Alimentar a 10 mil millones de personas en el cambio climático: ¿Cuál es la brecha de producción de los sistemas agrícolas actuales?

Alimentar a 10 mil millones de personas en el cambio climático: ¿Cuál es la brecha de producción de los sistemas agrícolas actuales?

Resumen

Se proyecta que la población humana llegue a más de 10 mil millones en el año 2100. Junto con el patrón cambiante del consumo, el crecimiento de la población conducirá al aumento de la demanda de alimentos. Se plantea la cuestión de si la Tierra es capaz de satisfacer esta demanda. En este estudio, abordamos esta cuestión estimando la capacidad de carga de los sistemas agrícolas actuales (KC), que no mide el número máximo de personas que la Tierra probablemente alimentará en el futuro, sino que permite una evaluación indirecta de los aumentos en la productividad agrícola requerida para satisfacer las demandas. Proyectamos la producción de alimentos agrícolas bajo el cambio climático progresivo utilizando el modelo de vegetación global dinámica de vanguardia LPJmL, y los datos de entrada de 3 modelos climáticos. Para 1990 a 2100 se simula el rendimiento calórico anual mundial de los 11 tipos de cultivo más importantes. Se realizan carreras de modelos con y sin concentraciones elevadas de CO2 atmosférico con el fin de investigar los efectos de la fertilización con CO2. Se consideran las necesidades calóricas per cápita específicas del país fijadas a los niveles actuales y las demandas cambiantes basadas en proyecciones futuras del PIB para evaluar el papel de los cambios en la dieta futura. Nuestros resultados indican que las proyecciones actuales de población pueden superar considerablemente el número máximo de personas que pueden ser alimentadas a nivel mundial si el cambio climático no va acompañado de cambios significativos en el uso de la tierra, las eficiencias agrícolas y / o las vías de consumo. Estimamos que la brecha entre el tamaño de la población proyectada y KC para llegar a 2 a 6,8 millones de personas en 2100. También presentamos posibles cambios calóricos de autoabastecimiento entre 2000 y 2100 para todos los países incluidos en este estudio. Los resultados muestran que los países predominantemente en vías de desarrollo en las regiones tropicales y subtropicales experimentarán grandes disminuciones en el autoabastecimiento. Por lo tanto, este estudio es importante para planificar la futura gestión agrícola a gran escala, así como la evaluación crítica de las proyecciones de población, que debe tener en cuenta la retroalimentación mediada por los alimentos.

Introducción 

La Tierra actualmente sostiene alrededor de 7 mil millones de personas. Su demanda de alimentos, fibra, energía y productos industriales ya supera ya a muchos de los servicios de aprovisionamiento y regulación del sistema planetario (Rockström et al., 2009). Según las estimaciones recientes de las Naciones Unidas (2011), se espera que la población mundial aumente a 9.300 millones en 2050 y alcance unos 10.100 millones para el año 2100. La pregunta que hay que responder aquí es ¿si estas cifras proyectadas pueden alimentarse con el cambio climático Y cambiar el comportamiento del consumidor sin expandir el área de tierras de cultivo o mejorar significativamente la gestión agrícola y la tecnología? 

 K está efectivamente determinado por muchos factores diferentes que van desde los límites biofísicos (por ejemplo, la disponibilidad de tierra y energía) hasta los desarrollos socioeconómicos (por ejemplo, la tasa de progreso tecnológico y distribución de la riqueza), consideramos el suministro calórico de alimentos como el único factor limitante aquí, pero limitan nuestras estimaciones a los patrones de uso de la tierra y la intensidad de manejo actuales. Nuestras estimaciones de KC apuntan a posibles brechas futuras entre la oferta y la demanda de alimentos, que pueden resultar del cambio climático, el crecimiento de la población y el aumento del consumo per cápita, si las prácticas agrícolas no se adaptan en consecuencia.  calculamos la producción calórica global utilizando el modelo de vegetación global dinámica LPJmL que incluye cultivos y pastos (Bondeau Et al., 2007, Sitch et al., 2003). Estudios recientes muestran que las proyecciones de la producción agrícola son sensibles a las diferencias en las proyecciones climáticas de varios modelos climáticos, lo que a menudo se explica por patrones de precipitación distintos (Gornall et al., 2010). Por lo tanto, usamos proyecciones de 3 modelos climáticos diferentes para estimar la importancia de la incertidumbre en las proyecciones del cambio climático para las estimaciones de KC. Además, dado que las proyecciones de rendimiento pueden depender fuertemente de la efectividad de la fertilización con CO2 (Parry et al., 2004, Gornall et al., 2010) exploramos estas incertidumbres calculando todos los escenarios con y sin los efectos directos Del aumento de las concentraciones atmosféricas de CO2 en el crecimiento de las plantas. Para evaluar el papel de los cambios en la dieta con el aumento de los ingresos (por ejemplo, Popp et al., 2010), el KC se calcula utilizando las demandas actuales de alimentos específicas de cada país (según FAOSTAT), así como las demandas cambiantes de productos animales basadas en proyecciones futuras Del producto interno bruto (PIB) específico del país. El crecimiento de la población, los efectos del crecimiento económico sobre los estilos de vida y los impactos del cambio climático en los rendimientos serán muy diferentes en todo el mundo, especialmente entre los países desarrollados y en desarrollo (Parry et al., 2000, 2004). Para examinar las diferencias nacionales y regionales, también presentamos un posible cambio calórico de autoabastecimiento entre 2000 y 2100 para todos los países incluidos en este estudio.

 2. Métodos 

2.1. Modelo de vegetación global dinámico LPJmL

 LPJmL es un modelo de ecosistema basado en procesos que simula el crecimiento, la producción y la fenología de 9 funcionalidades vegetales (PFTs que representan la vegetación natural a nivel de biomas, Sitch et al. (Bondeau et al., 2007). La productividad de la planta se modela a través de la fotosíntesis a nivel de hoja que responde a la ruta fotosintética (C3 / C4), las condiciones climáticas, las concentraciones atmosféricas de CO2 y la conductancia de la copa (Farquhar et al., 1980, Collax et al., 1991, 1992, Haxeltine y Prentice , 1996), respiración autotrófica, fenología (Bondeau et al., 2007; Sitch et al., 2003) y la intensidad de la gestión. Las fechas de fenología y gestión (siembra y cosecha) de los diferentes tipos de cultivos se simulan dinámicamente basándose en parámetros específicos de los cultivos y en la experiencia climática del pasado, permitiendo la adaptación de las variedades y los períodos de cultivo al cambio climático (Waha et al. Los coeficientes técnicos para la representación de la intensidad de manejo y la eficiencia productiva en este estudio se basan en Fader et al. (2010). Asumimos un riego limitado limitado por el suministro de agua superficial (Rost et al., 2008). 

2.2. Ajustes y ejecuciones de LPJmL 

Para todas las ejecuciones de modelos se establecieron los patrones de uso de la tierra y especificación local de los niveles de gestión agrícola al año 2000 (Fader et al., 2010). Este enfoque mantiene la superficie agrícola y los niveles de gestión constantes e implica que KC depende únicamente de los impactos climáticos, la fertilización con CO2 y los cambios en la dieta. Los parámetros climáticos para LPJmL se obtuvieron a partir de 3 modelos de circulación general (GCM): CCSM3 (Collins et al., 2005, Centro Nacional de Investigación Atmosférica), Echam5 (Roeckner et al., 2003, Instituto Max-Planck de Meteorología) y HadCM3 (Gordon et al., 2000, Oficina Meteorológica del Reino Unido), que fueron elegidos por su capacidad para reproducir con precisión las temperaturas actuales y la precipitación. Los escenarios climáticos correspondieron al escenario de emisiones relativamente altas SRES A2 del IPCC (Nakicenovic et al., 2000), con temperaturas medias globales aumentando entre 4.6-4.9 ◦C por encima de los niveles preindustriales hasta el 2100. Para investigar un posible efecto de fertilización con CO2 , Cada ejecución del modelo LPJmL se realizó dos veces: una corrida con concentraciones crecientes de CO2 (según el escenario SRESA2) y otra con concentraciones fijas de CO2 del año 2000 (desactivando la fertilización adicional con CO2). LPJmL entregó una cantidad anual de calorías cosechadas para cada país en el período de estudio de 1990 a 2100 sumando las calorías producidas en las respectivas celdas. Los rendimientos de los cultivos se convirtieron en rendimientos calóricos como en Franck et al. (2010) después de Wirsenius (2000) y FAO (2001). 

2.3. Cálculos de la demanda calórica 

Para cada país i, se calculó la demanda calórica per cápita (Ci, kcal cap-1 d-1) según Ci = (1 - ai) Si + vaiSi (1) donde Si es el total específico del país El consumo calórico per cápita (kcal cap-1 d-1), ai es la proporción de productos de origen animal en el consumo calórico per cápita, yv es el factor de conversión de la transformación vegetal en calorías animales. Ci se expresa como calorías vegetales (derivadas de cultivos y pastos, ver sección 2.4), lo que explica las calorías vegetales consumidas tanto directa como indirectamente como carne y / o otros productos animales. Ci es siempre mayor que Si debido a las pérdidas de conversión relacionadas con la producción de carne. El factor de conversión v se fijó en 5, que es un promedio aproximado de una variedad de factores de conversión para carne de cerdo, ganado vacuno y aves de corral bajo diferentes tratamientos alimentarios (Smil, 2000), ponderada por la respectiva producción mundial de carne en 2000 (FAOSTAT, 2011b) . Cuando se fijó la demanda de alimentos a los niveles actuales, se fijó Ci al valor del año 2000. Cuando se suponía que la demanda de alimentos cambiaba, las proyecciones de Si y ai se derivaron de las proyecciones del PIB per cápita (Gi) Para 1990 a 2100 utilizando las siguientes relaciones log-lineales: Si = 729,2 + 587,8 ​​log10 (Gi) (2) ai = -0,255 + 0,132 log10 (Gi) (3) 

...