Los análogos climáticos pueden catalizar cruces - Pastelería Maquinaria Group Co., Ltd

Scientific Reports volumen 13, Número de artículo: 9317 (2023) Citar este artículo

Detalles de métricas

La teoría de la comunicación sugiere que el diálogo interactivo en lugar de la transmisión de información es necesario para la acción contra el cambio climático, especialmente para sistemas complejos como la agricultura. Los análogos climáticos, ubicaciones cuyo clima actual es similar al clima futuro de una ubicación objetivo, han ganado interés recientemente por transmitir información más identificable; sin embargo, tienen un potencial inexplorado para facilitar diálogos significativos y si la forma en que se desarrollan los análogos podría marcar la diferencia. Desarrollamos análogos específicos del contexto climático basados en métricas climáticas relevantes para la agricultura para la producción de cultivos especiales de EE. UU. y exploramos su potencial para facilitar diálogos sobre opciones de adaptación climática. Más del 80 % de los condados de cultivos especializados de EE. UU. tenían análogos aceptables de EE. UU. para mediados del siglo XXI, especialmente en el oeste y el noreste, que tenían mayores similitudes en los cultivos producidos a través de pares de análogos objetivo. Los condados occidentales generalmente tenían análogos al sur, y los de otras regiones los tenían al oeste. Un diálogo piloto de pares objetivo-análogo se mostró prometedor en la obtención de conocimientos prácticos de adaptación, lo que indica el valor potencial de incorporar diálogos impulsados por análogos de manera más amplia en la comunicación sobre el cambio climático.

Los impactos potenciales del cambio climático en diversas áreas como la producción de alimentos, los recursos naturales y la biodiversidad han sido bien establecidos. Sin embargo, la sociedad sigue sin actuar1. Una forma de abordar esta falla es presentar información más identificable basada en experiencias pasadas2, y los análogos del cambio climático han atraído la atención recientemente como una herramienta de comunicación pertinente3. El enfoque analógico toma las variables climáticas futuras de una ubicación "objetivo" y utiliza métodos estadísticos de distancia4 para identificar ubicaciones "análogas" cuyas condiciones climáticas actuales se asemejan al futuro proyectado de la ubicación objetivo. Así, estos emparejamientos pueden traducir las expectativas de un futuro desconocido en experiencias conocidas y comparables de los compañeros. Se han llevado a cabo caracterizaciones de análogos para el contexto urbano3, el contexto agrícola5,6 y el contexto ecológico general4,7 utilizando variables climáticas sin procesar, como la temperatura estacional y la precipitación. Aunque comunicar información más relevante es un paso en la dirección correcta, la teoría de la comunicación enfatiza que la transmisión8 de mejor información no resulta en acción por sí sola9, lo que requiere un cambio de una simple presentación de datos a un diálogo interactivo10,11. Los análogos pueden ser la base para los diálogos facilitados sobre la adaptación climática. Sin embargo, su potencial en este aspecto está actualmente poco explorado y sin explotar, y probablemente dependerá de la aplicación y de cómo se cuantifiquen los análogos.

Nuestro objetivo es desarrollar análogos de cambio climático aceptables y relevantes, utilizando la producción de cultivos especiales de EE. UU. a mediados del siglo XXI como estudio de caso. También exploramos la probable utilidad de los análogos para facilitar diálogos emparejados de análogos de destino que podrían conducir a conocimientos de adaptación procesables. Los cultivos especiales se definen legalmente en los EE. UU. como frutas, verduras, frutos secos, frutos secos y otros cultivos hortícolas y de vivero12,13. Dentro de esta amplia categoría, nos enfocamos en frutas, verduras y frutos secos, que abarcan la mayoría (> 90 %) de la superficie de producción. Los cultivos especiales están altamente concentrados en California, un estado que es cada vez más vulnerable a la sequía y al estrés por calor, pero generan un valor considerable en la explotación agrícola en varios otros estados (Tabla 1). Estos cultivos son un caso de estudio útil por múltiples razones. En primer lugar, están poco estudiados en relación con el cambio climático en comparación con los cultivos de cereales como el maíz y la soja14,15,16. En segundo lugar, tienen un mayor impacto económico local por acre que los granos, debido a su conjunto más complejo de actividades de cosecha, empaque y procesamiento17. En tercer lugar, desde la perspectiva de la adaptación al cambio climático, los cultivos especiales son un desafío debido al horizonte de inversión a largo plazo (para cultivos perennes), la maquinaria de producción especializada en comparación con los cultivos de granos18 y las grandes inversiones de capital y mano de obra en producción y procesamiento. En términos más generales, los impactos del cambio climático en la agricultura tienen muchos matices y van más allá de los impactos comúnmente explorados en el rendimiento de los cultivos16,19 o el valor de la tierra (es decir, análisis ricardiano)20. Las múltiples dimensiones afectadas por el clima, como plagas, enfermedades, diferencias varietales y exposición a condiciones climáticas extremas, que han recibido una atención limitada, también son críticas, y un diálogo interactivo entre una red de expertos en cultivos especiales puede ayudar a navegar las complejidades de identificar información práctica.

Simulamos análogos para el clima futuro de 680 condados de cultivos especiales de EE. UU. que constituyen el 99 % del área de producción de cultivos especiales (Fig. 1). El grupo de condados para análogos potenciales incluye los 3001 condados en los 48 estados contiguos de la parte inferior de los EE. UU. Nos enfocamos en un marco de tiempo de mediados del siglo XXI (2040–2070), ya que se alinea bien con el horizonte de planificación e inversión de los productores de cultivos de especialidad y está lo suficientemente lejos en el futuro para que el clima sea diferente del actual (1990–2020). ) condiciones. Se consideraron diecinueve modelos de circulación general (GCM), cada uno bajo dos escenarios de gases de efecto invernadero: vía de concentración representativa (RCP) 4.5 y 8.5. Las variables climáticas futuras en cada condado de cultivo de especialidad se compararon con las variables climáticas actuales de todos los condados de EE. UU. para calcular una métrica de distancia de disimilitud. Usamos la métrica de disimilitud sigma4, ya que nos permitió definir un umbral de distancia interpretable para identificar un conjunto de análogos "aceptables", en lugar de solo el análogo más cercano, que puede o no ser lo suficientemente similar para un diálogo significativo.

Todos los condados productores de cultivos especiales en los EE. UU. colindantes y el subconjunto de 680 condados que representan el 99 % del área de producción.

Más allá de ser un análogo estadísticamente aceptable, seleccionar variables relevantes para el contexto del diálogo y garantizar la similitud en los sistemas de producción del par objetivo-analógico puede afectar la capacidad de los análogos para facilitar un diálogo significativo; así que exploramos estos aspectos. Primero calculamos el conjunto de análogos aceptables de los condados de EE. UU. para cada condado de cultivos especiales en función de las variables relevantes para la producción de cultivos derivadas del clima (específicas del contexto) y los comparamos con los análogos basados en las variables de temperatura y precipitación estacionales (genéricas). Algunos productos de datos analógicos genéricos están disponibles, y esta comparación nos permitió determinar si los dos enfoques identifican ubicaciones similares como análogos o si generar análogos específicos del contexto ayuda a identificar pares objetivo-analógico más relevantes. Luego, cuantificamos qué fracción de los condados de cultivos de especialidad carecen de análogos aceptables o tienen análogos aceptables solo en condados de cultivos que no son de especialidad. Esto es importante porque el diálogo y el intercambio de información relevante probablemente serían difíciles, si no improductivos, a menos que ocurran entre personas familiarizadas con sistemas de producción similares. Además, utilizamos las estadísticas del Censo de Agricultura del USDA de 2017 para evaluar las similitudes en los cultivos especiales cultivados en los condados objetivo y análogos para obtener una idea de si los diálogos pueden enfocarse en información para administrar el mismo cultivo en un entorno diferente o si lo harían. se relacionan principalmente con las oportunidades para introducir nuevos cultivos.

Finalmente, pusimos a prueba un diálogo de este tipo, convocando a profesionales de extensión y divulgación, incluso del Sistema de Extensión Cooperativa (CES) de EE. UU., de condados objetivo en el sureste de EE. UU. y sus pares analógicos. El CES es una red existente operada a través de universidades Land-Grant. Incluye profesionales de cultivos de especialidad que trabajan directamente con productores de varias escalas para brindar conocimiento sobre las necesidades y las condiciones cambiantes que enfrenta la cadena de suministro de cultivos de especialidad y, por lo tanto, están bien preparados para participar y ampliar el alcance de estos diálogos interactivos. Otros profesionales también contribuyen a traducir y difundir los avances a los productores, incluidos los distritos de conservación, las agencias gubernamentales, los consultores del sector privado y las organizaciones no gubernamentales. Nuestro análisis se realizó a escala de condado, coincidiendo con la red CES. Estos profesionales, en particular los del CES, han utilizado durante mucho tiempo diálogos dentro y entre regiones para facilitar la adopción de nuevas tecnologías y prácticas agrícolas, aunque no estamos al tanto de diálogos interregionales en un contexto de cambio climático.

La literatura publicada sobre análogos climáticos es incipiente y se ha centrado principalmente en variables genéricas de temperatura estacional y precipitación (p. ej., 3, 5, 6, 7). Asumir una aplicabilidad amplia de estos análogos genéricos puede no ser apropiado para aplicaciones agrícolas (y otras), dadas (a) traducciones no lineales de variables de temperatura y precipitación estacionales a métricas relevantes para un contexto específico (por ejemplo, grados día de crecimiento calculados a partir de temperaturas como un métrica del crecimiento de las plantas) y (b) diferentes pesos relativos para las categorías de variables de entrada. Para nuestro estudio de caso, exploramos el efecto de usar variables de entrada específicas del contexto. Es decir, preguntamos si el uso de variables crudas genéricas versus variables relevantes para la producción de cultivos derivadas de ellas (grados día de crecimiento, estrés por calor, duración de la temporada, acumulación de frío y uniformidad de la precipitación) daría como resultado el mismo conjunto de condados como análogos. Si bien no esperábamos que la lista de condados análogos genéricos y específicos del contexto aceptables coincidiera exactamente, sorprendentemente, la mayoría de los 680 condados de cultivos especiales de EE. condados análogos (0% de superposición) entre los dos enfoques (Fig. 2). La sensibilidad del análogo seleccionado a las variables de entrada (a) enfatiza que la identificación de los análogos en función de las variables específicas del contexto es probablemente fundamental para tener pares de análogos objetivo que puedan resultar en un diálogo efectivo, y (b) nos permite personalizar los análogos para diferentes diálogos. En el futuro, encontrar el equilibrio adecuado entre la especificidad del contexto es un desafío que la comunidad debe abordar a través de evaluaciones formales de diálogos interactivos. El resto de nuestro estudio de caso piloto da un primer paso para explorar si estos análogos específicos del contexto en particular son útiles para fomentar un diálogo significativo sobre la adaptación climática en cultivos especiales.

Similitud entre el conjunto analógico identificado mediante variables de entrada genéricas frente a las específicas del contexto. Cada uno de los 680 condados de cultivos especiales está coloreado según la fracción de condados análogos que eran comunes a ambos métodos. La similitud varía de 0,00 cuando los condados analógicos aceptables identificados con estos dos conjuntos de variables de entrada son completamente diferentes, a 1,00 cuando los condados analógicos aceptables son exactamente los mismos en ambos casos. Los conjuntos analógicos se crearon utilizando 19 GCM bajo RCP 8.5 (a) y RCP 4.5 (b).

Descubrimos que la mayoría de los condados de cultivos de especialidad de EE. UU. (80 % para RCP 8.5 y 84 % para RCP 4.5) tienen algunos análogos aceptables en otros condados de cultivos de especialidad (Fig. 3). Esto indica que la producción de cultivos de especialidad de EE. UU. es probablemente un excelente estudio de caso con potencial para facilitar diálogos que pueden inspirar cambios y ayudar a sostener la producción futura y los medios de subsistencia relacionados. Existen diferencias regionales, ya que el Medio Oeste y las Planicies del Norte tienen una fracción más baja de condados de cultivos especiales con análogos aceptables en otros condados de cultivos especiales (Fig. 3). Sin embargo, estas dos regiones representan <10% del área nacional de producción de cultivos de especialidad21. El suroeste es una importante región de producción de cultivos de especialidad que tenía un puñado de condados objetivo sin análogos aceptables en los EE. UU. (6 % para RCP 8.5 y 2 % para RCP 4.5) (Fig. 3). De hecho, sus valores de disimilitud sigma fueron lo suficientemente altos como para considerarlos climas novedosos que no se han observado en los EE. UU.

Existencia de condados análogos con producción de cultivos de especialidad. Cada uno de los 680 condados de cultivos de especialidad está coloreado en función de si tienen (1) al menos un análogo aceptable en otro condado de cultivos de especialidad (sombreado gris), (2) análogos aceptables solo en condados que no son de cultivos de especialidad (sombreado blanco), y (3) no hay análogos aceptables dentro de los EE. UU. (sombreado rojo). Cada región de los EE. UU. está anotada con dos números: el porcentaje de condados de cultivos especiales en esa región con análogos en otros condados de cultivos especiales (número superior) y el porcentaje sin análogos aceptables (número inferior). Los conjuntos analógicos se crearon utilizando 19 GCM bajo RCP 8.5 (a) y RCP 4.5 (b).

Existe una amplia diversidad de cultivos especiales, por lo que las conversaciones entre pares de objetivos y análogos pueden ser sobre cómo manejar el mismo cultivo para un clima futuro diferente (si se cultivan cultivos similares) u oportunidades para diversificarse hacia nuevos cultivos. Comparando la lista de cultivos especiales cultivados (mezcla de cultivos) que son comunes tanto al objetivo como al análogo en cada par, calculando la fracción de cultivos que son comunes (fracción de coincidencia) en cada par y filtrando la fracción de coincidencia máxima para cada objetivo condado (un objetivo puede tener múltiples análogos aceptables), encontramos que al menos el 20 % de la combinación de cultivos especiales es común para la mayoría de los pares de análogos objetivo (93 % de los condados bajo RCP 8.5 y 97 % bajo RCP 4.5). Incluso con el objetivo de que coincida el 40 % de los cultivos especiales, tenemos un 63 % de condados con RCP 8.5 y un 73 % con RCP 4.5 (Fig. 4). La fracción de coincidencia de cultivos de especialidad es alta en el oeste y el noreste de los EE. UU., donde este umbral de coincidencia del 40 % se alcanza en el 85 % de los pares de análogos objetivo en RCP 8.5 y en el 86 % en RCP 4.5. Incluso una coincidencia de hasta el 60 % se cumple con el 30 % de los pares de análogos de destino en estas regiones con RCP 8.5 y con el 46 % con RCP 4.5. Esto indica un mayor potencial para diálogos fructíferos sobre los cambios en las prácticas de manejo de los cultivos existentes en estas regiones en comparación con las llanuras del sur y el suroeste de los EE. UU., donde es más probable que haya ideas sobre oportunidades para diversificar la combinación de cultivos. Este análisis se realizó en base a 556 de los 680 condados objetivo que tenían una lista completa de cultivos.

Fracción máxima de coincidencia de cultivo de especialidad para cada objetivo. Esto se obtiene comparando la combinación de cultivos especiales en cada par objetivo y análogo aceptable para calcular una fracción de coincidencia de cultivos (la fracción de todos los cultivos en la combinación de cultivos que ocurren en los condados objetivo y análogo), y luego tomando la fracción de coincidencia máxima para cada condado objetivo. Los conjuntos analógicos se crearon utilizando 19 GCM para RCP 8.5 (a) y RCP 4.5 (b).

Los análogos aceptables para los condados del oeste de EE. UU. generalmente tienen análogos más al sur (Fig. 5). Los condados de cultivos de especialidad del medio oeste, noreste y sureste de los EE. UU. generalmente tienen análogos en la dirección oeste, a veces a una gran distancia geográfica. Por ejemplo, el condado de Montcalm en Michigan tiene análogos aceptables en partes del sureste de Washington. Un condado objetivo puede tener varios análogos aceptables porque varios condados pueden tener condiciones históricas similares y también porque usamos 19 GCM para capturar la incertidumbre del modelo, lo que da como resultado diferentes análogos aceptables. Los resultados son generalmente similares en los RCP 4.5 y 8.5, excepto para los objetivos en el noreste. Aquí se muestra un subconjunto de condados para mayor claridad visual. Una herramienta web interactiva que proporciona la lista de análogos y la combinación de cultivos para los 680 condados objetivo está disponible en https://agclimatechangetools.cahnrs.wsu.edu/ para uso público.

Distribución espacial de todos los análogos aceptables para los condados seleccionados de cultivos de especialidad de mayor producción para mediados de siglo (2040-2070) según 19 GCM para RCP 8.5 (a) y RCP 4.5 (b). Los pares de análogos de destino están sombreados en un color similar con el condado de destino anotado con el nombre y con un tamaño de círculo más grande.

Probamos un proceso de dos fases para explorar la utilidad de los análogos en la facilitación de diálogos emparejados de análogos de destino que podrían conducir a conocimientos de adaptación procesables. Primero, en enero de 2022 organizamos un seminario web de orientación de alcance nacional para profesionales de extensión en el que (a) describimos el enfoque analógico y compartimos nuestros resultados analógicos y (b) presentamos nuestro interés en facilitar diálogos emparejados de objetivo-analógico para explorar los tipos de discusión y reflexiones que puedan surgir. Estos profesionales de extensión fueron invitados a través de un esfuerzo publicitario de la red nacional CES dirigido a los estados donde el análisis había identificado análogos aceptables (Washington, Oregón, California, Wisconsin, Minnesota, Michigan, Nueva York, Maine, Carolina del Norte, Carolina del Sur, Texas, Florida y Georgia). En algunos casos, también enviamos invitaciones a personas específicas, según las recomendaciones de los administradores estatales de CES y los miembros del equipo. El seminario web de orientación (ofrecido dos veces) incluyó a 95 participantes de 29 estados con condados de cultivos especiales (así como a algunos participantes con un enfoque nacional). Durante la discusión del seminario web, varios participantes expresaron su interés en explorar discusiones emparejadas de análogos de objetivos y se invitó a los participantes de un par de análogos de objetivos a continuar con la segunda fase del piloto que involucró diálogos.

Esta segunda fase se centró en un taller virtual de grupos pequeños en marzo de 2022. El taller se centró en las regiones del sureste y las llanuras del sur e involucró a nueve profesionales de extensión de cultivos especializados de los condados objetivo en Florida (FL), Georgia (GA) y Carolina del Sur. (SC) y profesionales similares en sus condados análogos en el este de Texas (TX) (cian, fucsia y marrón en la Fig. 5). Nos enfocamos en estos estados porque tenían pares analógicos aceptables (según nuestro análisis) y tuvieron una fuerte participación de profesionales de extensión durante el seminario web de orientación. Los participantes en la segunda fase incluyeron aquellos que expresaron interés en el seminario web de orientación y otros recomendados por ellos. Durante el taller, utilizamos las siguientes preguntas guía para fomentar las discusiones entre los profesionales de extensión que trabajan en los condados objetivo y análogos: (1) ¿cómo está afectando el cambio climático la producción de cultivos de especialidad en los condados donde trabaja? y (2) ¿qué problemas y prácticas de producción en estas regiones confieren resiliencia a los impactos del cambio climático? En la parte final del taller, también preguntamos a los participantes sobre sus perspectivas sobre la utilidad de los pares de análogos climáticos como mecanismo para identificar y fomentar conexiones que conduzcan a un diálogo sobre posibles alternativas de adaptación.

Durante las discusiones del taller, surgieron tres cultivos especiales como enfoque: duraznos (FL, GA, TX, SC), arándanos (GA, SC, TX) y verduras de hoja verde (GA, SC, TX). El equipo registró notas de la discusión y las interpretó colectivamente, lo que dio como resultado una lista de cuatro categorías de ideas potencialmente procesables (Tabla 2). Tres categorías reflejaron tipos de acciones que los cultivadores u otras entidades (p. ej., mejoradores) podrían tomar para fomentar la adaptación. El cuarto reflejó una transformación en los sistemas productivos (categoría nuevas oportunidades y potenciales desafíos asociados en la Tabla 2). La información en la Tabla 2 luego se compartió con los participantes para confirmar la precisión. Si bien aún no sabemos si estos conocimientos conducirán a la acción en los condados objetivo, brindan ejemplos interesantes de lo que puede resultar de dichos diálogos y señalan la utilidad de expandirse más allá del piloto y formalizar un proceso para iniciar tales diálogos.

La teoría de la comunicación señala la importancia del diálogo, la coproducción y la información localmente relevante para traducir el conocimiento científico en acción22,23,24,25,26. Si bien es intuitivo y fundamental organizar discusiones con una variedad de partes interesadas dentro de una región que es la base histórica de los sistemas de extensión27, los análogos climáticos parecen ser una herramienta útil para guiar el emparejamiento con expertos en otras regiones que pueden traducir las incógnitas en información previa. experiencias y juegan un papel complementario importante en un diálogo de intercambio de conocimientos. Aunque los pares objetivo-análogo en la región Sudeste producen cultivos de especialidad menos similares en comparación con otras regiones (Fig. 4), los cultivos de especialidad que surgieron como el foco de discusión y las ideas que surgieron (Tabla 2) sugieren que los análogos pueden ser un mecanismo para identificar y fomentar conexiones continuas entre regiones dispares. Se ha demostrado que los diálogos dentro de las redes sociales establecidas son un factor clave en la adopción de la innovación, incluso en torno a la adaptación climática27,28. Nuestro piloto sugiere que existe la oportunidad de permitir el intercambio de información procesable en una muestra más grande de regiones. Estos diálogos emparejados podrían conducir al establecimiento de redes sociales nuevas y efectivas a través de un conjunto más grande de emparejamientos geográficos de los que se podrían buscar de otro modo. La formalización de la estructura del diálogo y la evaluación del contenido del diálogo serían fundamentales para expandirse más allá de la prueba de concepto piloto considerada en este estudio.

Para el caso de los cultivos de especialidad, dos aspectos hacen que los análogos sean prometedores: la alta proporción de condados de cultivos de especialidad con análogos aceptables y la similitud de la combinación de cultivos entre los pares objetivo-análogo. Esto es especialmente notable para las regiones separadas geográficamente, como el oeste y el noreste de los EE. UU., lo que señala la necesidad de un enfoque proactivo para desarrollar las oportunidades de creación de redes que son un elemento fundamental de un diálogo de adaptación. Esto es particularmente importante para los cultivos especiales, ya que contrastan con los principales granos (maíz, trigo y soja) que normalmente tienen regiones de producción contiguas y que son el foco de muchos de los artículos de investigación destacados sobre la adaptación al cambio climático (por ejemplo, Burke et al.15, Schlenker et al.16). Nuestro proceso piloto mostró una promesa temprana para el enfoque de diálogo entre pares para fomentar el intercambio de información orientada a la acción entre expertos en cultivos. Los nuevos pares objetivo-análogo específicos del contexto desarrollados en este estudio pueden formar la base para facilitar las discusiones y expandir la red para participar en el diálogo, lo que en última instancia podría contribuir a la adaptación exitosa de estos importantes sistemas de producción de cultivos a los desafíos del cambio climático.

Los cálculos analógicos en este estudio no tuvieron en cuenta algunos factores ambientales importantes que afectan la producción, como las características del suelo y la disponibilidad continua de agua de riego (ambos se plantearon durante el diálogo piloto). Sin embargo, la fuerza de un formato de diálogo interactivo es que puede permitir la integración de estas consideraciones locales únicas en las conversaciones, así como las deliberaciones sobre las diferencias y las estrategias de gestión alternativas. Además, nuestros métodos de cálculo analógico se basaron en trabajos anteriores4 que calculan distancias en función de variables climáticas medias teniendo en cuenta el rango histórico. Una posible mejora futura de este enfoque sería emplear metodologías que calculen distancias a lo largo de toda la distribución de las variables climáticas o incluir un análisis de series temporales que aborde la estructura temporal de las olas de calor y los eventos de precipitación. Incluso con el enfoque actual, las distribuciones de variables entre pares de destino-análogo se pueden comparar ex-post, y las diferencias en la distribución se pueden resaltar como puntos de discusión para el diálogo según sea necesario.

Si bien este documento se enfoca únicamente en cultivos especiales en los EE. UU., los análogos climáticos pueden ser relevantes en otros sistemas agrícolas en todo el mundo para ayudar a facilitar los intercambios de información que pueden catalizar la acción y la adaptación al cambio climático. Los análogos climáticos que incorporan el conocimiento local sobre los umbrales y las no linealidades relacionadas con el clima, la productividad y la rentabilidad podrían desempeñar un papel importante al proporcionar evidencia científica clave para la optimización económica que informa inversiones de alto valor, como la planificación de nuevas plantaciones de cultivos perennes que a menudo superan los 50.000 USD/ha. Además, este concepto se puede utilizar para ir más allá de la producción de cultivos y abordar las necesidades en toda la cadena de suministro agrícola, como la planificación y ubicación de las instalaciones de almacenamiento, las instalaciones de procesamiento de alimentos y los centros de transporte que requerirían una inversión adicional para adaptarse a las nuevas necesidades. cultivos. También hay una variedad de factores socioeconómicos que afectan los sistemas de cultivo que potencialmente podrían estar informados por el concepto análogo, como las necesidades laborales, las políticas federales y los programas gubernamentales, como el seguro de cosechas, la asistencia en caso de desastres o los programas de conservación que impactan e influyen en las decisiones de los productores. Toma de decisiones.

Mientras se extiende el concepto analógico a múltiples aplicaciones, el éxito probablemente depende de la identificación de análogos aceptables con métricas específicas del contexto derivadas de variables climáticas porque el conjunto analógico puede ser bastante diferente del que se basa en variables genéricas estacionales y de temperatura, como se demostró en nuestro estudio de caso. . La red emparejada objetivo-análogo puede crear los peldaños iniciales en un diálogo colaborativo continuo que, en última instancia, traduce la ciencia en acción. Esto es especialmente importante en aplicaciones que involucran tierras de trabajo donde los impactos del cambio climático son complejos y los modelos de comunicación efectivos para traducir la ciencia en acción requieren un diálogo interactivo en lugar de una simple transmisión de información.

Los datos históricos se basaron en el producto de datos gridMET29 disponible a una resolución espacial de 1/24 de grado (~ 4 km) para los 48 estados contiguos de la parte inferior de los EE. UU. desde 1979 hasta el presente, siendo nuestro período de análisis para las condiciones "actuales" 1990-2020. Las proyecciones futuras se basaron en 19 GCM que formaban parte del Proyecto de intercomparación de modelos acoplados (CMIP 5) y se corrigieron por sesgo y se redujeron a una resolución de 1/24 de grado según la metodología del análogo construido adaptativo multivariable modificado (MACA)30. Estos modelos incluyen BCC-CSM-1, BCC-CSM-1.1-m, BNU-ESM, CanESM2, CCSM4, CNRM-CM5, CSIRO-Mk3-6-0, GFDL-ESM2G, GFDL-ESM2M, HadGEM2-CC365, HadGEM2 -ES365, INMCM4, IPSL-CM5A-LR, IPSL-CM5A-MR, IPSL-CM5B-LR, MIROC5, MIROC-ESM, MIROC-ESM-CHEM y MRI-CGCM3. Se utilizaron datos para el período 2040–2070 para los RCP 4.5 y 8.5. RCP 8.5 se encuentra en el percentil 90 de los escenarios sin política climática con proyecciones de aumento de temperatura relativamente más altas. RCP 4.5 asume la mitigación de las emisiones de gases de efecto invernadero con aumentos de temperatura relativamente más bajos, aunque estas diferencias son más prominentes después de nuestro marco de tiempo de análisis de mediados de siglo. En este estudio se utilizaron variables de temperatura y precipitación máximas y mínimas diarias. Los datos de resolución de 1/24 de grado se volvieron a cuadricular por interpolación lineal a una resolución de 1/16 de grado para la eficiencia computacional.

Elegimos las variables específicas del contexto (relevantes para la producción de cultivos de especialidad) que representan procesos clave biológicamente importantes que afectan la producción en todas las estaciones del año. Los grados día de crecimiento (GDD) predicen el crecimiento y desarrollo de las plantas y son una función de la acumulación de unidades de calor entre los umbrales de temperatura base y superior específicos del cultivo. Se calcula como se describe en Miller et al.31. Una unidad de grados día de crecimiento es indicativa de exposición a 1 °C entre los umbrales de 1 día. Para nuestro estudio, asumimos la temperatura base de 0 °C (32 °F) y un umbral superior de 29,44 °C (85 °F) y calculamos la acumulación anual de GDD. Este valor de corte/umbral se aplica genéricamente a múltiples cultivos de especialidad. La duración de la temporada libre de heladas dicta qué cultivos y variedades pueden crecer y cuándo. Tanto el GDD como la duración de la estación libre de heladas son indicadores ampliamente utilizados en los estudios de respuesta del rendimiento de los cultivos (p. ej., Kukal e Irmak32). Además, el estrés por calor, especialmente durante los meses de verano, puede afectar la producción de cultivos33. Usamos grados de calor por hora, que incorpora tanto el tiempo como la intensidad de la exposición a temperaturas dañinas por encima de cierto umbral, como una medida del estrés por calor. Un grado hora de calor equivale a la exposición a temperaturas 1 °C por encima del umbral durante 1 h. Utilizamos un umbral de temperatura por hora de 32 °C (89,6 °F). Estimamos las temperaturas por hora a partir de las temperaturas máximas y mínimas diarias utilizando una desagregación de curva sinusoidal34 y calculamos los grados-hora de calor a partir de estos datos por hora. Para los sistemas de cultivo perenne, la dinámica invernal es importante y utilizamos la acumulación de horas de frío como una métrica representativa. Es una medida del número de horas de exposición a temperaturas entre 0 °C (32 °F) y 7,22 °C (45 °F)35. Esto se calcula para la temporada entre el 1 de octubre del año anterior y el 31 de marzo del año en curso, tal como se implementó en el paquete chillR36. La falta de suficiente acumulación de frío puede conducir a una floración no uniforme, a la abscisión de las flores y a un cuajado reducido de frutos, lo que tiene como resultado impactos negativos en la producción37. Finalmente, nos interesó una métrica que capture las diferencias en los patrones de precipitación entre el oeste (precipitación invernal con veranos secos) y el este (precipitación generalmente uniforme durante todo el año con condiciones húmedas) de EE. UU. Si bien tener múltiples variables de precipitación mensual es una opción, como señalan Williams et al.38, tener un número limitado de variables es importante para los cálculos métricos de distancia. Por lo tanto, de acuerdo con el enfoque adoptado por la clasificación climática de Koppen ampliamente utilizada39, utilizamos la diferencia de precipitación entre los meses más húmedos y secos como nuestra métrica. Esta métrica también está correlacionada con las diferencias relativas en la humedad durante la temporada de crecimiento (como se desprende de las clases climáticas de Koppen), lo que se traduce en diferencias importantes en las presiones de plagas y enfermedades en los sistemas de cultivo40.

La agregación temporal se resume en la Tabla 3. Los cálculos análogos del clima requieren tres conjuntos de datos de variables climáticas (a) clima normal actual: media de 30 años entre 1990 y 2020 (b) clima normal futuro proyectado: media de 30 años entre 2040 y 2070 y (c) observaciones históricas anuales entre 1990 y 2020 para calcular la variabilidad climática interanual. El conjunto de datos gridMET29 se utilizó para calcular tanto (a) como (c).

Los datos climáticos se agregaron solo para las cuadrículas agrícolas dentro de un condado. Estas cuadrículas se identificaron en función de la capa de datos de tierras de cultivo (CDL) NASS del USDA de 202041, que es un conjunto de datos georreferenciados anual del uso de tierras de cultivo que se crea a partir del análisis de imágenes satelitales y se proporciona con una resolución de 30 m. Eliminamos los códigos de categorización de uso de suelo no agrícola (81, 82, 83, 87, 88, 92, 111, 112, 121–124, 131, 141–143, 152, 190, 195) del conjunto de datos CDL para aislar píxeles Luego, los datos se escalaron a la resolución de la entrada de datos climáticos (1/16 de grado), codificando una cuadrícula de datos climáticos como agrícola si al menos 1/8 del área de la cuadrícula comprendía píxeles CDL agrícolas.

El Censo de Agricultura del Servicio Nacional de Estadísticas Agrícolas (NASS) del USDA de 2017 (NASS Census)21 proporciona múltiples características de producción agrícola a nivel de condado, incluida la lista de cultivos producidos y el área de producción y el valor de mercado de cada cultivo. Se accedió a los datos del censo NASS a través de la herramienta de consulta de datos del censo21 con los números de tabla 29, 31 y 32 correspondientes a verduras, frutas y nueces de árboles y bayas, respectivamente. Usando las estadísticas totales agregadas para estos grupos de cultivos, codificamos los 3001 condados en los 48 condados contiguos de la parte inferior de los EE. UU. como condados de cultivos de especialidad o sin cultivos de especialidad. De los 1713 condados que se codificaron como condados de cultivos especiales, subdividimos 680 condados que constituían el 99 % de la superficie cultivada de cultivos especiales para un análisis más detallado (Fig. 1). Creamos un conjunto exhaustivo de (a) todos los cultivos cultivados en el condado (mezcla de cultivos) y (b) todos los cultivos especializados de enfoque, de las categorías de frutas, verduras y nueces, en cada condado (mezcla de cultivos especiales). Debido a problemas de divulgación y falta de datos, pudimos crear una lista completa de cultivos solo para 556 de los 680 condados.

Se realizaron dos conjuntos de cálculos analógicos. El primero es un análogo genérico basado en la temperatura y la precipitación. El segundo es un análogo específico del contexto basado en variables derivadas: grados día de crecimiento anual, duración de la temporada libre de heladas, grados hora de calor de verano, horas de frío y la diferencia de precipitación entre los meses más húmedos y más secos.

Los análogos se calcularon siguiendo el enfoque de Mahony et al.4 que (a) adapta la distancia euclidiana estandarizada a una distancia de Mahalanobis con variables escaladas por su variabilidad interanual y (b) interpreta las distancias como percentiles de disimilitud sigma en una distribución chi. Las ventajas de este enfoque son que aborda los problemas que surgen de los valores de las variables que tienen diferentes escalas y la inflación de la varianza que surge de las correlaciones entre variables. Además, aborda el impacto de la dimensionalidad en los cálculos de distancia, lo que dificulta la capacidad de comparar distancias, traduciendo las distancias en un espacio de distribución de chi. La única distinción en nuestro enfoque fue que calculamos la variabilidad interanual de las variables climáticas a partir del producto de datos cuadriculados a partir de los cuales se calcularon las normales climáticas en lugar de comparar las cuadrículas con los datos de la estación meteorológica más cercana. La disimilitud Sigma se calculó para 680 condados de cultivos especiales comparando el clima futuro de cada uno de estos condados con los climas históricos de los 3001 condados en los EE. UU. contiguos para 19 GCM.

Una disimilitud sigma de dos (2σ) representa el percentil 95 de la distribución chi, mientras que 4σ representa el percentil 99,994. Los condados con una distancia de disimilitud sigma ≤ 2σ se consideran análogos aceptables, mientras que aquellos con una distancia de disimilitud sigma ≥ 4σ se consideran climas nuevos. Para cualquier condado objetivo, los análogos aceptables pueden ser condados de cultivos de especialidad o condados de cultivos que no son de especialidad y hacemos una distinción entre los dos. El conjunto de análogos aceptables para cada condado objetivo se identifica primero para cada GCM. Luego, para crear un conjunto general de análogos aceptables en todos los GCM, filtramos solo los condados que resultaron como un análogo aceptable en al menos cinco GCM (lo que equivale a análogos comunes en > 25 % de los GCM). Si bien el umbral es arbitrario, el propósito era restringir el conjunto analógico aceptable a los condados comunes en varios modelos en lugar de atípicos. Realizamos un análisis de sensibilidad en el umbral (para valores de 3, 5, 7 y 10 GCM). El porcentaje estimado de condados de cultivos de especialidad con análogos en otros condados de cultivos de especialidad no varió en más del 10 % con los diferentes umbrales, ni el umbral afectó la interpretación de los resultados.

Las entradas meteorológicas y derivadas primero se agregaron temporalmente a un paso de tiempo mensual para cada cuadrícula y luego se agregaron espacialmente para cada uno de los 3001 condados en los 48 estados contiguos de los EE. UU. Promediando todas las cuadrículas agrícolas en cada condado. Luego, 680 de 1713 condados con alguna producción de cultivos especiales fueron seleccionados como condados objetivo para los cálculos analógicos. Esto se hizo clasificando los condados por área de producción de cultivos de especialidad y seleccionando los principales condados que representaban el 99 % de la superficie cultivada. Las estadísticas de distancia de disimilitud Sigma se calcularon para cada uno de los 680 condados objetivo para 19 GCM en los escenarios RCP 4.5 y 8.5. Esto se hizo calculando la distancia entre cada realización futura de mediados del siglo XXI para el condado objetivo y el clima histórico de cada uno de los 3001 condados de EE. UU. para un total de 77,5 millones de comparaciones (680 condados objetivo × 19 GCM × 2 RCP × 3001 condados). Las estadísticas de distancia se usaron para filtrar los análogos aceptables para cada combinación condado-GCM-RCP, de modo que la métrica de disimilitud sigma sea ≤ 2σ. Luego, se finalizó el conjunto de análogos aceptables para cada combinación de condado-RCP filtrando los análogos aceptables que son comunes en al menos cinco GCM, como se indicó en la sección anterior.

Los análogos aceptables se calcularon para dos conjuntos de variables (genéricas y específicas del contexto) y la fracción de coincidencia se calculó como la proporción del número de análogos aceptables únicos comunes y el número total de análogos aceptables únicos en la unión de análogos aceptables de ambos conjuntos. de variables El conjunto de análogos aceptables se agrupa luego en cultivos de especialidad y análogos de cultivos que no son de especialidad para calcular la fracción del total de análogos aceptables que son condados de cultivos de especialidad. Finalmente, la relación entre los cultivos especiales comunes y el total de cultivos especiales para cada condado objetivo se calcula de la siguiente manera. Para cada análogo aceptable, calculamos el recuento total de cultivos de especialidad únicos a partir de la unión de los conjuntos de mezcla de cultivos de especialidad objetivo y análogo. Luego calculamos el conteo de cultivos únicos comunes y lo dividimos por el conteo total para estimar la proporción de cultivos comunes para cada análogo aceptable. La relación más alta entre todos los análogos aceptables se informa para cada objetivo. Este último paso fue posible solo para los 556 condados que tenían listas completas de cultivos.

Los scripts para el cálculo analógico (una versión modificada del código compartido por4), los scripts de posprocesamiento y un archivo csv de métricas de distancia y pares de análogos objetivo están disponibles en el enlace de GitHub: https://github.com/agroecosystemsmodelingwsu/ AgClimateAnalog. Los análogos y las mezclas de cultivos para los 680 principales condados de cultivos especializados en los EE. UU. se pueden visualizar en https://agclimatechangetools.cahnrs.wsu.edu/. Se puede acceder a las entradas climáticas sin procesar en: https://www.climatologylab.org/maca.html.

Knutti, R. Cerrando la brecha entre el conocimiento y la acción en el cambio climático. Una Tierra 1, 21–23 (2019).

Artículo ANUNCIOS Google Académico

Lorenzoni, I. & Pidgeon, NF Opiniones públicas sobre el cambio climático: perspectivas europeas y estadounidenses. Clima Cambio 77, 73–95 (2006).

Artículo ANUNCIOS Google Académico

Fitzpatrick, MC & Dunn, RR Análogos climáticos contemporáneos para 540 áreas urbanas de América del Norte a fines del siglo XXI. Nat. común 10, 1-7 (2019).

Artículo CAS Google Académico

Mahony, CR, Cannon, AJ, Wang, T. & Aitken, SN Una mirada más cercana a los climas novedosos: nuevos métodos y conocimientos a escala continental y de paisaje. globo Cambio Biol. 23, 3934–3955 (2017).

Artículo ANUNCIOS Google Académico

Webb, LB, Watterson, I., Bhend, J., Whetton, PH & Barlow, EWR Análogos climáticos globales para regiones vitivinícolas en períodos futuros: Proyecciones de temperatura y precipitación. agosto J. Uva Vino Res. 19, 331–341 (2013).

Artículo Google Académico

Ramírez Villegas, J., Lau, C., Köhler, AK, Jarvis, A., Arnell, NP, Osborne, TM y Hooker, J. Análogos climáticos: encontrar hoy la agricultura del mañana. En el Documento de Trabajo núm. 12. Cali: Programa de Investigación del CGIAR sobre Cambio Climático, Agricultura y Seguridad Alimentaria (CCAFS) (2011).

Saxon, E., Baker, B., Hargrove, W., Hoffman, F. y Zganjar, C. Mapeo de entornos en riesgo bajo diferentes escenarios de cambio climático global. Ecol. Letón. 8, 53–60 (2005).

Artículo Google Académico

Cash, DW, Borck, JC y Patt, AG Contrarrestando el enfoque del muelle de carga para vincular la ciencia y la toma de decisiones. ciencia Tecnología Valores humanos 31, 465–494 (2006).

Artículo Google Académico

Cook, BR & MeloZurita, ML Cumplir la promesa de participación al no resucitar el modelo deficitario. globo Reinar. Cambio 56, 56–65 (2019).

Artículo Google Académico

Irwin, A. Riesgo, ciencia y comunicación pública. en Routledge Handbook of Public Communication of Science and Technology 160–172 (2014).

Nerlich, B., Koteyko, N. & Brown, B. Teoría y lenguaje de la comunicación sobre el cambio climático. Wiley Interdiscip. Rev. Clim. Cambio 1, 97–110 (2010).

Artículo Google Académico

Ley de Competitividad de Cultivos de Especialidad. 2004. 7 USC 3101 nota. https://www.congress.gov/108/plaws/publ465/PLAW-108publ465.pdf (2004). (Último acceso mayo de 2022).

Ley Agraria de 2014, Ley Pública 113-79. https://www.congress.gov/bill/113th-congress/house-bill/2642/text (2014). (Último acceso mayo de 2022).

Seifert, CA & Lobell, DB Respuesta de la idoneidad del doble cultivo al cambio climático en los Estados Unidos. Reinar. Res. Letón. 10, 024002 (2015).

Artículo ANUNCIOS Google Académico

Burke, M. & Emerick, K. Adaptación al cambio climático: Evidencia de la agricultura estadounidense. Soy. economía J. Economía. polaco 8(3), 106–140 (2016).

Artículo Google Académico

Schlenker, W. & Roberts, MJ Los efectos no lineales de la temperatura indican daños severos en el rendimiento de los cultivos de EE. UU. debido al cambio climático. proc. nacional Academia ciencia EE.UU. 106, 15594–15598 (2009).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Alston, JM & Pardey, PG Financiación pública para la investigación de cultivos especiales. HortScience 43, n.º 5, 1461–1470 (2008).

Artículo Google Académico

Neill, CL & Morgan, KL Más allá de la escala y el alcance: Exploración de los impulsores económicos de la producción de cultivos especiales de EE. UU. con una aplicación para edamame. Frente. Sostener. Sistema de alimentos 4, (2021).

Rosenzweig, C. et al. El Proyecto de Intercomparación y Mejoramiento de Modelos Agrícolas (AgMIP): Protocolos y estudios piloto. agricola Para. Meteorol. 170, 166–182 (2013).

Artículo ANUNCIOS Google Académico

Mendelsohn, R., Nordhaus, WD & Shaw, D. El impacto del calentamiento global en la agricultura: un análisis ricardiano. Soy. economía Rev. 753–771 (1994).

USDA NASS Censo de Ag. Departamento de Agricultura de los Estados Unidos, Servicio Nacional de Estadísticas Agrícolas, Censo de Agricultura de 2017 www.nass.usda.gov/AgCensus (2017). (Consultado por última vez en marzo de 2022).

Füssel, HM Planificación de la adaptación al cambio climático: conceptos, enfoques de evaluación y lecciones clave. Sostener. ciencia 2, 265–275 (2007).

Artículo Google Académico

Doll, JE, Eschbach, CL & DeDecker, J. Usar el diálogo para involucrar a las audiencias agrícolas en el aprendizaje cooperativo sobre el cambio climático: una estrategia con amplias implicaciones. J. Ampliación 56, 25 (2018).

Google Académico

Lemos, MC & Morehouse, BJ La coproducción de ciencia y política en evaluaciones climáticas integradas. globo Reinar. Cambiar. 15, 57–68 (2005).

Artículo Google Académico

Dilling, L. & Lemos, MC Creando ciencia utilizable: Oportunidades y limitaciones para el uso del conocimiento climático y sus implicaciones para la política científica. globo Reinar. Cambiar. 21, 680–689 (2011).

Artículo Google Académico

Buizer, J., Jacobs, K. & Cash, D. Hacer útiles los pronósticos climáticos a corto plazo: vincular la ciencia y la acción. proc. nacional Academia ciencia EE.UU. 113, 4597–4602 (2016).

Artículo ADS PubMed Google Scholar

Stephenson, G. La base teórica algo defectuosa del servicio de extensión. Ext. J. 41(4), 1–10 (2003).

Google Académico

Prokopy, LS, Floress, K., Klotthor-Weinkauf, D. y Baumgart-Getz, A. Determinantes de la adopción de mejores prácticas de manejo agrícola: Evidencia de la literatura. J. Conservación del agua del suelo. 63(5), 300–311 (2008).

Artículo Google Académico

Abatzoglou, JT Desarrollo de datos meteorológicos de superficie cuadriculados para aplicaciones y modelos ecológicos. En t. J. Climatol. 33, 121–131 (2013).

Artículo Google Académico

Abatzoglou, JT & Brown, TJ Una comparación de métodos estadísticos de reducción de escala adecuados para aplicaciones de incendios forestales. En t. J. Climatol. 32, 772–780 (2012).

Artículo Google Académico

Miller, P., Lanier, W. & Brandt, S. Uso de los grados día de crecimiento para predecir las etapas de la planta. Ag/Extensión Comun. Coordinador Comun. Servicios Universidad Estatal de Montana-Bozeman Bozeman MO 59717(406), 994–2721 (2001).

Google Académico

Kukal, MS & Irmak, SUS agroclimático en el siglo XX: Grados día de crecimiento, primera y última helada, duración de la temporada de crecimiento e impactos en el rendimiento de los cultivos. ciencia Rep. 8, 6977 (2018).

Artículo ADS PubMed PubMed Central Google Scholar

Parker, LE, McElrone, AJ, Ostoja, SM & Forrestel, EJ Efectos del calor extremo en cultivos perennes y estrategias para sostener la producción futura. ciencia de las plantas 295, 110397 (2020).

Artículo CAS PubMed Google Académico

Linvill, DE Cálculo de horas de enfriamiento y unidades de enfriamiento a partir de observaciones diarias de temperatura máxima y mínima. HortScience 25, 14–16 (1990).

Artículo Google Académico

Lee, H. & Sumner, DA Economía de los cambios reducidos inducidos por el clima en las tierras de cultivo, con proyecciones para 2050: Evidencia del condado de Yolo, California. Clima Cambio 132, 723–737 (2015).

Artículo ANUNCIOS Google Académico

Eike, L. chillR: Métodos estadísticos para el análisis fenológico en árboles frutales de clima templado. Paquete R versión 0.72.4. (2021).

Atkinson, CJ, Brennan, RM & Jones, HG Disminución del enfriamiento y su impacto en los cultivos perennes templados. Reinar. Exp. Bot. 91, 48–62 (2013).

Artículo Google Académico

Williams, JW, Jackson, ST & Kutzbach, JE Distribuciones proyectadas de climas nuevos y en desaparición para el año 2100 d.C. proc. nacional Academia ciencia EE.UU. 104, 5738–5742 (2007).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Beck, HE et al. Mapas de clasificación climática de Köppen-Geiger presentes y futuros con una resolución de 1 km. ciencia Datos 5, 180214 (2018).

Artículo PubMed PubMed Central Google Académico

Romero, F. et al. La humedad y las altas temperaturas son importantes para predecir los brotes de enfermedades fúngicas en todo el mundo. Fitol nuevo. 234, 1553–1556 (2021).

Artículo PubMed Google Académico

Licencia de conducir comercial de USDA NASS. Departamento de Agricultura de los Estados Unidos, Servicio Nacional de Estadísticas Agrícolas, Capa de datos de tierras de cultivo de 2020 https://nassgeodata.gmu.edu/CropScape/ (2020). (Consultado por última vez en marzo de 2022).

Descargar referencias

Este trabajo fue financiado por el premio USDA NIFA AFRI 2017-68002-26789. Agradecemos a Karen Lewis, Directora de la Unidad de Agricultura y Recursos Naturales de la Universidad Estatal de Washington por ayudar a organizar el taller piloto. También agradecemos a los profesionales de investigación y extensión del sudeste de EE. UU. y Texas (Zilfina Rubio Ames—Universidad de Georgia, Ali Sarkhosh—Universidad de Florida, Brian Hayes—Universidad de Georgia, Pam Knox—Universidad de Georgia, Philip W. Shackelford—Universidad de Texas A&M, Hehe Wang—Universidad de Clemson, Joseph G. Masabni—Universidad A&M de Texas, Chris Oswalt—Universidad de Florida) por su participación en el taller y por sus comentarios.

Departamento de Ingeniería de Sistemas Biológicos, Universidad Estatal de Washington, Pullman, WA, EE. UU.

Siddharth Chaudhary, Kirti Rajagopalan y Claudio O. Stöckle

Centro para el Sostenimiento de la Agricultura y los Recursos Naturales, Universidad Estatal de Washington, Wenatchee, WA, EE. UU.

Chad E. Kruger y Sonia A. Hall

Facultad de Ciencias Económicas, Universidad del Estado de Washington, Pullman, WA, EE. UU.

Michael P Brady

Departamento de Ingeniería Agrícola y Biológica, Universidad de Florida, Gainesville, FL, EE. UU.

Clyde W. Fraisse y Gerrit Hoogenboom

Instituto de Agricultura y Sistemas Alimentarios, Washington, DC, EE. UU.

David I. Gustafson y Rachel L. Melnick

Centros climáticos del USDA, Washington, DC, EE. UU.

Julián Reyes

Instituto Internacional de Investigación sobre Políticas Alimentarias, Washington, DC, EE. UU.

Timoteo B. Sulser

También puede buscar este autor en PubMed Google Scholar

SC, KR, CEK, CWF, DIG, GH y COS diseñaron y redactaron el trabajo. SC, KR, CEK y MPB interpretaron y analizaron los datos. SC, KR, DIG, RLM, SH, JR y TBS escribieron el primer borrador y SC preparó todas las cifras. Todos los autores modificaron y revisaron el manuscrito.

Correspondencia a Kirti Rajagopalan.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Chaudhary, S., Rajagopalan, K., Kruger, CE et al. Los análogos climáticos pueden catalizar diálogos interregionales para la adaptación de cultivos de especialidad en EE. UU. Informe científico 13, 9317 (2023). https://doi.org/10.1038/s41598-023-35887-x

Descargar cita

Recibido: 21 julio 2022

Aceptado: 25 de mayo de 2023

Publicado: 08 junio 2023

DOI: https://doi.org/10.1038/s41598-023-35887-x

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.