nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
La variabilidad y el cambio climático representan una grave amenaza para la seguridad alimentaria de la humanidad, al afectar la productividad y sostenibilidad de los cultivos (Estrada et al. 2022). Especies de cultivos como el maíz, el trigo, el arroz, el sorgo, entre otros, son altamente sensibles a la variación de la temperatura y a los cambios en los patrones de lluvia, lo que impacta directamente en su rendimiento (Baffour-Ata et al. 2023). Las modificaciones ocurridas en los patrones climáticos, pueden provocar eventos hidrometeorológicos extremos, incendios, daños por frio, plagas y enfermedades, pérdida de biodiversidad y productividad agrícola, por lo tanto; estudiar las tendencias espaciales y temporales es importante para la gestión y mitigación de las actividades agrícolas (Sharma et al. 2016). En este sentido, se ha identificado que las reducciones en el rendimiento de los cultivos, son más comunes que los beneficios, como el cultivo de maíz ante el cambio climático (Sánchez et al. 2014, Velasco Hernández et al. 2015). Al respecto, Sánchez et al. (2014) y Waqas et al. (2021) identificaron que el incremento o decremento de la temperatura máxima y mínima del ambiente, tiene repercusiones importantes para el cultivo de maíz. Para el crecimiento óptimo de este cultivo, se requiere de diferentes temperaturas durante el día y la noche (Baffour-Ata et al. 2023). Durante el día, la temperatura óptima varía de 25 a 33 °C, mientras que, durante la noche, la temperatura óptima varía de 17 a 23 °C; la temperatura media óptima para toda la temporada de crecimiento es de 20 a 22 °C (Waqas et al. 2021). Las temperaturas ideales para el ciclo de vida de la planta son como mínimo 10 °C y máxima 35 °C, en estos umbrales, se garantiza el desarrollo de las diferentes fases fenológicas como la germinación y emergencia, crecimiento vegetativo, floración y fecundación, llenado de granos y madurez (Wijewardana et al. 2016).
Respecto a las necesidades hídricas del maíz, este cultivo requiere entre 500 y 800 mm de precipitación efectiva, para poder desarrollar todas sus etapas fenológicas y expresar su potencial productivo (FAO 2002). Sobre esto Baffour-Ata et al. (2023) identificaron que la variación estacional y el cambio espacial sobre los patrones de lluvia, impulsan el rendimiento del maíz. En condiciones de sequía, la precipitación está por debajo del umbral de los requerimientos de agua del cultivo; por otro lado, el rendimiento aumenta continuamente con una mayor precipitación hasta que alcanza un umbral óptimo, después del cual, el suministro de agua supera las necesidades hídricas del cultivo y el exceso comienza a afectar negativamente el rendimiento (Li et al. 2019).
Recientemente se ha identificado para el territorio mexicano una anomalía en la temperatura media anual, en la que indica que hasta el año 2021 se observó un aumento en la temperatura promedio de 1.31 °C desde el año 1910 (PINCC 2023). En este mismo sentido, Méndez et al. (2008) identificó que durante el periodo 1920-2004, en México se presentó un incremento mayor de precipitación para las zonas áridas y semiáridas, observando un incremento de hasta 1.8% de la precipitación total anual, mientras que para las zonas húmedas solo se incrementó hasta 0.9%, en las estaciones que presentan una tendencia negativa se observan promedios de disminución de hasta 1.2% y la mayoría se localizan en las zonas más lluviosas del país. La detección de tendencias pasadas, los cambios y variabilidad en la serie temporal de temperatura y precipitación, permiten comprender el clima de una región y corroborar el impacto del cambio climático (Panda y Sahu 2019). Algunos estudios realizados para México, han empleado pruebas estadísticas paramétricas y no paramétricas para la evaluación de tendencias en series temporales hidrometeorológicas, que incluyen precipitaciones y temperaturas (Méndez et al. 2008, Velasco-Hernández et al. 2015, Rocha-Escalante et al. 2022).
Las observaciones a escala global del clima histórico o las proyecciones del clima futuro, representan una dificultad para la planificación a escala local o regional, por lo que se recomienda, la evaluación de tendencias históricas o proyecciones futuras a una escala mayor (Martínez et al. 2012, Sharma et al. 2016). Dentro de este contexto, el objetivo de esta investigación fue analizar series de temperatura y precipitación mediante pruebas estadísticas, para identificar tendencias y patrones espaciales de estas variables, a nivel regional en el Distrito de Desarrollo Rural de Atlacomulco y dimensionar posibles impactos en la producción de maíz.
Materiales Y Métodos
Descripción del área de estudio
El Distrito de Desarrollo Rural Atlacomulco (DDRA) se localiza en la región norte del Estado de México (Figura 1A), entre los paralelos 19° 25’ y 20° 5’ Latitud Norte, y 99° 30’ y 100° 17’ de Longitud Oeste. Comprenden los municipios de Acambay, Atlacomulco, El Oro, Ixtlahuaca, Jocotitlán, Jiquipilco, Morelos, San Felipe del Progreso, San José del Rincón y Temascalcingo (SIAP 2023). El clima dominante es el templado sub-húmedo con lluvias en verano (CW) de acuerdo con la categorización realizada por Köppen, la temperatura promedio anual es de 13.4 °C, las temperaturas mínimas y máximas varían aproximadamente entre 5.1 °C y 21.7 °C respectivamente; de abril a junio se registran las temperaturas más elevadas; en diciembre y enero se reportan las temperaturas más frías (Figura 1C y D). La precipitación media anual es de 780 mm, y durante los meses de junio a septiembre ocurre la mayor precipitación acumulada como se observa en la figura 1B (INEGI 2020).
Datos observados
Este estudio examina las tendencias de temperatura máxima, mínima y precipitación, durante un periodo de observación de 33 años (1985-2017). Se utilizaron 30 estaciones meteorológicas distribuidas espacialmente en los diferentes municipios que conforman el DDRA, 23 estaciones corresponden al Servicio Meteorológico Nacional (CONAGUA 2023) y 7 al Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP 2023) (Figura 1 y Tabla 1).
Tabla 1 Estaciones meteorológicas ubicadas en el DDRA.
| ID | Nombre | Municipio | Longitud | Latitud | Altura |
|---|---|---|---|---|---|
| 15025 | Ejido de Llano Grande | Jiquipilco | -99.665 | 19.572 | 2538 |
| 15026 | Enyeje | Ixtlahuaca | -99.85 | 19.564 | 2550 |
| 15029 | El Tejocote | Atlacomulco | -99.918 | 19.862 | 2449 |
| 15070 | Presa Brockman | El Oro | -100.14 | 19.769 | 2929 |
| 15071 | Presa El tigre | Morelos | -99.686 | 19.78 | 2710 |
| 15076 | Presa Tepatitlán | San Felipe del Progreso | -99.958 | 19.663 | 2564 |
| 15085 | San Bartolo del llano | Ixtlahuaca | -99.741 | 19.524 | 2587 |
| 15104 | San Pedro Potla | Temascalcingo | -99.968 | 19.855 | 2450 |
| 15112 | Santiago Yeche | Jocotitlán | -99.703 | 19.704 | 2696 |
| 15117 | Temascalcingo | Temascalcingo | -100.012 | 19.92 | 2377 |
| 15128 | Tultenango | El Oro | -100.081 | 19.812 | 2601 |
| 15158 | San Pedro de los Baños | Ixtlahuaca | -99.831 | 19.669 | 2552 |
| 15239 | San Antonio Trojes | Morelos | -99.64 | 19.753 | 2831 |
| 15244 | Muyteje | Acambay | -99.931 | 20.022 | 2840 |
| 15245 | La Jordana | El Oro | -99.995 | 19.796 | 2620 |
| 15251 | Atlacomulco II | Atlacomulco | -99.874 | 19.798 | 2574 |
| 15264 | Buenos aires | Jiquipilco | -99.668 | 19.616 | 2576 |
| 15267 | Chichilpa | San Felipe del Progreso | -100.042 | 19.719 | 2795 |
| 15308 | San Cristóbal de los Baños | Ixtlahuaca | -99.872 | 19.689 | 2570 |
| 15341 | San Antonio Nixini | Jiquipilco | -99.683 | 19.673 | 2545 |
| 15361 | Pozo ocho | Acambay | -99.746 | 19.956 | 2626 |
| 15372 | Ixtlahuaca | Ixtlahuaca | -99.76 | 19.56 | 2540 |
| 15390 | Jocotitlán | Jocotitlán | -99.78 | 19.71 | 2650 |
| 31 | San José del Rio | Ixtlahuaca | -99.818 | 19.631 | 2545 |
| 35 | San José del Rincón | San José del Rincón | -100.125 | 19.634 | 2692 |
| 36 | Santiago Casandeje | Jocotitlán | -99.970 | 19.786 | 2586 |
| 36728 | La Concha | Ixtlahuaca | -99.872 | 19.666 | 2550 |
| 36756 | Tiacaque | Jocotitlán | -99.713 | 19.663 | 2560 |
| 37673 | La Laguna | Acambay | -99.8856 | 19.91531 | 2513 |
| 860124 | El Jacal | Temascalcingo | -100.027 | 19.933 | 2379 |
Los criterios de selección para cada estación meteorológica en el DDRA, se basaron en las recomendaciones de la Organización Meteorológica Mundial (OMM), dichas estaciones deben contener al menos el 80% de datos disponibles para el período de análisis y no presentar valores faltantes por más de 3 años consecutivos (OMM 2013). Para maximizar la coherencia temporal en el conjunto de datos, Werner et al. (2019) recomiendan que las estaciones seleccionadas pueden tener hasta el 10% de días faltantes dentro de un año, por lo que, se filtraron las estaciones que no cumplieron dichas condiciones. Sin embargo, dado que las estaciones meteorológicas son escasas en algunas partes del DDRA, este criterio se omitió para aquellas estaciones que representan un vacío de información y que podrían comprometer el análisis espacial.
En México es difícil encontrar series completas de datos climáticos sin errores, anomalías y datos faltantes, por lo que, homogeneizar los registros meteorológicos es un proceso clave para muchos tipos de investigación climática (Guajardo-Panes et al. 2017). Por tal razón, se realizó un proceso de control de calidad y homogenización de datos mediante el paquete R CLIMATOL 3.1.1, siguiendo la metodología que se describe en Guijarro (2018). La aplicación de este programa, permitió resolver el problema de los datos faltantes, ya que los genera mediante un promedio ponderado de los cuatro valores observados más cercanos a la estación de referencia (Varotsos et al. 2023).
La investigación se realizó con promedios anuales, únicamente considerando los 8 meses correspondientes al ciclo agrícola de maíz, que inicia en abril y culmina en noviembre (Vázquez-Carrillo et al. 2020). El periodo se dividió en tres fracciones de tiempo, lo que hace posible evaluar los cambios temporales a menor escala, e identificar las ventanas de tiempo con mayores impactos (Kubiak-Wójcicka et al. 2023): 1985-1995 (primer periodo), 1996-2006 (segundo periodo) y 2007-2017 (tercer periodo).
Métodos de análisis
Test de Mann-Kendall
La prueba estadística no paramétrica de Mann-Kendall se ha utilizado comúnmente para evaluar la importancia de las tendencias en series temporales hidrometeorológicas (Mann 1945, Kendall 1975). Debido a su robustez y simplicidad, es apropiada para examinar tendencias a largo plazo, sin asumir una distribución particular (Kubiak-Wójcicka et al. 2023). En este estudio se empleó Mann-Kendall para determinar la significancia estadística de las tendencias de precipitación y temperatura durante el ciclo agrícola, basándose en la metodología propuesta por Yue et al. (2002), utilizando el software de acceso libre TREND V1.0.2. Esta prueba ha sido ampliamente aplicada para detectar la presencia de tendencias monótonas (crecientes o decrecientes), así como determinar el nivel de significancia estadístico (Wu et al. 2016, Panda y Sahu 2019). La prueba estadística de Mann-Kendall (S) se expresa de la siguiente manera en la ecuación:
Donde n es la longitud de la serie de datos, xj y xk son los datos secuenciales en la serie y sgn(x) es la función de signo, se define en la siguiente ecuación:
La varianza de S viene dada por la ecuación siguiente:
Dónde: tp son los vínculos de la serie temporal de la muestra y n es el número de valores en la serie de datos analizados.
El estadístico de Mann-Kendall viene dado por el valor gaussiano estandarizado de Z, que se calcula de acuerdo con la ecuación siguiente:
Los valores Z positivos indican tendencias crecientes, mientras que los negativos indican tendencias decrecientes. Se prueba la hipótesis nula H0 sin tendencia contra la hipótesis alternativa H1, donde hay una tendencia monótona creciente o decreciente. La región de aceptación en el nivel de significancia α = 0.05, está determinada por el intervalo -1.96 ≤ Z ≤ 1.96 (sin tendencia significativa), mientras que la región de rechazo viene dada por Z <-1.96 (tendencia significativa decreciente) y Z > 1.96 (tendencia significativa creciente) (García-Cueto et al. 2019, Krajewski et al. 2019, Wu et al. 2016).
Método de Regresión Lineal
El método de regresión es una prueba paramétrica y se emplea para analizar las tendencias lineales a largo plazo de variables climáticas en una serie temporal (Tian y Yang 2017, Martinez et al 2012). Se calcula mediante la siguiente ecuación:
Dónde: y es la variable dependiente (Temperatura en °C), a es la pendiente de una regresión lineal (°C año), x es la variable independiente (año), b es valor teórico de la variable dependiente en el año cero (primer año de observación). Con este método se permite establecer la magnitud de la tendencia significativa identificada (Krajewski et al. 2019).
Resultados
Variabilidad de la precipitación y temperatura
Durante el periodo analizado (1985-2017) en el DDRA, la variabilidad de la precipitación se identifica sin tendencia significativa. Se encontró una pendiente (tasa de cambio) en la ecuación de regresión de a = 1.9 mm año-1 y una tendencia de Z = 1.04, lo que resulta en un incremento de 62.7 mm, un aumento notable de 8.5% con respecto a la media. Fue en el segundo periodo (1996-2006) en el que, se encontró una mayor variabilidad, con una tendencia y pendiente positiva de Z = 1.09 y a = 10.7 mm año-1 respectivamente como se observa en la figura 2A.
Figura 2 Tendencia promedio para el DDRA, método regresión linear y prueba Mann-Kendall (Z); Precipitación (A), Temperatura máxima (B) y Temperatura mínima (C).
Para la temperatura máxima, durante el periodo analizado (1985-2017) se percibe una tendencia y pendiente positiva (Z = 1.86 y a = 0.031 °C año-1). Con esta última prueba se identifica un incremento de hasta 1.02 °C equivalente a un aumento de 4.7%. Los resultados indican que durante el segundo periodo (1996-2006), la temperatura máxima experimentó una tendencia significativa creciente, considerando que Z = 1.97 y a = 0.14 °C año-1(Figura 2B).
Respecto al comportamiento de la temperatura mínima, la tendencia durante el periodo analizado (1985-2017) representa una variabilidad con Z = 1.65 y a = 0.026 °C, alcanzando un acumulado de hasta 0.85 °C, lo que representa un aumento del 12.9% en comparación con el promedio (Figura 2C ). Se constató que, durante el tercer periodo (2007-2017), ocurrió el incremento de mayor impacto en la serie de tiempo (Z = 0.54 y a = 0.18 °C año-1).
Análisis de tendencia por estación
Precipitación
De acuerdo con las pruebas estadísticas empleadas, durante el periodo (1985-2017) (Figura 3A), el 77% del total de estaciones mostró una tendencia positiva, cuyo valor pendiente promedio fue de 3.3 mm año-1 , siendo el sureste del DDRA la zona con mayor impacto; por su parte, las pendientes negativas llegan a decrecer en promedio hasta -2.6 mm año-1.
Figura 3 Tendencias en la precipitación usando las pruebas de Mann-Kendall y Regresión Lineal para; A) periodo 1985-2017, B) periodo 1985-1995, C) periodo 1996-2006 y D) periodo 2007-2017. Las tendencias significativas en α = 0.05 están sombreadas en negro, los valores numéricos corresponden al valor de la pendiente expresados en °C/año.
Durante el primer periodo 1985-1995 (Figura 3B), el 60% de las estaciones resultaron con una tendencia positiva que, en su mayoría, se localizan hacia el norte y noreste del DDRA, cuya pendiente promedio es de 9 mm año-1 , mientras que las pendientes negativas experimentaron un decremento promedio de -7.8 mm año-1. En el segundo periodo (19962006) (Figura 3C), tan solo tres estaciones indican una tendencia significativa creciente y una estación con tendencia significativa decreciente. Adicionalmente, se identifican en la zona sureste, una importante agrupación de estaciones con tendencia y pendiente positiva, con un valor promedio de 21.3 mm año-1.
Para el tercer periodo (2007-2017) (Figura 3D), se encontró que 14 estaciones tienen una tendencia negativa, con un valor de pendiente promedio de -28.5 mm año-1 , de las cuales; cuatro indican tendencia significativa decreciente, mientras que parlas estaciones con tendencia positiva (53%), se identificó una pendiente promedio de 17.1 mm año-1 Este periodo se caracterizó por ser el más seco de la serie analizada.
Temperatura máxima
En el análisis de la tendencia de temperatura máxima (Figura 4A) realizado durante el periodo 1985-2017, se puede observar que en el 76.7% del total de las estaciones, se ha registrado una tendencia positiva, cuya pendiente promedio es de 0.04 °C año-1, de éstas, tres refieren a una tendencia significativa creciente, mientras que, para las tendencias negativas, resulto una pendiente promedio de -0.03−1 °C año. Hacia el periodo 1985-1995 (Figura 4B) el 43% de las estaciones, indican una tendencia negativa, las cuales promedian una pendiente de -0.05 °C, por el contrario, las estaciones que indican una tendencia positiva, reportan un incremento promedio de 0.09 °C año-1.
Figura 4 Tendencias en la temperatura máxima usando las pruebas de Mann-Kendall y Regresión Lineal para; A) periodo 1985-2017, B) periodo 1985-1995, C) periodo 1996-2006 y D) periodo 2007-2017. Las tendencias significativas en α = 0.05 están sombreadas en negro, los valores numéricos corresponden al valor de la pendiente expresados en °C/año.
En el periodo 1996-2006 (Figura 4C), se puede observar que el 60% de las estaciones corresponden a una tendencia negativa, cuya pendiente promedio indica ser de -0.07 °C, en las que se incluyen dos estaciones con tendencia significativa decreciente, mientras que las pendientes positivas, se localizan agrupadas en el sureste del DDRA, promediando una pendiente de 0.08 °C y finalmente hacia la última ventana de tiempo (2007-2017) (Figura 4D), los resultados permiten observar que el 60% de las estaciones, presentaron tendencias positivas, con una pendiente promedio de 0.28 °C año-1 , localizadas en su mayoría hacia el sur, mientras que las estaciones restantes (40%) presentan una tendencia negativa, con una pendiente de -0.08 °C año-1, localizadas en el sureste del DDRA.
Temperatura mínima
En la figura 5A se observa el periodo general (1985-2017), en el cual, resultaron 9 estaciones con tendencia significativa creciente y una estación con tendencia negativa decreciente. El 73% del total de estaciones, indican una tendencia positiva con una pendiente promedio de 0.04 °C año-1, mientras que las pendientes negativas resultaron con una disminución promedio de -0.03 °C año-1. El análisis de las tendencias a largo plazo de la temperatura mínima usando la prueba Mann-Kendall, mostró tendencias significativas crecientes en los tres períodos. Durante 1985-1995 (Figura 5B), el 70% de las estaciones indican una tendencia positiva, en las cuales, el promedio de incremento es de 0.09 °C año-1, mientras que las estaciones con tendencia y pendiente negativa, se observan agrupadas en la parte central del DDRA. Hacia el periodo 1996-2006 (Figura 5C), los resultados indican que el 83% de las estaciones muestran una tendencia y pendiente positiva cuyo promedio es de 0.08 °C año-1, tan solo cinco estaciones indican una tendencia negativa, y se localizan agrupadas en la región sureste. En cuanto al periodo 2007-2017 (Figura 5D), sobresalen cinco estaciones con tendencia significativa creciente, el 90% de todas las estaciones indican una tendencia y pendiente positiva, cuyo promedio es de 0.22 °C año-1.
Figura 5 Tendencias en la temperatura mínima usando las pruebas de Mann-Kendall y Regresión Lineal para; A) periodo 1985-2017, B) periodo 1985-1995, C) periodo 1996-2006 y D) periodo 2007-2017. Las tendencias significativas en α = 0.05 están sombreadas en negro, los valores numéricos corresponden al valor de la pendiente expresados en °C/año.
Discusión
Variabilidad de la temperatura y precipitación
Los resultados indican que en un lapso de 33 años (1985-2017), el Distrito de Desarrollo Rural de Atlacomulco ha experimentado una variación sobre las características climáticas, del total de las estaciones meteorológicas estudiadas la mayoría presentan una tendencia a incrementar; 77% en precipitación (3.3 mm año-1), 76.7% en temperatura máxima (0.04 °C año-1) y 76% en temperatura mínima (0.04 °C año-1). Estos resultados concuerdan con diversos autores que han abordado esta temática en México. Al respecto, Méndez et al. (2008) analizaron la precipitación de México durante el periodo 1920-2004, en la cual, identifican que la lluvia se ha incrementado en las regiones áridas y semiáridas en 1.8% en promedio con respecto a la precipitación total anual y para las zonas húmedas hasta el 0.9%, mientras que la disminución se ha estimado hasta en 1.2% tanto en regiones secas como húmedas, dándose a escalas locales. Por su parte, García-Cueto et al. (2019) estudiaron la tendencia a nivel nacional en 16 estaciones distribuidas en el país, durante el periodo 1980-2010, donde menciona que la temperatura máxima anual, muestra una tendencia creciente significativa en el 50% de las estaciones y una tendencia decreciente en el 18% de las estaciones, de igual manera, la temperatura mínima anual muestra una tendencia creciente significativa en el 69% de las estaciones y una tendencia decreciente en solo el 6% de las estaciones. Mientras que Rocha-Escalante et al. (2022) reportaron las tendencias de precipitación y temperatura en el Altiplano Potosino de México durante 1975-2015, encontrando estaciones con decrementos o incrementos para ambas variables en las tendencias anuales, se identifican grupos homogéneos en áreas locales. Por su parte, Velasco-Hernández et al. (2015) realizaron un estudio de tendencias climáticas para el centro de México, y reportan tendencias crecientes para temperatura y precipitación desde el periodo 1970-2012. Por otro lado, Martínez-Austria et al. (2014) identificaron el comportamiento de temperatura y precipitación en la cuenca baja del río Yaqui, donde se observó una tendencia clara de cambio climático en las temperaturas; en particular una disminución de la diferencia entre temperaturas máximas y mínimas, mientras que para la precipitación anual, no se detectó una tendencia estadísticamente significativa.
Efectos causados por la precipitación
Los hallazgos encontrados en el DDRA, indican que puede haber efectos directos o indirectos considerables de las tendencias observadas de la precipitación y temperatura (máxima y mínima) sobre la producción de maíz, aunque no es el objetivo del estudio, estos se pueden pronosticar mediante casos de estudio reportados a nivel mundial. En la mayoría de las estaciones meteorológicas analizadas durante el periodo 1985-2017, la precipitación apunta hacia una tendencia a incrementar, lo cual es favorable a la producción de maíz, no obstante, en las estaciones que se presenta lo contrario (23%), se incide a una inminente escasez de agua viéndose afectada la disponibilidad de este recurso. La situación anterior, conlleva a reducir el crecimiento y el rendimiento, que a menudo, son la causa principal de las pérdidas de cultivos (Baffour-Ata et al. 2023). Mientras que Villalobos-González et al. (2017) mencionan que en el cultivo de maíz a causa de la escasez de agua, se redujo la expansión del área foliar, se retrasó la antesis y floración femenina, disminuyó el rendimiento de grano y el número de granos en mazorca. Al respecto Çakir (2004) reporta que los déficits de agua durante el período de crecimiento vegetativo, causaron una pérdida del 28% al 32% del peso final de materia seca, así mismo se podrían esperar pérdidas mucho mayores del 66 al 93% como resultado del estrés hídrico prolongado durante la formación de espiga. En tanto que, Li et al. (2019) presentaron evidencia a partir de datos de rendimiento de cultivos durante el periodo 1981-2016, que las lluvias excesivas pueden reducir el rendimiento del maíz hasta -34% (-17 ± 3% en promedio) en los Estados Unidos, comparable a la pérdida de hasta -37% por sequía extrema (-32 ± 2% en promedio).
Efectos causados por la temperatura
La temperatura máxima y mínima, en más de la mitad de las estaciones del DDRA, presentan una tendencia hacia el incremento, las cuales tienen un impacto positivo durante de la temporada de crecimiento, favoreciendo fenología del maíz. Es probable que el aumento de temperatura media durante toda la temporada de cultivo, influya en la producción a través de factores como el aumento de la respiración, las pérdidas por evaporación, alto metabolismo basal y la alteración natural de las plantas al estrés biótico (Djalovic et al. 2023).
Se ha identificado que en el cultivo de maíz, el decremento de las temperaturas propicia a reducir su crecimiento vegetativo y desarrollo fenológico (Djalovic et al. 2023). Mientras que Waqas et al. (2021) y Wijewardana et al. (2016) han reportado, que cuando el cultivo de maíz está expuesto al estrés por frío, la tasa de crecimiento tiende a reducirse mientras que la duración del crecimiento se prolonga, por lo tanto, la baja temperatura debilita la plántula y también puede detener el llenado de grano prematuramente al final del ciclo de crecimiento, lo que resulta en una baja producción de grano e inconsistente en los valles altos y templados como el caso del DDRA.
Investigaciones previas evaluaron la relación entre la variación climática y la producción de maíz en Estados Unidos durante el período 1982-1998; reportando una disminución del 17% en el rendimiento por cada 1 °C de incremento en la temperatura media (Wijewardana et al. 2016). Los efectos del aumento de las temperaturas han mostrado un alto grado de variación, con reducción del rendimiento del 5 a 8% con aumentos de temperatura de 2 °C, mientras que a temperaturas superiores a los 35 °C durante la etapa de polinización, disminuye la producción debido a la deshidratación del polen (Hatfield et al. 2011). Los estudios de campo en el maíz, han demostrado que se reducen los rendimientos del 13 al 88% debido al aumento de la temperatura a 6 °C por encima de las temperaturas optimas (20 a 22 °C), una temperatura alta en las etapas criticas de desarrollo también puede deteriorar la calidad del grano (Ordóñez et al. 2015). Mientras que Hatfield et al. (2011) observaron una mayor tasa de fenología en temperaturas óptimas; sin embargo, el mayor efecto sobre la productividad se atribuyó al aumento de las temperaturas mínimas durante el período de llenado de grano
Conclusiones
El conocimiento sobre la distribución espacio temporal y la variabilidad de la precipitación y la temperatura, es importante en la planificación y gestión agrícola. Las tendencias en la precipitación, temperatura máxima y mínima en el DDRA, identifican una tendencia creciente en todo el DDRA, pero al analizar cada estación de manera independiente, se puede observar un comportamiento heterogéneo. No se logró identificar una área o región especifica con mayores o menores impactos, ya que la variabilidad espacial no presenta un patrón definido entre las variables estudiadas. La variabilidad y el cambio climático han provocado incrementos en la temperatura y precipitación en el DDRA, ante este escenario, se presentan condiciones óptimas para toda la temporada de crecimiento y desarrollo del maíz, con un clima con un mejor ambiente para potencializar el rendimiento. Del 2007-2017, la precipitación promedio anual, ha disminuido hasta en 4.2 mm año-1 , trayendo patrones de lluvia erráticos, lo que afecta de forma negativa el rendimiento del maíz, especialmente en temporal. De continuar esta tendencia, se provocarán efectos severos sobre la producción de maíz, lo que supone una amenaza para la seguridad alimentaria de la región.
