Introducción

En este documento se explicará el pre-proceso realizado en el marco del proyecto de Aclimatar + Aclimate, se presenta como se proceso los datos de idoneidad del cultivo de café (Aclimatar), las estaciones climáticas disponibles para Tanzania desde Aclimate, el clima histórico de precipitación (CHIRPS) y las temperaturas mínimas y máximas (CHIRTS). El objetivo es mostrar la integración de está información con miras a incorporar los datos de Aclimatar + Aclimate. A continuación se describe lo que son estas dos plataformas por separado:

Aclimatar

Aclimatar es una plataforma de apoyo a la toma de decisiones que vincula proyecciones climáticas específicas para cada cultivo con recomendaciones de adaptación para el cultivo de cacao, café y té. Es de acceso gratuito y se basa en la web, dirigida principalmente a extensionistas, además de brindar apoyo al personal administrativo. En su formato actual, Aclimatar proporciona datos sobre proyecciones climáticas pasadas, presentes y futuras, lo que facilita la toma de decisiones a largo plazo, crucial para los cultivos perennes y la planificación estratégica.

Aclimate

AClimate es una plataforma que proporciona pronósticos agroclimáticos a agricultores y extensionistas para ayudarlos a tomar decisiones agrícolas informadas frente a la variabilidad climática. La plataforma ofrece información precisa y actualizada sobre las condiciones climáticas estacionales esperadas. Esta información permite a los agricultores planificar y prepararse para la próxima temporada de cultivo. Al proporcionar pronósticos climáticos estacionales, AClimate tiene como objetivo contribuir a reducir los riesgos de los sistemas agrícolas. La plataforma está diseñada para ser fácil de usar y accesible, brindando información para respaldar las decisiones sobre la siembra, la cosecha y el manejo de sus cultivos. Con su enfoque en proporcionar pronósticos climáticos estacionales, AClimate está ayudando a mejorar la resiliencia de los sistemas agrícolas en los países donde se implementa.

Datos

A continuación, los datos inicialmente utilizados:

  1. Estaciones provenientes de Aclimate
  2. Datos históricos mensuales de precipitación 1995-2014 (CHIRPS)
  3. Datos históricos mensuales de temperatura mínima 1995-2014 (CHIRTS)
  4. Datos históricos mensuales de temperatura máxima 1995-2014 (CHIRTS)
  5. Zonas idóneas para arábica y robusta en Tanzania (Aclimatar)
  6. Pronósticos (históricos) para diciembre, enero, y febrero (Aclimate)

Resultados

Estaciones + Zonas idóneas [Polígonos de Voronoi]

Con las estaciones climáticas se estimaron los polígonos de Voronoi,estos son un aparticipación matemática de un espacio continuo en regiones discreas y convexas basadas en la distancia respecto a un conjunto de puntos generadores (en este caso las estaciones); en otras palabras, cada pol’kigono está asociada a un punto específico se define como la región que influye todo el espacio que se encuentra estrictamente más cerca de este punto generador que de cualquier otro en el sistema (Okabe et al., 2000).

Una vez estimado los polígonos de voronoi, se intersectaron con las zonas idóneas para el cultivo de cacao, con el dato proveniente de Aclimatar.

El mapa tiene tres capas (las cuales se pueden prender y apagar dentro del mapa), los puntos identifican las estaciones disponibles para Tanzania (https://tanzania.aclimate.org/), de otro lado, las zonas idóneas tomadas de https://aclimatar-africa.kronoscode.com/; por último los polígonos de Voronoi estimados a partir de las estaciones y intersección con las zonas idóneas del cultivo.

Clima histórico

Los datos históricos de clima fueron tomados de CHIRPS + CHIRTS a nivel diario, estos se procesaron agregandolos a nivel mensual desde enero de 1995 hasta diciembre del 2014, con esto entonces, se estimaron las climatologias como el promedio de todos los eneros, febreros…, diciembres. Sumado al promedio se estimo el valor mínimo y máximo. Esto se puede visualizar en la siguiente figura:

La precipitación tiene un rango desde los 0 hasta los casi 550 mm de precipitación, siendo la temproada seca entre junio y septiembre, con valores muy ceracnos a cero, mientras que la temporada húmeda es entre febrero y abril, siendo la región sur y sur-este la más lluviosa. Para el caso de la temperatura mínimael rango va desde los 0°C hasta los 31°, mientras que para la temperatura máxima los valores oscilan entre 9°C y los 36°C; la temproada con mayores valores en ambos casos coincide con la temporada seca, siendo entre junio y septiembre.

Estimación de rangos

Ahora bien, se estimaron los rangos en percentiles, siendo:

  • 0% a 40%: por debajo de lo normal
  • 40% a 60%: dentro del rango de lo normal
  • 60% a 100%: por encima de lo normal

Temperature mínima

Temperatura máxima

Precipitación

Aclimate - Pronósticos

Se descargaron los datos de pronósticos de forecast con el ID 12: 691c72421fece4170c775b6a par el 2025 (fue previo, debido a que para esta temporada no hay pronósticos debido a la sequía que se da en el país). Al descargar los datos se bajan 3 tablas, la primera de ellas es “probabilities”, a cotinuación se muestra como está configurada la tabla en sus primeras 6 filas.

Para las probabilidades se tienen 3 columnas clave que son “lower”, “normal” y “upper”; la suma de estas a nivel de fila da 1, y corresponde a la probabilidad que el valor de la precipitación, y se tiene tanto para el mes de diciembre (2025) como para marzo del 2026. Aquí la unica variable que se tiene es precipitación. En la siguiente tabla se muestran los datos del rendimiento (“performance”) del modelo que contiene 4 métricas, tales como: goodness, pearson, canonica, y afc2, tanto para el mes de diciembre como de marzo.

Ahora vamos con los escenarios (“scenarios”), se tienen valores para las variables de precipitación, radiación solar, temperatura mínima y máxima, para 3 diferentes escenarios, como lo son: máximo, promedio y mínimo.

Aplicación de integración - Caso de ejemplo

A continuación se describe el como se tiene pensado realizar la integración, poniendo como ejemplo que el usuario escoja una coordenada dentro de la región mapeada (mapa 1 de polígonos de Thiessen + Estaciones Climáticas):

Longitud: 31.81 Latitud: -3.49

El punto rojo refiere al punto ejemplo escogido por el usuario, este se asocia a los datos del pronóstico d ela estación Igulwa con un ID tz_00075, asociado además a idoneidad para el cultivo de arábica, ahora los datos de pronóstico para estos datos es:

Como se puede visualizar, con un valor de 0.46 es mayormente probable que la precipitación se comporte por debajo de lo normal. Ahora bien, se tienen otros datos de min, avg, y máximo.

Bibliografía

Okabe, A., Boots, B., Sugihara, K., & Chiu, S. N. (2000). Spatial Tessellations: Concepts and Applications of Voronoi Diagrams (2nd ed.). John Wiley & Sons.