SciELO - Scientific Electronic Library Online

 
vol.7 número especial 13Efecto del cambio climático sobre las zonas de riesgo por marchitez en el Agave tequilana Weber variedad Azul en JaliscoÍndices de cambio climático en el estado de Chiapas, México, en el periodo 1960-2009 índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Revista mexicana de ciencias agrícolas

versión impresa ISSN 2007-0934

Rev. Mex. Cienc. Agríc vol.7 spe 13 Texcoco ene./feb. 2016

 

Artículos

Impactos del cambio climático en la distribución potencial de Morus alba L. en México

Noé Durán Puga1 

José Lenin Loya Olguin2 

José Ariel Ruiz Corral3  § 

Diego Raymundo González Eguiarte1 

Juan Diego García Paredes2 

Sergio Martínez González2 

1 Centro Universitario de Ciencias Biológicas y Agropecuarias. Universidad de Guadalajara. Camino Ramón Padilla Sánchez No. 2100 Nextipac, Zapopan, Jalisco, México. C. P. 44600. (noeduranpuga@yahoo.com.mx; diegonz@cucba.udg.mx).

2 Unidad Académica de Agricultura. Universidad Autónoma de Nayarit. Carretera Tepic-Compostela, km 9. Xalisco, Nayarit, México. C. P. 63780. (joselenin28@hotmail.com; digapa1@hotmail.com; sergiotepic@hotmail.com).

3 Campo Experimental Centro-Altos de Jalisco-INIFAP. Carretera Libre Tepatitlán-Lagos de Moreno, km 8. Tepatitlán, Jalisco, México. C. P. 47600.


Resumen

El objetivo del estudio fue estimar el impacto del cambio climático en la distribución potencial de Morus alba L. en México. Se modelaron nichos de distribución con Máxima Entropía (Maxent), para las climatologías ~1950-2000 (climatología de referencia), 2041-2060 y 2061-2080, con dos vías representativas de concentraciones de gases efecto invernadero (Rcp4.5 y Rcp8.5), Se utilizaron 21 variables bioclimáticas y dos variables topográficas; esta información se obtuvo del portal de Global Climate Data de WorldClim y se manejó con imágenes raster y ascii a 2.5 minutos de arco. Se consideró el modelo de circulación general (MCG): HadGEM2-ES. Los resultados mostraron que las variables ambientales que más contribuyen a explicar la distribución geográfica de M. alba son la precipitación del mes más húmedo (septiembre) y la temperatura media del mes más frío (enero). El umbral logístico del percentil 20 conjetura para la climatología de referencia un 80.8% de área con aptitud ambiental de M. alba en la extensión total de México. La predicción de los escenarios de cambio climático reportan áreas de retracción ambiental para tres escenarios estudiados; dando un total de 80.66, 79.14 y 80.67 en los escenarios 2041-2060 rcp4.5 y rcp8.5 y escenario 2061-2080 rcp8.5 respectivamente; para el escenario 2061-2080 rcp4.5 se registra una expansión a 82.28 en la superficie nacional. Por lo anterior el cambio climático augura una retracción en las superficies con aptitud ambiental de M. alba, para el periodo 2041-2060 y para el periodo 2061-2080 solo con el Rcp8.5.

Palabras clave: Morus alba; arbustos forrajeros tropicales; cambio climático; nichos de distribución; subtropicales

Abstract

The aim of the study was to estimate the impact of climate change in potential distribution of Morus alba L. in Mexico. Distribution niches with Maximum Entropy (Maxent) for climatologies ~1950-2000 (reference climatology), 2041-2060 and 2061-2080, with two-way representative greenhouse gas concentrations (Rcp4.5 and RCP8.5) were modeled. 21 bioclimatic variables and two topographic variables were used; this information was obtained from the Global Climate Data portal World Clim and was managed with raster images and ascii 2.5 arcmin. The general circulation model (GCM) was considered: HadGEM2- ES. The results showed that environmental variables that contribute most to explain the geographical distribution of M. alba are the precipitation from the most humid month (September) and the average temperature of the coldest month (January). The logistics threshold from the 20th percentile assumes for reference climatology 80.8% of environmental fitness area of M. alba in the total area of Mexico. The prediction of climate change scenarios reports environmental retraction areas for three scenarios studied; giving a total of 80.66, 79.14 and 80.67 on scenario 2041-2060 rcp4.5 and rcp8.5 and scenario 2061-2080 rcp8.5 respectively; for scenario 2061-2080 rcp4.5 records an expansion to 82.28 in national area. Therefore climate change forecast a retraction on areas with environmental fitness of M. alba, for the period 2041-2060 and for the period 2061-2080 just with Rcp8.5.

Keywords: Morus alba; climate change; niche distribution; subtropical; tropical forage shrubs

Introducción

El clima del mundo está cambiando a un ritmo sin precedentes y continuará este fenómeno en las siguientes décadas (IPCC, 2013). Existen numerosas evidencias de que el cambio climático antropogénico está afectando la fisiología, la fenología y la distribución de muchas especies y se espera que en un futuro próximo este fenómeno se intensifique (Parmesan, 2006; Visser, 2008; Morueta-Holme et al., 2010). El cambio climático ha provocado cambios biológicos radicales de gran alcance (Fischlin et al., 2007); incluso, es cada vez más claro que el cambio climático eminentemente afecta la biodiversidad y los ecosistemas (Sala et al., 2000) y puede ocasionar altas tasas de extinción de especies con rangos de adaptación estrecha o de especies endémicas (Morueta-Holme et al., 2010). Por otra parte, el cambio climático puede causar la inclusión de especies invasoras potencialmente perjudiciales para un ecosistema (Kirilenko et al., 2000).

Se prevé que los múltiples componentes del cambio climático afectarán a todos los niveles de la biodiversidad, desde los organismos hasta las áreas bióticas (Parmesan, 2006); en los niveles más básicos, el cambio climático es capaz de disminuir la diversidad genética de las poblaciones debido a la selección direccional, lo que podría, a su vez, afectar el funcionamiento y la resiliencia del ecosistema (Botkin et al., 2007; Lasco et al., 2008; Schneider et al., 2009), lo que conlleva a modificar la red de interacciones a nivel comunitario (Bellard et al., 2012).

Dado el alto riesgo de extinción que enfrentan las especies incapaces de adaptarse o dispersarse a una velocidad suficiente para realizar un seguimiento al cambio climático antropogénico, la migración asistida se ha sugerido como una posible estrategia de conservación (Svenning et al., 2009). Esto implicaría translocación de especies a áreas con aptitud ambiental actual, pero que sigan probablemente siendo adecuadas en los próximos 100 años o más; en los casos de poca probabilidad de otras estrategias de conservación que no sean suficientemente aptas para asegurar su supervivencia (Hoegh-Guldberg et al., 2008).

La predicción de la respuesta de la diversidad biológica al cambio climático se ha convertido en un campo muy activo de la investigación científica (Beaumont et al.,2011; Dawson et al., 2011; McMahon et al., 2011); esta respuesta juega un papel importante en alertar a científicos y tomadores de decisiones en los posibles riesgos futuros, proporciona un medio para reforzar la atribución de los cambios en el ecosistema y contribuye al desarrollo de estrategias proactivas para reducir los impactos del cambio climático (Parmesan et al., 2011).

El género Morus se distribuye en las zonas templadas de casi todas partes del mundo, así como las tierras tropicales (Sánchez, 2002); su muy amplia distribución hace posible que esta especie tenga una gran capacidad de adaptación a muy diversas condiciones climáticas (Milera, 2008). Morus alba es una especie con un alto valor nutritivo para la alimentación de rumiantes por sus altos niveles de proteínas (20 a 24%) y digestibilidad (75-85%), por consecuencia es de muy amplia aceptación gustativa por el ganado (Milera, 2008; Jiménez, 2012).

Hoy en día, para la correcta planificación del desarrollo de la ganadería en el corto, mediano y largo plazo en México, es necesario estimar con escenarios climáticos futuros la disponibilidad de recursos genéticos, y tener información adecuada para aplicar las medidas de mitigación con el fin de evitar o minimizar en lo posible los impactos negativos del cambio climático. Por lo tanto, el objetivo del presente estudio fue estimar el impacto del cambio climático para los periodos 2041 a 2060 y 2061 a 2080, con dos vías de concentración de gases efecto invernadero en las áreas potenciales de distribución de Morus alba.

Materiales y métodos

Bases de datos

Se consideraron datos de 62 sitios de muestreo. La base de datos se obtuvo a partir de dos fuentes: del Inventario Nacional Forestal y Suelos (INFyS) de la Comisión Nacional Forestal (CONAFOR) y del sitio http://www.tropicos.org/.

Áreas potenciales de distribución

En la presente investigación se utilizó el enfoque de Máxima Entropía (Phillips et al., 2009), para modelar el nicho ecológico y predecir la distribución geográfica más probable de M. alba. El resultado del modelo expresa el valor más adecuado del hábitat potencial en función de las variables ambientales utilizadas. Máxima entropía se ha utilizado ampliamente para estimar las distribuciones potenciales de especies de plantas y animales con una gran precisión (Sobek et al., 2012), y predecir o inferir la distribución de especies con base en las condiciones ambientales más significativas, usando solamente datos de presencia de la especie (Moreno et al., 2011).

Bases de datos ambientales y sistema de información geográfica

Se utilizaron los datos mensuales, estacionales y anuales de precipitación, temperatura máxima, temperatura mínima, temperatura media y oscilación térmica de los periodos 2041-2060, 2061-2080 y ~1950-2000 (climatología de referencia). Estos datos climáticos fueron obtenidos del portal Global Climate Data de WorldClim y se procesaron mediante imágenes raster y ascii, a una resolución de 2.5 minutos de arco. Para las climatologías 2041-2060 y 2061-2080 se consideró el GCM: HadGEM2-ES, bajo dos trayectorias representativas de concentración (RCPs) de gases efecto invernadero (GEI): rcp4.5 y rcp8.5. El GCM utilizado forma parte en la modelación del clima desarrollada por el proyecto de intercomparación de modelos acoplados fase 5 (CMIP5) (Walton et al., 2013). La capa de altitud se obtuvo del sistema de información ambiental (SIAN) del Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (Díaz et al., 2012).

A partir de las variables climáticas básicas mencionadas se derivó una serie de variables adicionales para realizar el análisis MaxEnt de los nichos potenciales de distribución, tanto para las condiciones de la climatología de referencia como para las climatologías 2041-2060 y 2061-2080. El total de variables utilizadas fue: altura sobre el nivel del mar (m), pendiente (%), temperatura máxima media anual (°C), temperatura máxima mayo-octubre (°C), temperatura máxima noviembre-abril (°C), temperatura máxima del mes más cálido (°C), temperatura media anual (°C), temperatura media mayo-octubre (°C), temperatura media noviembre-abril (°C), temperatura media del mes más cálido (°C), temperatura media del mes más frío (°C), temperatura mínima media anual (°C), temperatura mínima mayo-octubre (°C), temperatura mínima noviembre-abril (°C), temperatura mínima del mes más frío (°C), precipitación acumulada anual (mm), precipitación acumulada mayo-octubre (mm), precipitación acumulada noviembre-abril (mm), precipitación del mes más seco (mm), precipitación del mes más húmedo (mm), oscilación térmica anual (°C), oscilación térmica mayo-octubre (°C) y oscilación térmica noviembre-abril (°C).

Utilizando las coberturas de los parámetros y los datos de presencia de la especie, se modelaron los nichos de distribución para los escenarios climáticos, empleando 75% de los registros de presencia como puntos de entrenamiento y 25% como puntos de validación. Se utilizó el índice AUC (área bajo la curva), para evaluar el modelo estadístico, ya que este índice es de los más utilizados para medir la calidad de los modelos (Moreno et al., 2011).

Las áreas con probabilidad de aptitud ambiental

El modelo de predicción para la distribución de M. alba fue obtenido con MaxEnt; y examinado con el sistema IDRISI 17.0 (Eastman, 2012), se generó un mapa con los valores umbrales correspondientes al percentil 20 (Escalante et al., 2013). Para el cálculo de la superficie potencial de distribución de la especie, no se consideraron las áreas ocupadas por los cuerpos de agua y centros urbanos. Estas capas temáticas se obtuvieron mediante la carta del uso del suelo y vegetación (INEGI, 2009).

Descriptores ecológicos

Los descriptores ecológicos para M. alba se determinaron sobre la base de intervalos ambientales derivados de la caracterización de los sitios de presencia de la especie. Esto se hizo mediante el sistema IDRISI 17.0, con las imágenes raster de cada variable ambiental y las coordenadas geográficas de cada sitio de presencia.

Resultados y discusión

Modelos de nichos de distribución

En la Figura 1, se observa la curva operacional o curva ROC, que representa el ajuste de los datos de muestreo; en este análisis, el valor obtenido fue de 0.955 para los puntos de entrenamiento y de 0.897 para los puntos de validación; lo que indica que la habilidad de los modelos para clasificar la presencia de la especie fue satisfactoria (Parolo et al., 2008).

Figura 1 Gráfica de la curva operacional o curva ROC para M. alba

De este análisis se determinó que el modelo de nichos de distribución potencial para describir la distribución de M. alba es alta, ya que con sólo dos variables ambientales los modelos explican 87.6% de la distribución espacial de la especie (Cuadro 1). Las variables que mostraron un mayor nivel de contribución fueron la precipitación del mes más lluvioso (septiembre) y la temperatura media del mes más frío (enero).

Cuadro 1. Descriptores ecológicos de las variables ambientales que condicionan en mayor medida la distribución geográfica de M. alba. 

La Figura 2, muestra la distribución geográfica potencial actual de M. alba. Su presencia se ubica desde la Península de Yucatán hasta el norte del país, con excepción de una extensa área en la Península de Baja California y parte de la región norte de Sonora, Chihuahua, Durango, Zacatecas y San Luis Potosí.

La mayor presencia de las poblaciones de M. alba se concentra en las regiones sur y noreste de México; esta presencia está en correspondencia con la aseveración de que M. alba crece en gran variedad de ambientes y latitudes. Desde regiones tropicales y subtropicales, lo que la caracteriza por poseer una amplia gama de adaptación (Loya et al., 2014).

Figura 2 Aptitud ambiental para el periodo ~1950-2000 de M. alba en México. 

Los descriptores ecológicos para M. alba y las variables ambientales que contribuyen a la construcción de los nichos de distribución se pueden observar en el Cuadro 1. De acuerdo con estos resultados, la precipitación del mes más húmedo (septiembre) es la variable que más contribuye (72.7%) en la distribución potencial de la especie en México. El descriptor de Morus alba, para esta variable señala un intervalo de 77 a 409 mm de precipitación. Estos resultados son consistentes con los señalados por Loya et al. (2014), en el sentido de que esta especie crece adecuadamente en un amplio rango de precipitación que puede variar desde los 600 hasta los 2 500 mm de precipitación anual.

El segundo descriptor ecológico que más contribuye es la temperatura media del mes más frío con un rango de 10 a 24 °C. M. alba también demuestra tener un rango térmico amplio; se puede inferir que esta especie es capaz de explorar y colonizar ambientes térmicamente extremos.

Los resultados en cuanto a los posibles nichos potenciales de M. alba para escenarios de cambio climático, se muestran en la Figura 3. Los mapas de esta figura muestran la presencia de áreas con aptitud ambiental y áreas con incremento y disminución de superficie para la especie bajo estudio. En todos los escenarios futuros aparecen incrementos de superficie, así como de disminución; mostrando las posibles dinámicas de zonas adecuadas en función de los futuros cambios climáticos.

Figura 3 Accesiones y áreas con aptitud ambiental de M. alba; bajo el modelo de circulación general HadGEM2-ES con cuatro escenarios de cambio climático a). 2041- 2060 rcp4.5; b). 2041-2060 rcp8.5; c). 2061-2070 rcp4.5; y d). 2061-2080 rcp8.5. 

El umbral logístico del percentil 20 conjetura para la climatología de referencia un área óptima del 80.8% del total de la superficie del país. Después de promediar las zonas de incrementos y retracciones bajo las climatologías de cambio climático (Figura 4), se estableció que las superficies con aptitud ambiental disminuyeron a 80.66%, 79.14% y 80.67% de la superficie total de México, en los escenarios 2041-2060rcp4.5, 2041-2060rcp8.5 y 2061-2080rcp8.5, respectivamente; y un incremento a 82.28% para el escenario 2061-2080rcp4.5.

Figura 4 Porcentaje de áreas con aptitud ambiental para M. alba en México. Bajo escenarios climáticos, barras de color claro indican las zonas aptas en la actualidad y en el futuro (estable), mientras que las barras más oscuras indican nuevas áreas adecuadas en el futuro (áreas de expansión). 

Estos resultados muestran que los futuros cambios climáticos aparentemente serán nocivos para M. alba en tres escenarios de cambio climático. Teniendo en cuenta que las variables más significativas en los nichos de distribución son la precipitación del mes más húmedo y la temperatura media del mes más frío; se podría inferir que las combinaciones de estos parámetros bajo escenarios de cambio climático serán desfavorables para M. alba.

Hoffman y Sgró (2011) señalaron que algunas especies presentan retracción y expansión en áreas de distribución espacial por efectos del cambio climático, en función de su adaptación evolutiva. La expansión de zonas adecuadas debido al cambio climático ha sido reportada para otras especies como Leucospermum hypophyllo carpodendron subsp. Hpophyllo carpodendron (Pearson et al., 2006).

La mayoría de estudios sobre los efectos del cambio climático en la distribución de las especies reportan efectos negativos, es decir las áreas de retracción son mayores que las zonas de expansión (Sork et al., 2010). En el presente estudio solo para un escenario se presentó lo contrario, esto es, áreas de expansión mayor que las zonas de retracción.

Como puede verse en la Figura 3, estos dos tipos de áreas tienen un patrón geográf ico; zonas de retracción se concentran principalmente en la parte norte y centro del país, mientras que las áreas de expansión se localizan principalmente en la Península de Baja California y parte de la zona norte de Sonora y sur de Chihuahua. Este hecho apunta a una región del país, donde los patrones climáticos futuros serán diferentes a las condiciones climáticas actuales, y por lo tanto difieren en el nivel de adaptación para M. alba. Esta situación ya se ha hecho manifiesta para la región dónde se registran las áreas de retracción; se ha informado de cambios en los patrones de cultivo como consecuencia de los cambios climáticos regionales (Ramírez et al., 2011; Santillán et al., 2011).

Los mapas de la Figura 3, reflejan que ninguna población de M. alba se ve afectada por la retracción de la idoneidad del medio ambiente. Sin embargo, en el caso de que algunas poblaciones de M. alba estuvieran cerca de las áreas de retracción de idoneidad en los próximos años, se tendría que considerar que estas poblaciones tendrán sólo dos opciones para sobrevivir: a) migrar a entornos más favorables; o b) adaptarse a las nuevas condiciones climáticas (Morueta-Holme et al., 2010), que depende mayormente de la diversidad genética de la especie (Mercer y Perales, 2010). En el caso del presente estudio, la idoneidad del medio ambiente va a perder un poco más de superficie debido al cambio climático, y esto, al parecer, podría promover la pérdida futura de dispersión de M. alba a nuevas áreas. Sin embargo, también es importante tener en cuenta las posibles capacidades de esta especie para competir contra otras especies del ecosistema o las especies invasoras que constituyan una amenaza para la estabilidad del ecosistema (Mainka y Howard, 2010).

Por otra parte, es importante tener en cuenta que la conservación de M. alba en el futuro también dependerá de su capacidad para adaptarse al cambio climático (Alsos et al., 2009), lo cual es una función de su capacidad para colonizar nuevas áreas, o, cuando se requiera, de su capacidad para aplicar las modificaciones fisiológicas para adaptarse al nuevo entorno (Chown et al., 2010).

De acuerdo con las aseveraciones anteriores, el cambio climático previsto para ambos períodos tendrá un efecto negativo sobre la idoneidad ambiental de M. alba (Figura 4), lo que permitiría en el futuro su posible contracción en la cobertura territorial. Sin embargo, es claro que esta condición ambiental desventajosa que será causada por el cambio climático futuro, resultará favorable para otras especies, tal vez en un contexto de competencia con M. alba. Bajo este tipo de escenario, el amplio intervalo de los descriptores ecológicos de M. alba (Cuadro 1) podría ser una característica ventajosa, más aún si se considera la especie de amplia diversidad genética de otras partes del mundo, lo que podría aumentar la capacidad de adaptación y de colonización de M. alba (Burke et al., 2009; Ruiz et al., 2013).

Incluso, cuando los escenarios climáticos actuales y futuros parecen ser desfavorables para M. alba, podrían tomarse medidas para preservar las poblaciones actuales con el fin de asegurar su presencia en su entorno natural.

Conclusiones

De acuerdo con las aseveraciones anteriores, el cambio climático previsto para ambos períodos estudiados, tendrá un efecto más negativo que positivo sobre la idoneidad ambiental de M. alba, lo que permite en el futuro su posible contracción en la cobertura territorial. Sin embargo, es claro que esta condición ambiental desventajosa que será causada por el cambio climático futuro, resultará favorable también para otras especies, tal vez en un contexto de competencia con M. alba. Bajo este tipo de escenario, el amplio intervalo de los descriptores ecológicos para M. alba; podría ser una característica ventajosa.

Incluso, cuando los escenarios climáticos futuros parecen ser desfavorables para la aptitud ambiental de M. alba, podrían tomarse medidas de conservación para preservar las poblaciones actuales con el fin de asegurar su presencia en su entorno natural.

Agradecimientos

Este artículo es producto del Proyecto INIFAP 1228033017: Cambio climático y su impacto sobre el rendimiento, producción y viabilidad del cultivo de maíz en las áreas agrícolas de México.

Literatura citada

Alsos, I. G.; Alm, T.; Normand, S. and Brochmann, C. 2009. Past and future range shifts and loss of diversity in dwarf willow (Salix herbacea L.) inferred from genetics, fossils and modelling. Global Ecol. Biogeogr. 18:223-239. [ Links ]

Beaumont, L. J.; Pitman, A.; Perkins, S.; Zimmermann, N. E.; Yoccoz , N. G. and Thuiller, W. 2011. Impacts of climate change on the world ́s most exceptional ecoregions. Proc. Natl Acad. Sci. 108:2306-2311. [ Links ]

Bellard, C.; Bertelsmeier, C.; Leadley, P.; Thuiller, W. and Courchamp, F. 2012. Impacts of climate change on the future of biodiversity. Ecology Letters. 15:365-377. [ Links ]

Botkin, D. B.; Saxe, H.; Araujo, M. B.; Betts, R.; Bradshaw, R. H. W.; Cedhagen, T.; Chesson, P.; Dawson, T. P.; Etterson, J. R.; Faith, D. P.; Ferrier, S.; Guisan, A.; Skjoldborg, H. A.; Hilbert, D. W.; Loehle, C.; Margules, C.; New, M.; Sobel, M. J. and Stockwell, D. R. B. 2007. Forecasting the effects of global warming on biodiversity. Bioscience. 57:227-236. [ Links ]

Burke, M. B.; Lobell, D. B. and Guarino, L. 2009. Shifts in African crop climates by 2050, and the implications for crop improvement and genetic resources conservation. Global Environmental Change. 19(3):317-325. [ Links ]

Chown, S. L.; Hoffman, A. A.; Kristensen, T. N.; Angilletta Jr. M. J.; Stenseth, N. Ch. and Pertoldi, C. 2010. Adapting to climate change: a perspective from evolutionary physiology. Clim. Res. 4:3-15. [ Links ]

Dawson, T. P.; Jackson, S. T.; House, J. I.; Prentice, I. C. and Mace, G. M. 2011. Beyond predictions: biodiversity conservation in a changing climate. Science. 332:53-58. [ Links ]

Díaz, P. G.; Guajardo, P. R. A.; Medina, G. G.; Sánchez, C. I.; Soria, R. J.; Vázquez, A. M. P.; Quijano, C. J. A.; Legorreta, P. F. y Ariel, R. C. J. 2012. Potencial productivo de especies agrícolas de importancia socioeconómica en México. 1a. Ed. INIFAP. Xalapa, Ver., México. 140 p. [ Links ]

Eastman, J. R. 2012. Idrisi selva manual. Version 17. Clark Labs, Clark University. Worcester, Mass., USA. 322 p. [ Links ]

Escalante, T.; Rodríguez, T. G.; Linaje M.; Illoldi, R. P. and González, L. R. 2013. Identification of areas of endemism from species distribution models: threshold selection and nearctic mammals. Revista Especializada en Ciencias Químico-Biológicas. 16(1):5-17. [ Links ]

Fischlin, A.; Midgley, G. F.; Price, J. T.; Leemans, R.; Gopal, B. et al. 2007. Ecosystems, their properties, goods, and services. In: Parry, M. L.; Canziani, O. F.; Palutikof, J. P. van der Linden, P. J.; Hanson, C. E. (Eds.). Climate change 2007: impacts, adaptation and vulnerability. Contribution of working group II to the fourth assessment report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press. 211-272 pp. [ Links ]

Hoegh-Guldberg, O.; Hughes, L.; McIntyre, S.; Lindendmayer, D. B. and Parmesan, C. 2008. Assisted colonization and rapid climate change. Science. 321:345-346. [ Links ]

Hoffman, A. A. and Sgró, C. M. 2011. Climate change and evolutionary adaptation. Nature. 470:479-485. [ Links ]

IPCC (Intergovernmental Panel on Climate Change), 2013. The physical science basis. Working group I contribution to the fifth assessment report of the intergovernmental panel on climate change. Summary for policymakers. In: Stocker, T. F.; Qin, D.; Plattner, G.K.; Tignor, M.B.;Allen, S.K.; Boschung, J.;Nauels, A.; Xia, Y.; Bex, V. and Midgley, P. M. (Eds.). Switzerland. 27 p. [ Links ]

INEGI (Instituto Nacional de Estadística Geografía e Informática). 2009. Guía para interpretación cartográfica: Uso de suelo-vegetación Serie III. D. F., México. 71 p. [ Links ]

Jiménez, G. R. 2012. Capacidad productiva de praderas mono-específica, asociada y silvopastoril en un ambiente tropical seco. Tesis Doctoral. Colegio de Postgraduados. Montecillo, Texcoco, Estado de México, México. 151 p. [ Links ]

Kirilenko, A. P.; Belotelov, N. V. and Bogatyrev, B. G. 2000. Global model of vegetation migration: incorporation of climatic variability. Ecological Modelling 132:125-133. [ Links ]

Lasco, R. D.; Pulhin, F. B.; Sánchez, P. A. J.; Villamor, G. B. and Villegas, K. A. L. 2008. Climate change and forest ecosystems in Philippines: Vulnerability, adaptability and mitigation. J. Environ. Sci. Management. 11(1):1-14. [ Links ]

Loya, O. J. L.; Martínez, G. S.; Prado, R. O. F.; Valdés, G. Y. S.; Gómez, D. A. A.; Escalera, V. F.; Macedo, B. R. and Durán, P. N. 2014. El sistema silvopastoril. Sistema Superior Editorial. Nayarit, México. 102 p. [ Links ]

Mainka, S. A.; Howard, G. W. 2010. Climate change and invasive species: double jeopardy. Integrative Zoology. 5:102-111. [ Links ]

McMahon, S. M.; Harrison, S. P.; Armbruster, W. S.; Bartlein, P. J.; Beale, C. M.; Edwards, M. E.; Kattge, J.; Midgley, G.; Morin, X. and Prentice, I. C. 2011. Improving assessment and modelling of climate change impacts on global terrestrial biodiversity. Trends Ecol Evol 26:249-259. [ Links ]

Mercer, K. L. and Perales, H. R. 2010. Evolutionary response of landraces to climate change in centers of crop diversity. Evolutionary applications. doi:10.1111/j.1752-4571.2010.00137.x. [ Links ]

Milera, R. M. de la C. 2008. Morera un nuevo forraje para la alimentación del Ganado. Ciudad de la Habana. Editorial Universitaria. 382 p. [ Links ]

Moreno, R.; Zamora, R.; Molina, J. R.; Vásquez, A. and Herrera, M. 2011. Predictive modeling of microhabitats for endemic birds in South Chilean temperate forest using Maximum entropy (Maxent). Ecol. Informat. 6:364-370. [ Links ]

Morueta-Holme, N.; Fløjgaard C. and Svenning, J. C. 2010. Climate change risks and conservation implications for a threatened small-range mammal Species. PLoS one. 5(4):1-12. [ Links ]

Parmesan, C. 2006. Ecological and evolutionary responses to recent climate change. Ecol Evol. 37:637-669. [ Links ]

Parmesan, C.; Duarte, C. M.; Poloczanska, E.; Richardson, A. J. and Singer, M. C. 2011. Overstretching attribution. Nat. Clim. Change. 1:2-4. [ Links ]

Parolo, G.; Rossi, G. and Ferrarini, A. 2008. Toward improved species niche modelling: arnica montana in the Alps as a case study. J. Appl. Ecol. 45(5):1410-1418. [ Links ]

Pearson, R. G.; Thuiller, W.; Araújo, M. B.; Martínez-Meyer, E.; Brotons, Ll.; McClean, C.; Miles, L.; Segurado, P.; Dawson, T. P.; Lees, D. C. 2006. J. Biog. 33:1704-1711. [ Links ]

Phillips, S. J.; Dudík, M.; Elith, J.; Graham, C. H.; Lehmann, A.; Leathwick, J and Ferrier, S. 2009. Sample selection bias and presence-only distribution models: implications for background and pseudo-absence data. Ecol. Appl. 19:181-197. [ Links ]

Ramírez, L. M. R.; Ruiz, C. J. A.; Medina, G. G.; Jacobo, C. J. L.; Parra, Q. R. A.; Ávila, M. M. R. y Jesús, P. A. J. 2011. Perspectivas del sistema de producción de manzano en Chihuahua, ante el cambio climático. Rev. Mex. Cienc. Agríc. Pub. Esp. 2:265-279. [ Links ]

Ruiz, C. J. A.; Hernández, C. J. M.; Sánchez, G. J. J.; Ortega, C. A.; Ramírez, O. G.; Guerreo, H. M. J.; Aragón, C. F.; Vidal, M. V. A. y De la Cruz L. L. 2013. Ecología, adaptación y distribución actual y potencial de las razas mexicanas de maíz. INIFAP- CIRPAC-Campo Experimental Centro Altos de Jalisco. Tepatitlán de Morelos, Jalisco, México. Libro técnico Núm. 5. 159 p. [ Links ]

Sala, O. E.; Stuart, C. F. III; Armesto, J. J.; Berlow, E. and Bloomfield J. 2000. Global biodiversity scenarios for the year 2100. Science. 287:1770-1774. [ Links ]

Sánchez, M. D. 2002. World distribution and utilization of mulberry and its potential for animal feeding. In: mulberry for animal production. FAO animal production and health paper. FAO, Rome. 1 p. [ Links ]

Santillán, E. L. E.; Blanco, M. F.; Magallanes, Q. R.; García, H. J. L.; Cerano, P. J.; Delgadillo, R. O. and Valdez, C. R. D. 2011. Tendencias de temperatura extremas en Zacatecas, México. Rev. Mex. Cienc. Agríc. Pub. Esp. 207-219. [ Links ]

Schneider, R. R.; Hamann, A.; Farr, D.; Wang, X. and Boutin, S. 2009. Potential effects of climate change on ecosystem distribution in Alberta. Can. J. For. Res. 39:1001-1010. [ Links ]

Sork, V.; Davis, F.; Westfall, R.; Flints, A.; Ikegami, M.; Wang, H. and Grivet, D. D. 2010. Gene movements and genetic association with regional gradients in California valley oak (Quercus lobata Née) in the face of climate change. Mol. Ecol. 19:3806- 3823. [ Links ]

Svenning, J. C.; Fløjgaard, C.; Morueta-Holme, N.; Lenoir, J. and Normand, S. 2009. Big moving day for biodiversity? A macroecological assessment of the scope for assisted colonization as a conservation strategy under global warming. IOP Conf Ser: Earth Environ Sci 8:01-12. [ Links ]

Sobek, S. S.; Kluza, D.A.; Cuddington, K. and Lyons, D. B. 2012. Potential distribution of emerald ash borer: What can we learns from ecological niche models using Maxent and GARP? Forest Ecol. Manag. 281(1):23-31. [ Links ]

Visser, M. E. 2008. Keeping up with a warming world; assessing the rate of adaptation to climate change. Proc. R. Soc. B. 275:649-659. [ Links ]

Walton, D.; Meyerson, J.; Neelin, J. D. 2013. Accessing, downloading, and viewing CMIP5 data. Earth system grid federation. 25 p. [ Links ]

Recibido: Noviembre de 2015; Aprobado: Febrero de 2016

§Autor para correspondencia: ruiz.ariel@inifap.gob.mx.

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons