Proyecciónde la Emisión, reserva Carbono, y economíaBaja emisióny desarrollo

1. +
Proyección de la Emisión,
reserva Carbono, y economía
Baja emisión y desarrollo
Akiko Haruna, Research Analyst
Ho-Young Kwon, Research Fellow
IFPRI

2. +
El contenido de la presentación
 Resumen
 Tipos de experiencias de recursos humanos
 Capaz, y posibilidad para el futuro

3. +
Enfoque general
 Mejor resolución & Cobertura nacional = Modelo cultivo y SIG
 Balance de la baja emision y economia = approximación: El
impacto a la realización del doble-objetivo de la conomia
global y local -> el patrón del uso de tierra
DNDC
SIG
IMPACT
Modelo
de uso de
la tierra
Precio,
cosecha,
area, etc
Economia
Uso de la
tierra
Distribución
de cultivo
Emisión
Reserva C

4. +
Emisión
Flujo de Gases
CO2 N2O CH4
Area de cultivo YES YES YES
Pasto YES YES

5. +
Emisión
DNDC
SIG
IMPACT
Modelo
de uso de
la tierra
Precio,
cosecha,
area, etc
Economia
Uso de la
tierra
Distribución
de cultivo
Emisión
Reserva C

6. +
 Tier 1
 Unico factor de emisión / proporción de fertilizante N (1%)
 Nivel global
 Tier 2
 Consideración de fuentes de N, manejo, tipo de cultivo, uso de tierra etc
 Nivel nacional o regional
 Tier 3
 Enfoque de Process-based simulation model
 Conocimiento completo del proceso de la emisión de suelo
 Cubre una gran escala con variedad de suelos, climas y sistema de cultivo
 Modelos disponibles
 DNDC (Denitrification and Decomposition model)
 DAYCENT (Daily version of CENTURY SOM model)
 Ecosys, APSIM, and EPIC
PRPORGANICINPUTSDIRECT ONONONON 2222 
  INPUTSOMCRONSNINPUTS EFFFFFON 2
Emisión – Emfoque de IPCC

7. +Emision - Area de cultivos
 Modelo de cultivo (Modelo Biogeoquimico, Process-based
Simulation Model)
 Crecimiento de cultivos, Hydrologia, Ciclo de materiales
• Phenology
• Leaf area dynamics
• Radiation interception
• C and nutrient partitioning
Crop growth
•Evapotranspiration
•Runoff
•Drainage and irrigation
Hydrology
•SOM decomposition
•Allocation of C and nutrients to SOM pools
Soil organic matter (SOM) cycling
• Climate data
o Precipitation,
temperature, and
solar radiation
• Soil characteristics
o Texture, water holding
capacity, and saturated
hydrologic conductivity
• Management options
o Crop cultivar, planting date
and density, fertilizer
application rate, and tillage
Soil
Organic
Matter
Cycling
Crop
growth
Hydrol
ogic
proces
s
 Crop yields
 Agronomic indices
(harvest index and root
to shoot ratio)
 Soil C sequestration
 Greenhouse gas
emissions
 Nutrient
leaching

8. +IFPRI Utilizes Process-based Models
Crop yield responses to
 Climatic condition and farming practices (Global
scale)
 Biochar application (Ghana and Vietnam)
Greenhouse gas emission changes to
 Land use change and/or conversion (India,Vietnam)
Soil C stock changes to
 Land degradation (Sub-Saharan Africa, Central Asia)

9. +DNDC
(Denitrification-Decomposition)
 Ventaja en la simulación de CH4
 Nivel pixel (10x10km) del emisión de cada cultivo a
escala regionál y nacionál

10. +
Informaciónes requireridas para la
simulación
 State-level data
 Dominant cropping systems
 Maize, rice, etc.
 Crop management (fertilizer&manure, tillage&residue, yield, irrigation,
etc etc)
 Remote sensing data (10 by 10km girds)
 Climate data (WorldClim – Global Climate Data)
 Monthly temperature and precipitation for current conditions
 Soil characteristics (Harmonized World Soil database)
 Textures (clay, silt and sand contents), organic C contents, bulk density, pH
for topsoil (0-30 cm) and subsoil (30-100 cm)
 Crop calendar (Center for Sustainability and the Global
Environment)
 Planting and harvesting dates

11. + Parametros y manejo de cultivo en
Colombia
Crop
Sub_zonas
(Primer y segundo
departamento
MAYOR
productor)
Manejo
Region
Average
fertilization (Kg
of N) Labranza y manejo de residuo Rotacion % Irrigated Area
Potential yield
Tn/Ha
Sugarca
ne
Pacific Valle del cauca 80-125
Incorporado al campo por medio de maquinas para
reintegración de nutrientes, la caña no requiere mucha
labranza durante su periodo de crecimiento, solo a la
siembra.
No 95% 240.0
Pacific Cauca 80-125
Incorporado al campo por medio de maquinas para
reintegración de nutrientes, la caña no requiere mucha
labranza durante su periodo de crecimiento, solo a la
siembra.
No 95% 240.0
Oil
palm
Llanos Meta 214,5 Urea
Preparacion del terreno antes de la siembra y los
residuos son dejados en el campo (reincorporated)
No 50% 4.0
Andean Santander 214,5 Urea
Preparacion del terreno antes de la siembra y los
residuos son dejados en el campo (reincorporated)
No 10% 4.0
Maize
caribe Cordoba 40 kg/ha Urea
Incorporado al campo por medio de maquinas para la
integración de nutrientes en el suelo para la siguiente
rotación con algodón.
Each 6 months
they change
maize with
cotton
0 6.0
andean Tolima
180 kg/Ha
nitroxtend
Incorporado al campo por medio de maquinas para la
integración de nutrientes en el suelo para la siguiente
rotación
Each 6 months
they change
maize with rice
and soja
25 % - 30% 5.5
Cassava
Andean Cauca 0 Tillage and reincorporated No 0% 25
Caribe Cordoba y Sucre 50 Kg/Ha Tillage and reincorporated No 0% 20-25
Llanos
Pacifico
Depende de la

12. +
Incluye
Sistemas dominantes -> Por otros areas
Cultivos anuales (maiz, arroz, yuca, papa),
y Perennes (palma, plantano)

13. +DNDC model – data input
ID
Countr
y
Country-
name Lon Lat
Climate
-file
N-
dep
SOC
max
SOC
min
Clay
max
Clay
min
pH
max
pH
min
Dens
max
Dens
min Slope
Salin
Inde
4023219 57Colombia -71.7028 12.37269 4023219 0.010.0029 0.0011 0.29 0.236.7006.699 1.32 1.319 0
4023220 57Colombia -71.625 12.375 4023220 0.010.0029 0.0011 0.29 0.236.7006.699 1.32 1.319 0
4023221 57Colombia -71.5417 12.375 4023221 0.010.0029 0.0011 0.29 0.236.7006.699 1.32 1.319 0
4023222 57Colombia -71.4621 12.3705 4023222 0.010.0029 0.0011 0.29 0.236.7006.699 1.32 1.319 0
4027537 57Colombia -71.8678 12.29373 4027537 0.010.0029 0.0011 0.29 0.236.7006.699 1.32 1.319 0
4027538 57Colombia -71.79 12.28833 4027538 0.010.0029 0.0011 0.29 0.236.7006.699 1.32 1.319 0
4027539 57Colombia -71.7083 12.29167 4027539 0.010.0029 0.0011 0.29 0.236.7006.699 1.32 1.319 0
4027540 57Colombia -71.625 12.29167 4027540 0.010.0029 0.0011 0.29 0.236.7006.699 1.32 1.319 0

14. +DNDC – paramétros de la fisiología y la
fenología
Crop
ID Crop name
Max
biomass
C
Grain
fraction
Leaf
fraction
Stem
fraction
Root
fraction Grain CN Leaf CN Stem CN
kg C ha-1 ratio ratio ratio
1 Corn 10309 0.4 0.22 0.22 0.16 50 80 80
2
Winter
wheat 7610 0.41 0.21 0.21 0.17 40 95 95
3 Soybean 3512 0.35 0.22 0.22 0.2 10 45 45
4
Legume
hay 11000 0.01 0.4 0.4 0.19 50 50 50
Crop
ID Crop name Root CN
Water
Demand
Optimu
m Temp TDD
N
fixation
Vasculari
ty Perennial Crop
ratio
kg water
kg-1 DW °C °C
1 Corn 80 150 30 2550 1 0 0
2
Winter
wheat 95 200 22 1300 1 0 0
3 Soybean 24 350 25 1500 2.5 0 0
Legume

15. +Main menu of DNDC
1

16. +Initiation of Regional Simulation
2

17. + Options to modify climate and/or
management conditions
3

18. + Simulation runs: 365 dias -> 1 año
4

19. +Simulation outputs 1
Grid_ID
System_
ID
SystemN
ame Area Year Stub
SOC
0-10cm
SOC
10-20cm
SOC
20-30cm
SOC
30-40cm
SOC
40-50cm
Total
SOC
ha Year kgC/ha kgC/ha kgC/ha kgC/ha kgC/ha kgC/ha kgC/ha
4424974 1 Corn 1 1 1391 9325 9241 6926 3651 2249 31392
4424974 1 Corn 1 2 1305 9736 9609 6917 3638 2240 32140
Grid_ID
Manure
C LitterC
Soil-
CO2 dSOC
CropID_
1
CropID_
2
CropID_
3
GrainC_
1
GrainC_
2
GrainC_
3
ShootC_
1
kgC/ha kgC/ha kgC/ha kgC/ha
CropID_
1
CropID_
2
CropID_
3 kgC/ha kgC/ha kgC/ha kgC/ha
4424974 0 752 418 335 1 0 0 1429 0 0 1572
4424974 0 2097 1350 748 1 0 0 1340 0 0 1474
Grid_ID
ShootC_
2 ShootC_3 RootC_1 RootC_2 RootC_3 CH4 N2O NO N2 NH3 CropN
kgC/ha kgC/ha kgC/ha kgC/ha kgC/ha kgC/ha kgN/ha kgN/ha kgN/ha kgN/ha kgN/ha
4424974 0 0 572 0 0 -0.49 0.322 0.08 0.01 3.841 55.38
4424974 0 0 536 0 0 -1.07 0.16 0.077 0.012 2.346 51.94
5
Año 1 y 2, Maiz en el Grid ID 4424974

20. +Simulation outputs 2
Grid_ID LeachN DepositN FixedN Miner_N
Fertilize
rN
Manure
N LitterN dSON H2Otran
H2Oeva
p
H2Orun
of
kgN/ha kgN/ha kgN/ha kgN/ha kgN/ha kgN/ha kgN/ha kgN/ha mm mm mm
4424974 3.15 0.17 0 11.73 50 0 7.15 -1.47 121 797 0
4424974 1.45 0.2 0 15.32 50 0 22.85 -5.94 119 896 0
Grid_ID
H2Oleac
h H2Oirri
H2Opre
c
dSoilH2
O MeanT
Country
ID
WaterStr
ess N_Stress T_stress
Grid_ID mm mm mm mm
Degree
C
Country
ID
WaterStr
ess N_Stress T_stress
4424974 1177 37 2019 -39 26.84 57 0.99 0.41 1
4424974 1399 48 2304 -63 27.37 57 0.99 0.43 1.01
5
Año 1 y 2, Maiz en el Grid ID 4424974

21. +
Calibration and Verification
 Evaluación
 Calibración
 obtener resultados similares que
datos observados (yield, especially)
 Ajustar parametros y manejo cultivo
->Necesidad de datos locales
 Verificación
 Estudios que existen del area

22. +Simulation outputs
Grid_ID
System_
ID
SystemN
ame Area Year Stub
SOC
0-10cm
SOC
10-20cm
SOC
20-30cm
SOC
30-40cm
SOC
40-50cm
Total
SOC
ha Year kgC/ha kgC/ha kgC/ha kgC/ha kgC/ha kgC/ha kgC/ha
4424974 1 Corn 1 1 1391 9325 9241 6926 3651 2249 31392
4424974 1 Corn 1 2 1305 9736 9609 6917 3638 2240 32140
Grid_ID
Manure
C LitterC
Soil-
CO2 dSOC
CropID_
1
CropID_
2
CropID_
3
GrainC_
1
GrainC_
2
GrainC_
3
ShootC_
1
kgC/ha kgC/ha kgC/ha kgC/ha
CropID_
1
CropID_
2
CropID_
3 kgC/ha kgC/ha kgC/ha kgC/ha
4424974 0 752 418 335 1 0 0 1429 0 0 1572
4424974 0 2097 1350 748 1 0 0 1340 0 0 1474
Grid_ID
ShootC_
2 ShootC_3 RootC_1 RootC_2 RootC_3 CH4 N2O NO N2 NH3 CropN
kgC/ha kgC/ha kgC/ha kgC/ha kgC/ha kgC/ha kgN/ha kgN/ha kgN/ha kgN/ha kgN/ha
4424974 0 0 572 0 0 -0.49 0.322 0.08 0.01 3.841 55.38
4424974 0 0 536 0 0 -1.07 0.16 0.077 0.012 2.346 51.94
5
Año 1 y 2, Maiz en el Grid ID 4424974

23. +
Dato de la base de la estimación
 Modelo del uso de la tierra: Por los dos periodos,
Proporción de la distribucion de area de los
cultivos y cobertura por municipalidad
Selección del cultivo
Selección del cobertura

24. +
GWP total - cultivo
 GWP = (”dSOC”+ ”CH4”) * (-44/12) +”CH4”* 16/12*21 + ”N2O” * 44/28*310
 Total cropland emission =Σj,k(Cropj average GWP in
municipalityk *Cropj area in municipalityk )

25. +
GWP total - cultivo
2008 2030
maiz 1.31 1.23
palma 1.42 1.63
plantano 1.55 1.50
arroz 4.86 4.61
yuca 0.48 0.46
papa 0.66 0.68
Unidad:Tg C

26. +
Emisión - Area pasto
 Emisión total nacional en 2008 / cabeza = Emisión por cabeza
 Emisión total t = Emision por cabeza * area t* intensidad t
 Intensidad <- La taza del crecimiento de la cabeza matada de
ganado, IMPACT, a nivel nacional
Elements Año 2008
Emissions (CH4) (Enteric fermentation) 1,639.71
Direct emissions (N2O) (Manure management) 1.38
Indirect emissions (N2O) (Manure management) 0.32
Emissions (CH4) (Manure management) 39.56
Emissions (N2O) (Manure management) 1.7
Direct emissions (N2O) (Manure on pasture) 35.73
Indirect emissions (N2O) (Manure on pasture) 8.1
Emissions (N2O) (Manure on pasture) 43.83
Sum (CO2 eq) 49,377.72 (FAOSTAT,Unidad:
1000ton)

27. +
Reserva carbono
a Figures are only for perennial crops.
Reserva de Carbono
Land use category Sobre tierra Baja tierra suelo
Cropland YES a YES a YES
Pasture YES YES YES
Forest YES YES YES
Resto YES YES YES
DNDC
SIG
IMPACT
Modelo
de uso de
la tierra
Precio,
cosecha,
area, etc
Economia
Uso de la
tierra
Distribución
de cultivo
Emisión
Reserva C

28. +
Reserva Carbono - suposición
 Captiva el cambio de la proporción por nivel municipalidad
 DNDC: cambio entre el mismo uso de tierra
Selección del uso de tierra
2008
2030

29. +
Reserva Carbono - suposición
 Aplicar la taza de reserva 2008 por cada cobertura por
municipalidad a 2030 <- etapas de bosque, camino de
cambio
 Diferencia entre reserva t1 y reserva t2 = la perdida
C ton/ha Area
2008(ha)
C total (ton) Area
2030(ha
)
C total
(ton)
bosque 120 1000 120*1000 920 120*800
pasto 20 500 20*500 550 20*550
perenne 30 20 30*20 10 30*10
Arbustales y
vegecación
40 300 40*300 350 40*350
Ejempro: Municipalidad A

30. +
Reserva Carbono - enforque
 Trabajo de SIG
SOC
Harmonized World Soil Database
(FAO/IIASA/ISRIC/ISS-CAS/JRC)
Biomasa sobre tierra :
Pasto
(Anaya et al, 2009)
Biomasa sobre tierra:
Forestal, arbustales y
vegetación segundara
(NASA (Saatchi et al, 2011))

31. +
Reserva Carbono - enforque
 Sobreponer con el mapa spatial de la cobertura y el mapa
de los limites = por cobertura por municipalidad
 Bajo tierra: proporsión de raíces

Biomasa sobre-tierra Cobertura Litmité

32. +
Reserva Carbono - suelo
 Sobreponer el mapa SOC con la taxonomia dominante de
suelo, la cobertura, y los limites -> weighted average por
cobertura por municipalidad
IPCC default soil classes derived from the
Harmonized World Soil Data Base (Ver.
1.1) (Niels, 2010)
SOC Cobertura LimitéTaxonomia

33. +
Reserva Carbono total
 Total aboveground, belowground soil C stock =Σj,k(average C
stock in municipalityk in Land usej * size of land usej in
municipalityk )
Land use model
Cropland area
(per municipality)
Aboveground,
belowground and soil
C stock(per grid)
Forest (ton/ha)
Pasture (ton/ha)
Cropland (ton/ha)
Other land use
(ton/ha)
Forest (ha)
Pasture (ha)
Cropland (ha)
Other land use
(ha)
1,250
560
840
320
240
270

34. +
Reserva Carbono – resultado
ABG+BG C
abg_08bl bg_08bl
abg+bg_
08bl abg_30bl bg_30bl
abg+bg30
bl
cropland 52.2 54.9
pasture 186 60 246 206 66 272
forest 4,451 1,468 5,919 4,203 1,385 5,588
other 532 213 744 547 219 766
sum 4,637 1,528 6,962 4,410 1,451 6,682
SOC
Perennial cropland ABG+BG C
(literature)
08bl 30bl 08bl 30bl
cropland 530 557 PalmC 14.9 17.8
pasture 3,242 3,481 CoffeeC 18.5 18.5
forest 6,133 5,690 CacaoC 18.8 18.5
other 2,649 2,742 Sum 52.2 54.9
ttl_sum_soc 12,554 12,470
Unidad:Tg C

35. +
Hacia futuro
Forest
Carbon
&
Emission Grass
Carbon,
Emission,
Manure
Emission
(Gilhespy et al. 2014)

36. +
Hacia futuro
 Emisión y reserva de cultivo
 Modelación DNDC de Perenne (cifra de literatura en este
momento)
 Cifra de literatura de reserva de perenne
 Configuración con cosecha de IMPACT
 Emisión de pasto
 Cifra regional de emisión por cabeza presente y futuro
 Pasture DNDC, Manure DNDC
 Emisión de bosque
 Forest DNDC : etapa de crecimiento
 Quema de los bosques
 Emision desde conversión de cubertura
 Identificación de patrón de cambio en el nivel pixel

37. +
Economía
DNDC
SIG
IMPACT
Modelo
de uso de
la tierra
Precio,
cosecha,
area, etc
Economia
Uso de la
tierra
Distribución
de cultivo
Emisión
Reserva C
Land use category
Cropland YES
Pasture YES

38. +
Economía – enfoque
 Ingreso de los productores
 TRt(total revenue in period t) = Σj,k,t ( Ppjkt (producer price
of product j in regionk)* Qjkt (quantity of product) )
 Qjkt(crop)=Yjkt (yield) * Ajkt (area)
 Qjkt(livestock)=Yjkt (meat / dairy per head ) * Ijkt (intensity)
* Ajkt (area)
 Precios implusavos de la economica global
Cosecha refleja condiciónes socioeconomicas
(IMPACT)
 Costo de producción : constante
 Intensidad: elaborada desde # matados

39. +
Economía – resultado
Unidad: Billion USD
2008 2030
cacao 0.19 0.36
café 1.38 3.07
palma 0.15 0.79
plantano 1.44 3.93
othr_pere 2.07 4.74
yuca 0.55 1.59
maiz 0.78 1.60
papa 1.15 2.35
arroz 1.96 3.24
canazucar 0.92 6.45
othr_annu 2.21 4.66
sumttl_c_rev 12.79 32.80
ganaderia 7.82

40. +
Cambios accumulados
 Accmulated ghg =
Σt (ghg2008*((ghg2030/ghg2008)^(1/21))^(t-1))

41. +
Integración para análisis
Accumulated GHG from cropland
2008-2030
DNDC base p1 p1_2 p2 p2_2 p3 p3_2 dif dif dif dif dif dif
maiz 26.7 28.8 27.8 26.5 26.6 26.6 26.7 2.1 1.1 (0.2) (0.1) (0.1) (0.0)
palm 31.9 35.2 33.5 31.8 31.9 70.4 44.7 3.3 1.6 (0.1) (0.0) 38.5 12.8
plan 32.0 34.3 33.2 31.9 31.9 21.6 27.7 2.3 1.2 (0.1) (0.1) (10.4) (4.3)
rice 99.5 114.2 106.6 99.2 99.4 98.2 99.1 14.6 7.0 (0.3) (0.2) (1.3) (0.4)
cass 9.9 10.9 10.4 9.8 9.8 9.8 9.9 1.0 0.5 (0.1) (0.0) (0.1) (0.0)
pota 14.1 15.5 14.8 14.1 14.1 14.1 14.1 1.5 0.7 (0.0) (0.0) (0.0) (0.0)
Literature - - - - - -
base p1 p1_2 p2 p2_2 p3 p3_2 dif dif dif dif dif dif
coff 12.5 13.5 13.0 12.5 12.5 10.6 12.0 1.0 0.5 (0.0) (0.0) (1.9) (0.6)
caca 0.4 0.4 0.4 0.4 0.4 0.2 0.3 0.0 0.0 (0.0) (0.0) (0.2) (0.1)

42. +
Enfoque de la integración
 Capa multi-disciplinaria
 Sistema de información geográfica, economía, y ciencia de la
emisión y reserva de carbono, y agronomía
 Coordinación y compatibilidad de datos de los modelos
 Planificación del ultimo resultado (output image)
 Comunicación en detalles con generadores de los
modelos
 Estandarización del formato de los datos generados
 Proceso automatizado

43. +
 Puede modificar supocisión del cada proceso
 Puede modificar la linea base y clear los
escenarios
Ventaja: Flexibilidad
Resoluciones diferentes
Formatos diferentes
Unidades diferentes
Lenguas diferentes
Años diferentes
Fuentes misteriosos
Datos parciales
Limpiar, combinar,
analizar, reportar,
Cambios y modificacion de
los modelos, datos,
escenarios

44. +
Integración para análisis
 Programa de dato de base / estadistica / SIG
:

45. +
Gracias, cuestiónes y comentarios?