Predecir el impacto del cambio climático sobre las áreas de cultivo de cacao en Nicaragua

Informe final Junio, 2012

Contenido 1

Autores y contactos ............................................................................................................................ 1

2

Resumen ejecutivo.............................................................................................................................. 1

3

Antecedentes y Objetivos ................................................................................................................... 3

4

Metodología........................................................................................................................................ 5 4.a

Clima actual................................................................................................................................. 5

Variables Bioclimáticas ....................................................................................................................... 5 4.b

Clima Futuro ................................................................................................................................ 6

Modelos de circulación global............................................................................................................. 6 Predicciones del clima futuro .............................................................................................................. 6 4.c

Predicción del cultivo .................................................................................................................. 7

Máxima Entropía ................................................................................................................................. 7 Limitaciones de los modelos de predicción......................................................................................... 7 Recopilación de los datos. ................................................................................................................... 8 Rangos de aptitud ............................................................................................................................... 8 Modelos: BIO, ETP y Bio Prec + ETP.................................................................................................... 9

5

4.d

Medidas de confianza ................................................................................................................ 9

4.e

Factores ambientales determinantes en el cambio de aptitud ................................................. 10

Resultado I: Resumen de Cambio Climático en las áreas de producción de cacao ........................... 11 5.a

Resumen de diagrama del clima en las áreas de producción de cacao en Nicaragua ............... 11

Características climáticas generales .................................................................................................. 11 Condiciones extremas ....................................................................................................................... 11 Estacionalidad del clima .................................................................................................................... 12 Variabilidad entre modelos ............................................................................................................... 12

6

5.b

Cambios regionales en la precipitación anual de 2050. ............................................................ 13

5.c

Cambios regionales en la temperatura media anual para 2050 ................................................ 14

Resultado II: Mapas de aptitud de áreas de producción de cacao .................................................... 15 6.a

Aptitud actual de las zonas productoras de cacao .................................................................... 15

6.b

Aptitud futura de las áreas de producción de cacao ................................................................. 16

6.c

Cambio de aptitud de las áreas de producción de cacao .......................................................... 19

7

Resultado III: Factores ambientales que determinan la aptitud climática para el cultivo del cacao . 22

8

Conclusiones y Recomendaciones .................................................................................................... 24

I

8.a

Conclusiones ............................................................................................................................. 24

8.b

Recomendaciones ..................................................................................................................... 24

Zonas de incremento de aptitud. ...................................................................................................... 25 Zonas altas con incremento de temperatura. ................................................................................... 25 Zonas de alta precipitación ............................................................................................................... 25 Recomendaciones generales ............................................................................................................ 26 9 10

Impacto del cambio climático en cacao y café. ................................................................................. 27 Bibliografía .................................................................................................................................... 29

Anexo I: Listado de participantes en reunión de trabajo para validación. ................................................ 32 Anexo II: Resumen de diagrama de clima para sitios específicos. ............................................................ 34

II

Listado de Figuras Figura 1: Sitios de muestreo en las áreas de producción de cacao. ......................................................... 4 Figura 2: Síntesis de tendencias del clima para 2030 y 2050 para los sitios de muestreo. .................... 11 Figura 3: Cambio en la precipitación anual para 2050 en las zonas productoras de cacao en Nicaragua. .............................................................................................................................................. 13 Figura 4: Cambio en la temperatura media anual para 2050 en las zonas productoras de cacao en Nicaragua. .............................................................................................................................................. 14 Figura 5: Aptitud actual en las zonas productoras de cacao en Nicaragua. ........................................... 15 Figura 6: Aptitud de las áreas de producción de cacao proyectado a 2030, de acuerdo a los 19 GCM usando el modelo de predicción de cultivos MAXENT. .......................................................................... 16 Figura 7: Aptitud climática de las zonas de producción de cacao para 2050. ........................................ 17 Figura 8: Coeficiente de varianza promedio de las variables usadas en los modelos para 2050. .......... 18 Figura 9: Cambio de aptitud de las áreas de producción de cacao en Nicaragua para 2030. ................ 19 Figura 10: Cambio de aptitud de las áreas de producción de cacao en Nicaragua para 2050. .............. 20 Figura 11: Medida de similitud entre los modelos al predecir cambios en la misma dirección como un promedio de todos los modelos en una ubicación dada para 2050. ...................................................... 20 Figura 12: La relación entre la altitud y las diferentes modelos ............................................................. 21 Figura 13: Aptitud climática actual para la producción de cacao y café en Nicaragua. .......................... 27 Figura 14: Aptitud climática proyectada al año 2050 para la producción de cacao y café. .................... 28 Figura 15: Participantes de la reunión de trabajo durante la validación de los resultados para del modelo para las áreas en condiciones actuales. .................................................................................... 32 Figura 16: Mapa resultado del modelo inicial, validado en la reunion sostenida con miembros del ejecutivo de la comisión de la mesa nacional de cacao. ........................................................................ 33 Figura 17: Síntesis de tendencias del clima para 2030 y 2050 en Awas-Tign. ........................................ 34 Figura 18: Síntesis de tendencias del clima para 2030 y 2050 en Catarina. ........................................... 35 Figura 19: Síntesis de tendencias del clima para 2030 y 2050 en Nandaime. ........................................ 36 Figura 20: Síntesis de tendencias del clima para 2030 y 2050 en el Empalme de Guanacaste. ............. 37

III

Listado de tablas Tabla 1: Categorías usadas para los mapas de aptitud presente y futura. ............................................... 8 Tabla 2: Contribución de las diferentes variables al cambio de aptitud predicho para cacao en el modelo ETP, entre las condiciones actuales y 2050, en las ubicaciones de muestreo utilizadas en el análisis. .................................................................................................................................................. 22 Tabla 3: Contribución de las diferentes variables al cambio de aptitud predicho para cacao en el modelo “Bio Prec + ETP”, entre las condiciones actuales y 2050, en las ubicaciones de muestreo utilizadas en el análisis. .......................................................................................................................... 23 Tabla 4. Lista de contactos participantes de la reunión de trabajo sostenida el 30 de marzo de 2012, con miembros del ejecutivo de la comisión de la mesa nacional de cacao............................................ 32

IV

Listado de siglas BIOCLIM CIAT CRS CV DAPA ESG FAO GARP GBIF GCM GHCN GIZ GPS IPCC LWR MASRENACE MAXENT m.sn.m. NWP R-HYdroNET Caribbean) SPAM SRES SRTM WMO

V

Sistema de análisis y predicción Bioclimático Centro Internacional para Agricultura Tropical Catholic Relief Services (Servicios de auxilio católico) Coeficiente de varianza Programa de Análisis y Decisiones de Política Earth System Grid (Sistema grid terrestre) Food and Agriculture Organization (Organización para la alimentación y la agricultura) Genetic algorithm for rule-set production (Algoritmo genético para reglamentar la producción) Global Biodiversity Information Facility (Instalación de información global de biodiversidad) Global circulation model (Modelo de circulación global) Global Historical Climatology Network (Red climatológica histórica global) Deutschen Gesellschaft für Internationale Zusammenarbeit (Sociedad Alemana para la Cooperación Internacional) Global position system (Sistema de posicionamiento global) Intergovernmental Panel on Climate Change (Panel intergubernamental sobre cambio climático) Lutheran World Relief (Auxilio luterano mundial) Programa Manejo Sostenible de los Recursos Naturales y Fomento de Competencias Empresariales Máxima entropía Metros sobre el nivel del mar Numerical weather prediction (Predicción climática numérica) Regional electronic hydrometeorological data network (for Latin America and the Spatial production allocation model (Modelo de asignación de producción espacial) Special report on emissions scenarios (Reporte especial sobre escenarios de emisión) Shuttle radar topographic mission (Misión topográfica de radar transportado) World Meteorological Organization (Organización meteorológica mundial)

1

Autores y contactos

Los análisis presentados en este documento han sido dirigidos por el Programa de Análisis y Decisión de Políticas (DAPA) del Centro Internacional para la Agricultura Tropical (CIAT) bajo el liderazgo del Dr. Peter Läderach, con la colaboración de Armando Martínez y Narioski Castro. La recopilación de la información de campo ha sido facilitada por la comisión de la mesa nacional de cacao y la GIZ. Para mayor información favor contactar con: Dr. Peter Läderach Centro Internacional de Agricultura Tropical (CIAT) Hotel Seminole, dos cuadras al Sur Managua, Nicaragua Email: [email protected]

2

Resumen ejecutivo

Este es un informe sobre los métodos y resultados de la consultoría titulada “Predecir el impacto del cambio climático sobre las áreas de cultivo de cacao en Nicaragua” dirigido por el Centro Internacional para la Agricultura Tropical (CIAT) para CRS, LWR y GIZ. El objetivo principal ha sido generar escenarios climáticos futuros para predecir el impacto del cambio climático sobre la aptitud del cultivo de cacao en las principales zonas productoras de Nicaragua. La metodología aquí empleada está basada en la combinación de datos de clima actual con predicciones futuras de cambio climático a partir de los 19 Modelos de Circulación Global para 2030 y 2050. Se elaboraron tres sets de variables para modelar el comportamiento del cultivo: el primero contiene las variables bioclimáticas (precipitación y temperatura) del la base de datos WorldClim, el segundo además incluye variables estimadas a partir de evapotranspiración potencial mensual, y un tercero que solamente considera las variables bioclimáticas de precipitación mas las variables de evapotranspiración. Los datos para el clima actual y futuro fueron usados como entrada para MAXENT, un método para calcular la distribución geográfica más probable para una especie. Los puntos de muestreo usados para el análisis fueron recopilados mediante la colaboración de los socios como: LWR, CRS, GIZ y el ejecutivo de la comisión de la mesa nacional de cacao. El estudio se enfoca en las zonas específicas donde actualmente se concentra la producción de cacao, para lo que se usaron 1132 puntos de muestreo. Se usa las predicciones sobre clima futuro para predecir la aptitud de las zonas donde actualmente se desarrolla el cultivo para continuar cultivándolo en 2030 y 2050. Aunque el reporte se enfoca en el cultivo del cacao, en el capítulo 9 se hace una comparación con los resultados para las predicciones para café del proyecto CUP. En Nicaragua, según los resultados de este análisis, los sitios actuales para la producción de cacao se encuentras en zonas con un rango de temperatura entre 18–28C y un rango de precipitación media anual entre 1400–5000 mm, en cambio las zonas de producción del cultivo en la Amazonía Brasileña se encuentran en zonas con un rango de temperatura de 22–30C, mientras que la precipitación es estas

1

zonas es alta, bien distribuida y con una media anual entre 1200–2000 mm (Dias, 2001); en Ghana, que es uno de los principales productores de cacao del mundo, en rango de temperatura en las zonas de producción es de 24–29C y el rango de precipitación media anual es de 1270–1651 mm (Dormon et al., 2004). Según las proyecciones de los GCMs habrá un incremento de temperatura y una disminución de la precipitación en las zonas productoras de cacao de Nicaragua. Aunque a primera vista estos cambios pueden parecer que tendrían impactos negativos sobre el cultivo, un modelo ajustado arroja resultados con cambios positivos en la aptitud climática, en comparación con la situación actual. En el caso del municipio de San Miguelito se predice una pérdida de aptitud promedio de 30% en comparación con las condiciones actuales. El incremento de la evapotranspiración y la reducción de la precipitación hacen de las actuales áreas de producción sitios menos húmedos lo que propicia un incremento relativo de aptitud sobre todo en los municipios de Puerto Cabezas (Bilwi), Prinzapolka, Paiwas, La Cruz de Río Grande y El Tortuguero. Los resultados presentados en este informe tienen la intención de alertar a los productores sobre los posibles impactos del cambio climático sobre sus cultivos, y motivar la puesta en marcha de planes que les permita adaptar sus sistemas agrícolas ante los nuevos retos.

2

3

Antecedentes y Objetivos

Este estudio analiza el impacto del cambio climático sobre las áreas de producción de cacao en Nicaragua (América Central). El cacao es un cultivo muy importante e histórico para Nicaragua, incluso en la época precolombina fue usado como moneda (Cuadra, 1963). Durante el ciclo 2009/2010 la producción mundial de cacao alcanzó los 3.6 millones de toneladas siendo África la principal región productora del mundo con el 68% de la producción, mientras que América aporta apenas un 14% de la producción mundial. (ICCO, 2011). En el caso específico de Nicaragua para el año 2011 las exportaciones alcanzaron 1856 toneladas para un valor FOB de 2,8 Mi US$, con una variación de -0.02% en toneladas y -0.11 en valor FOB con respecto al año anterior (CETREX, 2012). Se estima que la producción nacional de cacao está en manos de 8,000 productores localizados principalmente en los departamentos de: RAAS, RAAN, Matagalpa, Jinotega, Río San Juan, Granada y Rivas; y que 5843 familias se dedican a labores del cultivo, el 60% está asociado a alguna organización (Escobedo, 2010). Investigaciones recientes demuestran que diferentes cultivos en muchas partes del mundo serán afectados por el cambio climático futuro, el cual tendrá impactos sobre el abastecimiento de alimentos (Lobell et al, 2008; Läderach et al, 2010b) e igualmente sobre los ecosistemas (Schroth et al, 2009). Se ha indicado específicamente el impacto progresivo sobre la producción de café, los medios de vida de los productores y los impactos sobre los servicios ambientales inherentes a los sistemas agroforestales (Läderach et al, 2010) El Centro Internacional de Agricultura Tropical (CIAT) ha acordado con algunos de sus socios (CRS, LWR, GIZ-MASRENACE y GIZ- Programa de Manejo Sostenible en la Zona de Amortiguamiento de la Municipalidad, El Castillo (PMS)) llevar a cabo un estudio para “Predecir el impacto del cambio climático sobre las áreas del cultivo en Nicaragua”. Con el propósito de contribuir con el desarrollo del sector cacaotero, mediante la generación de información relevante para la elaboración de planes y estrategias del sector. El documento incluye predicciones del clima de acuerdo a los GCM revisados por el IPCC, predicciones de aptitud climática de los cultivos, y un análisis detallado de las principales zonas productoras de cacao identificadas en el país. (Figura 1) Los objetivos del estudio son: -

3

Predecir el cambio en el clima para las zonas productoras de cacao en Nicaragua; y Predecir el impacto progresivo del cambio climático sobre la aptitud de las áreas actuales de producción en Nicaragua para continuar produciendo cacao. Identificar los factores ambientales que determinan (positivos y negativos) la aptitud climática para la producción del cacao en las áreas, a fin de obtener las posibles estrategias de adaptación;

Figura 1: Sitios de muestreo en las áreas de producción de cacao. En el mapa se presentan los puntos obtenidos de la reunión de trabajo con productores (puntos amarillos) y los puntos tomados con GPS facilitados por los socios (puntos verdes).

4

4 4.a

Metodología Clima actual

Los datos históricos del clima se obtuvieron de la base de datos www.worldclim.org (Hijmans et al., 2005, disponible en www.worldclim.org). Estos datos representan promedios de largo plazo (1950-2000) de precipitación, y temperatura máxima, mínima y media mensuales, con 30 arco-segundos de resolución espacial (aproximadamente 1km en el ecuador), generados a partir de interpolación de datos provenientes de estaciones meteorológicas con un algoritmo spline usando longitud, latitud, y altitud como variables independientes. Hijmans et al (2005) usaron datos de 5 grandes bases de datos climáticas (GHCN –Global Historical Climatology Network, FAO, WMO, CIAT, R-HYdronet) en adición a otras bases de datos de países como Australia, Nueva Zelanda, Ecuador, Perú, Bolivia, países nórdicos europeos, entre otros. La base de datos de Worldclim, consiste en los registros mundiales de precipitación a partir de 47.554 estaciones, la temperatura media de 24.542, y la temperatura mínima y máxima de 14.835. Los datos en que se basa Worldclim para Nicaragua son de 225 estaciones con datos de precipitación, 220 estaciones con temperatura media, y 2 estaciones con temperaturas mínimas y máximas, todas ellas ubicadas en territorio Nicaragüense. Variables Bioclimáticas Dentro de la base de datos WorldClim, hay variables bioclimáticas que se derivan de los valores mensuales de la temperatura y de la precipitación con el fin de generar más variables biológicamente significativas. BIO1

= Temperatura promedio anual (°C).

BIO2

= Rango promedio diurno (promedio mensual (máx.temp – min

BIO3

= Isotermalidad (°C) (BIO2/BIO7) * 100).

BIO4

= Estacionalidad de la temperatura (desviación estándar * 100).

BIO5

= Temperatura máxima del mes más cálido (°C).

BIO6

= Temperatura mínima del mes más frio (°C).

BIO7

= Rango anual de Temperatura (BIO5-BIO6) (°C).

BIO8

= Temperatura promedio del cuatrimestre más lluvioso (°C).

BIO9

= Temperatura promedio del cuatrimestre más seco (°C).

BIO10 = Temperatura promedio de cuatrimestre más cálido (°C). BIO11 = Temperatura promedio del cuatrimestre más frío (°C). BIO12 = Precipitación anual (mm). BIO13 = Precipitación del mes más lluvioso (mm). BIO14 = Precipitación del mes seco (mm).

5

temp).

BIO15 = Estacionalidad precipitación (Coeficiente de Variación). BIO16 = Precipitación del trimestre más húmedo. BIO17 = Precipitación del trimestre más seco. BIO18 = Precipitación del trimestre más caliente. BIO19 = Precipitación del trimestre más frío.

4.b

Clima Futuro

Modelos de circulación global Un modelo de circulación global (GCM) es un modelo informático que calcula y predice los patrones climáticos que habrán en un número de años en el futuro. Los GCMs utilizan las ecuaciones de movimiento como un Modelo Numérico de Predicción del Clima (Numerical Weather Prediction, NWP), con el propósito de simular numéricamente los cambios en el clima como resultado de cambios lentos en algunas condiciones de frontera o alrededor (por ejemplo, la constante solar) o parámetros físicos (tales como la concentración de gases de efecto invernadero). El modelo se centra en cada celda y la transferencia de energía entre las cuadrículas. Una vez que se calcula la simulación se puede determinar una serie de patrones climáticos, a partir de las corrientes oceánicas y el viento a los patrones de las precipitaciones y las tasas de evaporación que afectan, por ejemplo, los niveles del lago y el crecimiento de las plantas agrícolas. Los GCMs se hacen en una serie de laboratorios de computación especializados de todo el mundo. Nosotros utilizamos en nuestros análisis los datos de estos laboratorios. Predicciones del clima futuro El Cuarto Informe de Evaluación del Panel Intergubernamental de Expertos sobre el Cambio Climático (IPCC) se basó en los resultados de 19 modelos climáticos globales (GCMs), los datos que están disponibles a través de una interfaz del IPCC, o directamente de las instituciones que desarrollaron cada uno de los modelos. La resolución espacial de los resultados de los modelos es inapropiada para el análisis de los impactos en la agricultura como en casi todos los casos la medida de las cuadrículas en más de 100 km de lado. Esto es especialmente un problema en paisajes heterogéneos, tales como zonas de alta montaña, donde, en algunos lugares, una celda puede cubrir todo la amplitud del rango. La reducción de escala es por tanto, necesaria para proporcionar superficies de mayor resolución de los climas futuros esperados para que los impactos probables del cambio climático en la agricultura sean pronosticados con mayor precisión. Se utilizó un método simple de reducción de escala (llamado método delta), basado en la suma de las anomalías interpolados a las superficies de alta resolución mensuales para clima de WorldClim (Hijmans et al., 2005a). El método, básicamente, produce una superficie suavizada (interpolación) de los cambios en los climas (deltas o anomalías) y luego se aplica esta superficie interpolada al clima de referencia (de WorldClim), teniendo en cuenta el posible sesgo debido a la diferencia en las líneas de base. El método supone que los cambios en los climas sólo son relevantes a escala gruesa, y que las relaciones entre las variables se mantienen hacia el futuro (Ramírez y Jarvis, 2010).

6

CIAT ha descargado los datos del portal de datos de la Red del Sistema Tierra (ESG) y se aplica el método de reducción de escala en más de 19 modelos de circulación general en el Cuarto Informe de Evaluación (2007) para el escenario de emisiones SRES-­­A2 y de dos diferentes períodos de 30 años corriendo promedios (es decir, 2020-­­2049 [2030], 2040-­­2069 [2050]). Cada conjunto de datos (escenario SRES -­­ GCM ­­ intervalo de tiempo) se compone de 4 variables mensuales (Temperatura media, máxima, mínima y Precipitación total), sobre una resolución espacial de 30 segundos de arco (Ramírez y Jarvis, 2010). Los SRES son un grupo de escenarios que han sido desarrollados para representar cómo podría desenvolverse en el futuro respecto a las emisiones de Gases de Efecto Invernadero (GEI), ayudan para el análisis de Cambio Climático, incluyendo el modelamiento climático y la evaluación de impactos, adaptación y mitigación (IPCC, 2000). Es necesario mencionar que solamente se usará el escenario A2 conocido como “Business as usual” ya que la incertidumbre relacionada a los SRES es mínima para el promedio de años 2020 - 2049 (IPCC, 2007b) y también debido a la poca probabilidad de que las emisiones disminuyan en los próximos años.

4.c

Predicción del cultivo

Máxima Entropía Máxima entropía (MAXENT) es un método de inteligencia artificial que aplica el principio de máxima entropía para calcular la distribución geográfica más probable para una especie. Maxent estima la probabilidad de ocurrencia de la especie buscando la distribución de máxima entropía, sujeta a la condición de que el valor esperado de cada variable ambiental, según esta distribución, coincide con su media empírica. El resultado del modelo expresa el valor de idoneidad del hábitat para la especie como una función de las variables ambientales. Un valor alto de la función de distribución en una celda determinada indica que ésta presenta condiciones muy favorables para la presencia de la especie. Maxent puede utilizar variables cualitativas, otorgando a cada valor de la variable un peso relativo al número total de puntos de presencia que contiene. El programa proporciona las curvas de respuesta de la especie ante las distintas variables ambientales y estima la importancia de cada variable en la distribución de la especie (Phillips et al., 2006) (www.cs.princeton.edu/~schapire/maxent). La distribución de probabilidad es la suma de cada variable dividida por una constante ajustada para asegurar que los valores de probabilidad tienen un rango de 0-1. MAXENT es generalmente considerado como el método más preciso para este tipo de análisis (Elith et al, 2006). Limitaciones de los modelos de predicción En general, los modelos predictivos de distribución de especies poseen limitaciones de carácter biológico, referidas a que si la distribución actual de una especie estuviera afectada por acontecimientos pasados o cambios en las características que hacen posible su aptitud, es posible que el modelo no los detecte. También pueden presentarse limitaciones de tipo metodológico, para nuestro caso concreto que hemos trabajado con datos de presencia, los posibles errores son de posibles falsos positivos, Ej: el modelo predice para una ubicación la presencia de la especie, pero al verificarse mediante la observación in situ no se encuentran tal especie, lo cual incluso está relacionado con que los modelos asumen que los hábitats están saturados (Seoane y Bustamante, 2001). Otra limitante metodológica

7

consiste en suponer que el modelo usa todas las variables importantes para la distribución de la especie (Lennon, 1999). Recopilación de los datos. El principal requerimiento, para utilizar el método de MAXENT, es poder contar con puntos de evidencia de la especie que se quiere modelar, con el objetivo de encontrar las áreas principales o núcleos de concentración de la producción de cacao en Nicaragua. Para la recopilación de estos puntos hemos contado con el apoyo del comité ejecutivo de la mesa nacional de cacao y la colaboración de varios socios como: GIZ- MASRENACE, LWR, el laboratorio de Biociencia de la UNAN y TechnoServe. De igual forma también se tomaron puntos de evidencia del proyecto CUP (Coffe Under Pressure) liderado por CIAT, de fincas donde además de café sus sistemas incluían la producción de cacao. En total fueron compilados 1708 registros de ubicaciones de fincas de cacao, los cuales fueron sometidos a procesos de revisión sobre sus coordenadas, y proximidad entre estos, considerando que los píxeles de los grids del clima a usar tienen una resolución aproximada de 1 km. Finalmente se han utilizado 1132 puntos para el análisis. Luego de algunas corridas iniciales del modelo y obtener algunas aproximaciones sobre las áreas actuales de producción, el día 30 de marzo de 2012 se procedió a validar éstas en una reunión de trabajo (ver lista de participantes en anexo I) con el ejecutivo de la mesa nacional de cacao y miembros de cooperativas de productores de cacao. Rangos de aptitud En este documento, cuando hablamos de aptitud, hacemos referencia exclusivamente a la aptitud climática, entendida como el nivel de ciertas características climáticas que determinan cuales áreas tienen potencial para cultivar un cultivo exitosamente. Podemos considerar como presencia únicamente los sitios puntuales facilitados por los actores locales, en cambio los resultados de MAXENT son estimaciones que consideran la aptitud climática. Para este estudio se han usado diferentes variables bioclimáticas a partir de WorldClim y de evapotranspiración generadas usando un método empírico (Hargreaves, 1985); las cuáles han sido utilizadas como capas ambientales para el método de MAXENT. Este método para generar distribuciones de probabilidad en un rango de 0–1, donde 1 representa una alta probabilidad de condiciones adecuadas para la especie y 0 ninguna probabilidad de presencia (Phillips et al., 2006). Para la representación de los diferentes niveles de aptitud climática se usaron los siguientes rangos:

Tabla 1: Categorías usadas para los mapas de aptitud presente y futura. Rango MAXENT 0 – 0.2 0.2 – 0.4 0.4 – 0.6 0.6 – 0.8 0.8 – 1

8

Categoría Escasa Bajo Bueno Muy Bueno Excelente

Color en mapa Sin color Naranja Amarillo Verde claro Verde

Modelos: BIO, ETP y Bio Prec + ETP En este estudio se han utilizado tres conjuntos de variables o modelos. Un primer modelo, “BIO”, únicamente utiliza las 19 variables bioclimáticas de WorldClim anteriormente descritas y comúnmente usadas para modelar la distribución de especies (Evangelista et al, 2011; Soria-Auza et al, 2010). El segundo modelo propuesto, “ETP”, incluye además de estas 19 variables, otras 9 variables referidas a la evapotranspiración potencial. Y un tercer conjunto de variables, “Bio Prec + ETP”, el cual considera solamente las variables bioclimáticas de precipitación mas las variables de evapotranspiración. La inclusión de las 9 variables de ETP es para comparar la contribución de la evapotranspiración para identificar las zonas con aptitud climática para el cultivo, como es señalado por algunos estudios (AnimKwapongand Frimpong, 2005), y luego si así resultara, contar con factores ambientales adicionales para guiar la toma de decisiones. Estas últimas 9 variables adicionales del segundo modelo, son calculadas a partir de estimaciones mensuales obtenidas mediante un método empírico (Hargreaves, 1985). Hemos decidido usar éste método debido a que requiere menos datos que otro método muy conocido como Penman-Monteith FAO 56 (Allen et al, 1998) y sus resultados son muy similares (Hargreaves y Allen, 2003). De hecho investigaciones recientes confirman la similitud de los resultados en zonas tropicales para ambos métodos (Asare et al, 2011). Puesto que el método de Hargreaves para estimar la evapotranspiración únicamente necesita datos de radiación solar y rangos de temperatura (temperatura máxima – temperatura mínima), facilitó la generación de las estimaciones mensuales de ETP, ya que se utilizaron los datos mensuales de temperatura máxima y mínima de WorldClim, tanto para el presente como para el futuro (2030 y 2050) Las variables de ETP son: ETP1 = Evapotranspiración total anual ETP2 = Estacionalidad de la ETP (Coeficiente of Variación) ETP3 = ETP máxima del mes más cálido ETP4 = ETP mínima del mes mas frío ETP5 = Rango de PET (ETPmax - ETPmin) ETP6 = ETP del trimestre más lluvioso ETP7= ETP del trimestre más seco ETP8= ETP del trimestre más caluroso ETP9= ETP del trimestre más frío

4.d

Medidas de confianza

La aptitud futura del cultivo es pronosticada usando cada uno de los modelos GCM vía los algoritmos descritos anteriormente. Dos medidas de incertidumbre son calculadas: (1) el acuerdo en modelos calculados como porcentaje de modelos que predicen cambios en la misma dirección así como el

9

promedio de todos los modelos en una localización determinada y (2) el coeficiente de variación (CV) entre los modelos. Después de corridas iniciales, los modelos que son diferentes significativamente de los otros modelos de acuerdo a pruebas de Tukey (1977) y resultan atípicos serán removidos de los análisis siguientes.

4.e

Factores ambientales determinantes en el cambio de aptitud

Para entender la importancia relativa de los diferentes controladores climáticos, hemos llevado a cabo un análisis de regresión pasos sucesivos (stepwise regression) con la aptitud que cambia por datos de punto como variable dependiente y los cambios del modelo promedio en las variables bioclimáticas entre el presente y el futuro como variables independientes, y calculando la contribución relativa de cada variable para la aptitud prevista total cambia en términos de la proporción R cuadrada explicada cuando agregan cada variable al modelo de regresión linear.

10

5

Resultado I: Resumen de Cambio Climático en las áreas de producción de cacao

5.a

Resumen de diagrama del clima en las áreas de producción de cacao en Nicaragua

Figura 2: Síntesis de tendencias del clima para 2030 y 2050 para los sitios de muestreo. Se han usado 1132 puntos en el análisis. Las barras azules muestran la precipitación mensual actual y la proyección para 2050, y las líneas rojas muestran la temperatura media mensual actual, 2030 y 2050. Los signos igual (=) y negativo (­) sobre las barras simbolizan las proyecciones sin cambios o descensos de las precipitaciones para el año 2050 en cada mes respectivo.

Características climáticas generales En las zonas donde se concentra actualmente la producción de cacao se estima que para el 2050 la precipitación disminuirá de 2887 milímetros a 2779 milímetros pasando por 2814 en 2030. Lo que significa en general una disminución promedio de más de 100 mm al año, según los modelos la zona más afectada por disminuciones de este tipo es el departamento de Río San Juan, aunque los rangos de precipitación en dicha zona son los más altos del país. Por otro lado la temperatura aumentará 2.1 ºC en promedio con respecto a la actual pasando por un aumento de 1.2 ºC en 2030. Para el 2050 el rango de la temperatura promedia del día aumentará de 8.6 ºC a 8.9 ºC. El número máximo de meses de sequía se mantiene constante en 3 meses. Condiciones extremas 

11

En el 2050 la temperatura máxima del año aumenta de 31.2 ºC a 33.5 ºC, mientras que el trimestre más caliente el aumento será 2.2 ºC



En el 2050 la temperatura mínima del año se incrementará de 19.6 ºC a 21.5 ºC, mientras que en el trimestres más frío aumentará 2 ºC



En el mes más lluvioso la precipitación disminuye a 419 milímetros en vez de 441 milímetros que es la actual, mientras que en el trimestre más lluvioso la humedad disminuye 63 milímetros con respecto a la actual.



En el mes más seco la precipitación disminuye muy poco, pasando a 57 milímetros en vez de 59, mientras que en el trimestre más seco no hay disminución.

Estacionalidad del clima 

En general a través de los años el clima se convierte cada vez más en estacional en términos de la variabilidad de temperatura y la estacionalidad de la precipitación se mantiene sin cambios.

Variabilidad entre modelos

12



El coeficiente de variación de las predicciones de temperatura entre los modelos es 2.3%.



Las predicciones de temperatura son uniformes entre los modelos y por lo tanto no se detectaron valores atípicos.



El coeficiente de variación de las predicciones de la precipitación entre los modelos es 7.1%.



Las predicciones de precipitación son uniformes entre los modelos y por lo tanto no se detectaron valores atípicos.

Cambios regionales en la precipitación anual de 2050. -20 -40

-60 -80 -100 -120

Rivas

RioSJ

RAAS

RAAN

Matagalpa

Jinotega

Granada

-140

chinandega

Anormalidad de la precipitación en el año 2050 (mm)

5.b

Figura 3: Cambio en la precipitación anual para 2050 en las zonas productoras de cacao en Nicaragua. Los límites de las caja indican los valores máximos promedio y mínimos promedios y los extremos de las líneas representan los valores máximos y mínimos .Los valores máximos promedio y mínimo promedio son definidos por + ó - la desviación estándar.

De acuerdo a los modelos de predicción la precipitación en general disminuye en todas las zonas productoras de cacao en Nicaragua para el año 2050, los departamento que tienen mayor descenso son Rivas, La Región Autónoma del Atlántico SUR (RAAS) y Rio San Juan que pierden hasta 120mm. Los Departamentos que menos pierden son Chinandega, Managua, Jinotega y Matagalpa. Aunque en el caso de la RAAS y Río San Juan, la cantidad que disminuiría no es preocupante, dadas las altas precipitaciones de las zonas. De hecho es la zona de mayor precipitación en Nicaragua, con precipitaciones medias anuales por encima de los 2500 mm.

13

Cambios regionales en la temperatura media anual para 2050 2.7 2.5 2.3 2.1 1.9 1.7

Rivas

RioSJ

RAAS

RAAN

Matagalpa

Jinotega

Granada

1.5 Chinandega

Anormalidad de la temperatura en el año 2050 ( °C)

5.c

Figura 4: Cambio en la temperatura media anual para 2050 en las zonas productoras de cacao en Nicaragua. Los límites de las caja indican los valores máximos promedio y mínimos promedios y los extremos de las líneas representan los valores máximos y mínimos .Los valores máximos promedio y mínimo promedio son definidos por + ó - la desviación estándar.

La temperatura media anual aumentará de manera progresiva. En general, este incremento para el año 2050 es de 1.9°C. a 2.3 °C. Según la proyección de los modelos, las zonas cacaoteras de la RAAN son las que podrían verse afectadas por un incremento un tanto superior a los 2.3 °C

14

6

Resultado II: Mapas de aptitud de áreas de producción de cacao

De los resultados de los tres modelos usados: BIO, ETP y Bio Prec+ETP; presentamos a continuación solamente los dos últimos. Esto debido a que los dos primeros presentan resultados muy similares, dado que MAXENT considera las variables de temperatura (contenidas en los dos primeros modelos) como las de mayor contribución a la distribución y cambio en las áreas de producción de cacao. Pero en el mundo actualmente existen zonas de producción de cacao con temperaturas mayores a las que se presentan en las áreas de producción de Nicaragua, tal es el caso de las zonas en Chiapas, México (RoaRomero et al, 2009) o Malasia (Wood y Lass, 2001). Por lo que en el modelo “Bio Prec + ETP” se excluyen las variables de temperatura. En las zonas donde se concentran las áreas de producción de cacao en Nicaragua, la precipitación decrecerá para el año 2050, en cambio las temperaturas mínimas y máximas se incrementarán. Las implicaciones de estos cambios son que la distribución de la aptitud de las actuales áreas de producción de cacao en Nicaragua se verá afectada de forma positiva. Estas áreas en la actualidad son zonas húmedas y perhúmedas, por lo que los cambios proyectados a futuro solamente las harán un poco más secas.

6.a

Aptitud actual de las zonas productoras de cacao

Figura 5: Aptitud actual en las zonas productoras de cacao en Nicaragua. A la izquierda se presenta el resultado del modelo con las variables Bioclimáticas de precipitación mas las variables de evapotranspiración (BIO Prec + ETP), y a la derecha el resultado del modelo de las todas las variables Bioclimáticas mas las variables de evapotranspiración potencial (ETP). Para la situación actual los resultados en ambos modelos son muy similares para la RAAS; en cambio para la RAAN, el modelo de

15

“Bio Prec + ETP” incluye mas áreas consideradas como excelentes, específicamente en el municipio de Prinzapolka. De acuerdo a los resultados de MAXENT, y para ambos modelos, se pueden identificar tres zonas principales donde se concentran las áreas aptas para la producción de cacao. La primera en la zona norte entre los municipios de Waslala, Río Blanco y Siuna. Una segunda zona en la RAAN, entre los municipios de Rosita y Bonanza (el resultado del modelo de “Bio Prec + ETP” incluye además algunas áreas del municipio de Prinzapolka). Y la tercera y mas amplia ubicada en el sureste del país, entre los municipios de San Miguelito, San Carlos, El Castillo, Blufields, Nueva Guinea y el Rama. En total las áreas consideradas por MAXENT como climáticamente excelentes en la actualidad (81 a 100%), son aproximadamente unas 215,000 Ha. Para las otras categorías de aptitud las áreas consideradas son incluso mayores: bajo (20 a 40%) con mas de 3 millones de ha, bueno (41 a 60) con cerca de 1.5 millones de ha, y muy bueno (61 a 80% con casi un millón de ha. Se debe considerar que estas áreas estimadas, corresponden a zonas climáticamente aptas para el cultivo, pero no consideran algunos elementos como textura de suelo, pendiente y/o uso actual (áreas urbanizadas y áreas protegidas).

6.b

Aptitud futura de las áreas de producción de cacao

Figura 6: Aptitud de las áreas de producción de cacao proyectado a 2030, de acuerdo a los 19 GCM usando el modelo de predicción de cultivos MAXENT. El modelo que incluye todas las variables bioclimáticas mas las variables de evapotranspiración (ETP) es bastante pesimista sobre la aptitud para 2030 en las regiones todas las regiones en general. Por el contrario, el modelo que usa las variables de precipitación mas las variables de ETP no advierte tales pérdidas.

16

Figura 7: Aptitud climática de las zonas de producción de cacao para 2050. Al igual que para 2030, el modelo de ETP es pesimista, excepto para una zona concentrada en el municipio de Waspan.Por el contrario el modelo “Bio Prec + ETP”, es optimista, prediciendo incluso ganancia de aptitud para algunas zonas. Para 2030, según los resultados del modelo ETP, considera los incrementos de temperatura como factores determinantes para la pérdida relativa de la aptitud de las zonas productoras de cacao, principalmente en la RAAN y RAAS. Esto porque el modelo estima como óptimas las condiciones de temperatura con el rango actual 18–28C, pero como se menciona anteriormente en este documento, actualmente existen plantaciones de cacao que se desarrollan en condiciones de mayor temperatura. Entonces, lo que sucede es que se sobreestima el impacto del cambio de temperatura para el caso específico de cacao en esta zona, a su vez, esto se debe a que el modelo estadístico, MAXENT, no incluye información fisiológica del cultivo sino que busca en el clima futuro áreas similares al clima presente (Läderach et al, 2012). Para el caso de las zonas del norte del país (Matagalpa y Jinotega) se espera que el incremento de las temperaturas mínimas si favorezca el desarrollo del cultivo. Por otro lado, los resultados del modelo “Bio Prec + ETP” que no incluye las variables de temperatura, no predice cambios drásticos en la distribución de las tres principales zonas de producción de cacao. Lo que concuerda con que las variaciones de precipitación predichas no son tan altas (-73 mm), ni los incrementos de la evapotranspiración superan la precipitación. Para 2050, según los resultados del modelo ETP, predicen una disminución considerable de las áreas aptas para el cultivo de cacao. Pero los resultados del modelo “Bio Prec + ETP” predicen en comparación con las condiciones actuales una ganancia de aptitud en las tres principales zonas productoras, principalmente en los municipios de la RAAS: Paiwas, Prinzapolka y Puerto Cabezas. La disminución de precipitación por alrededor de 100 mm, sumado a un ligero incremento de la evapotranspiración (30 mm) hacen que algunas zonas se vuelvas mas aptas, desde el punto de vista climático. Es preciso mencionar que las zonas en las que se ubican actualmente la producción de cacao, son de altas

17

precipitaciones y humedad relativa, y por ende hacen al cultivo susceptible de enfermedades como la mazorca negra y moniliasis. Al respecto, algunas investigaciones no recomiendan el establecimiento de la producción de cacao en zonas con precipitaciones mayores a 2500 mm para reducir el riesgo de enfermedades criptogámicas (Jaimes y Aranzazu, 2010; Alvim y Alvim, 1980).

El coeficiente de variación (CV) entre los GCMs para las variables usadas tanto en el modelo BIO y ETP para los años 2030 y 2050 está en un rango de hasta 20%. Incluso se encuentran valores menores a 10% para BIO y menores a 20 % para ETP dentro de las áreas identificadas para la producción de cacao, y por lo tanto puede aceptarse como consistente (Figura 8).

Figura 8: Coeficiente de varianza promedio de las variables usadas en los modelos para 2050.

18

6.c

Cambio de aptitud de las áreas de producción de cacao

Figura 9: Cambio de aptitud de las áreas de producción de cacao en Nicaragua para 2030. Haciendo una comparación entre las áreas actuales y las proyecciones para el futuro en 2030, el modelo ETP proyecta una pérdida relativa de aptitud, al considerar el incremento de temperatura como un factor de mucho peso. Aunque el mismo modelo predice un cambio positivo en la aptitud para las zonas comprendidas entre los municipios de Paiwas y La Cruz de Río Grande, de hasta un 20% más en comparación con las condiciones actuales. Por el contrario el modelo de “Bio Prec + ETP” al considerar solamente las variables Bioclimáticas de precipitación y evapotranspiración, predice cambios en la mayoría de las zonas entre -20% y +20% de cambio de aptitud con respecto a la situación actual (Figura 9).

19

Figura 10: Cambio de aptitud de las áreas de producción de cacao en Nicaragua para 2050. Las proyecciones para 2050, según el modelo ETP son pesimistas. Pero al retirar las variables de temperatura, en el modelo “Bio Prec + ETP”, los resultados predicen cambios bastantes positivos principalmente en la RAAN: en los municipios de Puerto Cabezas (Bilwi), Prinzapolka. Y en algunos de los municipios de la RAAS como: Paiwas, La Cruz de Río Grande y El Tortuguero (Figura 10). Para el municipio de San Miguelito se predice una pérdida de aptitud promedio de 30% en comparación con las condiciones actuales. Para las ubicaciones en las zonas productoras de cacao, el grado de similitud entre todos los GCMs al predecir cambios en la misma dirección como un promedio de todos los modelos es 80–100% (Figura 11).

Figura 11: Medida de similitud entre los modelos al predecir cambios en la misma dirección como un promedio de todos los modelos en una ubicación dada para 2050.

20

Figura 12: La relación entre la altitud y las diferentes modelos: la aptitud actual (azul), según modelo BIO para 2050 (línea roja), según modelo Bios + ETP para 2050 (amarillo) y según el modelo Bio Prec + ETP (naranja). La línea verde indica la disponibilidad de tierras a diferentes altitudes. No se ha usado la altitud como una variable al momento de ejecutar los modelos para estimar la aptitud, por lo tanto es independiente de las otras variables. Sin embargo, la altitud está fuertemente correlacionado con las variables relacionadas a temperatura. Esta comparación se realiza con el ánimo de identificar variaciones de aptitud para diferentes pisos altitudinales. Según los resultados del modelo usado y en base a los sitios de evidencia, en la actualidad el 80% de las áreas climáticamente aptas para cacao se encuentran por debajo de los 300 m.s.n.m. Según los modelos BIOS y ETP, para el año 2050, hay una reducción de la aptitud en todos los pisos altitudinales, excepto para aquellas comprendidas entre los 1200–1300 m.s.n.m. en donde se proyecta un incremento de la aptitud. Sabemos que en el caso de las zonas de baja altitud, el efecto de la temperatura sobre la aptitud es un artificio, pero en el caso de las zonas por encima de los 1200 m.s.n.m. el incremento de las temperatura mínimas si favorecería el incremento de aptitud, ya que la exposición del cultivo influye negativamente en el desarrollo de frutos e intensidad en la floración (Alvim et al, 1969). Aunque se debe considerar que las áreas disponibles por encima de esa altitud son escazas. Según los resultados del modelo Bio Prec + ETP, y comparando la aptitud promedio por pisos altitudinales, no hay cambios drásticos en las zonas de bajas. La gráfica muestra una ligera disminución por influencia de la pérdida de aptitud en algunas áreas en la RAAS. Como sea, para el año 2050, en promedio las zonas comprendidas en altitudes menores a 300 m.s.n.m. conservan una aptitud climática de mas de 65% en comparación con las condiciones actuales en los sitios donde se produce.

21

7

Resultado III: Factores ambientales que determinan la aptitud climática para el cultivo del cacao

A pesar de que el modelo ETP incluye nueve variables de evapotranspiración potencial, ninguna de éstas es reconocida en el análisis de regresión de pasos sucesivos (stepwise regression) como factor determinante. El análisis de regresión empleado (Tabla 2) explica cerca del 43 % de los cambios de aptitud. Para el modelo ETP, los cambios en las variables de temperatura tienen una influencia generalmente negativa, principalmente para el caso de la temperatura media anual (Bio 1). Según los resultados del modelo un cambio de 1 °C en esta variable implicaría una disminución de poco más del 4% de aptitud climática en comparación con las condiciones actuales. Ahora debemos considerar que MAXENT estima como rango óptimo las condiciones actuales de los sitios usados como muestra para correr el modelo, pero hay evidencia de sitios en donde el cacao se desempeña muy bien en temperaturas altas, como el caso mexicano (Roa-Romero et al, 2009) con temperaturas máximas de hasta 36 °C, cuando en las zonas cacaoteras de Nicaragua se espera que en 2050 la temperatura máxima aumente de de 31.2 ºC a 33.5 ºC. Teniendo en mente que la magnitud de los incrementos de temperatura proyectados por los GCMs, no deben ser considerados como un riesgo para los requerimientos climáticos del cacao, se ha corrido el modelo usando únicamente las variables de precipitación mas las variables de evapotranspiración (Bio Prec + ETP). Para los resultados de este nuevo modelo, también se ha elaborado una regresión (Tabla 3), la cual explica un 47% de los cambios de aptitud. Según los resultados, la precipitación del trimestre mas húmedo (Bio 16) juega un papel principal, ya que si la precipitación aumentara en 11 mm la aptitud climática disminuiría en 6%; caso contrario, si la precipitación disminuye entonces la aptitud incrementaría. Pero en el caso de la precipitación del mes más seco (Bio 14), por cada 1 mm que incrementa la aptitud se ve afectada de forma positiva incrementando en poco más de 6%. Dado que en las áreas productoras de cacao, la precipitación es bastante mayor que la evapotranspiración, los cambios que se predicen en la ETP no son significativos para el cambio de aptitud.

Tabla 2: Contribución de las diferentes variables al cambio de aptitud predicho para cacao en el modelo ETP, entre las condiciones actuales y 2050, en las ubicaciones de muestreo utilizadas en el análisis.

Variable

B

Intervalo de confianza para B al 95%

β

Sig.

FIV

-1,102

Límite inferior -1,608

Límite superior -,595

BIO1 = Temperatura promedio anual (°C)

-,045

-,070

-,021

-,181

,000

4,790

BIO10 = Temperatura promedio de cuatrimestre más cálido (°C)

,080

,063

,097

,432

,000

4,205

(Constante)

22

,000

BIO13 = Precipitación del mes más lluvioso (mm)

-,012

-,015

-,008

-,463

,000

8,740

BIO16 = Precipitación del trimestre más húmedo

,012

,010

,015

,664

,000

7,045

BIO18 = Precipitación del trimestre más caliente

,000

-,001

,000

-,157

,000

1,212

BIO5 = Temperatura máxima del mes más cálido (°C)

,117

,102

,132

,669

,000

3,676

BIO6 = Temperatura mínima del mes más frio (°C)

-,096

-,128

-,064

-,192

,000

2,126

R²= .431, n=1132, Variable dependiente = Cambio 2050 según modelo ETP

Tabla 3: Contribución de las diferentes variables al cambio de aptitud predicho para cacao en el modelo “Bio Prec + ETP”, entre las condiciones actuales y 2050, en las ubicaciones de muestreo utilizadas en el análisis.

Intervalo de confianza para B al 95% Variable

B

β Límite inferior

(Constante)

Sig.

FIV

Límite superior

-0.44

-0.52

BIO16 = Precipitación del trimestre más húmedo -0.01

-0.01

-0.37

0.00 -0.48 0.00 1.50

0.00

BIO17 = Precipitación del trimestre más seco

-0.04

-0.04

-0.03 -0.31 0.00 1.09

BIO14 = Precipitación del mes seco

0.06

0.05

0.08

0.24 0.00 1.58

ETP9= ETP del trimestre más frío

0.01

0.00

0.01

0.11 0.00 1.05

R²= .474, n=1132, Variable dependiente = Cambio 2050 según modelo Bio Prec + ETP

Se ha realizado un análisis especial para los 59 sitios de producción ubicados en el Municipio de San Miguelito, ya que en esta zona es donde el modelo “Bio Prec + ETP” proyecta una pérdida considerable de aptitud climática en comparación con las condiciones actuales. De acuerdo a las proyecciones climáticas se espera que la precipitación del trimestre más caliente (BIO 18) se incremente en una media de 100 mm y una máxima de 200 mm, lo que haría a esta zona mas húmeda de lo que en la actualidad es.

23

8 8.a

Conclusiones y Recomendaciones Conclusiones 













8.b

En las zonas de producción de cacao en Nicaragua, las temperaturas medias mínimas y máximas mensuales se incrementarán para 2030 y progresivamente continuarán incrementándose para el año 2050 (Hasta 2.2°C). Por otro lado la precipitación disminuirá poco más de 100 mm como promedio en sus totales anuales. Las implicaciones de los cambios en la precipitación, de acuerdo a las predicciones según MAXENT, son que la aptitud de las zonas productoras de cacao incrementarán considerablemente para 2050. La aptitud climática según el modelo (Bio Prec + ETP) incrementará en los municipios de Prinzapolka, Puerto Cabezas (Bilwi), Paiwas, La Cruz de Río Grande y El Tortuguero. En estos sitios se podría incrementar hasta más de un 20% de su aptitud para sostener al cultivo en comparación con las condiciones actuales. En el municipio de San Miguelito, se proyecta un incremento de la precipitación del trimestre más caliente, lo que provocaría una disminución de la aptitud climática para cacao en comparación con las condiciones actuales. En la Región Autónoma Atlántico Sur (RAAS) de Nicaragua, se encuentran actualmente sitios de producción que están en zonas con precipitaciones mayores a 2,500 mm, lo que los hace vulnerables a enfermedades criptogámicas (Jaimes y Aranzazu, 2010; Alvim y Alvim, 1980). Incluso luego de los cambios proyectados, siguen estando en zonas riesgosas. Estos sitios se encuentran en municipios como: Bluefields, zona oeste de El Castillo, zona sur de Laguna de Perlas y zona sur de El Rama. De acuerdo a la proyección de los modelos usados, la disminución en la precipitación del trimestre más húmedo (Bio 16) en la mayoría de las zonas de producción, afectarán positivamente la aptitud del cultivo del cacao para el año 2050. El 80% de las áreas climáticamente aptas en la actualidad se encuentran por debajo de los 300 m.s.n.m., los modelos que contenían variables de temperatura (BIO y ETP) proyectan que para 2050 la aptitud aumentará en altitudes entre 1200–1300 m.s.n.m, como un efecto del incremento de las temperaturas mínimas.

Recomendaciones

Ante la inminente posibilidad de que los efectos del cambio climático tengan un impacto en la aptitud de las actuales zonas productoras de cacao, se debe desarrollar e implementar un plan de adaptación de las fincas productoras de cacao. A continuación se hacen algunas recomendaciones generales para tres zonas con impactos distintos y diferentes tipos de actores.

24

De acuerdo a los resultados se pueden identificar tres zonas cuyos impactos por efectos del cambio climático son diferentes, y por ende, se necesitan intervenciones diferenciadas. Zonas de incremento de aptitud. Estas zonas comprenden las áreas entre los municipios de Prinzapolka, Puerto Cabezas (Bilwi), Paiwas, La Cruz de Río Grande y El Tortuguero (ver figura 10). A medida que la zona se vuelve un poco menos húmeda y mas caliente, se incrementa la aptitud climática en comparación con la aptitud actual para cultivar cacao. Los productores en estas zonas deberían seguir las practicas de manejo del cultivo recomendadas por la Guía Tecnológica del Cultivo del Cacao (INTA, 2009). Las instituciones de gobierno deberían promover el cultivo del cacao entre los medianos y pequeños productores locales, con el debido respeto a aquellas áreas con regímenes especiales de propiedad (propiedad comunitaria y áreas protegidas). Zonas altas con incremento de temperatura. En estas zonas, el incremento de temperatura afectará la aptitud climática del café, pero favorecerá al cacao. Se encuentra comprendidas zonas entre los municipios de Río Blanco, Waslala, Cua-Bocay y Wiwilí de Jinotega. Los productores de esta zona deben plantearse la diversificación de sus fincas cafetaleras, teniendo como una buena opción el cacao para sus sistemas agroforestales. Las instituciones de gobierno deben promover entre los productores de la zona la capacitación y transferencia de tecnología en materia de cultivo de café asociado a cacao en sistemas agroforestales, con el fin de reducir el riesgo e incrementar la rentabilidad en los sistemas de producción, principalmente de los pequeños productores de ladera en condiciones de marginalidad (FHA, 2004). Zonas de alta precipitación Éstas se encuentra en el municipio de Bluefields, la zona oeste de El Castillo, la zona sur de Laguna de Perlas y la zona sur de El Rama. En las zonas que actualmente ya se encuentran produciendo cacao, se debe considerar el manejo de sombra bajo sistemas agroforestales, ya que es una estrategia que ha demostrado ser clave para mitigar los efectos de cambio climático (Altieri et al, 2012; Läderach et al, 2010; Schwendenmann et al., 2010; Isaac et al, 2007), ya que contribuye a controlar la variabilidad en microclimas, la humedad relativa y la propagación de enfermedades (Meléndez y Somarriba, 1999). Según cada zona, es conveniente el conocer que especies de árboles y nivel de sombra son los recomendables, incluso considerar la diversificación de las fincas con cultivos alternativos (AnimKwapong and Frimpong, 2005) que permitan a los productores además de proteger el cultivo de cacao, no depender únicamente de los ingresos proporcionados por éste. Las instituciones de gobierno deben tomar acciones para considerar lo oportuno de de incrementar o no, las áreas de producción en zonas de precipitación mayores a 2500 mm, así mismo estimar la rentabilidad social, considerando que en éstas zonas el cultivo es mas susceptible a enfermedades como la moniliasis y la mazorca negra. Un elemento importante a valorar es que éstas áreas coinciden con la “Reserva de Biosfera del Sureste de Nicaragua” de alto riqueza en biodiversidad.

25

Recomendaciones generales Es recomendable establecer un sistema de intercambio de experiencias en el manejo del cultivo entre productores de diferentes zonas, que conlleve a reproducir aquellas prácticas de manejo exitosas (Jiménez, 2010). En el pacífico del país, e incluso en otros países de latinoamérica actualmente hay zonas produciendo cacao, con condiciones muy similares a las que se podrían presentar en un futuro en la zona central norte y Costa Caribe. Es posible recopilar y sistematizar todas las innovaciones locales en materia de adaptación al cambio climático para luego reproducirlas en sitios con condiciones similares. Es necesario realizar un estudio socioeconómico que permita conocer los niveles de vulnerabilidad y capacidad de resiliencia de los productores de cacao en las diferentes zonas, estudios similares han permitido realizar propuestas específicas y concretas de adaptación (Baca et al, 2011). Se debe fomentar la asociatividad de los productores, el estar organizados fortalecerán aspectos relacionados con la gestión de sus recursos, acceso a mercados y precios justos, estructuración en redes horizontales y verticales. Las instituciones de gobierno deberían disponer de suficiente presupuesto para implementar estrategias como el sub-programa de cacao (MAGFOR, 2008), donde se establecen medidas de capacitación y técnica, organización, mercadeo, entre otros. Además de incluir líneas estratégicas para identificar las innovaciones locales para adaptación a variaciones climáticas, para diferentes zonas. Es claro que los modelos actuales no pueden predecir satisfactoriamente los cambios que ocurrirán, pero también es claro que el cambio climático esta ocurriendo y que tendrán efectos negativos sobre la agricultura (IPCC, 2007), por lo que los productores en determinados lugares se enfrentarán en un futuro a condiciones diferentes a las actuales. Este hecho es lo que termina que las instituciones de investigación en general, centren sus esfuerzos actualmente en mejoramiento genético, manejo de los recursos naturales e inclusión de agrobiodiversidad (Rabbinge, 2009). Las instituciones nacionales deben tener en consideración las predicciones en general, al momento de formular sus políticas y estrategias de intervención en el sector agropecuario. La Mesa Nacional de Cacao debe liderar iniciativas encaminadas a crear y fortalecer un sistema para mejorar los flujos de información de dos vías en la cadena de cacao, desde datos climáticos, de producción, tecnologías disponibles y sus resultados por zonas, e incluso actualidad y perspectivas de mercados. La adaptación requiere respuestas a nivel local, pero las respuestas efectivas deben considerar los impactos globales y los vínculos económicos globales (Lybbert and Summer, 2010).

26

9

Impacto del cambio climático en cacao y café.

El objetivo del estudio es “Predecir el impacto del cambio climático sobre las áreas del cultivo de cacao en Nicaragua”, por lo que efectivamente el presente informe se centra en las zonas de producción de cacao. Aunque a la vista de los resultados de este y del informe del proyecto CUP (Läderach et al, 2010) caben las comparaciones entre los resultados para ambos cultivos.

A continuación se muestran los resultados combinados, en ambos cultivos se utilizó la misma metodología, la cual está descrita en una sección anterior dentro de este mismo documento.

Figura 13: Aptitud climática actual para la producción de cacao y café en Nicaragua. La localización de ambos cultivos es claramente observable, mientras que el cacao se concentra en la zona centro y caribe, el café se encuentra principalmente en la zona centro norte del país. En la zona central resaltan el color amarillo que representan la aptitud actual para ambos cultivos.

27

Figura 14: Aptitud climática proyectada al año 2050 para la producción de cacao y café.

De acuerdo a las proyecciones climáticas, para 2050 el cacao mantiene en la mayoría de las áreas al menos una aptitud baja, e incluso en algunas zonas la incrementa. Pero en la zona centro norte, muchas de las áreas que pierden aptitud para café, ganan aptitud para cacao. Por lo que a priori, el cacao se presenta incluso como una alternativa viable para diversificar las actuales fincas cafetaleras.

28

10 Bibliografía Anim-Kwapong, G.J. and Frimpong, E.B. 2005.Vulnerability of agriculture to climate change: Impact of climate change on cocoa production. Cocoa Research Institute of Ghana. Allen, Richard G., Pereira, Luis S., Raes, Dirk and Smith, Martin. 1998. Crop evapotranspiration - Guidelines for computing crop water requirements. FAO - Food and Agriculture Organization of the United Nations. Rome, Italy. http://www.fao.org/docrep/X0490E/x0490e00.htm#Contents. Altieri, M. A., Funes Monzonte, F., Henao, A., Nicholls, C., Sicard, T., Vázquez, l. y Zuluaga, G. 2012. Hacia una metodología para la identificación, diagnóstico y sistematización de sistemas agrícolas resilientes a eventos climáticos estremos. REDAGRES. http://wp.ufpel.edu.br/consagro/files/2012/03/Hacia-una-metodolog%C3%ADa-para-laidentificaci%C3%B3ndiagn%C3%B3stico-y-sistematizaci%C3%B3n-de-sistemas-agr%C3%ADcolas-resilientes-aeventos-clim%C3%A1ticos-extremos.pdf Alvim, P. and Alvim, R. 1980. Environmental requirements of cocoa with emphasis on responses to shade and moisture stress. Proceeding in: International Conference on Cocoa and Coconuts. The Incorporated Society of Planters. Kuala Lumpur, Malaysia. pp 93–111. Alvim, P., Machado A., e Granier, A.. 1969. Alguns estudos sobre as relacoes de agua, solo e crescimento do cacaueiro. Mem. Conf. Int. Pesquis. Cacau. pp. 316–326. Asare, Daniel K., Banini, Godsway K., Ayeh, Emmanuel O. and Amenorpe Godwin. 2011. Estimation of potential evapotranspiration for a coastal savannah environment by comparison of different methods. International Journal of Sustainable Agriculture. 3(2): 65–70. Baca, M, Läderach, P, Haggar, J, Ovalle, O, Ocón, S, Gómez, L y Zelaya, C. 2011. Vulnerabilidad y estrategias de adaptación al cambio climático en los medios de vida de las familias de Nicaragua. Centro Internacional de Agricultura Tropical (CIAT), Managua, Nicaragua. http://dapa.ciat.cgiar.org/wpcontent/uploads/2012/05/Informe_final_de_Vulnerabilidad-CUP-NIC-2011.pdf CETREX. 2012. Centro de Trámite de las Exportaciones de Nicaragua, exportaciones periodo enero-diciembre 2011. Último acceso en mayo 2012. http://www.cetrex.gob.ni/website/servicios/tproduc11.jsp Cuadra Cea, Luis. 1963. Aspéctos históricos de la moneda en Nicaragua. Banco Central de Nicaragua. Dias L.A.S. (ed.). 2001. Genetic improvement of cacao. FUNAPE – UFG (Foundation for Research Support – Goias Federal University, for its acronym in Portuguese) Ecoport version by Peter Griffee, FAO. Accessed June, 2011. http://ecoport.org/ep?SearchType=earticleView&earticleId=197 Dormon, E.N.A., Van Huis ,A., Leeuwis, C., Obeng-Ofori, D. and Sakyi-Dawson, O. 2004. Causes of low productivity of cocoa in Ghana: Farmers' perspectives and insights from research and the socio-political establishment. Journal of Life Sciences52(3-4):237–259. Elith, J., Graham, C.H., Anderson, R.P., Dudík, M., Ferrier, S., Guisan, A., Hijmans, R.J., Huettmann, F., Leathwick, R., Lehmann, A., Li, J., Lohmann, L.G., Loiselle, B.A., Manion, G., Moritz, C., Nakamura, M., Nakazawa,Y., Overton, J.McC., Peterson, A.T., Phillips, J., Richardson, K., Scachetti-Pereira, R., Schapire, E., Soberon, J., Williams, S., Wisz, M., Zimmermann, E. 2006. Novel methods improve prediction of species' distributions from occurrence data. Ecography29:129–151. Escobedo Aguilar, Adriana. 2010. Cadena productiva de cacao en Nicaragua. CATIE. http://www.catie.ac.cr/BancoMedios/Documentos%20PDF/cadena%20productiva%20nicaragua.pdf Evangelista, P., Kumar, S., Stohlgren, T., and Young, E. 2011. Assesing forest vulnerability and the potential distribution of pine bettles under current and future scenarios in the interior West of the US. Forest Ecology and Management 262: 307–316. FHA (Fundación Hondureña de Investigación Agrícola). 2004. Cultivo de cacao bajo sombra de maderables o frutales. Guía técnica. 23 p.

29

Hargreaves, G. H. and Allen, R. G. 2003. History and evaluation of hargreaves evapotranspiration equation. Journal of Irrigation and Drainage Engineering. 129 (1): 53–63. Hargreaves, G.H., Samani, Z.A., 1985. Reference crop evapotranspiration from temperature. Applied Eng. in Agric., 1(2): 96–99. Hijmans, R.J., Cameron, S.E., Parra, J.L.,Jones, P.G. and Jarvis, A.2005. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology25:1965. ICCO (International Cocoa Organization). 2011. Reporte anual 2009/2010. Londres, Inglaterra: ICCO. Último acceso en mayo 2012 . http://www.icco.org/pdf/An_report/Annual%20Report%20for%202009-2010%20-%20EnglishFrench-Spanish-Russian%20-%20final.pdf IPCC. 2007: Informe de síntesis. Contribución de los Grupos de trabajo I, II y III al Cuarto Informe de evaluación del Grupo Intergubernamental de Expertos sobre el Cambio Climático [Equipo de redacción principal: Pachauri, R.K. y Reisinger, A. (directores de la publicación)]. IPCC, Ginebra, Suiza, 104 p. http://www.ipcc.ch/pdf/assessment-report/ar4/syr/ar4_syr_sp.pdf INTA (Instituto Nicaragüense de tecnología Agropecuaria). 2009. Guía tecnológica del cultivo del cacao. Edición No. 4. 41 p. Isaac, M.E., Timmer, V.R., and Quashie-Sam, S.J. 2007. Shade tree effects in an 8-year-old cocoa agroforestry system: biomass and nutrient diagnosis of Theobroma cacao by vector analysis. Nutrient Cycling in Agroecosystems78:155– 165. Jaimes, Y. y Aranzazu, F. 2010. Manejo de las enfermedades del cacao (Theobroma cacao L) en Colombia, con énfasis en monilia (Moniliophthora roreri). Colombia. Corpoica. 90 p. Jiménez, Daniel. 2010. Agricultura específica por sitio compartiendo experiencias. Centro Internacional de Agricultura Tropical (CIAT), Cali, CO. 2 p. (CIAT hoja informativa No.11). http://www.ciat.cgiar.org/Newsroom/Documents/hoja_informativa11_aesce.pdf Läderach, P., Martinez, A., Schroth, G., and Castro, N. 2012. Predicting the future climatic suitability for cocoa farming of the world´s leading producing countries, Ghana and Côte d'Ivoire. Manuscript submitted for publication. Läderach, P., Hagger, J., Lau, C., Eitzinger, A., Ovalle, O., Baca, M., Jarvis, A. and Lundy, M. 2010. Mesoamerican coffee: Building a climate change adaptation strategy. CIAT, policy brief, 4 p. Läderach, P., Lundy, M., Jarvis, A., Ramírez, J., Pérez, P.E., Schepp, K,, and Eitzinger, A. 2010b. Predicted impact of climate change on coffee-supply chains. In Leal Filho, W. (ed) The Economic, social and Political Elements of Climate Change, Springer Verlag, Berlin. Chapter 42. Lennon, J. J. 1999. Resource selection functions: taking space seriously? Trends in Ecology and Evolution. 14:399–400 Lobell DB, Burke MB, Tebaldi C, Mastrandrea MD, Falcom WP, Naylor RL (2008) Prioritizing Climate Change Adaptation Needs for Food Security in 2030. Science 319: 607–610. Lybbert, T. and Sumner, D. 2010. Agricultural Technologies for Climate Change Mitigation and Adaptation in Developing Countries: Policy Options for Innovation and Technology Diffusion, ICTSD–IPC Platform on Climate Change, Agriculture and Trade, Issue Brief No.6, International Centre for Trade and Sustainable Development, Geneva, Switzerland and International Food & Agricultural Trade Policy Council, Washington DC, USA. MAGFOR. Gutiérrez, C., Alfaro, J., Gutiérrez, M., Altamirano, M., 2008. Sub-programa: Fomento de la producción, transformación y comercialización de cacao en Nicaragua. http://www.magfor.gob.ni/prorural/programasnacionales/perfilessub/cacao.pdf Meléndez, L. y Somarriba, E. 1999. Microambiente y cantidad de esporas de Moniliophthora roreri en el aire bajo tres sistemas de sombra leguminosa en cacao. Agroforestería en Las Américas Vol. 6. 23: 39–41. Phillips, S.J., Anderson, R.P. and Schapire,R.E. 2006. Maximum entropy modeling of species geographic distributions.Ecological Modelling190:231–259.

30

Rabbinge, Rudy. 2009. Agricultural science and technology needs for climate change adaptation and mitigation. International Food Policy Research Institute (IFPRI). 16 (2). Ramirez and Jarvis. 2010. Disaggregation of Global Circulation Model Outputs. Disaggregation of Global Circulation Model Outputs.http://gisweb.ciat.cgiar.org/GCMPage/ Roa-Romero, H., Salgado-Mora, M. y Alvarez-Herrera, J. 2009. Análisis de la estructura arbórea del sistema agroforestal de cacao (teobroma cacao L.) en el Soconusco, Chiapas – México. Acta biol. Colomb. 14: 97–110. Schroth G, Laderach P, Dempewolf J, Philpott S, Haggar J, Eakin H, Castillejos T, Moreno JG, Soto Pinto L, Hernandez R, Eitzinger A, Ramirez-Villegas J (2009) Towards a climate change adaptation strategy for coffee communities and ecosystems in the Sierra Madre de Chiapas, Mexico. Mitig Adapt Strateg Glob Change 14: 605–625 Schwendenmann, L., Veldkamp, E., Moser, G., Holscher, D., Kohler, M., Clough, Y., Anas, I., Djajakirana, G., Erasmi, S., Hertel, D., Leitner, D., Leuschner, C., Michalzik, B., Propastini, P., Tjoa, A., Tscharntke, T. and van Straaten, O. 2010. Effects of an experimental drought on the functioning of a cacao agroforestery system, Sulawesi, Indonesia. Global Change Biology (2010) 16, 1515–1530. Seoane, J. y Bustamante, J. 2001. Modelos predictivos de la distribución de especies: una revisión de sus limitaciones. Ecología 15:9–21. Soria-Auza, R., Kessler, M., Bach, K., Barajas-Barbosa, P., Lenhert, M., Herzog, S. and Böhner, J. 2010. Impact of the quality of climate models for modelling species ocurrencies in countries with poor climatic documentation: a case study from Bolivia. Ecological Modelling 221: 1221–1229. Tukey J.W. 1977.Exploratory data analysis.Reading, MA:Addison-Wesley Publishing. Wood, G. and Lass, R. 2001. Cacao. 4th ed. Oxford: Blackwell Science Ltd.

31

Anexo I: Listado de participantes en reunión de trabajo para validación. Tabla 4. Lista de contactos participantes de la reunión de trabajo sostenida el 30 de marzo de 2012, con miembros del ejecutivo de la comisión de la mesa nacional de cacao.

No. 1 2 3 4 5 6 7 8 9

Nombre y Apellidos Oveyda Morales Dávila Claudia E. Pineda Ernesto Bendaña B. Manuel Morales Navarro Carolina Vega Maribel Chamorro Luis Orozco Aguilar

Organización IPADE LWR ONUDI UNAG-PCAC UNA FUNDAR FENACOOP R. L

Correo [email protected] [email protected] [email protected] [email protected] [email protected] [email protected] [email protected]

Iván Marín Silvia López Rayo

Laboratorio-Biociencia-UNAN IDR

[email protected] [email protected]

Figura 15: Participantes de la reunión de trabajo durante la validación de los resultados para del modelo para las áreas en condiciones actuales.

32

Figura 16: Mapa resultado del modelo inicial, validado en la reunion sostenida con miembros del ejecutivo de la comisión de la mesa nacional de cacao.

33

Anexo II: Resumen de diagrama de clima para sitios específicos.

Awas-Tign (RAAN)

Figura 17: Síntesis de tendencias del clima para 2030 y 2050 en Awas-Tign. Las barras azules muestran la precipitación mensual actual y la proyección para 2050, y las líneas rojas muestran la temperatura media mensual actual, 2030 y 2050. Los signos positivos (+) y negativos (­) sobre las barras simbolizan el aumento o descenso de las precipitaciones para el año 2050 en cada mes respectivo. Para este sitio, los modelos predicen que para el 2050 la precipitación disminuirá de 91 milímetros con respecto al promedio actual, en cambio la temperatura promedio aumentará 2.1 ºC con respecto a la actual pasando por un aumento de 1.2 ºC en 2030. Para el 2050 el rango de la temperatura promedia del día disminuirá de 7.4 ºC a 7 ºC. Mientras el número máximo de meses de sequía se mantiene constante en 3 meses

34

Catarina (Masaya)

Figura 18: Síntesis de tendencias del clima para 2030 y 2050 en Catarina. De acuerdo a la predicción de los modelos se espera que para el 2050 la precipitación disminuya de 1731 milímetros a 1641 milímetros. La temperatura aumentará 2.1 ºC en promedio con respecto a la actual pasando por un aumento de 1.3 ºC en 2030. Para el 2050 el rango de la temperatura promedia del día aumentará de 10.1 ºC a 10.7 ºC

35

Nandaime (Granada)

Figura 19: Síntesis de tendencias del clima para 2030 y 2050 en Nandaime.

En el caso de Nandaime, se espera que para el 2050 la precipitación disminuirá de 1664 milímetros a 1575 milímetros, mientras quela temperatura aumentará 2.1 ºC en promedio con respecto a la actual pasando por un aumento de 1.2 ºC en 2030, igualmente el rango de la temperatura promedia del día aumentará de 10.1 ºC a 10.7 ºC.

36

Empalme de Guanacaste (Granada)

Figura 20: Síntesis de tendencias del clima para 2030 y 2050 en el Empalme de Guanacaste.

Para el 2050 la precipitación disminuirá de 1896 milímetros a 1804 milímetros pasando por 1822 en 2030. La temperatura aumentará 2.1 ºC en promedio con respecto a la actual pasando por un aumento de 1.3 ºC en 2030 Para el 2050 el rango de la temperatura promedia del día aumentará de 10 ºC a 10.7 ºC

37