Modelo matemático explica dinámica de productividad de las cosechas de maíz

Un reciente estudio de dinámica poblacional sobre cultivos de maíz fue desarrollado por científicos del Consejo Superior de Investigaciones Científicas (CSIC) de España y Mauricio Lima del Centro de Ecología Aplicada (CAPES) UC.

Este estudio consta de un modelo matemático para explicar y predecir la dinámica de productividad de las cosechas de maíz. Esta investigación se basa en la comparación del rendimiento de cultivos de maíz con y sin riego, incorporando los efectos del cambio climático y la sequía.

El trabajo publicado en la revista PlosOne, tiene por título “Spatio-temporal dynamics of maize yield water constraints under climate change in Spain”. Consideró el análisis del crecimiento de cosechas de maíz de 24 provincias españolas.

Este modelo comprende datos de las cosechas en sistemas de irrigación y lluvia en el período 1996-2009, permitiendo inferir sobre las causas y los riesgos que limitan la producción de maíz en la Península Ibérica. Se ha podido identificar las provincias más vulnerables y por ende, cuáles conviene proteger.

El doctor Mauricio Lima, profesor titular de la Facultad de Ciencias Biológicas UC y coautor del estudio, mencionó la importancia de este tipo de estudios de Ecología Aplicada para la mejor gestión del agua, recurso limitante no sólo en España, sino también en Chile y dadas las similitudes climáticas entre ambos países que comparten un clima mediterráneo y un gradiente latitudinal en temperatura y precipitaciones. Por otra parte, las predicciones de cambio climático en las regiones donde se cultiva maíz en Chile y España son similares con incrementos de temperaturas mínimas y decrecimiento en las precipitaciones.

Abstract

Many studies have analyzed the impact of climate change on crop productivity, but comparing the performance of water management systems has rarely been explored. Because water supply and crop demand in agro-systems may be affected by global climate change in shaping the spatial patterns of agricultural production, we should evaluate how and where irrigation practices are effective in mitigating climate change effects. Here we have constructed simple, general models, based on biological mechanisms and a theoretical framework, which could be useful in explaining and predicting crop productivity dynamics. We have studied maize in irrigated and rain-fed systems at a provincial scale, from 1996 to 2009 in Spain, one of the most prominent “hot-spots” in future climate change projections. Our new approach allowed us to: (1) evaluate new structural properties such as the stability of crop yield dynamics, (2) detect nonlinear responses to climate change (thresholds and discontinuities), challenging the usual linear way of thinking, and (3) examine spatial patterns of yield losses due to water constraints and identify clusters of provinces that have been negatively affected by warming. We have reduced the uncertainty associated with climate change impacts on maize productivity by improving the understanding of the relative contributions of individual factors and providing a better spatial comprehension of the key processes. We have identified water stress and water management systems as being key causes of the yield gap, and detected vulnerable regions where efforts in research and policy should be prioritized in order to increase maize productivity.