DOI:
https://doi.org/10.14483/23448407.15659Publicado:
2019-12-05Número:
Núm. 14 (2019)Sección:
Artículo de investigación científica y tecnológicaÁreas potenciales actuales y futuras de los cultivos de aguacate Hass en México utilizando el modelo Maxent en escenarios de cambio climático
Current and future potential areas of Hass avocado crops in Mexico using MaxEnt model under climate change scenarios
Palabras clave:
Scenarios, Maxent, Global Climate models, Repre-sentative Concentration Pathways. (en).Palabras clave:
escenarios, Maxent, modelos de circulación global, trayectorias de concentración representativas (es).Descargas
Resumen (es)
La producción y exportación del aguacate Hass en México representa el segundo producto agroalimentario más importante en la economía del país. Los objetivos fueron modelar la distribución potencial actual para el establecimiento de cultivos de aguacate Hass en México y evaluar el impacto del cambio climático bajo diferentes escenarios. Mediante puntos de presencia de cultivos de aguacate en México y variables climáticas, se utilizó Maxent para modelar la distribución potencial actual y futura del aguacate. Actualmente el aguacate en México está asociado a los bosques templados del Eje Volcánico Transversal y la Sierra Madre del Sur. En promedio, para el año 2050 en el escenario optimista (RCP 2.6) se perdería el 20,9 % de la superficie con potencial actual para el cultivo de aguacate en México y 34,8 % en el escenario pesimista (RCP 8.5). Es importante tomar medidas en la planeación del territorio que permitan priorizar acciones de conservación y vigilancia para evitar el cambio de uso de suelo. Maxent es una herramienta adecuada para predecir las áreas potenciales actuales y futuras para el establecimiento de cultivos; sin embargo, es importante utilizar un conjunto de modelos de circulación global que permitan observar tendencias en los impactos del cambio climático.
Resumen (en)
The production and exportation of Hass avocado in Mexico represents the second most important agri-food product in the economy. This study aims at modeling the current potential distribution for the establishment of Hass avocado crop lands in Mexico and assessing the impact of climate change under different scenarios. Maxent was used to model the current and future potential distribution of the avocado using points of presence of avocado crop lands in Mexico and climatic variables. Currently the avocado in Mexico is associated with the temperate forests of the Transversal Volcanic Belt and the Sierra Madre del Sur. On average for the year 2050 in the optimistic scenario (RCP 2.6), 20.9% of the area with current potential for avocado cultivation in Mexico and 34.8% in the pessimistic scenario would be lost (RCP 8.5). It is important to take measures in the planning of the territory, which allow prioritizing conservation and surveillance actions to avoid land use change. Maxent is an adequate tool for predicting current and future potential areas for the establishment of crops, however, it is important to use a set of global circulation models that allow observing trends in the climate change.
Referencias
Álvarez-Bravo, A., Salazar-García, S., Ruiz-Corral, J. y Medina-García, G. (2017). Escenarios de cómo el cambio climático modificará las zonas productoras de aguacate ‘Hass’ en Michoacán. Revista Mexicana de Ciencias Agrícolas, 19, 4035–4048.
Barrientos-Priego, A. (2010). El Aguacate. Biodiversitas, 88, 1-7.
Choudhury, M.R., Deb, P., Singha, H., Chakdar, B. y Medhi, M. (2016). Predicting the probable distribution and threat of invasive Mimosa diplotricha Suavalle and Mikania micrantha Kunth in a protected tropical
grassland. Ecological Engineering, 97, 23-31.
Cobos, M.E., Peterson, T., Osorio-Olvera, L. y Barve, N. (2019). kuenm: An R package for detailed development of Maxent Ecological Niche Models. PeerJ, 7:e6281.
Elias, M.A.S., Borges, F.J.A., Bergamini, L.L., Frances-chinelli, E.V. y Sujii, E.R. (2017). Climate change threatens pollination services in tomato crops in Brazil. Agriculture, Ecosystems and Environment, 239, 257-264.
Elith, J., Graham, C., Anderson, R., Dudík, M., Ferrier, S., Guisan, A., ... Zimmermann, N. (2006). Novel methods improve prediction of species’ distributions fromoccu-rrence data. Ecography, 29(2), 129-151.
Escalante, T., Rodríguez-Tapia, G., Linaje, M., Illol-di-Rangel, P. y González-López, R. (2015). Identifi-cation of areas of endemism from species distribution models: threshold selection and Nearctic mammals. Tip, 16(1), 5-17. DOI: https://doi.org/10.1016/s1405-888x(13)72073-4.
Hernández-Aguilar, E. (2018). Variación altitudinal de variables metereológicas en el municipio de Zitácua-ro, Michoacán: implicaciones para los usos de suelo agrícolas. México: Universidad Nacional Autónoma de México.
Hijmans, R., Cameron, S., Parra, J., Jones, P. y Jarvis, A. (2005). Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, 25, 1965-1978.
Intergovernmental Panel on Climate Change (IPCC) (2013). Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Londres: Cambridge University Press.
Jodar-Abellan, A., Ruiz, M. y Melgarejo, J. (2018). Evalua-ción del impacto del cambio climático sobre una cuenca hidrológica en régimen natural (SE, España) usando un modelo SWAT. Revista Mexicana de Ciencias Geológi-cas, 35(3), 240-253.
Liu, C., White, M. y Newell, G. (2013). Selecting thresh-olds for the prediction of species occurrence with pres-ence-only data. Journal of Biogeography, 40(4), 778-789. DOI: https://doi.org/10.1111/jbi.12058.
Molinos, J., Poloczanska, E., Olden, J., Lawler, J. y Bur-rows, M. (2017). Biogeographical Shifts and Climate Change. En D. DellaSala y M. Goldstein (eds.), Encyclo-pedia of the Anthropocene (pp. 217-228). Ámsterdam, Países Bajos: Elsevier.
Moratelli, R., De Andreazzi, C.S., De Oliveira, J.A. y Cor-deiro, J.L.P. (2011). Current and potential distribution of Myotis simus (Chiroptera, Vespertilionidae). Mam-malia, 75(3), 227-234. DOI: https://doi.org/10.1515/MAMM.2011.028.
Narouei-Khandan, H., Halbert, S., Worner, S. y Van Bruggen, A. (2016). Global climate suitability of citrus huanglongbing and its vector, the Asian citrus psyllid, using two correlative species distribution modeling ap-proaches, with emphasis on the USA. European Journal of Plant Pathology, 144(3), 655-670. DOI: https://doi.org/10.1007/s10658-015-0804-7.
Olson, D.M., Dinerstein, E., Wikramanayake, E., Burgess, N., Powell, G., Underwood, F., ... Kassem, K. (2001). Terrestrial Ecoregions of the World: A New Map of Life on Earth. BioScience, 51, 933-938.
Osorio-Olvera, L. (2016). NicheToolbox: a web tool for ex-ploratory data analysis and niche modeling. Recupera-do de http://shiny.conabio.gob.mx:3838/nichetoolb2/.
Peterson, A. T., Papeş, M. y Soberón, J. (2008). Rethink-ing receiver operating characteristic analysis applica-tions in ecological niche modeling.
Ecological Model-ling, 213(1), 63-72. DOI: https://doi.org/10.1016/j.ecolmodel.2007.11.008.
Phillips, S., Anderson, R. y Schapire, R. (2006). Maximum entropy modeling of species geographic distribution. Ecological Modelling, 190, 231-259.
Phillips, S.J., Anderson, R.P., Dudík, M., Schapire, R.E. y Blair, M.E. (2017). Opening the black box: an open-source release of Maxent. Ecography, 40(7), 887-893. DOI: https://doi.org/10.1111/ecog.03049.
Qiao, H.; Soberón, J. y Peterson, A.T. (2015). No sil-ver bullets in correlative ecological niche model-ling: Insights from testing among many potential algorithms for niche estimation. Methods in Ecology and Evolution, 6(10), 1126-1136. DOI: https://doi.org/10.1111/2041-210X.12397.
Ramírez-Gil, J.G., Morales, J.G. y Peterson, A.T. (2018). Potential geography and productivity of “Hass” avocado crops in Colombia estimated by ecological niche mod-eling. Scientia Horticulturae, 237(abril), 287-295. DOI: https://doi.org/10.1016/j.scienta.2018.04.021.
Sánchez-Pérez, J. (2012). Adaptación al cambio climático. En G. Chávez León, L. Tapia-Vargas, M. Bravo-Espino-za, J. Sáenz-Reyes, H. Muñoz-Flores, I. Vidales-Fernán-dez, ... J. Alcántar-Rocillo (eds.), Impacto del cambio de uso de suelo forestal a huertos de aguacate (pp. 57-63). Uruapan, Michoacán, México: Instituto Nacio-nal de Investigaciones Forestales Agrícolas y Pecuarias.
Secretaría de Agricultura, Ganadería Desarrollo Rural, Pes-ca y Alimentación (Sagarpa) (2017). Planeación Agrí-cola Nacional 2017-2030 “Aguacate Méxicano”. Ciudad de México, México.
Servicio de Información Agroalimentaria y Pesquera (SIAP) (2017). Estadística de producción agrícola. Recuperado de http://infosiap.siap.gob.mx/gobmx/datosAbiertos.php.
Soberón, J., Osorio-Olvera, L. y Peterson, T. (2017). Di-ferencias conceptuales entre modelación de nichos y modelación de áreas de distribución. Revista Mexicana de Biodiversidad, 88(2), 437-441. DOI: https://doi.org/10.1016/j.rmb.2017.03.011.
Sosa-Rodríguez, F. (2015). Política del cambio climático en México: avances, obstáculos y retos. Revista Inter-nacional de Estadística y Geografía, 6(2), 4-23.
Vallejo Pérez, M.R., Téliz Ortiz, D., De La Torre Almaraz, R., López Martinez, J.O. y Nieto Ángel, D. (2017). Av-ocado sunblotch viroid: Pest risk and potential impact in México. Crop Protection, 99, 118-127. DOI: https://doi.org/10.1016/j.cropro.2017.05.015.
Villanueva-Tomas, T. y Zepeda-Anaya, J. (2016). La pro-ducción de aguacate en el estado de Michoacán y sus efectos en los índices de pobreza, el cambio del uso de suelo y la migración. Revista Mexicana sobre Desarrollo Local, 2(1), 1-12.
Wei, B., Wang, R., Hou, K., Wang, X. y Wu, W. (2018). Predicting the current and future cultivation regions of Carthamus tinctorius L. using MaxEnt model under climate change in China. Global Ecology and Conser-vation, 16, e00477. DOI: https://doi.org/10.1016/j.gecco.2018.e00477.
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
La revista UD y la Geomática se encuentra bajo una licencia Creative Commons - 2.5 Colombia License.
Atribución - No Comercial - Sin Derivadas
