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.

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.

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%.

En las últimas décadas los fenómenos climáticos relacionados con lluvias extremas han provocado inundaciones y deslizamientos afectando la infraestructura residencial, productiva y social. Bajo este contexto, se realiza el análisis de riesgo climático para el sector Asentamientos Humanos mediante la aplicación de modelos de impactos biofísicos usando modelos hidrológicos e hidráulicos en el caso de inundaciones. Se realiza una estimación de la cantidad de población en condiciones de precariedad e infraestructura social que se ubican en áreas susceptibles bajo diversos escenarios de precipitación en 7 ciudades del Ecuador. La evidencia muestra que áreas susceptibles a inundación se ubican en localidades cercanas a llanuras aluviales, la susceptibilidad aumenta con la presencia de días extremadamente lluviosos. La metodología comenzó evaluando 49 ciudades intermedias mediante 22 indicadores ambientales, urbanísticos y sociodemográficos. Se sistematizó la información necesaria para implementar modelos de inundaciones. Se seleccionaron siete ciudades intermedias, aprobadas por los Grupos Sectoriales de Trabajo, para la aplicación de modelos de impactos biofísicos, los cuales se usaron para evaluar inundaciones. La evaluación de inundaciones se desarrolló en cinco fases: procesamiento de la información requerida, aplicación del modelo hidrológico HEC-HMS, ejecución del modelo hidráulico HEC-RAS, calibración de los modelos, y corridas finales y obtención de resultados. Se presenta el análisis de riesgo climático para el sector de Asentamientos Humanos por inundaciones en la ciudad de Ventanas para Periodo de Retorno de 2 años (tiempo promedio para que se repita un evento) y 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 Arroz, Periodo Historico (1985-2015) y los 5 Años Tipo Futuros.

El sector de hidrocarburos representa el principal producto del PIB del Ecuador, siendo también la principal fuente de energía térmica de muchas actividades productivas del país. El impacto del cambio climático puede afectar desde la extracción, operaciones en la fase inicial, almacenamiento, procesos de distribución y refinación, reduciendo el ciclo de vida de la infraestructura de hidrocarburos y el nivel de servicio de sus operaciones. El análisis de riesgo climático establece que el Sistema de Oleoducto Transecuatoriano (SOTE), está expuesto a amenazas climáticas como precipitaciones que aumentará en intensidad y frecuencia. Se plantea cuantificar y calificar los riesgos climáticos en el sector de Hidrocarburos a través del uso de modelos hidrológicos e hidráulicos que permitan estimar los caudales máximos, escorrentías, zonas de inundación y susceptibilidad ante deslizamientos para diferentes periodos de retorno (tiempo promedio para que se repita un evento). Aplicando modelos HEC-HMS, HEC RAS y Heurístico de Combinación de Mapas de Factores Ponderados se analizó parte del SOTE, determinándose sitios críticos ante amenazas climáticas, sus tendencias históricas y el impacto potencial para los 5 años típicos. Se encontró que la zona de la costa está más expuesta a impactos de inundación, mientras que los deslizamientos están localizados en la zona interandina y cordillera oriental y occidental por donde atraviesa el SOTE. Además de las precipitaciones de alta intensidad, también son importantes las lluvias de baja intensidad, pero acumuladas en aquellas zonas con condiciones de suelo desfavorable, ya que pueden provocar suelos saturados y deslizamientos que impactan a la infraestructura crítica del SOTE. Se presenta el análisis de riesgo climático para Sectores Productivos Estratégicos en Hidrocarburos, por inundación en el tramo 1: Lumbaqui - Cascales, bajo el escenario de precipitación percentil 95, con periodo de retorno de 100 años y 5 Años Tipo Futuros.

En las últimas décadas los fenómenos climáticos relacionados con lluvias extremas han provocado inundaciones y deslizamientos afectando la infraestructura residencial, productiva y social. Bajo este contexto, se realiza el análisis de riesgo climático para el sector Asentamientos Humanos mediante la aplicación de modelos de impactos biofísicos usando Aprendizaje Automático para los deslizamientos. Se evaluaron 49 ciudades intermedias, usando 22 indicadores ambientales, urbanísticos y sociodemográficos. Se sistematizó la información a implementar en los modelos de deslizamientos para evaluar las áreas susceptibles en las ciudades priorizadas. Se emplearon técnicas de Machine Learning, que consideran características climáticas y topográficas, prediciendo la susceptibilidad en celdas de 100 x 100 metros. Para mejorar la precisión de la clasificación, se implementaron dos modelos: uno basado en las características permanentes del suelo y otro en la relación entre la pendiente del terreno y la precipitación. Se realiza una estimación de la cantidad de población en condiciones de precariedad e infraestructura social que se ubican en áreas susceptibles bajo diversos escenarios de precipitación en 7 ciudades del Ecuador. La evidencia muestra que áreas susceptibles a deslizamientos se ubican en territorios caracterizados por tener relieves colinados bajos y pendientes medias y altas, donde predominan los suelos arenosos, areniscas y tombas, la susceptibilidad aumenta con la presencia de días extremadamente lluviosos. Se presenta el Análisis de Riesgo Climático para el sector de Asentamientos Humanos por deslizamientos en la ciudad de Chone bajo el escenario de precipitación percentil 99 (probabilidad más alta de precipitación). Periodo Histórico y 5 Años Tipo Futuros.

El sector de transporte y vías, es fundamental para las actividades de la sociedad, viéndose afectados por eventos climáticos extremos como tormentas intensas, heladas, inundaciones, y deslizamientos. Para analizar los impactos del cambio climático en el subsector transporte se desarrollaron 3 componentes: I) Análisis climático histórico (1985-2015) considerando periodos de retorno (Tr) y tendencias climáticas, II) Modelación hidrológica (HEC-HMS) y modelado hidráulico (HEC-RAS), III) Método Heurístico de Combinación de Mapas de Factores Ponderados para obtener mapas de susceptibilidad a deslizamientos. Se identificaron sitios priorizados en la infraestructura de la red vial primaria y sus potenciales impactos en la infraestructura, basados en las tendencias históricas y en los años tipo para el periodo 2020-2050. Se encontró que la zona de la costa está más expuesta a impactos de inundación, mientras que los deslizamientos están preferentemente en la zona interandina y cordillera oriental y occidental. Ambos modelos, en contexto de variabilidad climática, permiten estimar el impacto en diferentes magnitudes a la infraestructura vial. La simulación de una inundación permite identificar sectores expuestos a diferentes niveles de amenaza como el de mayor amenaza las áreas inundadas con mayor profundidad y con diferentes velocidades en las planicies. Se presenta el análisis de riesgo climático para Sectores Productivos Estratégicos especificamente Transporte, ante inundación en la vía Alfredo Baquerizo Moreno bajo el escenario de precipitación percentil 95 para el Periodo de Retorno de 100 años y 5 Años Tipo Futuros

En las últimas décadas los fenómenos climáticos relacionados con lluvias extremas han provocado inundaciones y deslizamientos afectando la infraestructura residencial, productiva y social. Bajo este contexto, se realiza el análisis de riesgo climático para el sector Asentamientos Humanos mediante la aplicación de modelos de impactos biofísicos usando Aprendizaje Automático para los deslizamientos. Se evaluaron 49 ciudades intermedias, usando 22 indicadores ambientales, urbanísticos y sociodemográficos. Se sistematizó la información a implementar en los modelos de deslizamientos para evaluar las áreas susceptibles en las ciudades priorizadas. Se emplearon técnicas de Machine Learning, que consideran características climáticas y topográficas, prediciendo la susceptibilidad en celdas de 100 x 100 metros. Para mejorar la precisión de la clasificación, se implementaron dos modelos: uno basado en las características permanentes del suelo y otro en la relación entre la pendiente del terreno y la precipitación. Se realiza una estimación de la cantidad de población en condiciones de precariedad e infraestructura social que se ubican en áreas susceptibles bajo diversos escenarios de precipitación en 7 ciudades del Ecuador. La evidencia muestra que áreas susceptibles a deslizamientos se ubican en territorios caracterizados por tener relieves colinados bajos y pendientes medias y altas, donde predominan los suelos arenosos, areniscas y tombas, la susceptibilidad aumenta con la presencia de días extremadamente lluviosos. Se presenta el Análisis de Riesgo Climático para el sector de Asentamientos Humanos por deslizamientos en la ciudad de Guaranda bajo el escenario de precipitación percentil 99 (probabilidad más alta de precipitación). Periodo Histórico y 5 Años Tipo Futuros.