluar los impactos del cambio climático sobre la producción de alimentos, comprender las brechas de información de rendimiento de cultivos y la seguridad alimentaria, diseñar opciones de adaptación, identificar estrategias de gestión de riesgos e incorporar modelos de cultivos a la evaluación integrada de las implicaciones políticas. Los modelos de cultivos están diseñados para representar procesos biofísicos entre el medio ambiente, manejo del cultivo y genética, y los resultados de la simulación son aplicables para representar grandes áreas de cobertura de cultivo. La simulación por medio de modelos de cultivo como EPIC (Environmental Policy Integrated Climate Model), permite evidenciar los impactos que pueden generar las amenazas climáticas sobre el rendimiento, crecimiento e idoneidad de los cultivos. Para la selección de los cultivos a ser simulados, se tomó en cuenta variables biofísicas como suelo, clima y genética de cultivo, así como variables de manejo, mediante una matriz que proporciona la disponibilidad de información para cada cultivo. Se seleccionaron seis cultivos principales: arroz, maíz amarillo duro, maíz suave seco, papa, fréjol seco y caña de azúcar. Para configurar el modelo de simulación, se establecieron cuadrículas de 10x10 Km con una cobertura espacial de cultivo de al menos el 70%. Se realizaron 1,240 corridas para escenarios climáticos futuros, obteniendo los impactos de las amenazas climáticas sobre los rendimientos de los 6 cultivos, siendo el elemento más sensible el estrés térmico debido a la variación de la temperatura a nivel global. Se estima que el arroz, el maíz duro, la papa y la caña presentan mejor adaptación y mejores rendimientos en condiciones óptimas, mientras que el fréjol y el maíz suave tienen un menor desempeño. Se presenta el análisis de riesgo climático para el sector Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, aplicando el modelo de rendimiento simulado EPIC, calculado en toneladas por hectárea para el cultivo de Caña de Azúcar, Periodo Historico (1985-2015) y los 5 Años Tipo Futuros.

El uso de modelos de simulación está impulsado por la creciente necesidad de evaluar los impactos del cambio climático sobre la producción de alimentos, comprender las brechas de información de rendimiento de cultivos y la seguridad alimentaria, diseñar opciones de adaptación, identificar estrategias de gestión de riesgos e incorporar modelos de cultivos a la evaluación integrada de las implicaciones políticas. Los modelos de cultivos están diseñados para representar procesos biofísicos entre el medio ambiente, manejo del cultivo y genética, y los resultados de la simulación son aplicables para representar grandes áreas de cobertura de cultivo. La simulación por medio de modelos de cultivo como EPIC (Environmental Policy Integrated Climate Model), permite evidenciar los impactos que pueden generar las amenazas climáticas sobre el rendimiento, crecimiento e idoneidad de los cultivos. Para la selección de los cultivos a ser simulados, se tomó en cuenta variables biofísicas como suelo, clima y genética de cultivo, así como variables de manejo, mediante una matriz que proporciona la disponibilidad de información para cada cultivo. Se seleccionaron seis cultivos principales: arroz, maíz amarillo duro, maíz suave seco, papa, fréjol seco y caña de azúcar. Para configurar el modelo de simulación, se establecieron cuadrículas de 10x10 Km con una cobertura espacial de cultivo de al menos el 70%. Se realizaron 1,240 corridas para escenarios climáticos futuros, obteniendo los impactos de las amenazas climáticas sobre los rendimientos de los 6 cultivos, siendo el elemento más sensible el estrés térmico debido a la variación de la temperatura a nivel global. Se estima que el arroz, el maíz duro, la papa y la caña presentan mejor adaptación y mejores rendimientos en condiciones óptimas, mientras que el fréjol y el maíz suave tienen un menor desempeño. Se presenta el análisis de riesgo climático para el sector Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, aplicando el modelo de rendimiento simulado EPIC, calculado en toneladas por hectárea para el cultivo de Papa Fresca, Periodo Historico (1985-2015) y los 5 Años Tipo Futuros.

El uso de modelos de simulación está impulsado por la creciente necesidad de evaluar los impactos del cambio climático sobre la producción de alimentos, comprender las brechas de información de rendimiento de cultivos y la seguridad alimentaria, diseñar opciones de adaptación, identificar estrategias de gestión de riesgos e incorporar modelos de cultivos a la evaluación integrada de las implicaciones políticas. Los modelos de cultivos están diseñados para representar procesos biofísicos entre el medio ambiente, manejo del cultivo y genética, y los resultados de la simulación son aplicables para representar grandes áreas de cobertura de cultivo. La simulación por medio de modelos de cultivo como EPIC (Environmental Policy Integrated Climate Model), permite evidenciar los impactos que pueden generar las amenazas climáticas sobre el rendimiento, crecimiento e idoneidad de los cultivos. Para la selección de los cultivos a ser simulados, se tomó en cuenta variables biofísicas como suelo, clima y genética de cultivo, así como variables de manejo, mediante una matriz que proporciona la disponibilidad de información para cada cultivo. Se seleccionaron seis cultivos principales: arroz, maíz amarillo duro, maíz suave seco, papa, fréjol seco y caña de azúcar. Para configurar el modelo de simulación, se establecieron cuadrículas de 10x10 Km con una cobertura espacial de cultivo de al menos el 70%. Se realizaron 1,240 corridas para escenarios climáticos futuros, obteniendo los impactos de las amenazas climáticas sobre los rendimientos de los 6 cultivos, siendo el elemento más sensible el estrés térmico debido a la variación de la temperatura a nivel global. Se estima que el arroz, el maíz duro, la papa y la caña presentan mejor adaptación y mejores rendimientos en condiciones óptimas, mientras que el fréjol y el maíz suave tienen un menor desempeño. Se presenta el análisis de riesgo climático para el sector Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, aplicando el modelo de rendimiento simulado EPIC, calculado en toneladas por hectárea para el cultivo de Fréjol Seco, Periodo Historico (1985-2015) y los 5 Años Tipo Futuros.

El uso de modelos de simulación está impulsado por la creciente necesidad de evaluar los impactos del cambio climático sobre la producción de alimentos, comprender las brechas de información de rendimiento de cultivos y la seguridad alimentaria, diseñar opciones de adaptación, identificar estrategias de gestión de riesgos e incorporar modelos de cultivos a la evaluación integrada de las implicaciones políticas. Los modelos de cultivos están diseñados para representar procesos biofísicos entre el medio ambiente, manejo del cultivo y genética, y los resultados de la simulación son aplicables para representar grandes áreas de cobertura de cultivo. La simulación por medio de modelos de cultivo como EPIC (Environmental Policy Integrated Climate Model), permite evidenciar los impactos que pueden generar las amenazas climáticas sobre el rendimiento, crecimiento e idoneidad de los cultivos. Para la selección de los cultivos a ser simulados, se tomó en cuenta variables biofísicas como suelo, clima y genética de cultivo, así como variables de manejo, mediante una matriz que proporciona la disponibilidad de información para cada cultivo. Se seleccionaron seis cultivos principales: arroz, maíz amarillo duro, maíz suave seco, papa, fréjol seco y caña de azúcar. Para configurar el modelo de simulación, se establecieron cuadrículas de 10x10 Km con una cobertura espacial de cultivo de al menos el 70%. Se realizaron 1,240 corridas para escenarios climáticos futuros, obteniendo los impactos de las amenazas climáticas sobre los rendimientos de los 6 cultivos, siendo el elemento más sensible el estrés térmico debido a la variación de la temperatura a nivel global. Se estima que el arroz, el maíz duro, la papa y la caña presentan mejor adaptación y mejores rendimientos en condiciones óptimas, mientras que el fréjol y el maíz suave tienen un menor desempeño. Se presenta el análisis de riesgo climático para el sector Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, aplicando el modelo de rendimiento simulado EPIC, calculado en toneladas por hectárea para el cultivo de Maíz Duro, Periodo Historico (1985-2015) y los 5 Años Tipo Futuros.

El uso de modelos de simulación está impulsado por la creciente necesidad de evaluar los impactos del cambio climático sobre la producción de alimentos, comprender las brechas de información de rendimiento de cultivos y la seguridad alimentaria, diseñar opciones de adaptación, identificar estrategias de gestión de riesgos e incorporar modelos de cultivos a la evaluación integrada de las implicaciones políticas. Los modelos de cultivos están diseñados para representar procesos biofísicos entre el medio ambiente, manejo del cultivo y genética, y los resultados de la simulación son aplicables para representar grandes áreas de cobertura de cultivo. La simulación por medio de modelos de cultivo como EPIC (Environmental Policy Integrated Climate Model), permite evidenciar los impactos que pueden generar las amenazas climáticas sobre el rendimiento, crecimiento e idoneidad de los cultivos. Para la selección de los cultivos a ser simulados, se tomó en cuenta variables biofísicas como suelo, clima y genética de cultivo, así como variables de manejo, mediante una matriz que proporciona la disponibilidad de información para cada cultivo. Se seleccionaron seis cultivos principales: arroz, maíz amarillo duro, maíz suave seco, papa, fréjol seco y caña de azúcar. Para configurar el modelo de simulación, se establecieron cuadrículas de 10x10 Km con una cobertura espacial de cultivo de al menos el 70%. Se realizaron 1,240 corridas para escenarios climáticos futuros, obteniendo los impactos de las amenazas climáticas sobre los rendimientos de los 6 cultivos, siendo el elemento más sensible el estrés térmico debido a la variación de la temperatura a nivel global. Se estima que el arroz, el maíz duro, la papa y la caña presentan mejor adaptación y mejores rendimientos en condiciones óptimas, mientras que el fréjol y el maíz suave tienen un menor desempeño. Se presenta el análisis de riesgo climático para el sector Soberanía Alimentaria, Agricultura, Ganadería, Acuacultura y Pesca, aplicando el modelo de rendimiento simulado EPIC, calculado en toneladas por hectárea para el cultivo de Arroz, Periodo Historico (1985-2015) y los 5 Años Tipo Futuros.