a product message image
{' '} {' '}
Limited time offer
SAVE % on your upgrade

Page 1

Edición Bilingüe Bilingual Edition

Revista Mexicana de Ciencias Pecuarias Rev. Mex. Cienc. Pecu. Vol. 11 Suplemento 2, pp. 1-145, MARZO-2020

ISSN: 2448-6698

Rev. Mex. Cienc. Pecu. Vol. 11 Suplemento 2 pp. 1-145, MARZO-2020


Alimentación de ganado con ensilado de cerdaza. Granja Buganbilias en San José de Gracia, Michoacán. Fotografía tomada por: Alberto Jorge Galindo Barboza.

REVISTA MEXICANA DE CIENCIAS PECUARIAS Volumen 11 Suplemento 2, Marzo 2020. Es una publicación trimestral de acceso abierto, revisada por pares y arbitrada, editada por el Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP). Avenida Progreso No. 5, Barrio de Santa Catarina, Delegación Coyoacán, C.P. 04010, Cuidad de México, www.inifap.gob.mx Distribuida por el Centro Nacional de Investigación Disciplinaria en Salud Animal e Inocuidad, Km 15.5 Carretera México-Toluca, Colonia Palo Alto, Cuidad de México, C.P. 05110. Editor responsable: Arturo García Fraustro. Reservas de Derechos al Uso Exclusivo número 04-2016-060913393200-203. ISSN: 2448-6698, otorgados por el Instituto Nacional del Derecho de Autor (INDAUTOR). Responsable de la última actualización de este número: Arturo García Fraustro, Centro Nacional de Investigación Disciplinaria en Salud Animal e Inocuidad, Km. 15.5 Carretera México-Toluca, Colonia Palo Alto, Ciudad de México, C.P. 015110. http://cienciaspecuarias. inifap.gob.mx, la presente publicación tuvo su última actualización en marzo de 2020.

DIRECTORIO EDITOR EN JEFE Arturo García Fraustro

FUNDADOR John A. Pino EDITORES ADJUNTOS Oscar L. Rodríguez Rivera Alfonso Arias Medina

EDITORES POR DISCIPLINA Dra. Yolanda Beatriz Moguel Ordóñez, INIFAP, México Dr. Ramón Molina Barrios, Instituto Tecnológico de Sonora, México Dra. Maria Cristina Schneider, PAHO, Estados Unidos Dra. Elisa Margarita Rubí Chávez, UNAM, México Dr. Feliciano Milian Suazo, Universidad Autónoma de Querétaro, México Dr. Javier F. Enríquez Quiroz, INIFAP, México Dra. Martha Hortencia Martín Rivera, Universidad de Sonora URN, México Dr. Fernando Arturo Ibarra Flores, Universidad de Sonora URN, México Dr. James A. Pfister, USDA, Estados Unidos Dr. Eduardo Daniel Bolaños Aguilar, INIFAP, México Dr. Sergio Iván Román-Ponce, INIFAP, México Dr. Jesús Fernández Martín, INIA, España Dr. Sergio D. Rodríguez Camarillo, INIFAP, México Dr. Martin Talavera Rojas, Universidad Autónoma del Estado de México, México Dra. Maria Salud Rubio Lozano, Facultad de Medicina Veterinaria y Zootecnia, UNAM, México Dra. Elizabeth Loza-Rubio, INIFAP, México Dr. Juan Carlos Saiz Calahorra, Instituto Nacional de Investigaciones Agrícolas, España Dra. Silvia Elena Buntinx Dios, Facultad de Medicina Veterinaria y Zootecnia, UNAM, México Dr. José Armando Partida de la Peña, INIFAP, México Dr. José Luis Romano Muñoz, INIFAP, México. Dr. Alejandro Plascencia Jorquera, Universidad Autónoma de Baja California, México Dr. Juan Ku Vera, Universidad Autónoma de Yucatán, México Dr. Ricardo Basurto Gutiérrez, INIFAP, México. Dr. Luis Corona Gochi, Facultad de Medicina Veterinaria y Zootecnia, UNAM, México Dr. Juan Manuel Pinos Rodríguez, Facultad de Medicina Veterinaria y Zootecnia, Universidad Veracruzana, México Dr. Carlos López Coello, Facultad de Medicina Veterinaria y Zootecnia, UNAM, México Dr. Arturo Francisco Castellanos Ruelas, Facultad de Química. UADY Dra. Guillermina Ávila Ramírez, UNAM, México. Dr. Emmanuel Camuus, CIRAD, Francia. Dr. Héctor Jiménez Severiano, INIFAP., México Dr. Juan Hebert Hernández Medrano, UNAM, México. Dr. Adrian Guzmán Sánchez, Universidad Autónoma Metropolitana-Xochimilco, México Dr. Eugenio Villagómez Amezcua Manjarrez, INIFAP, CENID Salud Animal e Inocuidad, México Dr. Fernando Cervantes Escoto, Universidad Autónoma Chapingo, México Dr. Adolfo Guadalupe Álvarez Macías, Universidad Autónoma Metropolitana Xochimilco, México Dr. Alfredo Cesín Vargas, UNAM, México.

TIPOGRAFÍA Y FORMATO Nora del Rocío Alfaro Gómez Indizada en el “Journal Citation Report” Science Edition del ISI . Inscrita en el Sistema de Clasificación de Revistas Científicas y Tecnológicas de CONACyT; en EBSCO Host y la Red de Revistas Científicas de América Latina y el Caribe, España y Portugal (RedALyC) (www.redalyc.org); en la Red Iberoamericana de Revistas Científicas de Veterinaria de Libre Acceso (www.veterinaria.org/revistas/ revivec); en los Índices SCOPUS y EMBASE de Elsevier (www.elsevier. com).

I


REVISTA MEXICANA DE CIENCIAS PECUARIAS La Revista Mexicana de Ciencias Pecuarias es un órgano de difusión científica y técnica de acceso abierto, revisada por pares y arbitrada. Su objetivo es dar a conocer los resultados de las investigaciones realizadas por cualquier institución científica, relacionadas particularmente con las distintas disciplinas de la Medicina Veterinaria y la Zootecnia. Además de trabajos de las disciplinas indicadas en su Comité Editorial, se aceptan también para su evaluación y posible publicación, trabajos de otras disciplinas, siempre y cuando estén relacionados con la investigación pecuaria.

total por publicar es de $ 5,600.00 más IVA por manuscrito ya editado. Se publica en formato digital en acceso abierto, por lo que se autoriza la reproducción total o parcial del contenido de los artículos si se cita la fuente. El envío de los trabajos de debe realizar directamente en el sitio oficial de la revista. Correspondencia adicional deberá dirigirse al Editor Adjunto a la siguiente dirección: Calle 36 No. 215 x 67 y 69 Colonia Montes de Amé, C.P. 97115 Mérida, Yucatán, México. Tel/Fax +52 (999) 941-5030. Correo electrónico (C-ele): rodriguez_oscar@prodigy.net.mx.

Se publican en la revista tres categorías de trabajos: Artículos Científicos, Notas de Investigación y Revisiones Bibliográficas (consultar las Notas al autor); la responsabilidad de cada trabajo recae exclusivamente en los autores, los cuales, por la naturaleza misma de los experimentos pueden verse obligados a referirse en algunos casos a los nombres comerciales de ciertos productos, ello sin embargo, no implica preferencia por los productos citados o ignorancia respecto a los omitidos, ni tampoco significa en modo alguno respaldo publicitario hacia los productos mencionados.

La correspondencia relativa a suscripciones, asuntos de intercambio o distribución de números impresos anteriores, deberá dirigirse al Editor en Jefe de la Revista Mexicana de Ciencias Pecuarias, CENID Salud Animal e Inocuidad, Km 15.5 Carretera México-Toluca, Col. Palo Alto, D.F. C.P. 05110, México; Tel: +52(55) 3871-8700 ext. 80316; garcia.arturo@inifap.gob.mx o arias.alfonso@inifap.gob.mx. Inscrita en la base de datos de EBSCO Host y la Red de Revistas Científicas de América Latina y el Caribe, España y Portugal (RedALyC) (www.redalyc.org), en la Red Iberoamericana de Revistas Científicas de Veterinaria de Libre Acceso (www.veterinaria.org/revistas/ revivec), indizada en el “Journal Citation Report” Science Edition del ISI (http://thomsonreuters. com/) y en los Índices SCOPUS y EMBASE de Elsevier (www.elsevier.com)

Todas las contribuciones serán cuidadosamente evaluadas por árbitros, considerando su calidad y relevancia académica. Queda entendido que el someter un manuscrito implica que la investigación descrita es única e inédita. La publicación de Rev. Mex. Cienc. Pecu. es trimestral en formato bilingüe Español e Inglés. El costo

VISITE NUESTRA PÁGINA EN INTERNET Artículos completos desde 1963 a la fecha y Notas al autor en: http://cienciaspecuarias.inifap.gob.mx Revista Mexicana de Ciencias Pecuarias is an open access peer-reviewed and refereed scientific and technical journal, which publishes results of research carried out in any scientific or academic institution, especially related to different areas of veterinary medicine and animal production. Papers on disciplines different from those shown in Editorial Committee can be accepted, if related to livestock research.

Part of, or whole articles published in this Journal may be reproduced, stored in a retrieval system or transmitted in any form or by any means, electronic, mechanical, photocopying or otherwise, provided the source is properly acknowledged. Manuscripts should be submitted directly in the official web site. Additional information may be mailed to Associate Editor, Revista Mexicana de Ciencias Pecuarias, Calle 36 No. 215 x 67 y 69 Colonia Montes de Amé, C.P. 97115 Mérida, Yucatán, México. Tel/Fax +52 (999) 941-5030. E-mail: rodriguez_oscar@prodigy.net.mx.

The journal publishes three types of papers: Research Articles, Technical Notes and Review Articles (please consult Instructions for authors). Authors are responsible for the content of each manuscript, which, owing to the nature of the experiments described, may contain references, in some cases, to commercial names of certain products, which however, does not denote preference for those products in particular or of a lack of knowledge of any other which are not mentioned, nor does it signify in any way an advertisement or an endorsement of the referred products.

For subscriptions, exchange or distribution of previous printed issues, please contact: Editor-in-Chief of Revista Mexicana de Ciencias Pecuarias, CENID Salud Animal e Inocuidad, Km 15.5 Carretera México-Toluca, Col. Palo Alto, D.F. C.P. 05110, México; Tel: +52(55) 3871-8700 ext. 80316; garcia.arturo@inifap.gob.mx or arias.alfonso@inifap.gob.mx. Registered in the EBSCO Host database. The Latin American and the Caribbean Spain and Portugal Scientific Journals Network (RedALyC) (www.redalyc.org). The Iberoamerican Network of free access Veterinary Scientific Journals (www.veterinaria.org/ revistas/ revivec). Thomson Reuter´s “Journal Citation Report” Science Edition (http://thomsonreuters.com/). Elsevier´s SCOPUS and EMBASE (www.elsevier.com) and the Essential Electronic Agricultural Library (www.teeal.org).

All contributions will be carefully refereed for academic relevance and quality. Submission of an article is understood to imply that the research described is unique and unpublished. Rev. Mex. Cien. Pecu. is published quarterly in original lenguage Spanish or English. Total fee charges are US $ 325.00 per article in both printed languages.

VISIT OUR SITE IN THE INTERNET Full articles from year 1963 to date and Instructions for authors can be accessed via the site http://cienciaspecuarias.inifap.gob.mx

II


REVISTA MEXICANA DE CIENCIAS PECUARIAS REV. MEX. CIENC. PECU.

VOL. 11 (Suplemento 2)

MARZO-2020

CONTENIDO ARTÍCULOS

Pág. Efecto de la temperatura del agua sobre la constante de velocidad de reacción de los contaminantes en un humedal construido para el tratamiento de aguas residuales porcícolas Water temperature effect on the reaction rate constant of pollutants in a constructed wetland for the treatment of swine wastewater Celia De La Mora-Orozco, Rubén Alfonso Saucedo-Terán, Irma Julieta González-Acuña, Sergio GómezRosales, Hugo Ernesto FloresLópez………………………………………………………………………………..………………..................................1

Estimación de la producción de metano entérico en ranchos de producción familiar de leche bovina en el sur del estado de Querétaro, México Estimation of enteric methane production in family-run dairy farms in the south of the State of Querétaro, Mexico Sergio Gómez Rosales, María de Lourdes Ángeles. José Luis Romano Muñoz, José Ariel Ruíz Corral……………………………………………………………………………………………………………….……….…18

Efecto del calentamiento global sobre la producción de alfalfa en México Global warming effect on alfalfa production in Mexico Guillermo Medina-García, Francisco Guadalupe Echavarría-Cháirez, José Ariel Ruiz-Corral, Víctor Manuel Rodríguez-Moreno, Jesús Soria-Ruiz, Celia De la Mora-Orozco ................................... 34

Áreas con aptitud ambiental para [Bouteloua curtipendula (Michx.) Torr.] en México por efecto del cambio climático Environmental suitability areas for [Bouteloua curtipendula (Michx.) Torr.] in Mexico due to climate change effect José Ángel Martínez Sifuentes, Noé Durán Puga, José Ariel Ruiz Corral, Diego Raymundo González Eguiarte, Salvador Mena Munguía ...................................................................................................... 49

Efecto en la erosión hídrica del suelo en pastizales y otros tipos de vegetación por cambios en el patrón de lluvias por el calentamiento global en Zacatecas, México Effects of rainfall pattern changes due to global warming on soil water erosion in grasslands and other vegetation types in the state of Zacatecas, Mexico Francisco Guadalupe Echavarría-Cháirez, Guillermo Medina-García, José Ariel Ruiz-Corral .............. 63

III


Estimación del factor de transporte del índice de fósforo con climatologías y escenarios de cambio climático en tierras de Jalisco, México Estimation of the transport factor of the phosphorus index in climatology and climate change scenarios in Jalisco, Mexico Hugo Ernesto Flores López, Álvaro Agustín Chávez Durán, José Ariel Ruíz Corral, Celia De La Mora Orozco, Uriel Figueroa Viramontes, Agustín Hernández Anaya .......................................................... 75

Impacto del cambio climático en la distribución potencial de Tithonia diversifolia (Hemsl.) A. Gray en México Impact of climate change on the potential distribution of Tithonia diversifolia (Hemsl.) A. Gray in Mexico Noé Durán Puga, José Lenin Loya Olguín, José Ariel Ruiz Corral, Diego Raymundo González Eguiarte, Juan Diego García Paredes, Sergio Martínez González, Marcos Rafael Crespo González.................... 93

REVISIONES DE LITERATURA

Mitigación y adaptación al cambio climático mediante la implementación de modelos integrados para el manejo y aprovechamiento de los residuos pecuarios. Revisión Mitigation and adaptation to climate change through the implementation of integrated models for the management and use of livestock residues. Review Alberto Jorge Galindo-Barboza, Gerardo Domínguez-Araujo, Ramón Ignacio Arteaga-Garibay, Gerardo Salazar-Gutiérrez .............................................................................................................................. 107

Causas y consecuencias del cambio climático en la producción pecuaria y salud animal. Revisión Causes and consequences of climate change in livestock production and animal health. Review Berenice Sánchez Mendoza, Susana Flores Villalva, Elba Rodríguez Hernández, Ana María Anaya Escalera, Elsa Angélica Contreras Contreras ..................................................................................... 126

IV


Actualización: marzo, 2020 NOTAS AL AUTOR La Revista Mexicana de Ciencias Pecuarias se edita completa en dos idiomas (español e inglés) y publica tres categorías de trabajos: Artículos científicos, Notas de investigación y Revisiones bibliográficas.

contener los componentes que a continuación se indican, empezando cada uno de ellos en página aparte. Página del título Resumen en español Resumen en inglés Texto Agradecimientos y conflicto de interés Literatura citada

Los autores interesados en publicar en esta revista deberán ajustarse a los lineamientos que más adelante se indican, los cuales en términos generales, están de acuerdo con los elaborados por el Comité Internacional de Editores de Revistas Médicas (CIERM) Bol Oficina Sanit Panam 1989;107:422-437. 1.

Sólo se aceptarán trabajos inéditos. No se admitirán si están basados en pruebas de rutina, ni datos experimentales sin estudio estadístico cuando éste sea indispensable. Tampoco se aceptarán trabajos que previamente hayan sido publicados condensados o in extenso en Memorias o Simposio de Reuniones o Congresos (a excepción de Resúmenes).

2.

Todos los trabajos estarán sujetos a revisión de un Comité Científico Editorial, conformado por Pares de la Disciplina en cuestión, quienes desconocerán el nombre e Institución de los autores proponentes. El Editor notificará al autor la fecha de recepción de su trabajo.

3.

4.

5.

6.

El manuscrito deberá someterse a través del portal de la Revista en la dirección electrónica: http://cienciaspecuarias.inifap.gob.mx, consultando el “Instructivo para envío de artículos en la página de la Revista Mexicana de Ciencias Pecuarias”. Para su elaboración se utilizará el procesador de Microsoft Word, con letra Times New Roman a 12 puntos, a doble espacio. Asimismo se deberán llenar los formatos de postulación, carta de originalidad y no duplicidad y disponibles en el propio sitio oficial de la revista. Por ser una revista con arbitraje, y para facilitar el trabajo de los revisores, todos los renglones de cada página deben estar numerados; asimismo cada página debe estar numerada, inclusive cuadros, ilustraciones y gráficas. Los artículos tendrán una extensión máxima de 20 cuartillas a doble espacio, sin incluir páginas de Título, y cuadros o figuras (los cuales no deberán exceder de ocho y ser incluidos en el texto). Las Notas de investigación tendrán una extensión máxima de 15 cuartillas y 6 cuadros o figuras. Las Revisiones bibliográficas una extensión máxima de 30 cuartillas y 5 cuadros.

7.

Página del Título. Solamente debe contener el título del trabajo, que debe ser conciso pero informativo; así como el título traducido al idioma inglés. En el manuscrito no es necesaria información como nombres de autores, departamentos, instituciones, direcciones de correspondencia, etc., ya que estos datos tendrán que ser registrados durante el proceso de captura de la solicitud en la plataforma del OJS (http://ciencias pecuarias.inifap.gob.mx).

8.

Resumen en español. En la segunda página se debe incluir un resumen que no pase de 250 palabras. En él se indicarán los propósitos del estudio o investigación; los procedimientos básicos y la metodología empleada; los resultados más importantes encontrados, y de ser posible, su significación estadística y las conclusiones principales. A continuación del resumen, en punto y aparte, agregue debidamente rotuladas, de 3 a 8 palabras o frases cortas clave que ayuden a los indizadores a clasificar el trabajo, las cuales se publicarán junto con el resumen.

9.

Resumen en inglés. Anotar el título del trabajo en inglés y a continuación redactar el “abstract” con las mismas instrucciones que se señalaron para el resumen en español. Al final en punto y aparte, se deberán escribir las correspondientes palabras clave (“key words”).

10. Texto. Las tres categorías de trabajos que se publican en la Rev. Mex. Cienc. Pecu. consisten en lo siguiente: a) Artículos científicos. Deben ser informes de trabajos originales derivados de resultados parciales o finales de investigaciones. El texto del Artículo científico se divide en secciones que llevan estos encabezamientos: Introducción Materiales y Métodos Resultados Discusión Conclusiones e implicaciones

Los manuscritos de las tres categorías de trabajos que se publican en la Rev. Mex. Cienc. Pecu. deberán

V


iniciales del materno y nombre(s). En caso de apellidos compuestos se debe poner un guión entre ambos, ejemplo: Elías-Calles E. Entre las iniciales de un autor no se debe poner ningún signo de puntuación, ni separación; después de cada autor sólo se debe poner una coma, incluso después del penúltimo; después del último autor se debe poner un punto.

Literatura citada En los artículos largos puede ser necesario agregar subtítulos dentro de estas divisiones a fin de hacer más claro el contenido, sobre todo en las secciones de Resultados y de Discusión, las cuales también pueden presentarse como una sola sección. b) Notas de investigación. Consisten en modificaciones a técnicas, informes de casos clínicos de interés especial, preliminares de trabajos o investigaciones limitadas, descripción de nuevas variedades de pastos; así como resultados de investigación que a juicio de los editores deban así ser publicados. El texto contendrá la misma información del método experimental señalado en el inciso a), pero su redacción será corrida del principio al final del trabajo; esto no quiere decir que sólo se supriman los subtítulos, sino que se redacte en forma continua y coherente.

El título del trabajo se debe escribir completo (en su idioma original) luego el título abreviado de la revista donde se publicó, sin ningún signo de puntuación; inmediatamente después el año de la publicación, luego el número del volumen, seguido del número (entre paréntesis) de la revista y finalmente el número de páginas (esto en caso de artículo ordinario de revista). Puede incluir en la lista de referencias, los artículos aceptados aunque todavía no se publiquen; indique la revista y agregue “en prensa” (entre corchetes).

c) Revisiones bibliográficas. Consisten en el tratamiento y exposición de un tema o tópico de relevante actualidad e importancia; su finalidad es la de resumir, analizar y discutir, así como poner a disposición del lector información ya publicada sobre un tema específico. El texto se divide en: Introducción, y las secciones que correspondan al desarrollo del tema en cuestión.

En el caso de libros de un solo autor (o más de uno, pero todos responsables del contenido total del libro), después del o los nombres, se debe indicar el título del libro, el número de la edición, el país, la casa editorial y el año. Cuando se trate del capítulo de un libro de varios autores, se debe poner el nombre del autor del capítulo, luego el título del capítulo, después el nombre de los editores y el título del libro, seguido del país, la casa editorial, año y las páginas que abarca el capítulo.

11. Agradecimientos y conflicto de interés. Siempre que corresponda, se deben especificar las colaboraciones que necesitan ser reconocidas, tales como a) la ayuda técnica recibida; b) el agradecimiento por el apoyo financiero y material, especificando la índole del mismo; c) las relaciones financieras que pudieran suscitar un conflicto de intereses. Las personas que colaboraron pueden ser citadas por su nombre, añadiendo su función o tipo de colaboración; por ejemplo: “asesor científico”, “revisión crítica de la propuesta para el estudio”, “recolección de datos”, etc. Siempre que corresponda, los autores deberán mencionar si existe algún conflicto de interés.

En el caso de tesis, se debe indicar el nombre del autor, el título del trabajo, luego entre corchetes el grado (licenciatura, maestría, doctorado), luego el nombre de la ciudad, estado y en su caso país, seguidamente el nombre de la Universidad (no el de la escuela), y finalmente el año. Emplee el estilo de los ejemplos que aparecen a continuación, los cuales están parcialmente basados en el formato que la Biblioteca Nacional de Medicina de los Estados Unidos usa en el Index Medicus.

12. Literatura citada. Numere las referencias consecutivamente en el orden en que se mencionan por primera vez en el texto. Las referencias en el texto, en los cuadros y en las ilustraciones se deben identificar mediante números arábigos entre paréntesis, sin señalar el año de la referencia. Evite hasta donde sea posible, el tener que mencionar en el texto el nombre de los autores de las referencias. Procure abstenerse de utilizar los resúmenes como referencias; las “observaciones inéditas” y las “comunicaciones personales” no deben usarse como referencias, aunque pueden insertarse en el texto (entre paréntesis).

Revistas

Artículo ordinario, con volumen y número. (Incluya el nombre de todos los autores cuando sean seis o menos; si son siete o más, anote sólo el nombre de los seis primeros y agregue “et al.”). I)

Reglas básicas para la Literatura citada

Basurto GR, Garza FJD. Efecto de la inclusión de grasa o proteína de escape ruminal en el comportamiento de toretes Brahman en engorda. Téc Pecu Méx 1998;36(1):35-48.

Sólo número sin indicar volumen.

Nombre de los autores, con mayúsculas sólo las iniciales, empezando por el apellido paterno, luego

VI


II) Stephano HA, Gay GM, Ramírez TC. Encephalomielitis, reproductive failure and corneal opacity (blue eye) in pigs associated with a paramyxovirus infection. Vet Rec 1988;(122):6-10. III) Chupin D, Schuh H. Survey of present status ofthe use of artificial insemination in developing countries. World Anim Rev 1993;(74-75):26-35.

No se indica el autor. IV) Cancer in South Africa [editorial]. S Afr Med J 1994;84:15.

Suplemento de revista. V) Hall JB, Staigmiller RB, Short RE, Bellows RA, Bartlett SE. Body composition at puberty in beef heifers as influenced by nutrition and breed [abstract]. J Anim Sci 1998;71(Suppl 1):205.

Organización, como autor. VI) The Cardiac Society of Australia and New Zealand. Clinical exercise stress testing. Safety and performance guidelines. Med J Aust 1996;(164):282-284.

En proceso de publicación. VII) Scifres CJ, Kothmann MM. Differential grazing use of herbicide treated area by cattle. J Range Manage [in press] 2000.

Libros y otras monografías

Autor total. VIII) Steel RGD, Torrie JH. Principles and procedures of statistics: A biometrical approach. 2nd ed. New York, USA: McGraw-Hill Book Co.; 1980.

Autor de capítulo. IX)

Roberts SJ. Equine abortion. In: Faulkner LLC editor. Abortion diseases of cattle. 1rst ed. Springfield, Illinois, USA: Thomas Books; 1968:158-179.

Memorias de reuniones. X)

Loeza LR, Angeles MAA, Cisneros GF. Alimentación de cerdos. En: Zúñiga GJL, Cruz BJA editores. Tercera reunión anual del centro de investigaciones forestales y agropecuarias del estado de Veracruz. Veracruz. 1990:51-56.

XI)

Olea PR, Cuarón IJA, Ruiz LFJ, Villagómez AE. Concentración de insulina plasmática en cerdas alimentadas con melaza en la dieta durante la inducción de estro lactacional [resumen]. Reunión nacional de investigación pecuaria. Querétaro, Qro. 1998:13.

XII) Cunningham EP. Genetic diversity in domestic animals: strategies for conservation and development. In: Miller RH et al. editors. Proc XX Beltsville Symposium: Biotechnology’s role in genetic improvement of farm animals. USDA. VI 1996:13.

Tesis. XIII) Alvarez MJA. Inmunidad humoral en la anaplasmosis y babesiosis bovinas en becerros mantenidos en una zona endémica [tesis maestría]. México, DF: Universidad Nacional Autónoma de México; 1989. XIV) Cairns RB. Infrared spectroscopic studies of solid oxigen [doctoral thesis]. Berkeley, California, USA: University of California; 1965.

Organización como autor. XV) NRC. National Research Council. The nutrient requirements of beef cattle. 6th ed. Washington, DC, USA: National Academy Press; 1984. XVI) SAGAR. Secretaría de Agricultura, Ganadería y Desarrollo Rural. Curso de actualización técnica para la aprobación de médicos veterinarios zootecnistas responsables de establecimientos destinados al sacrificio de animales. México. 1996. XVII) AOAC. Oficial methods of analysis. 15th ed. Arlington, VA, USA: Association of Official Analytical Chemists. 1990. XVIII) SAS. SAS/STAT User’s Guide (Release 6.03). Cary NC, USA: SAS Inst. Inc. 1988. XIX) SAS. SAS User´s Guide: Statistics (version 5 ed.). Cary NC, USA: SAS Inst. Inc. 1985.

Publicaciones electrónicas XX) Jun Y, Ellis M. Effect of group size and feeder type on growth performance and feeding patterns in growing pigs. J Anim Sci 2001;79:803-813. http://jas.fass.org/cgi/reprint/79/4/803.pdf. Accessed Jul 30, 2003. XXI) Villalobos GC, González VE, Ortega SJA. Técnicas para estimar la degradación de proteína y materia orgánica en el rumen y su importancia en rumiantes en pastoreo. Téc Pecu Méx 2000;38(2): 119-134. http://www.tecnicapecuaria.org/trabajos/20021217 5725.pdf. Consultado 30 Ago, 2003. XXII) Sanh MV, Wiktorsson H, Ly LV. Effect of feeding level on milk production, body weight change, feed conversion and postpartum oestrus of crossbred lactating cows in tropical conditions. Livest Prod Sci 2002;27(2-3):331-338. http://www.sciencedirect. com/science/journal/03016226. Accessed Sep 12, 2003.

VII


13. Cuadros, Gráficas e Ilustraciones. Es preferible que sean pocos, concisos, contando con los datos necesarios para que sean autosuficientes, que se entiendan por sí mismos sin necesidad de leer el texto. Para las notas al pie se deberán utilizar los símbolos convencionales.

i.v. intravenosa (mente) J joule (s) kg kilogramo (s) km kilómetro (s) L litro (s) log logaritmo decimal Mcal megacaloría (s) MJ megajoule (s) m metro (s) msnm metros sobre el nivel del mar µg microgramo (s) µl microlitro (s) µm micrómetro (s)(micra(s)) mg miligramo (s) ml mililitro (s) mm milímetro (s) min minuto (s) ng nanogramo (s)Pprobabilidad (estadística) p página PC proteína cruda PCR reacción en cadena de la polimerasa pp páginas ppm partes por millón % por ciento (con número) rpm revoluciones por minuto seg segundo (s) t tonelada (s) TND total de nutrientes digestibles UA unidad animal UI unidades internacionales

14 Versión final. Es el documento en el cual los autores ya integraron las correcciones y modificaciones indicadas por el Comité Revisor. Los trabajos deberán ser elaborados con Microsoft Word. Las fotografías e imágenes deberán estar en formato jpg (o compatible) con al menos 300 dpi de resolución. Tanto las fotografías, imágenes, gráficas, cuadros o tablas deberán incluirse en el mismo archivo del texto. Los cuadros no deberán contener ninguna línea vertical, y las horizontales solamente las que delimitan los encabezados de columna, y la línea al final del cuadro. 15. Una vez recibida la versión final, ésta se mandará para su traducción al idioma inglés o español, según corresponda. Si los autores lo consideran conveniente podrán enviar su manuscrito final en ambos idiomas. 16. Tesis. Se publicarán como Artículo o Nota de Investigación, siempre y cuando se ajusten a las normas de esta revista. 17. Los trabajos no aceptados para su publicación se regresarán al autor, con un anexo en el que se explicarán los motivos por los que se rechaza o las modificaciones que deberán hacerse para ser reevaluados. 18. Abreviaturas de uso frecuente: cal cm °C DL50 g ha h i.m.

caloría (s) centímetro (s) grado centígrado (s) dosis letal 50% gramo (s) hectárea (s) hora (s) intramuscular (mente)

vs

versus

xg

gravedades

Cualquier otra abreviatura se pondrá entre paréntesis inmediatamente después de la(s) palabra(s) completa(s). 19. Los nombres científicos y otras locuciones latinas se deben escribir en cursivas.

VIII


Updated: March, 2020 INSTRUCTIONS FOR AUTHORS Revista Mexicana de Ciencias Pecuarias is a scientific journal published in a bilingual format (Spanish and English) which carries three types of papers: Research Articles, Technical Notes, and Reviews. Authors interested in publishing in this journal, should follow the belowmentioned directives which are based on those set down by the International Committee of Medical Journal Editors (ICMJE) Bol Oficina Sanit Panam 1989;107:422-437. 1.

Only original unpublished works will be accepted. Manuscripts based on routine tests, will not be accepted. All experimental data must be subjected to statistical analysis. Papers previously published condensed or in extenso in a Congress or any other type of Meeting will not be accepted (except for Abstracts).

2.

All contributions will be peer reviewed by a scientific editorial committee, composed of experts who ignore the name of the authors. The Editor will notify the author the date of manuscript receipt.

3.

Papers will be submitted in the Web site http://cienciaspecuarias.inifap.gob.mx, according the “Guide for submit articles in the Web site of the Revista Mexicana de Ciencias Pecuarias�. Manuscripts should be prepared, typed in a 12 points font at double space (including the abstract and tables), At the time of submission a signed agreement co-author letter should enclosed as complementary file; coauthors at different institutions can mail this form independently. The corresponding author should be indicated together with his address (a post office box will not be accepted), telephone and Email.

4.

To facilitate peer review all pages should be numbered consecutively, including tables, illustrations and graphics, and the lines of each page should be numbered as well.

5.

Research articles will not exceed 20 double spaced pages, without including Title page and Tables and Figures (8 maximum and be included in the text). Technical notes will have a maximum extension of 15 pages and 6 Tables and Figures. Reviews should not exceed 30 pages and 5 Tables and Figures.

6.

Title page Abstract Text Acknowledgments and conflict of interest Literature cited 7.

Title page. It should only contain the title of the work, which should be concise but informative; as well as the title translated into English language. In the manuscript is not necessary information as names of authors, departments, institutions and correspondence addresses, etc.; as these data will have to be registered during the capture of the application process on the OJS platform (http://cienciaspecuarias.inifap.gob.mx).

8.

Abstract. On the second page a summary of no more than 250 words should be included. This abstract should start with a clear statement of the objectives and must include basic procedures and methodology. The more significant results and their statistical value and the main conclusions should be elaborated briefly. At the end of the abstract, and on a separate line, a list of up to 10 key words or short phrases that best describe the nature of the research should be stated.

9.

Text. The three categories of articles which are published in Revista Mexicana de Ciencias Pecuarias are the following:

a) Research Articles. They should originate in primary

works and may show partial or final results of research. The text of the article must include the following parts: Introduction Materials and Methods Results Discussion Conclusions and implications Literature cited In lengthy articles, it may be necessary to add other sections to make the content clearer. Results and Discussion can be shown as a single section if considered appropriate.

b) Technical Notes. They should be brief and be

Manuscripts of all three type of articles published in Revista Mexicana de Ciencias Pecuarias should contain the following sections, and each one should begin on a separate page.

evidence for technical changes, reports of clinical cases of special interest, complete description of a limited investigation, or research results which should be published as a note in the opinion of the editors. The text will contain the same

IX


information presented in the sections of t he research article but without section titles.

e. When a reference is made of a chapter of book written by several authors; the name of the author(s) of the chapter should be quoted, followed by the title of the chapter, the editors and the title of the book, the country, the printing house, the year, and the initial and final pages.

c) Reviews. The purpose of these papers is to

summarize, analyze and discuss an outstanding topic. The text of these articles should include the following sections: Introduction, and as many sections as needed that relate to the description of the topic in question.

f. In the case of a thesis, references should be made of the author’s name, the title of the research, the degree obtained, followed by the name of the City, State, and Country, the University (not the school), and finally the year.

10. Acknowledgements. Whenever appropriate, collaborations that need recognition should be specified: a) Acknowledgement of technical support; b) Financial and material support, specifying its nature; and c) Financial relationships that could be the source of a conflict of interest.

Examples The style of the following examples, which are partly based on the format the National Library of Medicine of the United States employs in its Index Medicus, should be taken as a model.

People which collaborated in the article may be named, adding their function or contribution; for example: “scientific advisor”, “critical review”, “data collection”, etc. 11. Literature cited. All references should be quoted in their original language. They should be numbered consecutively in the order in which they are first mentioned in the text. Text, tables and figure references should be identified by means of Arabic numbers. Avoid, whenever possible, mentioning in the text the name of the authors. Abstain from using abstracts as references. Also, “unpublished observations” and “personal communications” should not be used as references, although they can be inserted in the text (inside brackets).

Key rules for references a. The names of the authors should be quoted beginning with the last name spelt with initial capitals, followed by the initials of the first and middle name(s). In the presence of compound last names, add a dash between both, i.e. Elias-Calles E. Do not use any punctuation sign, nor separation between the initials of an author; separate each author with a comma, even after the last but one. b. The title of the paper should be written in full, followed by the abbreviated title of the journal without any punctuation sign; then the year of the publication, after that the number of the volume, followed by the number (in brackets) of the journal and finally the number of pages (this in the event of ordinary article). c. Accepted articles, even if still not published, can be included in the list of references, as long as the journal is specified and followed by “in press” (in brackets). d. In the case of a single author’s book (or more than one, but all responsible for the book’s contents), the title of the book should be indicated after the names(s), the number of the edition, the country, the printing house and the year.

Journals

Standard journal article (List the first six authors followed by et al.) I)

Basurto GR, Garza FJD. Efecto de la inclusión de grasa o proteína de escape ruminal en el comportamiento de toretes Brahman en engorda. Téc Pecu Méx 1998;36(1):35-48.

Issue with no volume II) Stephano HA, Gay GM, Ramírez TC. Encephalomielitis, reproductive failure and corneal opacity (blue eye) in pigs associated with a paramyxovirus infection. Vet Rec 1988;(122):6-10. III) Chupin D, Schuh H. Survey of present status of the use of artificial insemination in developing countries. World Anim Rev 1993;(74-75):26-35.

No author given IV) Cancer in South Africa [editorial]. S Afr Med J 1994;84:15.

Journal supplement V) Hall JB, Staigmiller RB, Short RE, Bellows RA, Bartlett SE. Body composition at puberty in beef heifers as influenced by nutrition and breed [abstract]. J Anim Sci 1998;71(Suppl 1):205.

Organization, as author VI) The Cardiac Society of Australia and New Zealand. Clinical exercise stress testing. Safety and performance guidelines. Med J Aust 1996;(164):282284.

X


In press VII) Scifres CJ, Kothmann MM. Differential grazing use of herbicide-treated area by cattle. J Range Manage [in press] 2000.

Books and other monographs

Author(s) VIII) Steel RGD, Torrie JH. Principles and procedures of statistics: A biometrical approach. 2nd ed. New York, USA: McGraw-Hill Book Co.; 1980.

Chapter in a book IX)

Roberts SJ. Equine abortion. In: Faulkner LLC editor. Abortion diseases of cattle. 1rst ed. Springfield, Illinois, USA: Thomas Books; 1968:158-179.

Conference paper X)

Loeza LR, Angeles MAA, Cisneros GF. Alimentación de cerdos. En: Zúñiga GJL, Cruz BJA editores. Tercera reunión anual del centro de investigaciones forestales y agropecuarias del estado de Veracruz. Veracruz. 1990:51-56.

XI)

Olea PR, Cuarón IJA, Ruiz LFJ, Villagómez AE. Concentración de insulina plasmática en cerdas alimentadas con melaza en la dieta durante la inducción de estro lactacional [resumen]. Reunión nacional de investigación pecuaria. Querétaro, Qro. 1998:13.

XII) Cunningham EP. Genetic diversity in domestic animals: strategies for conservation and development. In: Miller RH et al. editors. Proc XX Beltsville Symposium: Biotechnology’s role in genetic improvement of farm animals. USDA. 1996:13.

Thesis

responsables de establecimientos destinados al sacrificio de animales. México. 1996. XVII) AOAC. Official methods of analysis. 15th ed. Arlington, VA, USA: Association of Official Analytical Chemists. 1990. XVIII) SAS. SAS/STAT User’s Guide (Release 6.03). Cary NC, USA: SAS Inst. Inc. 1988. XIX) SAS. SAS User´s Guide: Statistics (version 5 ed.). Cary NC, USA: SAS Inst. Inc. 1985.

Electronic publications XX) Jun Y, Ellis M. Effect of group size and feeder type on growth performance and feeding patterns in growing pigs. J Anim Sci 2001;79:803-813. http://jas.fass.org/cgi/reprint/79/4/803.pdf. Accesed Jul 30, 2003. XXI) Villalobos GC, González VE, Ortega SJA. Técnicas para estimar la degradación de proteína y materia orgánica en el rumen y su importancia en rumiantes en pastoreo. Téc Pecu Méx 2000;38(2): 119-134. http://www.tecnicapecuaria.org/trabajos/20021217 5725.pdf. Consultado 30 Jul, 2003. XXII) Sanh MV, Wiktorsson H, Ly LV. Effect of feeding level on milk production, body weight change, feed conversion and postpartum oestrus of crossbred lactating cows in tropical conditions. Livest Prod Sci 2002;27(2-3):331-338. http://www.sciencedirect.com/science/journal/030 16226. Accesed Sep 12, 2003. 12. Tables, Graphics and Illustrations. It is preferable that they should be few, brief and having the necessary data so they could be understood without reading the text. Explanatory material should be placed in footnotes, using conventional symbols.

13. Final version. This is the document in which the authors have already integrated the corrections and modifications indicated by the Review Committee. The works will have to be elaborated with Microsoft Word. Photographs and images must be in jpg (or compatible) format with at least 300 dpi resolution. Photographs, images, graphs, charts or tables must be included in the same text file. The boxes should not contain any vertical lines, and the horizontal ones only those that delimit the column headings, and the line at the end of the box.

XIII) Alvarez MJA. Inmunidad humoral en la anaplasmosis y babesiosis bovinas en becerros mantenidos en una zona endémica [tesis maestría]. México, DF: Universidad Nacional Autónoma de México; 1989. XIV) Cairns RB. Infrared spectroscopic studies of solid oxigen [doctoral thesis]. Berkeley, California, USA: University of California; 1965.

Organization as author XV) NRC. National Research Council. The nutrient requirements of beef cattle. 6th ed. Washington, DC, USA: National Academy Press; 1984. XVI) SAGAR. Secretaría de Agricultura, Ganadería y Desarrollo Rural. Curso de actualización técnica para la aprobación de médicos veterinarios zootecnistas

14. Once accepted, the final version will be translated into Spanish or English, although authors should feel free to send the final version in both languages. No charges will be made for style or translation services. 15. Thesis will be published as a Research Article or as a Technical Note, according to these guidelines.

XI


16. Manuscripts not accepted for publication will be returned to the author together with a note explaining the cause for rejection, or suggesting changes which should be made for re-assessment. 17. List of abbreviations: cal cm °C DL50 g ha h i.m. i.v. J kg km L log Mcal MJ m ¾l ¾m

calorie (s) centimeter (s) degree Celsius lethal dose 50% gram (s) hectare (s) hour (s) intramuscular (..ly) intravenous (..ly) joule (s) kilogram (s) kilometer (s) liter (s) decimal logarithm mega calorie (s) mega joule (s) meter (s) micro liter (s) micro meter (s)

mg ml mm min ng

milligram (s) milliliter (s) millimeter (s) minute (s) nanogram (s) P probability (statistic) p page CP crude protein PCR polymerase chain reaction pp pages ppm parts per million % percent (with number) rpm revolutions per minute sec second (s) t metric ton (s) TDN total digestible nutrients AU animal unit IU international units

vs

versus

xg

gravidity

The full term for which an abbreviation stands should precede its first use in the text. 18. Scientific names and other Latin terms should be written in italics.

XII


https://doi.org/10.22319/rmcp.v11s2.5643

Editorial El

cambio climático es un

fenómeno global, pero sus impactos tienen un carácter regional, debido a los efectos sinérgicos que se producen al interactuar las causas de cambio global (incremento de gases efecto invernadero) con las causas de cambio climático regional (cambios de uso del suelo). De esta forma, los niveles de alteración de los patrones climáticos presentan una variación espacial. México es un país territorialmente extenso, donde la interacción de diversos factores le provee una rica diversidad climática bajo la cual es posible desarrollar una gran variedad de actividades productivas, entre ellas la agricultura y la ganadería. Sin embargo, el agroclima bajo el cual se desarrollan estas actividades ha estado cambiando, lo cual ha sido muy notorio a partir de la segunda mitad de la década de los años 1980s. La última década del siglo XX y las primeras dos décadas del siglo XXI han sido las más cálidas desde que se tienen registros instrumentales de temperatura. Las alteraciones no han sido solo en el régimen térmico, pues los patrones regionales de precipitación y evapotranspiración, entre otros, también se han visto modificados en estas últimas décadas. Por lo anterior, diversos estudios han sido dedicados a evaluar el efecto del cambio climático sobre el sector primario. No obstante, la mayoría de estas investigaciones se han enfocado al sector agrícola y pocas investigaciones han sido dirigidas al sector pecuario. Esta situación motivó el desarrollo del presente Suplemento, el cual está dedicado a la temática de cambio climático y el sector pecuario.

XIII


Rev Mex Cienc Pecu 2020;11(Supl 2)

En este Suplemento 2, se incluyen siete artículos científicos y dos revisiones bibliográficas que pretenden dar una idea cuantitativa de las afectaciones que el cambio climático está ejerciendo sobre los diversos aspectos de la actividad pecuaria. Dentro de los temas que se abordan se encuentran el efecto del cambio climático sobre la disponibilidad de forrajes, impacto del cambio climático en la distribución de recursos forrajeros potenciales, interacción entre cambio pluvial y erosión hídrica en pastizales, el efecto del incremento de temperatura sobre la dinámica de contaminantes en humedales de residuos orgánicos animales, cambio climático y la producción de metano entérico, cambio climático y transporte de nutrimentos en suelos de uso agropecuario, mitigación y adaptación al cambio climático mediante manejo y aprovechamiento de residuos pecuarios y un análisis compendiador del efecto del cambio climático en la producción pecuaria y salud animal. Es la intención de los participantes en este Suplemento 2, que los resultados de las investigaciones que se vierten a través de los manuscritos incluidos, sean de utilidad para los especialistas y público en general involucrados con la temática de cambio climático y el sector pecuario.

Dr. José Ariel Ruiz Corral Universidad de Guadalajara, Departamento de Ciencias Ambientales.

XIV


https://doi.org/10.22319/rmcp.v11s2.4681 Artículo

Efecto de la temperatura del agua sobre la constante de velocidad de reacción de los contaminantes en un humedal construido para el tratamiento de aguas residuales porcícolas

Celia De La Mora-Orozco a Rubén Alfonso Saucedo-Terán b Irma Julieta González-Acuña c Sergio Gómez-Rosales d Hugo Ernesto Flores-López a*

a

Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP). Campo Experimental Centro-Altos de Jalisco. Tel: 01 800 0882222. AV. Biodiversidad 2470. 47600 Tepatitlán de Morelos. Jalisco, México. b

INIFAP. Sitio Experimental La Campana. Chihuahua, México.

c

INIFAP. Campo Experimental Santiago Ixcuintla. Nayarit, México.

d

INIFAP. Centro Nacional de Investigación Disciplinaria en Fisiología y Mejoramiento Animal. Querétaro, México.

*Autor de correspondencia: flores.hugo@inifap.gob.mx.

Resumen: La temperatura es un factor importante en los procesos que se llevan a cabo en los sistemas biológicos. En los humedales la capacidad de remoción de contaminantes está delimitada por factores ambientales. El objetivo fue determinar el efecto de la temperatura del agua sobre la constante de velocidad de reacción de contaminantes en un humedal de flujo superficial construido (HFSC) para la remoción de contaminantes en aguas residuales porcícolas. El HFSC consistió en un canal de 9 m de longitud por 3 m de ancho, recubierto con geo1


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

membrana de alta densidad (4 mm). El lecho del HFSC consistió en una capa de 30 cm de arena y arcilla, con vegetación nativa del área de estudio. Se llevaron a cabo 12 corridas experimentales entre enero de 2014 y diciembre de 2015, con un tiempo de retención hidráulico (TRH) de 10 días. La remoción promedio de la demanda química de oxígeno (DQO) fue de 75 y 74 %, el promedio de remoción de nitrógeno (amonio) NH3-N de 65 y 69 %, mientras que el nitrógeno total (NT) presentó promedio de remoción de 69 y 63 %, mientras que la remoción del fósforo total (PT) presentó valores de 75 y 73 % en 2014 y 2015 respectivamente. La temperatura del agua durante la fase experimental osciló entre 13 y 22 °C. La remoción del NH3-N mostró la mayor dependencia de la temperatura del agua con valores de R2=0.8787 en 2014 y R2=0.8957 en 2015. La constante de reacción volumétrica (kv d-1) en 2014 osciló de 0.041 a 0.185 d-1 con una temperatura promedio en el humedal de 13 a 21 °C. Mientras k presentó un valor promedio de 2.60 cm d-1 en 2014, y en 2015 el valor obtenido fue de 3.22 cm d-1. Fue evidente que el valor de kv aumentó conforme la temperatura del agua se incrementó, lo cual indica que este factor tiene un efecto directo en la remoción del NH3-N. Palabras clave: Temperatura, Constante de reacción, Humedales, Aguas residuales porcícolas.

Recibido: 03/11/2017 Aceptado: 25/11/2018

Introducción En México el aumento de las descargas de aguas residuales de diversas actividades, ha provocado que algunos cuerpos receptores de agua presenten distintos tipos y niveles de contaminación, generando un fuerte impacto con la disminución de este recurso, que de no ser tratada con alternativas viables para su recuperación el daño podría ser irreversible(1). En México se generan alrededor de 420 m3 de aguas residuales cada segundo, de éstas, las municipales aportan 250 m3 s-1 y las no municipales 170 m3 s-1, de las cuales reciben tratamiento menos del 25 %, el agua residual de origen porcícola es una de las más contaminantes(2). Por esta razón, se ha puesto especial atención en el uso de tecnologías eficientes y amigables con el ambiente para remover los contaminantes presentes en el agua residual, especialmente los nutrientes como el nitrógeno y fósforo(3,4). Las tecnologías convencionales de tratamiento de aguas residuales son generalmente eficientes. Sin embargo, muchas de estas tecnologías implican altos costos de instalación y de uso de energía.

2


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

Algunos investigadores han propuesto el uso de los humedales construidos (HCs) como una alternativa factible para la remoción de nutrientes en las aguas residuales de origen pecuario(5,6). Los procesos que se llevan a cabo en estos sistemas son diversos, pero los más importantes son el crecimiento de la biomasa microbiana y la adsorción de los mismos por parte de la vegetación(5,7). La eficiencia de los HCs en la remoción de contaminantes ha sido ampliamente investigada por diversos autores(8-11). Se ha reportado que un humedal puede alcanzar niveles de remoción de amonio entre 80 y 99 %(12,13,14). Los factores de operación más importantes a considerar en el diseño de un humedal para su buen funcionamiento son el flujo de entrada, carga de materia orgánica y el tiempo de retención hidráulico (TRH)(15,16,17), y de los factores ambientales el de mayor relevancia es la temperatura, por tratarse de sistemas biológicos(18,19,20). De acuerdo con algunos autores(6), la eficiencia del humedal se segmenta en ciclos estacionales y el efecto de la temperatura en las reacciones bióticas es mayor a bajas temperaturas (>15 °C) que a altas temperaturas (<20 °C). Sin embargo si el flujo de entrada y las concentraciones en el humedal también varían de manera estacional, su influencia se confundirá con el efecto de la temperatura(21). La temperatura también influye en el proceso de desnitrificación en los humedales, el cual ocurre en condiciones de anoxia en el sedimento o en micro-sitios anóxicos en la película adherida al sustrato o al tejido de las plantas(21). A través de este mecanismo, los nitratos pueden ser removidos por las macrófitas presentes en el humedal(22,23). También se ha mencionado que en humedales poco profundos el proceso y grado de desnitrificación se puede incrementar, debido a la proximidad de los nutrientes en el componente sedimento-agua(24). Debido a esto, la desnitrificación ha sido considerada como un método muy factible para la remoción del nitrógeno en humedales(23). En un estudio realizado en Tennessee, USA donde se evaluó el efecto de la vegetación y el TRH en la capacidad de remoción en humedales, se encontró que el promedio de remoción fue mayor al utilizar 6 días de TRH respecto a 2 días. Los humedales vegetados mostraron resultados favorables; utilizando 6 días de TRH se reportaron promedios de remoción de 67 % para el nitrógeno amoniacal (NH3-N) y valores entre 42 y 67 % para la demanda química de oxígeno (DQO), ellos utilizaron agua residual sintética simulando escurrimientos agrícolas(25). En Hong Kong se evaluó la capacidad de remoción de NT, NH3-N, PT y DQO utilizando un humedal subsuperficial en aguas residuales domésticas. Ellos utilizaron 2 TRH (5-10 días) y humedales con y sin vegetación. Los resultados mostraron remoción mayor en los humedales vegetados utilizando los 2 tiempos de retención. En los humedales vegetados se obtuvo remoción del 68 y 72 % en DQO, 92 y 95 % para NH3-N, 65 y 62 % en NT, 67 y 52 % en PT para 10 y 5 días de TRH, respectivamente. La calidad del agua obtenida en el efluente cumplió con los estándares de Hong Kong para su utilización en parques recreacionales(26). Otro autor(27), investigó los factores que afectan la retención del fósforo en un humedal de flujo superficial construido, utilizando agua residual de escurrimientos 3


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

superficiales. La investigación se realizó bajo condiciones ambientales frías en Noruega. Los resultados mostraron un promedio de la reducción de fósforo del 21 a 44 %. Sin embargo, también se observó que la remoción se incrementó conforme aumentó la carga hidráulica, los resultados estadísticos mostraron que la remoción fue influenciada por diversas variables, como la concentración de fósforo en el influente, la época del año, el fósforo contenido en los sólidos suspendidos y la velocidad de sedimentación del fósforo. Los humedales construidos también han sido utilizados para tratar agua residual de origen porcícola. En el sur de China, 2 HFS fueron establecidos utilizando en uno; Vetiveria zizanioides y en el segundo la vegetación utilizada fue Cyperus alternifolius. El objetivo fue investigar la eficiencia de los humedales en la remoción de materia orgánica en agua residual de origen porcícola a través de los cambios estacionales durante 4 años. Ellos encontraron que la remoción de DQO y demanda biológica de oxígeno (BOD5) fue de 70 y 80 % en primavera, utilizando 2 días de TRH. También reportaron que en verano la remoción alcanzó hasta un 90, en otoño la remoción bajó a 50 % de DQO y 60 % de DBO5. No se encontraron diferencias significativas entre los dos humedales bajo experimentación, sin embargo la diferencia si fue significativa entre estaciones del año(28). La disponibilidad y la calidad del recurso agua es una necesidad primordial. Sin embargo, existen factores de riesgo asociados a las actividades humanas y factores ambientales, como el cambio climático (29-32). Se pronostica que los efectos de los eventos de clima extremos, se verán reflejados de manera inmediata principalmente en la seguridad alimentaria, así como en la disponibilidad del agua para las diversas actividades humanas(29,32,33). Los esfuerzos para su conservación implican el uso de alternativas de tratamiento que sean de bajo costo de instalación y amigables con el ambiente. Los esfuerzos de investigación sobre el efecto de la operación en la eficiencia de los HFSC son cuantiosos y variados. Sin embargo, a la fecha la información sobre la eficiencia de la remoción de contaminantes de los HFSC con respecto a la temperatura del agua es escasa. El objetivo de este estudio fue determinar la constante de velocidad de reacción del NH3-N, así como identificar el efecto estacional de la temperatura en la remoción de DQO, NH3-N, NT y PT contenidos en aguas residuales de origen porcícola mediante el uso de un humedal de flujo superficial construido (HFSC) a escala piloto. En un esfuerzo por determinar la funcionalidad de este sistema bajo las condiciones climáticas de la zona Altos de Jalisco.

Material y métodos Características de la granja La investigación se llevó a cabo en la granja Santa María, ubicada en el municipio de Arandas en el estado de Jalisco, que se localiza a 11 km al noreste de la ciudad de Arandas. La granja es de engorda, con 12 casetas, las cuales suman una población total de 12,000 cerdos con 4


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

algunas variaciones. Para el proceso de ingesta de los cerdos y limpieza de los corrales, se utilizan en promedio 120,000 L d-1 de agua potable, los cuales son después dirigidos hacia un biodigestor anaerobio para la descomposición de la materia orgánica, el efluente del biodigestor es dirigido a una laguna de sedimentación.

Diseño del sistema Las variables que se consideraron en su diseño y construcción fueron sustrato, vegetación y tiempo de retención hidráulico. El humedal de flujo superficial se construyó como un canal de 9 m de largo por 3 m de ancho (Figura 1). Con una capa de 30 cm de una mezcla de arena amarilla y tezontle como material de soporte para la vegetación y considerando una inclinación de 5 % aproximadamente. Se construyó con geo-membrana de polietileno de alta densidad (4 mm de espesor), postes de metal y malla como soporte del canal. Se utilizó vegetación de los alrededores de la granja (Thypa sp. y Scirpus sp.), la cual se trasplantó en el sistema y se mantuvo por un periodo de dos meses para su adaptación al nuevo sustrato. Figura 1. Diseño del humedal de flujo superficial

Operación del sistema El agua residual utilizada en esta investigación fue tomada de la laguna de sedimentación a la salida del biodigestor. Debido a que la concentración de materia orgánica de la laguna era de 7,160 mg L-1 de DQO aproximadamente, fue necesario realizar diluciones con agua de pozo para obtener la concentración deseada para la investigación. El agua de la laguna y del pozo se suministró por bombas hacia una cisterna de almacenamiento de 2,500 L, que contaban con flujómetros para regular la cantidad de agua requerida de cada influente, y así obtener la concentración de DQO deseada. La cisterna tenía un motor eléctrico de agitación conectado a un par de aspas que se mantuvo en movimiento constante.

5


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

DiseĂąo experimental Se consideraron como variables independientes materia orgĂĄnica y temperatura del agua. Las variables dependientes fueron: demanda quĂ­mica de oxĂ­geno, nitrĂłgeno amoniacal, nitrĂłgeno total y fĂłsforo total. Se realizaron 12 corridas experimentales con un tiempo de retenciĂłn hidrĂĄulica de 10 dĂ­as y carga orgĂĄnica de 835 Âą 64 mg L-1 de DQO en 2014 y 774 Âą 26 mg L-1 de DQO en 2015.

Muestreo y anålisis de muestras Las muestras se recolectaron en el afluente y efluente del humedal, en intervalos de 5 días. TambiÊn se recolectaron muestras semanales de la laguna de sedimentación. Los paråmetros medidos fueron los siguientes: Temperatura (°C) (NMX-AA-007-SCFI-2000), DQO (MÊtodo HACH 800), NT (MÊtodo HACH, 10072), NH3-N (MÊtodo HACH 10031) y PT (MÊtodo HACH, 10127). Los equipos utilizados fueron: Reactor HACH DRB 200; Espectrofotómetro HACH DR 2800.

AnĂĄlisis estadĂ­stico Se aplicĂł ANOVA para determinar las diferencias significativas entre los aĂąos de estudio al 0.05 nivel de confianza.

CĂĄlculo de la constante de velocidad de reacciĂłn y el coeficiente de temperatura para NH3-N Las reacciones biolĂłgicas que se llevan a cabo en los humedales son generalmente descritas como reacciones de primer orden. Los modelos de primer orden normalmente funcionan bien a largo plazo(21). En este estudio, los promedios mensuales de las concentraciones de los constituyentes fueron determinados para la evaluaciĂłn de los valores de velocidad de reacciĂłn. La siguiente ecuaciĂłn de primer orden para un flujo pistĂłn fue utilizada para describir la remociĂłn del NH3-N: đ??śđ?&#x2018;&#x2019; đ??ś0

â&#x2C6;&#x2019;đ?&#x2018;&#x2DC;đ?&#x2018;Ł

= đ?&#x2018;&#x2019;đ?&#x2018;Ľđ?&#x2018;? (đ??ťđ?&#x2018;&#x2026;đ?&#x2018;&#x2021;)

eq. 1

Donde: Ce es la concentraciĂłn promedio del NH3-N en el efluente (mg L-1); C0 es la concentraciĂłn promedio del nutriente en el afluente (mg L-1); y kv es la constante de remociĂłn dependiente del volumen (d-1). 6


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

Los valores de kv fueron obtenidos utilizando la siguiente ecuaciĂłn: đ?&#x2018;&#x2DC;đ?&#x2018;Ł =

đ??ś â&#x2C6;&#x2019;lnâ Ą( đ?&#x2018;&#x2019; ) đ??ś0

eq. 2

đ??ťđ?&#x2018;&#x2026;đ?&#x2018;&#x2021;

Otros autores(30) reportaron que la constante de remociĂłn basada en el ĂĄrea se expresa en la siguiente forma: đ?&#x2018;&#x2DC; = đ?&#x2018;&#x2DC;đ?&#x2018;Ł â&#x2C6;&#x2014; â ĄĆ? â&#x2C6;&#x2014; â Ąâ&#x201E;&#x17D;

eq. 3

Donde: K es la constante de remociĂłn dependiente de la temperatura en un ĂĄrea determinada (cm d-1); Ć? es la constante de porosidad o la fracciĂłn de espacio a travĂŠs de la cual el agua puede fluir en el humedal (la cual ha sido estimada para los diferentes tipos de humedales; 0.75 es la constante para el humedal de flujo superficial; 0.4 para los humedales de flujo subsuperficial); h es la profundidad del sistema(21,34). La ecuaciĂłn 1 puede ser modificada sustituyendo kv utilizando la ecuaciĂłn 2, de la siguiente manera: đ??śđ?&#x2018;&#x2019; đ??ś0

â&#x2C6;&#x2019;đ?&#x2018;&#x2DC;

= exp (đ??ťđ??żđ?&#x2018;&#x2026;)

eq. 4

Donde: HLR es la carga hidrĂĄulica (cm d-1). El efecto de la temperatura en kv o k puede ser resumido utilizando la ecuaciĂłn de Arrhenius: đ?&#x2018;&#x2DC;đ?&#x2018;Ł = đ?&#x2018;&#x2DC;đ?&#x2018;Ł20 â&#x2C6;&#x2014; â Ą đ?&#x153;&#x192; (đ?&#x2018;&#x2021;â&#x2C6;&#x2019;20)

eq. 5

Donde; Kv20 es la constante de remoción volumÊtrica a 20 °C (d-1); θ es el coeficiente de temperatura y T es la temperatura del agua (°C). Graficando ln(kv) vs (T-20) y analizando con regresión lineal, se obtuvo la pendiente ln(θ) y la intercesión de la línea ln(kv). Se calculó el coeficiente de determinación (R2) para evaluar el ajuste de todas las regresiones.

Resultados y discusión La temperatura promedio del agua en el afluente del humedal en el aùo 2014 fue de 18.1 ¹ 2.2 °C, mientras que en el 2015 el promedio fue de 17.7 ¹ 2.6 °C. La Figura 2 muestra el comportamiento del promedio mensual de la temperatura. En 2014 la temperatura mås baja se observó en el mes de diciembre (13.6 °C), mientras que la mås alta se presentó en el mes de mayo (21 °C). En 2015, se observó el mismo comportamiento, ya que el mes de diciembre 7


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

presentó la temperatura más baja correspondiente a un valor promedio de 13 °C y en el mes de mayo se observó la temperatura más alta (21.5 °C). En el año 2014 se presentó una etapa donde la variabilidad se mantuvo sin cambios importantes (junio - septiembre), para después bajar gradualmente hasta alcanzar la temperatura mínima en el mes de diciembre. También se puede observar que los cambios de temperatura fueron más drásticos en el año 2015, para los mismos meses (junio - septiembre), hasta alcanzar la temperatura más baja en el mes de diciembre. En este sentido, es importante considerar la estacionalidad con la consecuente influencia de la temporada de lluvia en la baja de temperatura del agua, lo cual es una condición esperada.

Figura 2: Promedio mensual de la temperatura en el afluente del humedal en 2014 y 2015

Los resultados de eficiencia del HFSC para la remoción de materia orgánica se muestran en el Figura 3a. Como se puede observar, el promedio de remoción de la DQO en el año 2014 fue de 75 ± 12 %, mientras que en el 2015 el promedio fue ligeramente menor con un valor de 74 ± 13 %. La remoción mínima en 2014 (37 %) se presentó en el mes de enero con una temperatura del agua promedio de 14 °C y la remoción máxima (76 %) se alcanzó en mayo con temperatura del agua promedio de 21 °C. La remoción mínima en 2015 (54 %) se presentó en el mes de diciembre, donde se obtuvo temperatura promedio del agua de 13 °C. El valor máximo (89 %) se obtuvo en el mes de junio cuya temperatura promedio fue de 19 °C. La remoción de DQO, se presentó estable en los años de estudio. Es notable, por ejemplo; en invierno la remoción se presentó alrededor del 60 %, incrementando alrededor del 10 % en primavera se puede observar que el sistema alcanzó su máxima capacidad en verano, con remoción de DQO alrededor del 88 %. En el otoño la remoción se mantuvo entre el 60 y 70 % aproximadamente.

8


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

Figura 3: Variabilidad de la remoción de (a) DQO, (b) NH3-N, (C) NT y (d) PT, durante 2014 y 2015

No se presentó diferencia significativa (P>0.05) en el porcentaje de remoción de DQO entre 2014 y 2015. Respecto al análisis de regresión entre la temperatura del agua y la remoción de DQO, se encontró un valor de R2= 0.661 para 2014, mientras que en 2015 indicó una R2=0.626 (Figura 4a). En general se observó que la relación obtenida en los años de estudio presentó una relación moderadamente fuerte entre el porcentaje de remoción de DQO y la temperatura. Los resultados obtenidos en esta investigación coinciden con otras investigaciones(28), esos autores estudiaron la eficiencia de un humedal en la remoción de materia orgánica y nutrientes en un efluente de una granja porcícola, obteniendo hasta 90 % de remoción de DQO en verano, sin embargo los niveles obtenidos el resto del año fueron menores a los obtenidos en esta investigación.

9


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

Figura 4: Regresión lineal y coeficiente de determinación entre la remoción de contaminantes y la temperatura del agua de (a) DQO, (b) NH3-N, (c) NT y (d) PT en 2014 y 2015

Aunque los resultados del porcentaje de remoción coinciden, existen diferencias en cuanto al TRH, ya que estos autores utilizaron sólo dos días, mientras que en esta investigación el TRH fue de 10 días, una diferencia considerable (8 días) del tiempo de exposición del nutriente en el sistema. Otra diferencia respecto a esta investigación fue la concentración de DQO en el afluente, estos autores utilizaron concentraciones entre 1,000 y 1,400 mg L-1, mientras que en esta investigación la concentración de DQO en el afluente se mantuvo con poca variabilidad, de 835 ± 64 mg L-1 en 2014 y 774 ± 26 mg L-1 en 2015. Los autores atribuyeron la eficiencia del humedal a diversos factores, como la estación del año, ya que los máximos valores de remoción en los parámetros evaluados, se alcanzó en verano. Por otro lado, se han utilizado otras técnicas para tratar de incrementar la remoción de contaminantes en humedales, algunos autores(32) evaluaron el efecto de la aplicación de oxígeno en un humedal de flujo superficial, obteniendo un incremento del 20 % en la 10


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

remoción de la materia orgánica. Sin embargo, también se observó que otros procesos se vieron afectados negativamente, como la nitrificación ya que no obtuvieron una remoción significativa de NH3-N (27-48 %) en el humedal. Los resultados de remoción de NH3-N aparecen en la Figura 3b. En 2014 el valor promedio anual de la remoción de NH3-N fue de 65 ± 17 %. El valor de remoción más bajo se observó en el mes de diciembre (34 %) que tuvo una temperatura promedio de 14 °C. La máxima remoción de NH3-N se obtuvo en el mes de junio (84 %) con una temperatura promedio de 20 °C. En el 2015 el promedio de remoción presentó un valor de 69 ± 22 %. El valor mínimo observado (31 %) se presentó en el mes de enero con temperatura de 14 °C, el máximo (92 %) se obtuvo en el mes de agosto con temperatura promedio de 19 °C. El análisis de varianza mostró una diferencia significativa (P<0.05) entre la remoción de NH3-N efectuada a diferentes temperaturas en 2014. En ese mismo año, se obtuvo una relación significativa (P<0.05) entre la temperatura y la eficiencia de remoción de NH3-N, cuyo R2 fue de 0.895. Para el año 2015, la regresión lineal mostró una R2 =0.878 (Figura 4b). La remoción de NH3N fue menor al 70% cuando la temperatura del agua se situó por debajo de 20 °C. Por el contrario, cuando la temperatura se presentó de 20 °C o por encima de este valor, la remoción aumentó gradualmente hasta llegar a niveles superiores al 80 % casi en todos los casos, lo que significa un aumento de 10 % por cada grado de aumento de temperatura en el agua. La reducción de NH3-N obtenida en esta investigación fue diferente a la obtenida en otros estudios. Otras investigaciones(14) reportaron 52 % de remoción, sin embargo, en otros trabajos(12) se obtuvo un 100 % de remoción de NH3-N, no obstante sus estudios se llevaron a cabo a un escala piloto con las condiciones ambientales controladas, lo cual tiene influencia en los resultados. Los resultados obtenidos en esta investigación fueron parecidos a los obtenidos por otros autores(13) ya que se obtuvo alrededor del 85 % de remoción de NH3-N al evaluar la eficiencia de un humedal de flujo superficial en el sur de Texas, USA, durante el verano de 2008. Estos resultados también coinciden con lo mencionado por diversos autores(35-38) que destacan la importancia de la temperatura en la remoción de amonio en los humedales. Ellos mencionan que a bajas temperaturas (5–10 °C) los procesos biológicos como la desnitrificación pueden ser inhibidos drásticamente. En general los procesos que se llevan a cabo en el ciclo del nitrógeno son inhibidos bajo condiciones de clima frío, ya que la cantidad de oxígeno disponible decrece considerablemente, por consecuencia la concentración de bacterias se reduce en condiciones extremas de temperatura(38). Los argumentos mencionados por estos autores coinciden con los resultados obtenidos en esta investigación, ya que la reducción del NH3-N se incrementó con la temperatura y disminuyó considerablemente en temporada de frío. La Figura 3c muestra la variabilidad en la remoción de NT obtenida en los años 2014 y 2015. En el 2014, el promedio de remoción de NT presentó un valor de 69 ± 13 %. El valor mínimo de remoción se obtuvo en el mes de febrero (45 %) con temperatura promedio de 16 °C. La 11


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

remoción máxima (82 %) se observó en el mes de junio, el cual presentó temperatura promedio de 20 °C. En 2015, se obtuvo una remoción promedio de 63 ± 15 %. El valor mínimo se observó en el mes de diciembre (42 %), el cual correspondió a 13 °C de temperatura promedio en el agua, mientras que el valor más alto (82 %) se presentó en el mes de mayo con temperatura promedio de 22 °C. El promedio de la remoción del NT obtenida en esta investigación está por debajo de la reportada en otras investigaciones(22) donde se obtuvieron promedios de 95 al 98 % de remoción de NT. Sin embargo, en sus experimentos utilizaron agua residual proveniente de la acuacultura, además de la combinación de diferentes tipos de humedales. Se ha mencionado que otros factores, como el diseño del humedal son importantes y tienen un impacto directo en la eficiencia del sistema, por ejemplo; resultados obtenidos en otros trabajos(20) han sugerido que el TRH es uno de los factores más importantes para la remoción del NT; ellos demostraron que con un TRH de 6 a 8 días la remoción de NT puede incrementar hasta llegar al 99 %. El análisis estadístico mostró que no existen diferencias significativas (P>0.05) entre las medias de NT para los años 2014 y 2015. Respecto al efecto de la temperatura sobre la eficiencia de remoción de NT, en el año 2014 se obtuvo un alto coeficiente de determinación (R2=0.758), mientras que en el 2015 dicho coeficiente disminuyó ligeramente (R2=0.656) indicando una relación moderadamente fuerte entre la temperatura y la remoción del NT, con un nivel de confianza del 95% (Figura 4c). La Figura 3d muestra la variabilidad de la remoción en los años de estudio del PT. El promedio de la remoción de PT en 2014 presentó un valor de 75 ± 13 %, mientras que en 2015 se obtuvo un promedio de 73 ± 12 %. En 2014 el valor mínimo se obtuvo en el mes de enero (52 %) con una temperatura promedio del agua de 14 °C. La máxima remoción (75 %) se observó en el mes de abril con temperatura promedio de 18 °C. En 2015 la remoción presentó un valor promedio de 73 ± 17 %. El valor mínimo se presentó en el mes de diciembre (50 %) con temperatura promedio de 13 °C y el mayor se obtuvo en el mes de septiembre (88 %) con temperatura de 20 °C. El análisis estadístico mostró que no existen diferencias significativas entre los años analizados que comprendió este estudio (2014 y 2015). En la Figura 4d se muestra la regresión lineal de los datos obtenidos; en el año 2014 mostró un coeficiente de determinación R2=0.670 indicando una relación moderadamente fuerte entre la remoción de PT y la temperatura del agua en el humedal. Respecto a 2015, en el análisis de regresión se obtuvo un coeficiente de determinación de R2=0.551. Los resultados obtenidos en esta investigación están por encima de los reportados en otras investigaciones, donde se obtuvo remoción de 45 % de PT(39). Otro autor(27), también reportó remoción de PT menor al obtenido en este trabajo, él obtuvo una reducción aceptable del 21 al 44 % de PT, trabajando en condiciones de temperatura por debajo de 10 °C. Esto coincide con diversos autores que han mencionado que la remoción del P es menos afectada por la temperatura, debido a la prevalencia de los procesos de adsorción y la sedimentación, lo opuesto a lo que ocurre en los procesos biológicos. Se ha demostrado que, en condiciones de clima frío, un gran número de humedales operan con menor eficiencia que en los climas templados(38). 12


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

También estudios en el norte de China con temperatura de 4 °C y Noruega a 20 °C de temperatura ambiental, demostraron una aceptable reducción de contaminantes cuando el humedal fue aislado de la naturaleza artificialmente(36).

Constante de velocidad de reacción y el coeficiente de temperatura del nitrógeno amoniacal Las Figuras 5a y 5b muestran la relación entre kv y la temperatura mensual del agua en el sistema para NH3-N durante 2014 y 2015. La constante de reacción volumétrica (kv d -1) en 2014 osciló de 0.041 a 0.185 d-1 cuando el promedio de la temperatura fue de 13 °C a 21 °C en el humedal. Fue evidente que el valor de kv aumentó exponencialmente con el aumento de la temperatura, lo cual indica que la remoción del NH3-N se incrementa con el aumento de la temperatura en el agua. Por otro lado, k presentó un valor promedio en 2.60 cm d-1, y en 2015 el valor obtenido fue de 3.22 cm d-1. Los resultados obtenidos en este trabajo respecto a k, fueron por debajo de los reportados en otra investigación(11) donde se obtuvo k=6.26 cm d-1 en un humedal de flujo superficial en una investigación que se llevó a cabo en Taiwán, sin embargo la concentración de NH3-N en el afluente presentó variabilidad significativa durante el estudio (1-26 mg L-1). Por el contrario, en esta investigación la concentración de NH3-N se mantuvo constante con poca variabilidad (33 ± 2.4 mg L-1 en 2014 y 36 ± 4.5 mg L-1 en 2015). Figura 5: Relación entre kv y temperatura mensual para NH3-N durante 2014 y 2015

Conclusiones e implicaciones Este estudio demostró la capacidad de un HFSC para la reducción de contaminantes como DQO, NH3-N, NT y PT en aguas residuales provenientes de una granja porcícola. Durante el periodo de estudio (2014 y 2015) el humedal mostró eficiencia aceptable en la reducción de 13


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

los contaminantes evaluados, sin embargo, en el caso específico del NH3-N la remoción que se obtuvo fue por debajo del 60 % en la época de temperatura más baja y por arriba del 75 % en la temporada más cálida, haciendo evidentes patrones de comportamiento en la remoción, marcados por la época del año. Aunque la reducción de DQO y PT mostró poca variabilidad durante el periodo de operación del sistema, esto no fue observado en el caso del NH3-N. La remoción de amonio mostró la mayor dependencia de la temperatura del agua. Cuando la temperatura del agua se presentó por encima de los 17 °C la vegetación creció con mayor rapidez, lo cual incrementa también la actividad microbiana y la remoción del NH3-N, fue significativamente más alta que cuando la temperatura del agua presentó valores por debajo de los 17 °C. Es recomendable que se evalúen otros parámetros como la temperatura ambiental, precipitación y la evaporación directamente en el sitio para evaluar su efecto en el comportamiento del humedal.

Literatura citada: 1. Rodríguez M, Jácome A, Molina J, Suárez J. Humedal de flujo vertical para tratamiento terciario del efluente físico-químico de una estación depuradora de aguas residuales domésticas. Ing Inv Tec 2013;14(2):223-235. 2. Romo CIA. Evaluación de la remoción de contaminantes procedentes de aguas residuales de origen porcícola mediante un humedal artificial en serie [tesis de licenciatura]. Universidad Politécnica de Pachuca, Zempoala, Hidalgo; 2015. 3. Díaz FJ, O′Geena A, Dahlgrena RA. Agricultural pollutant removal by constructed wetlands: Implications for water management and design. Agr Water Manage 2012;(104):171-183. 4. Jordan TE, Whighama DF, Hofmockel KH, Pittek MA. Nutrient and sediment removal by a restored wetland receiving agricultural runoff. J Environ Qual 2003;(32):1534–1547. 5. Vymazal J. Constructed wetlands for wastewater treatment. Water 2010;2(3):530-549. 6. Kadlec RH, Reddy KR. Temperature effects in treatment wetlands. Water Environ Res 2001;73(5):543-557. 7. Dong X, Reddy GB. Soil bacterial communities in constructed wetlands treated with swine wastewater using PCR-DGGE technique. Bioresource Technol 2010;101(4):1175-1182. 8. Hammer DA. Constructed wetlands for wastewater treatment—Municipal, industrial and agricultural. 1ra ed. Inc, Michigan, USA: Lewis Publishers; 1989. 9. Kadlec RH, Hey DL. Constructed wetlands for river water quality improvement. Water Sci Technol 1994;29(4):159–168.

14


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

10. Jing SR, Lin YF, Lee DY, Wang TW. Nutrient removal from polluted river water by using constructed wetlands. Bioresource Technol 2001;76(2):131–135. 11. Jing SR, Lin YF. Seasonal effect on ammonia nitrogen removal by constructed wetlands treating polluted river water in southern Taiwan. Environ Pollut 2004;(127):291-301. 12. Drizo A, Frost CA, Smith KA, Grace J. Phosphate and ammonium removal by constructed wetlands with horizontal subsurface flow, using shale as a substrate. Water Sci Technol 1997;35(5):95-102. 13. De La Mora-Orozco C. Nutrient Removal Prediction Using Hyperspectral Reflectance Indices and Modeling for a Pilot Constructed Channel Treatment Wetland [doctoral thesis]. Kingsville, Texas, USA: Texas A&M University-Kingsville; 2009. 14. Cameron K, Madramootoo C, Crolla A, Kinsley C. Pollutant removal from municipal sewage lagoon effluents with a free-surface wetland. Water Res 2003;37(12):28032812. 15. Bastian RK, Shanaghan PE, Thompson BP. Use of wetlands for municipal wastewater treatment and disposal—regulatory issues and EPA policies. In: Hammer DA editor. Constructed wetlands for wastewater treatment—Municipal, industrial and agricultural. Chelsea, Michigan USA: Lewis Publishers; 1991. 16. Jing SR, Lin YF, Wang TW, Lee DY. Microcosm wetlands for wastewater treatment with different hydraulic loading rates and macrophytes. J Environ Qual 2002;(31):690-696. 17. Kuschk P, Wiener A, Kappelmeyer U, Weibrodt E, Kästner M, Stottmeister U. Annual cycle of nitrogen removal by a pilot-scale subsurface horizontal flow in a constructed wetland under moderate climate. Water Res 2003;37(17):4236-4242. 18. Hill DT, Payton JD. 1998. Influence of temperature on treatment efficiency of constructed wetlands. Transaction of ASAE 1998;41(2):393–396. 19. Akratos CS, Tsihrintzis VA. Effect of temperature, HRT, vegetation and porous media on removal efficiency of pilot-scale horizontal subsurface flow constructed wetlands. Ecol Eng 2007;(29):173-191. 20. Akratos CS, Papaspyros JNE, Tsihrintzis VA. Total nitrogen and ammonia removal prediction in horizontal subsurface flow constructed wetlands: Use of artificial neural networks and development of a design equation. Bioresource Technol 2009;100(2):586596. 21. IWA. Special Group on Use of Macrophytes in Water Pollution Control, Constructed Wetlands for Pollutant Control. Scientific and Technical Report No 8. London, England. IWA Publishing; 2000. 15


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

22. Lin YF, Jing SR, Lee DY, Wang TW. Nutrient removal from aquaculture wastewater using a constructed wetlands system. Aquaculture 2002;(209):169-184. 23. Tanner CC, Sukias JPS, Headley TR, Yates CR, Stott R. Constructed wetlands and denitrifying bioreactors for on-site and decentralized wastewater treatment: Comparison of five alternative configurations. Ecol Eng 2012;(42):112-123. 24. Almendinger JE. A method to prioritize and monitor wetland restoration for water-quality improvement. Wetl Ecol Manag 1999;(6):241-251. 25. Hunter RG, Combs DL, George DB. Nitrogen, phosphorous, and organic carbon removal in simulated wetland treatment systems. Arch Environ Contam Toxicol. 2001;41(3):274–281. 26. Chung AKC, Wu Y, Tam NFY, Wong MH. Nitrogen and phosphate mass balance in a sub-surface flow constructed wetland for treating municipal wastewater. Ecol Eng 2008;32(1):81–89. 27. Braskerud BC. Factors affecting phosphorus retention in small constructed wetlands treating agricultural non-point source pollution. Ecol Eng 2002;19(1):41-61. 28. Liao X, Luo S. Treatment effect of constructed wetlands on organic matter in wastewater from pig farm. J Appl Ecol 2002;13(1):113-117. 29. IPCC. Intergovernmental Panel on Climate Change (Panel Intergubernamental sobre Cambio Climático). Summary for policymakers of Climate Change, The physical science basis. In: contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change. Cambridge, Cambridge University Press, UK.; 2007. 30. Trenberth KE, Smith L. The mass of the atmosphere: A constraint on global analyses. J Clim 2005;(18):864–875. 31. Karmalkar AV, Taylor MA, Campbell J, Stephenson MT, Centella NA, Benzanilla A, et al. A review of observed and projected changes in climate for the islands in the Caribbean. Atmósfera 2013;26(2):283-309. 32. De La Mora-Orozco C, Ruíz CJA, Flores LHE, Zarazúa VP, Ramírez OG, Medina GG, et al. Climate Change index in the Chiapas Mexico during 1960-2009. Rev Mex Cienc Agr 2016;(13):2523-2534. 33. Kadlec RH, Knight RL. Treatment Wetlands. Boca Raton, Florida, USA. CRC Press, Inc; 1996.

16


Rev Mex Cienc Pecu 2020;11(Supl 2):1-17

34. Reed SC, Crites RW, Middlebrooks EJ. Natural systems for waste management and treatment, second ed. New York, USA: McGraw-Hill, Inc; 1995. 35. Sun G, Zhao Y, Allen S. Enhanced removal of organic matter and ammoniacal-nitrogen in a column experiment of tidal flow constructed wetland system. J Biotec 2005;115(2):189-197. 36. Wießner A, Kuschk P, Kästner M, Stottmeister U. Abilities of helophyte species to release oxygen into rhizosphere with varying redox conditions in laboratory scale hydroponic systems. Int J Phytoremediation 2002;(1):1–15. 37. Picard CR, Fraser LH, Steer D. The interacting effects of temperature and plant community type on nutrient removal in wetland microcosms. Bioresour Technol 2005;96(9):1039-47. 38. Spieles DJ, Mitsch WJ. The effects of season and hydrologic and chemical loading on nitrate retention in constructed wetlands: a comparison of low-and high nutrient riverine systems. Ecol Eng 1999;(14):77–91. 39. Prochaska CA, Zouboulis AI. Removal of phosphates by pilot vertical-flow constructed wetlands using a mixture of sand and dolomite as substrate. Ecol Eng 2006;26(3):293– 303.

17


https://doi.org/10.22319/rmcp.v11s2.4685 Artículo

Estimación de la producción de metano entérico en ranchos de producción familiar de leche bovina en el sur del estado de Querétaro, México

Sergio Gómez Rosales a* María de Lourdes Ángeles a José Luis Romano Muñoz a José Ariel Ruíz Corral b

a

Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP). Centro Nacional de Investigación Disciplinaria en Fisiología y Mejoramiento Animal. Ajuchitlán, Querétaro, México. b

Universidad de Guadalajara. Centro Universitario de Ciencias Biológicas y Agropecuarias. Camino Ramón Padilla Sánchez No. 2100 Nextipac, 44600, Zapopan, Jalisco, México.

*Autor de correspondencia: gomez.sergio@inifap.gob.mx

Resumen: El objetivo fue estimar el factor de emisión (FE) de metano (CH4) y pérdidas diarias de energía bruta (EB) convertida en CH4 (PCH4), por medio de ecuaciones de predicción del método nivel 2 del Panel Intergubernamental de Cambio Climático (IPCC) y con base en información técnica de ranchos del sistema familiar de producción de leche bovina. El estudio se realizó en 10 establos, y se obtuvo información técnica, tipo y cantidad de ingredientes ofrecidos al hato durante tres visitas en diferentes meses del año. La información técnica, junto con análisis de laboratorio del contenido de materia seca (MS) y EB de los ingredientes muestreados, se usó para estimar el consumo de MS y EB; usando la metodología del IPCC se estimó el FE y PCH4. Las mismas variables fueron estimadas usando las ecuaciones de predicción del IPCC. En vacas en ordeña el FE (81 y 70, kg CH4 año-1) y PCH4 (2.95 y 2.56, Mcal día-1) usando las ecuaciones del IPCC fueron similares a 18


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

las obtenidas con las observaciones en ranchos; el FE ponderado por rancho fue similar (49.06 y 54.09, kg CH4 año-1), pero la PCH4 fue menor (1.11 y 1.97, Mcal día-1 P<0.01) usando las ecuaciones del IPCC con relación a las observaciones en ranchos. En general, a través del uso de información técnica de los ranchos fue posible estimar el FE y evidenciar una mayor PCH4 por rancho, y, en consecuencia, menor eficiencia energética, con respecto a la metodología del IPCC. Palabras clave: Establos, Producción de Contaminación ambiental, Pérdida de energía.

subsistencia,

Fermentación

ruminal,

Recibido: 18/11/2017 Aceptado: 27/08/2019

Introducción La ganadería de bovinos productores de leche es muy importante para satisfacer la demanda de alimento de alta calidad para el consumo humano; no obstante, también contribuyen a las emisiones de gases de efecto invernadero (EGEI) como el metano (CH4) que se produce por fermentación entérica y es eliminado, en su mayoría, a través del eructo(1,2). El CH4 es uno de los principales GEI proveniente de los sistemas de producción de ganado bovino, que se ha asociado al calentamiento global y cambio climático, evidenciado desde la era preindustrial(1,2). El CH4 emitido también contribuye a la fuga de energía en los sistemas de producción pecuaria, ya que representa la pérdida del 6 a 12 % del total de la energía bruta (EB) consumida por el ganado productor de leche(2). Una referencia importante para estimar la producción de CH4 es la metodología propuesta por el Panel Intergubernamental de Cambio Climático (IPCC, por sus siglas en inglés)(3). Esta metodología es usada en diferentes países para generar los inventarios de EGEI, la cual aplica los procedimientos correspondientes dependiendo de la información con que se cuente al nivel 1, 2 y 3. Para México y países en desarrollo, se aplica el nivel 1 (Tier 1), que se basa en el uso de un factor de emisión (FE) de CH4 animal-1 año-1 que se multiplica por el inventario nacional dentro de cada categoría de ganado. Una crítica a esta metodología es que se emplea un FE que en muchas situaciones no representa la realidad de las condiciones particulares de producción, en especial, lo referente a las características de los alimentos para ganado lechero criado en diferentes regiones del país, y que varían según las características agroecológicas, ambientales, económicas y sanitarias(4,5).

19


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

Las emisiones de CH4 también se han estimado para ganado de leche en México, de acuerdo a la metodología del nivel 2, para lo cual se requiere calcular el requerimiento de EB y usar un factor de conversión de CH4, por defecto, que en promedio es de 6.5 %, que representa el porcentaje de la EB del alimento convertida en CH4. Con base en este método, se ha estimado un FE de 166 y 182 kg CH4 año-1, en vacas primíparas y multíparas en ordeña en hatos con registro de la Asociación Holstein de México(6), y de 115 kg CH4 año-1, para el hato lechero total de México(7). La variabilidad en el FE obtenido en estos estudios probablemente está relacionada a factores dentro de cada sistema de producción, como el grado de tecnificación, capacidad genética de los animales para producción de leche e influencias ambientales. Debido a la diversidad de factores que pueden influir en el FE, se recomienda contar con un FE para cada tipo de sistema, y dentro de estos, para cada subtipo, que tome en cuenta las características particulares de producción y, en especial, los esquemas de alimentación, incluyendo el tipo, concentración y calidad de los insumos usados en la formulación de las raciones(3). En el país, existen diferentes sistemas de producción de leche, siendo el más preponderante el de producción intensiva, que se caracteriza por el uso de tecnologías modernas y eficientes en todos los eslabones del proceso de producción(6); y en el otro extremo se encuentra el sistema de producción de traspatio o de tipo familiar, que aporta el 10 % de la producción nacional de leche, que está basado principalmente en esquemas tradicionales de producción, y se caracteriza por tener una amplia variedad de subsistemas, distintos grados de tecnificación y eficiencia productiva(5,8,9). En general, los sistemas de producción de traspatio han sido poco estudiados, y no se han generado los FE para esta categoría de ganado, lo cual es relevante para estimar las EGEI corregidos para cada tipo de sistema, conocer el grado de impacto de esta clase de ganadería sobre las emisiones y pérdidas de energía en forma de CH4, y además, para diseñar y aplicar estrategias de investigación, transferencia de tecnologías e innovaciones para mejorar la sustentabilidad de la producción de leche en sistemas de traspatio. Por lo anterior, el objetivo del presente estudio fue estimar el FE y PCH4, usando las ecuaciones de predicción del método nivel 2 del IPCC y con base en información técnica obtenida en unidades de producción del sistema familiar de producción de leche.

Material y métodos El estudio se llevó a cabo en ranchos de los municipios de El Marqués, Pedro Escobedo y San Juan del Río, en el estado de Querétaro. Los tres municipios se encuentran enclavados en el Eje Neovolcánico, que se caracteriza por contrastes geomorfológicos entre cerros situados entre los 2 y 3 mil msnm y valles localizados entre los mil 800 y mil 900 msnm; predominan los climas templados subhúmedos, con una temperatura media anual y 20


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

precipitación pluvial anual de 17.3 º y 542.9 mm, respectivamente. Se realizaron visitas a 20 establos del sistema familiar pertenecientes a los Grupos de Ganaderos de Validación y Transferencia de Tecnología del Estado de Querétaro, con bajo nivel de tecnificación y en proceso de adopción de nuevas tecnologías. Se entrevistó a los propietarios para obtener información técnica, para lo cual se realizaron, al menos, tres visitas por productor en diferentes meses del año durante el período de abril a agosto. El peso corporal se estimó a partir del perímetro torácico en los animales adultos y el de los animales jóvenes se estimó por los mismos productores de manera subjetiva; la producción de leche se estimó usando una cubeta de plástico con una escala en litros. En el análisis de datos solamente se incluyeron 10 establos, ya que se descartaron los ranchos participantes que no proporcionaron la información completa o los datos no fueron fidedignos. La estructura del hato se dividió, siguiendo la terminología empleada por los productores entrevistados, de la siguiente manera: vacas en ordeña o en producción; vacas gestantes de entre 210-270 días de preñez que no estaban en ordeña; vaquillas de entre 200-400 kg; becerras de entre 100-200 kg; toros o sementales; y toretes en engorda. En el Cuadro 1 se presenta el número de animales por categoría. Cuadro 1: Inventario de animales y producción de leche de vacas en ordeña No. Promedio±DE Mínimo Máximo Inventario de animales Vacas en ordeña 10 17.90±7.4 5 27 Vacas gestantes 9 4.60±2.6 0 9 Vaquillas 8 6.50±5.42 0 18 Becerras 9 6.70±4.88 0 17 Toros 5 0.60±0.7 0 2 Toretes en engorda 4 1.60±2.27 0 6 Total 10 39.10±19.73 5 55 Producción de leche de vacas en ordeña Producción de leche, kg/día Duración de la lactancia, días Producción de leche, kg/lactancia Producción de leche, kg/año

8.90±3.84 253.10±131.77 2130±1620.2 3231±1401.2

3 180 669 1253

14 420 5546 5263

CV 41.34 63.45 83.4 72.8 116.53 141.91 50.45

43.36 52.06 76.08 43.36

No.= número de ranchos que tuvieron animales en cada categoría; DE= desviación estándar; CV= coeficiente de variación.

21


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

En todos los establos se tomaron muestras de los ingredientes alimenticios y se llevó un registro del tipo y cantidad de ingredientes ofrecidos a los animales en las diferentes fases productivas. Con esta información, se calcularon los niveles de inclusión de cada ingrediente en kilos de materia fresca para cada categoría de animales. La lista de ingredientes alimenticios y número de muestras tomadas se presentan en el Cuadro 2. En el laboratorio, los ingredientes se secaron en estufa de aire forzado a una temperatura de 55 ºC por un período de 24 a 72 h dependiendo del contenido de humedad, y se molieron usando un molino tipo Wiley a través de una criba de 2 mm. Se determinó el contenido de materia seca (MS) siguiendo el método oficial de la AOAC 930.15(10). El contenido de EB se determinó por combustión de las muestras en una bomba calorimétrica adiabática. Cuadro 2: Lista de ingredientes alimenticios, número de muestras, contenido de materia seca y de energía bruta en base seca Energía bruta, Kcal/kg Materia Ingredientes No seca, % Promedio ± DE Mínimo Máximo CV Concentrado 14 90.76 3927±288.53 3206 4649 7.35 Medicago sativa L., 13 33.11 3602±298.76 2787 3824 8.29 forraje verde Medicago sativa L., 14 84.69 3724±302.26 2963 4090 8.12 heno Zea mayz, grano 15 92.80 4068±669.22 2395 5741 16.45 Zea mayz, ensilado 15 32.46 3694±181.81 3239 4148 4.92 Zea mayz, rastrojo 15 92.12 3713±311.79 2933 4492 8.40 Avena sativa, heno 9 92.32 3790±236.74 3198 4382 6.25 Lolium perenne, 1 91.87 4412±0 4412 4412 0 forraje verde Brassica oleracea, 1 21.85 3407±0 3407 3407 0 forraje verde Mezcla de pastos, 4 74.34 3787±321.74 3020 4554 8.49 heno Pollinaza 5 77.12 3375±769.33 1452 5298 22.79 Número de muestras analizadas; DE= desviación estándar; C= coeficiente de variación.

Estimación de CH4 usando la información de las unidades de producción El consumo de MS (CMS) y EB (CEB) animal-1 día-1, se estimaron a partir del consumo de cada ingrediente y de los resultados de MS y EB del laboratorio. En la entrevista hecha a los propietarios, se obtuvo la cantidad total de cada ingrediente ofrecido en base húmeda, dentro 22


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

de cada categoría de animales del hato. Este valor se dividió entre el número de animales por categoría para obtener el consumo promedio en kilos animal-1. El FE se calculó, para cada categoría de animales, usando la ecuación (1) recomendada para el nivel 2(3): FE = ⟨CEB ∗ (|Ym/100| ∗ 365)⟩/55.65 En donde: FE= factor de emisión, kg de CH4 cabeza-1 año-1; CEB= consumo de energía bruta MJ cabeza-1 año-1; Ym= factor de conversión de CH4, como porcentaje de la energía bruta del alimento convertida en CH4 (6.5 %). El factor 55.65 (MJ/kg de CH4) es el contenido de energía del CH4.

Estimación de la producción de CH4 usando la metodología del IPCC Con la información técnica registrada en cada unidad de producción, como peso corporal, producción de leche y ganancia de peso, y uso de las ecuaciones de predicción(3), se obtuvieron las siguientes variables: Energía neta para mantenimiento (ecuación 2: ENm)(11): ENm = Cfi ∗ (Peso corporal)0.75 En donde: ENm= EN requerida por el animal para su mantenimiento, MJ día-1; Cfi= un coeficiente que varía para cada categoría de animales: vacas en lactancia = 0.386; vacas no lactantes = 0.322; para otros vacunos y toros = 0.370 MJ día-1 kg-1(12). Peso corporal = peso de animal en vivo, kg. Energía neta para crecimiento (ecuación 3: ENg)(12): ENg = 22.02 ∗ [PCm/(C ∗ PChm)0.75 ] ∗ GDP1.097 En donde: ENg= EN para el crecimiento, MJ día-1; PCm= peso corporal promedio de los animales de la población, kg; C= coeficiente con un valor de 0.8 para hembras, 1.0 para castrados y 1.2 para toros; PChm= peso corporal maduro de una hembra adulta en condición corporal moderada, kg; GDP= ganancia diaria promedio de los animales de la población, kg día-1 Energía neta para lactancia (ecuación 4: ENl)(13): ENl = Leche ∗ (1.47 + 0.40 ∗ Grasa) En donde: ENl= EN para lactancia, MJ día-1; Leche= cantidad de leche producida, kg leche día-1; Grasa= contenido graso de la leche, %. El contenido de grasa en leche se tomó de un trabajo previo donde se analizó la composición química de leche de establos del sistema familiar en municipios del estado de Querétaro(14).

23


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

Energía neta para preñez (ecuación 5: ENp): ENp = Cpreñez*ENm En donde: ENp= EN para la preñez, MJ día-1; Cpreñez= coeficiente de preñez. Para vacas es 0.10; ENm= EN requerida por el animal para su mantenimiento, MJ día-1. Relación entre la EN disponible en la dieta para mantenimiento y la energía digestible (ED) consumida, se estimó con la ecuación 6(15): REM = [1.123 – (4.092 ∗ 10−3 ) + {1.126 ∗ 10−5 ∗ (ED%2 )} − (25.4/ED%)] En donde: REM= relación entre la EN disponible en una dieta para mantenimiento y la ED consumida; ED%= ED expresada como porcentaje de la EB. Relación entre la EN disponible en una dieta para crecimiento y la ED consumida, se estimó con la ecuación 7(14): REG = [1.164 – (5.160 ∗ 10−3 ∗ ED%) + {1.308 ∗ 10−5 ∗ (ED%)2 } − (37.4/ED%)] En donde: REG= relación entre la EN disponible en la dieta para crecimiento y la ED consumida; ED%= ED expresada como porcentaje de la energía bruta. El requerimiento de EB se derivó sobre la base de la suma de los requerimientos de EN y las características de disponibilidad de energía de los alimentos. Para vacas en lactancia se utilizaron los requerimientos de: ENm, ENl y ENg; en vacas gestantes: ENm, ENp y ENg; y, en animales en crecimiento: ENm y ENg. La ecuación general (8) fue la siguiente: EB = [{(NEm + NEl + NEp)/REM} + (NEg/REG)]/(ED%/100) En donde: EB= energía bruta, MJ día-1; ENm= EN requerida por el animal para su mantenimiento, MJ día-1; ENl= EN para lactancia, MJ día-1; ENp= EN requerida para la preñez, MJ día-1; REM= relación entre la EN disponible en una dieta para mantenimiento y la ED consumida; ENg= EN para el crecimiento, MJ día-1; REG= relación entre la EN disponible en una dieta para crecimiento y la ED consumida; ED%= ED expresada como porcentaje de la EB. El requerimiento de EB obtenido, se usó como equivalente del CEB para calcular el FE mediante la ecuación recomendada para el nivel 2, para cada categoría de animales. También se estimó el CMS por día, dividiendo el requerimiento de EB por la densidad de energía del alimento, usando un valor por defecto de 18.45 MJ kg-1 de MS(3). Adicionalmente a la estimación del FE, se calculó la pérdida diaria de EB en forma de CH4 para cada categoría animal usando la ecuación 9: PCH4 = [EB ∗ (Ym/100)]/0.236 En donde: PCH4= Pérdida diaria de EB en forma de CH4, Mcal animal-1; El factor 0.236 se usó para convertir los valores de energía de MJ a Mcal. 24


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

Posteriormente, se estimaron los promedios ponderados de FE y PCH4, por rancho, considerando todas las fases productivas. También se calculó el promedio ponderado de la pérdida de EB kg leche-1 dia-1 (PL) usando la ecuación 10: PL = PCH4 Leche−1 En donde: PL= Pérdida de EB en forma de CH4, Mcal Kg leche-1 día-1; PCH4= Pérdida diaria de EB en forma de CH4, Mcal animal-1 día-1; Leche= Producción de leche, kg día-1. Los inventarios de animales, producción de leche de vacas en ordeña y concentración de EB de los ingredientes se sometieron al procedimiento PROC MEANS del SAS(16) para calcular las medias y valores mínimos y máximos. Adicionalmente se estimó el coeficiente de variación (CV) de acuerdo a la formula siguiente: CV= (desviación estándar ÷ media) * 100. Los resultados de CMS, CEB, FE, PCH4 y PL usando las ecuaciones del IPCC se compararon con los resultados de CMS, CEB, FE, PCH4 y PL usando los datos técnicos de los ranchos mediante análisis de varianza y los procedimientos de GLM del SAS(16). Se usó un modelo completamente al azar con 10 repeticiones por tratamiento. Para estas variables, en los cuadros de resultados se presentan las medias de cuadrados mínimos y el error estándar de la media. En los casos de significancia estadística, las diferencias entre medias se compararon con la prueba de Diferencia Mínima Significativa.

Resultados y discusión En el Cuadro 1 se presenta el número de animales por categoría y la producción de leche de vacas en ordeña. El total de vacas en ordeña y gestantes fue en promedio de 22.5 y las hembras en crecimiento sumaron 13.2 animales, lo que representó 57.5 y 33.8 % del total de animales; los toretes en engorda y los toros solo contribuyeron con 4 y 1.5 % del total del hato, respectivamente. El total de animales fue de 39.1 con un mínimo y máximo de 5 y 55. Debido a que en todos los ranchos se encontraron vacas en ordeña, pero solo en cuatro se encontraron toretes en engorda, ya que el resto de los productores los vende a intermediarios; esto se reflejó en menor y mayor CV en estos dos grupos de animales. Solamente un rancho tuvo cinco vacas en ordeña y el resto de las unidades tuvieron de 8 a 27 vacas en ordeña y de 23 a 55 animales en total. El tamaño del hato en el presente estudio estuvo dentro del rango reportado en unidades de producción de tipo familiar de producción de leche en diferentes estados de la República(5,8,9). En ocho ranchos se tenían solamente animales de raza Holstein y en dos se encontraron animales Holstein y Pardo Suizo americano. La producción de leche promedio, mínima y máxima fue de 8.9, 3.4 y 14.4 kg día-1. La duración de la lactancia fue en promedio de 253.1 días con mínimos y máximos de 180 y 420 días. La producción promedio, mínima y máxima de leche kg-1 lactancia-1 fue de 2,130, 670 y 5,546 kg. La producción de leche en kg año-1 fue en promedio de 3,231 con mínimos y 25


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

máximos de 1,253 y 5,263 kg. La producción de leche reportada en otras evaluaciones en sistemas familiares fue de 10.7, 11 y 17.3 kg de leche vaca día-1(5,8,9), las cuales son mayores que la reportada en el presente trabajo. Así mismo, la producción de leche en kg año-1 fue menor a la reportada para sistemas familiares de producción de leche con manejo tradicional o mejorado a través de un programa de validación y transferencia de tecnología de 3,417 y 4,632 kg de leche año-1, respectivamente(5). El contenido promedio, valores mínimos y máximos, y CV de EB se presentan en el Cuadro 2. En general, los valores promedio y CV encontrados coinciden con otros reportes y reflejan la variación natural de los ingredientes disponibles para los animales(12,17). El CV mínimo y máximo se presentó en el ensilaje de maíz (4.9 %) y pollinaza (22.8 %). Se ha reportado que diferentes condiciones de manejo y agroecológicas influyen en el contenido de EB en diferentes épocas del año, dependiendo del clima, producción en riego o temporal y dosis de fertilización. Probablemente, los mayores extremos en cuanto a la disponibilidad y calidad de los ingredientes se presenten entre las épocas seca y de lluvias; en el presente trabajo se trató de minimizar este efecto al llevar a cabo los muestreos entre primavera y verano. Otros factores que influyen en el contenido de EB son la variedad de las plantas, momento de la cosecha, condiciones de manejo y almacenamiento postcosecha y tipo de procesamiento(12,17,18). Durante las visitas a los ranchos se observó que algunas alfalfas se producían en terrenos aledaños, pero la mayoría de los productores desconocía la variedad de la semilla, edad del cultivo, número de cortes y edad del forraje al corte; algunas alfalfas se ofrecían frescas, achicaladas o deshidratadas. Otros productores compraban la alfalfa en pacas, normalmente deshidratada, desconocían la información mencionada antes y tampoco sabían el tiempo que las pacas habían estado almacenadas antes de adquirirlas. Esta falta de información se observó en la mayoría de los ingredientes muestreados. El CMS, CEB, FE y PCH4 por fase productiva se presentan en el Cuadro 3. En vacas en ordeña, el CMS (11.28 y 10.42, kg día-1), CEB (45.42 y 39.41, Mcal día-1), FE (81 y 70, kg CH4 año-1) y PCH4 (2.95 y 2.56, Mcal día-1) estimados con las ecuaciones del IPCC fueron similares a los estimados de las observaciones en ranchos. Esto indica que, en vacas en ordeña, los resultados de las ecuaciones del IPCC constituyen un buen punto de comparación o verificación para la predicción de estas variables con el uso de los procedimientos recomendados para el nivel 2. En los alimentos de vacas en ordeña se incluyeron concentrados en todos los establos, lo que representa la mayor proporción de la ración, en promedio de 33 %; en orden de frecuencia le siguió la alfalfa y silo de maíz. De acuerdo a la mayoría de los productores entrevistados, en los sistemas familiares de producción de leche se siguen esquemas de alimentación de vacas en ordeña similares al de las vacas en sistemas intensivos localizados en la zona de estudio. Probablemente esta es la razón por la cual no hubo diferencias en las variables evaluadas en ranchos y las estimadas con el IPCC. 26


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

Cuadro 3: Consumo de materia seca y de energía bruta, factor de emisión de metano y pérdida de energía en forma de metano por fase productiva usando las ecuaciones del IPCC o los datos técnicos de los ranchos IPCC Ranchos EEM P< -1 Consumo de materia seca, kg día Vacas en ordeña* 11.28 10.42 0.757 0.43 ** c d Vacas gestantes 11.47 9.28 0.456 0.01 Vaquillas 7.09 6.93 0.545 0.84 Becerras 4.51 4.49 0.367 0.98 e f Toros 14.88 9.75 1.217 0.02 Toretes 6.95 7.4 0.819 0.75 Consumo de energía bruta, Mcal día-1 Vacas en ordeña 45.42 Vacas gestantes 26.58c Vaquillas 14.63c Becerras 10.57c Toros 34.26 Toretes 15.55e

39.41 34.97d 25.96d 16.77d 37.11 22.88f

3.896 1.662 2.271 1.385 4.505 2.191

0.28 0.01 0.01 0.01 0.46 0.05

Factor de emisión (kg de CH4 cabeza-1 año). Vacas en ordeña 81.02 Vacas gestantes 47.41e Vaquillas 26.10e Becerras 18.86e Toros 61.12 Toretes 27.74g

70.3 62.36f 46.29f 29.91f 66.17 40.82h

6.95 2.964 4.049 2.469 8.033 3.908

0.28 0.01 0.01 0.01 0.46 0.05

0.253 0.108 0.148 0.09 0.293 0.136

0.28 0.01 0.01 0.01 0.46 0.05

Pérdida de energía en forma de metano, Mcal día-1 Vacas en ordeña 2.95 2.56 c Vacas gestantes 1.73 2.27d Vaquillas 0.95c 1.69d Becerras 0.69c 1.09d Toros 2.23 2.41 g Toretes 1.01 1.49h

IPCC = usando las ecuaciones recomendadas por el IPCC; Ranchos= usando la información técnica de los ranchos; EEM= error estándar de la media. * Medias sin literal en la misma línea no son diferentes (P>0.05). ** Medias con diferente literal en la misma línea son diferentes (P<0.05). 27


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

Los valores de FE de las vacas en ordeña fueron entre 41.6 a 65.8 % menores a los encontrados en vacas en producción en otros estudios realizados en México en los que se usó también los procedimientos recomendados para el nivel 2. El FE en vacas primíparas y multíparas de 16 hatos con registro en la Asociación Holstein de México fue de 166 y 182 kg CH4 año-1, en lactancias de 305 días, respectivamente(6); para calcular el FE, primero se estimó la ED de la dieta usando un valor por defecto y el contenido de nutrientes digestibles totales (NDT), y posteriormente la ED se convirtió a EB usando otro valor por defecto. Mientras que para el hato lechero total de México se estimó un FE de 115 kg CH4 año-1, con un período de lactancia de 305 días(7); el cálculo del FE se basó en la estimación del contenido de EB de cinco dietas reportadas en trabajos hechos en ganado de leche en México y publicados entre 1971-2009. El menor FE estimado en el presente trabajo puede tener dos explicaciones: 1) las diferencias en las metodologías empleadas para estimar el CEB respecto a los trabajos previos, en los que se destaca que no se analizó en un laboratorio el contenido de MS y EB en los ingredientes ni alimentos consumidos por los animales incluidos en los estudios, y 2) a las diferencias en el nivel de producción de leche, que afecta directamente el nivel de consumo de nutrientes, y para el caso de las estimaciones realizadas con base en el IPCC, al CEB; el factor de conversión de CH4 (Ym) es un valor que representa un porcentaje fijo de EB (6.5%), que es convertida en CH4 (ecuación 1) y, por lo tanto, entre mayor es el CEB, tanto mayor la producción de CH4(3). En el presente trabajo, la producción de leche por lactancia ajustada a 305 días fue de 2,715 kg; para los hatos Holstein fue de 9,985 kg(6) y para el hato lechero de México fue de 3,795 kg(7). De manera que, el FE es mayor en las vacas con mayor producción de leche, intermedio en las vacas con producción intermedia de leche y menor en las vacas en ordeña del presente trabajo. Esta misma tendencia se observa en varios reportes donde el FE varío entre 102 a 128 kg CH4 año-1 en vacas en ordeña con una producción anual de leche de 5,365 a 8,270 kg, respectivamente(19,20). En vacas gestantes, el CMS observado fue 19 % menor (P<0.01), pero el CEB, FE y la PCH4 observados fueron 32 % mayores (P<0.01) a los estimados con las ecuaciones del IPCC (Cuadro 3). Estos resultados indican que, en vacas gestantes, el uso de las ecuaciones del IPCC sobrestimó el CMS y subestimó el CEB, FE y la PCH4 por lo que no constituyen un buen punto de comparación o verificación para la predicción de estas variables usando el método nivel 2. La diferencia en el CMS fue de 2.2 kg día-1 por abajo y el CEB fue de 8.0 Mcal kg-1 por arriba de lo esperado. En vacas gestantes el rastrojo de maíz y heno de avena se usaron con mayor frecuencia y en mayor concentración que en vacas en ordeña. Probablemente, estos ingredientes provocaron un mayor llenado del rumen, lo que, asociado a la presión del feto, redujo el CMS; pero al mismo tiempo, contribuyeron con el mayor CEB. El FE estimado y observado fue de 47 y 62 kg CH4 año-1 en vacas gestantes. Existen pocos trabajos sobre emisiones de CH4 en estos animales. En un reporte se encontró que, para vaquillas de más de un año hasta el parto, con un peso corporal de 310-520 kg, el FE fue de 55.15 kg CH4 año-1(19). En el presente trabajo, el peso corporal de las vacas gestantes fue en 28


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

promedio de 475 kg, el cual está dentro del rango mencionado anteriormente; sin embargo, el requerimiento de EB para vaquillas no gestantes y vacas gestantes se calculó por separado debido a que, al mismo peso corporal, las vacas gestantes presentan mayor requerimiento de EB. Esto se debe al uso de la ENp (ecuación 5) y a que, en vacas de entre 210-270 días de gestación, la ENc se incrementa paralelamente al crecimiento del feto y también depende del peso esperado de la cría al nacimiento(21). En vaquillas y becerras el CMS fue similar, pero el CEB, FE y la PCH4 estimados fueron menores (P<0.01) con las ecuaciones del IPCC a los observados en ranchos (Cuadro 3). El CEB, FE y la PCH4 observados fueron 56 % mayores en las vaquillas y 63 % mayores en las becerras respecto a los correspondientes valores estimados. En la mayoría de los ranchos, el rastrojo de maíz representó el ingrediente usado con mayor frecuencia y en mayor proporción (en promedio, 50 % de la ración), y aportó la mayor cantidad de la EB en las hembras en crecimiento. Para becerras de hasta un año de edad, con peso corporal de 43 a 320 kg, el FE reportado fue de 34 a 35 kg CH4 año-1, y en hembras de uno a dos años, con pesos de 310 a 530 kg, el FE fue de 49 kg CH4 año-1(19). En vaquillas de 499 kg de peso y mantenidas en confinamiento o pastoreo el FE fue de 77 y 67 kg CH4 año-1, respectivamente(22). El FE en vaquillas (estimado= 26 y observado= 46 kg CH4 año-1) y becerras (estimado= 19 y observado= 30 kg CH4 año-1) fueron menores a los reportados previamente. Probablemente, esto se debe a las diferencias en peso corporal, lo cual impacta en el requerimiento de ENm y ENc y sobre el CMS(3,12). En toros, el CMS estimado fue 53 % mayor (14.88 vs 9.75, kg día-1; P<0.02) al observado (Cuadro 3). Los valores estimados y observados de CEB, FE y PCH4 fueron similares, a pesar de la gran diferencia en el CMS. En toros de más de dos años de edad se estimó un CMS de 8.6-9.2 kg día-1, CEB de 37.95 Mcal día-1 y FE de 62.59 kg CH4 año-1(19), los cuales concuerdan con los valores observados en el presente estudio. En cuatro de cinco ranchos donde se tenían toros se incluyó alimentos concentrados y, en general, la composición de las raciones de los toros fue más parecida a las de las vacas en ordeña. Probablemente, la inclusión de concentrados y de ingredientes más digestibles causó que, aunque el CMS observado fue menor, el CEB fue similar a lo esperado. En toretes en engorda, el CMS (6.95 y 7.40, kg dia-1) fue similar, pero el CEB (15.55 y 22.88, Mcal dia-1), FE (27.74 y 40.82, kg CH4 año-1) y la PCH4 (1.01 y 1.49, Mcal) estimados fueron 69 % menores (P<0.05) a los observados en ranchos (Cuadro 3). En toretes de uno a dos años de edad se estimó un CMS de 8.3 kg día-1, CEB de 36.0 Mcal día-1 y FE de 60.1 kg CH4 año-1(19). Estos valores son mayores a los encontrados en el presente estudio, probablemente por el mayor peso de los toretes (en promedio, 540 kg) y calidad de la dieta en el estudio mencionado. En el presente trabajo, el peso promedio de los toretes fue de 290 kg y en tres de cuatro ranchos, el rastrojo de maíz representó el ingrediente mayoritario en el alimento. 29


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

Las medias ponderadas del FE, PCH4 y PL rancho-1 se presentan en el Cuadro 4. El FE (49.06 y 54.09, kg CH4 año-1) fue similar, pero la PCH4 (1.11 y 1.97, Mcal día-1; P<0.01) y PL (0.13 y 0.27, Mcal kg leche-1; P<0.03) estimados fueron 44 y 52 % menores, respectivamente, a los observados en ranchos. La falta de diferencia en el FE ponderado entre los valores estimados y los observados coinciden con los resultados observados en vacas en ordeña; probablemente, por el peso específico que representan las vacas en producción, al emplear la metodología del IPCC, las estimaciones parecen adecuadas cuando se aplican al hato en su conjunto. La PCH4 y PL no se incluyen en las estimaciones del IPCC; sin embargo, sirven para conocer el impacto de las prácticas alimenticias en la ineficiencia de uso de energía, y se pueden usar, para estimar ineficiencias económicas asociadas a estas pérdidas, con información adicional de costos de los insumos. Estas variables tienen la fortaleza que, para su estimación, se incluyen los animales productivos y no productivos del hato, además de las vacas en ordeña. Los resultados sugieren que, usando la información técnica de los ranchos fue posible evidenciar una mayor PCH4 y PL rancho-1, y, en consecuencia, menor eficiencia energética, con respecto a la metodología del IPCC. Probablemente debido a la mayor PCH4 observada en vacas gestantes, vaquillas, becerras y toretes (Cuadro 3). Cuadro 4: Factor de emisión y pérdidas de energía en forma de metano por unidad de producción usando las ecuaciones del IPCC o los datos técnicos de los ranchos IPCC Ranchos EEM P< -1* Factor de emisión de CH4, kg año 49.06 54.09 3.889 0.37 -1** c d Pérdida de EB en forma de CH4, Mcal día 1.11 1.97 0.161 0.01 -1 e f Pérdida diaria de EB, Mcal kg leche 0.13 0.27 0.043 0.03 IPCC= usando las ecuaciones recomendadas por el IPCC; Ranchos= usando la información técnica de los ranchos; EEM = error estándar de la media. * Medias sin literal en la misma línea no son diferentes (P>0.05). ** Medias con diferente literal en la misma línea son diferentes (P<0.05).

Los hallazgos sugieren que las estimaciones de CMS, CEB, FE y PCH4 con la metodología para el nivel 2 recomendada por el IPCC solamente fueron similares a las observadas en vacas en ordeña, pero hubo resultados contrastantes en el resto de los animales del hato. Esto probablemente se debe a que la mayor parte de los estudios de donde se han derivado las ecuaciones se han realizado en vacas en ordeña, pero hay poco trabajo realizado en otras etapas productivas. La mayor PCH4 y PL observadas en ranchos puede deberse a que las ecuaciones de predicción se han derivado de estudios en animales con mayores niveles de producción y en condiciones experimentales con adecuado control de alimentación, ambiental y sanitario; mientras que en los ranchos visitados se usan los ingredientes disponibles en función de la época del año, pero no se aplica un balanceo adecuado de las raciones, las instalaciones son deficientes y no se emplean medidas apropiadas de prevención de enfermedades(5,8,9). 30


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

Conclusiones e implicaciones Las estimaciones de CMS, CEB, FE y PCH4 usando los procedimientos propuestos por el IPCC del método nivel 2 coincidieron con los valores observados, solamente en vacas en ordeña, pero los resultados fueron inconsistentes cuando se aplicaron al resto de los animales del hato. En general, a través del uso de información técnica de los ranchos fue posible estimar el FE y evidenciar una mayor PCH4 y PL rancho-1, y, en consecuencia, menor eficiencia energética, con respecto a la metodología del IPCC. Existen varios factores alimenticios que ejercen influencia en la degradabilidad de los alimentos, los patrones de fermentación entérica y la producción ruminal de CH4, como la cantidad y tipo de almidones, el tipo y solubilidad de las proteínas, el tipo y concentración de las fracciones de fibra, entre otros, que se deben considerar en trabajos futuros para mejorar la precisión de las estimaciones de CH4. Otras limitantes del estudio fueron que los productores no contaban con registros sistematizados de la información; parte de los datos técnicos fueron estimados con base en la percepción subjetiva de los productores y no se contó con medios de verificación.

Agradecimientos Se agradece el financiamiento del Proyecto (FORDECYT Clave 143064): “Establecimiento de módulos de validación y transferencia de tecnología pecuaria para impulsar acciones de mitigación del cambio climático y cuidado del medio ambiente”.

Literatura citada: 1.

Steinfeld H, Gerber P, Wassenaar T, Castel V, Rosales M, de Haan C. Livestock’s Long Shadow: environmental issues and options. Food and Agriculture Organization of the United Nations (FAO), Rome, Italy. 2006.

2.

Gerber PJ, Steinfeld H, Henderson B, Mottet A, Opio C, Dijkman J, Falcucci A, Tempio G. Tackling climate change through livestock – A global assessment of emissions and mitigation opportunities. Food and Agriculture Organization of the United Nations (FAO), Rome. 2013.

3.

IPCC. Intergovernmental Panel on Climate Change. 2006 IPCC Guidelines for national greenhouse gas inventories. Hayama, Japan: Institute for Global Environmental Strategies. 2006.

31


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

4.

Opio C, Gerber P, Mottet A, Falcucci A, Tempio G, MacLeod M, Vellinga T, Henderson B, Steinfeld H. Greenhouse gas emissions from ruminant supply chain– A global life cycle assessment. Food and Agriculture Organization of the United Nations (FAO), Rome. 2013.

5.

Espinosa GJA, Wiggins S, González OAT, Aguilar BU. Sustentabilidad económica a nivel de empresa: aplicación a unidades familiares de producción de leche en México. Tec Pecu Mex 2004;42:55-70.

6.

Morante LD, Guevara EA, Suzán AH, Lemus RV, Sosa FCF. Estimación Tier II de emisión de metano entérico en hatos de vacas lactantes en Querétaro, México. Rev Mex Cienc Pecu 2016;7:293-308.

7.

Rendón-Huerta JA, Pinos-Rodríguez JM, García López JC, Yáñez-Estrada LG, Kebreab E. Trends in greenhouse gas emissions from dairy cattle in Mexico between 1970 and 2010. Anim Prod Sci 2013;54:292-298.

8.

Sánchez GLG, Solorio RJL, Santos FJ. Factores limitativos al desarrollo del sistema familiar de producción de leche, en Michoacán, México. Cuad Des Rural 2008;5:133146.

9.

Álvarez-Fuentes G, Herrera-Haro JG, Alonso-Bastida G, Barreras-Serrano A. Calidad de la leche cruda en unidades de producción familiar del sur de Ciudad de México. Arch Med Vet 2012;44;237-242.

10. AOAC. Official methods of analysis. 17th ed. Association of Official Analytical Chemists. Arlington, VA. 2002. 11. Jurgen MH. Animal feeding and nutrition. Sixth ed, Iowa, USA: Kendall/Hunt Publishing Company; 1988. 12. NRC (National Research Council). Nutrient Requirements of Beef Cattle, National Academy Press, Washington, DC. USA. 1996. 13. NRC (National Research Council). Nutrient Requirements of Dairy Cattle, National Academy Press, Washington, DC. USA. 1989. 14. Escobar RMC, Hernández AL, Alvarado IA, Gómez RS, Ángeles ML. Diagnóstico y control de microorganismos patógenos en establos de lechería familiar. Centro Nacional de Investigación Disciplinaria en Fisiología y Mejoramiento Animal, INIFAPSAGARPA. Libro Técnico No. 3, Colón, Querétaro. 2012.

32


Rev Mex Cienc Pecu 2020;11(Supl 2):18-33

15. Gibbs MJ, Johnson DE. "Livestock Emissions." In: International Methane Emissions, US. Environmental Protection Agency, Climate Change Division, Washington, DC, USA. 1993. 16. SAS. SAS User´s Guide; Versión 9.0: SAS Institute Inc. Cary, NC (USA). 2002. 17. NRC (National Research Council). Nutrient Requirements of Dairy Cattle. National Academy Press, Washington, DC, USA. 2001. 18. Ali M, Cone JW, Hendriks WH, Struik PC. Starch degradation in rumen fluid as influenced by genotype, climatic conditions and maturity stage of maize, grown under controlled conditions. Anim Feed Sci Technol 2014;193:58-70. 19. Smink W, Pellikaan WF, van der Kolk LJ, van der Hoek KW. Methane production as a result from rumen fermentation in cattle calculated by using the IPCC-GPG Tier 2 method. Feed Innovation Services Report FS 04 12 E, Utrecht, The Netherlands: National Institute for Public Health and the Environment. 2004. 20. Bannink A, van Schijndel MW, Dijkstra J. A model of enteric fermentation in dairy cows to estimate methane emission for the Dutch National Inventory Report using the IPCC Tier 3 approach. Anim Feed Sci Technol 2011;166-167:603-618. 21. Bell AW, Slepetis G, Ehrhardt RA. Growth and accretion of energy and protein in the gravid uterus during late pregnancy in Holstein cows. J Dairy Sci 1995;78:1954–1961. 22. Ominski KH, Boadi DA, Wittenberg KM, Fulawka DL, Basarab JA. Estimates of enteric methane emissions from cattle in Canada using the IPCC Tier-2 methodology. Can J Anim Sci 2007;87:459–467.

33


https://doi.org/10.22319/rmcp.v11s2.4686 Artículo

Efecto del calentamiento global sobre la producción de alfalfa en México

Guillermo Medina-García a* Francisco Guadalupe Echavarría-Cháirez a José Ariel Ruiz-Corral b Víctor Manuel Rodríguez-Moreno c Jesús Soria-Ruiz d Celia De la Mora-Orozco b

a

Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP). Campo Experimental Zacatecas, Km 24.5 Carretera Zacatecas-Fresnillo, Calera, Zac., México. b

Universidad de Guadalajara. Centro Universitario de Ciencias Biológicas y Agropecuarias. Camino Ramón Padilla Sánchez No. 2100 Nextipac, 44600, Zapopan, Jalisco, México. c

INIFAP. Campo Experimental Pabellón, Carretera Aguascalientes-Zacatecas km 32.5, Pabellón de Arteaga, Ags., México. d

INIFAP. Sitio Experimental Metepec, km. 4.5 Carretera Toluca-Zitácuaro, Vialidad Adolfo López Mateos s/n, Zinacantepec, Edo. Méx., México.

*Autor de correspondencia: medina.guillermo@inifap.gob.mx

Resumen: La alfalfa es el principal cultivo forrajero en México en cuanto a superficie sembrada con 583,561 ha, lo que representa 57.1 %, mientras que los cultivos forrajeros maíz, avena y sorgo representan el 42.9 %. El objetivo de este estudio fue estimar el impacto del calentamiento global como resultado del cambio climático, con base en escenarios climáticos futuros, sobre la producción de alfalfa en áreas potenciales en condiciones de riego en

34


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

México. Para ello, anomalías de temperatura y precipitación del período 2021-2080 fueron usadas. Las anomalías se estimaron con un ensamble de 11 modelos de circulación general. Las áreas con potencial productivo de alfalfa se estimaron al considerar clima de referencia y escenarios climáticos futuros enfocados a dos rutas representativas de concentración (RCP) de gases de efecto invernadero (GEI). Los resultados sugieren incremento de la temperatura y su influencia sobre la reducción de las áreas con potencial productivo alto, situación que se agrava conforme se avanza hacia el futuro, con una reducción de 24.7 % en el año 2070 en la RCP 4.5 con respecto al clima de referencia. Resultados similares, pero con mayor disminución en la superficie con potencial productivo se encontraron en la RCP 8.5. Un efecto diferenciado fue estimado dependiendo de la región de cultivo. Debido a su alta demanda de agua, el cultivo de alfalfa puede ser sustituido por otros cultivos menos demandantes como maíz. Los resultados podrían utilizarse en el diseño de estrategias para adaptar el cultivo a los efectos del cambio climático en las áreas productoras de alfalfa. Palabras clave: Medicago sativa, Cambio climático, Potencial productivo, RCP, México.

Recibido: 08/11/2017 Aceptado: 12/07/2018

Introducción La alfalfa en condiciones de riego es el principal cultivo forrajero en México en cuanto a superficie sembrada con 583,561 ha (2006-2015), lo que representa 57.1 %, mientras que los cultivos forrajeros maíz, avena y sorgo representan el 42.9 %(1). Este cultivo es uno de los que más consumo de agua requiere(2), con requerimientos hídricos entre 1,200 y 1,800 mm anuales aproximadamente(3,4,5) lo cual lo hace dependiente de la disponibilidad de agua de riego. Además de la vulnerabilidad a las condiciones del clima, la influencia del cambio climático sobre el rendimiento y producción de esta leguminosa es incierta en el futuro. Actualmente, el cambio climático causa alteraciones en los patrones climáticos y, por tanto, en el clima relacionado con el manejo de las actividades agrícolas. El incremento de temperatura, causado por el aumento en la concentración atmosférica de los gases efecto invernadero (GEI)(6), propicia la desecación de muchas regiones debido al aumento de la evaporación(7) y de la modificación de los patrones de lluvia(8). Para estimar los efectos del cambio climático en el futuro se utilizan escenarios climáticos, los cuales son representaciones del clima futuro, consistentes con los supuestos sobre las 35


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

emisiones futuras de gases de efecto invernadero y otros contaminantes y, con la comprensión del efecto del aumento de las concentraciones atmosféricas de estos gases en el clima mundial, sirven de base para la adopción de medidas de adaptación y reducción de emisiones(9,10). Es importante reconocer que existe incertidumbre en los resultados de estos escenarios. Los modelos de circulación general permiten proyectar el clima futuro, pero no hay un modelo único que sea el más conveniente, por lo que se recurre a ensambles de varios modelos para reducir la incertidumbre(11). Estudios recientes han demostrado que la temperatura en las áreas agrícolas de México se ha incrementado de manera notable desde 1990(12,13). Este incremento de la temperatura trae consigo modificaciones en variables agroclimáticas como la acumulación de horas frío en el periodo invernal(14). Al igual que en otros países, en México existe una preocupación por el cambio climático y sus posibles impactos sobre el sector productivo primario. Por otra parte, como resultado del aumento de los GEI en la atmósfera, el incremento en la temperatura puede tener efectos tanto positivos como negativos sobre la producción de los cultivos. Un aumento en la temperatura acelera el proceso de madurez de los cultivos, reduce la duración del área foliar y con ello el requerimiento hídrico total hasta la madurez del cultivo(15,16). Diversos estudios se han desarrollado para identificar las zonas donde la producción de cultivos se pudiera realizar con mayor probabilidad de éxito y rentabilidad. Esas áreas son también llamadas áreas con potencial productivo(17-20). Sin embargo, el efecto del cambio climático sobre cultivos en áreas con potencial productivo se ha estudiado poco. Los cambios en los patrones climáticos tienen profundos efectos sobre el crecimiento y productividad de las plantas a corto plazo(21). En México se han realizado estudios sobre la temática de cambio climático y su impacto en la agricultura, pero pocos han analizado con detalle los efectos sobre sistemas producto en particular, lo cual limita el diseño de estrategias de adaptación del cultivo al cambio climático(22). La alfalfa es una especie que tiene un amplio rango de adaptabilidad. La creencia es que dependiendo del ambiente donde se desarrolle, el cambio climático puede influir sobre ella de manera positiva o negativa. Diversos estudios han demostrado la gran variabilidad de respuesta de la alfalfa al cambio climático(23-27). La alfalfa es un cultivo con requerimiento intensivo de agua. Su rentabilidad depende en gran medida de la disponibilidad de agua y sus costos. Es posible obtener mayor producción de alfalfa incrementando el riego en el período de crecimiento(2). La deficiencia de agua afecta el crecimiento de las plantas y se prevé que el cambio climático aumentará el estrés hídrico en los cultivos en algunas partes de los Estados Unidos de América(6). Grandes reducciones 36


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

de la superficie de cultivo de alfalfa en las llanuras del norte en Estados Unidos de América han sido observadas debido a la expansión de cultivos más rentables como maíz y soya, así como a la disminución de agua para riego(28). El objetivo de este estudio fue estimar el impacto del calentamiento global como efecto del cambio climático en escenarios climáticos futuros sobre las áreas potenciales de alfalfa de riego en México.

Material y métodos Un modelo ensamble se integró a partir del valor de la mediana de 11 modelos de circulación general (MCG) reducidos en escala y calibrados(29) y pertenecientes al CMIP5 (Intercomparación de Modelos Acoplados Fase 5) reportados en la 5ª entrega del IPCC: (BCC-CSM1-1, CCSM4, GISS-E2-R, HadGEM2-AO, HadGEM2-ES, IPSL-CM5A-LR, MIROC-ESM-CHEM, MIROC-ESM, MIROC5, MRI-CGCM3, NorESM1-M), los cuales se obtuvieron a partir de información del portal de datos de Cambio Global de WorldClim. El ensamble se generó considerando dos rutas representativas de concentración (RCP) de gases efecto invernadero, esto es, con dicho fin se utilizó un RCP de emisiones intermedias (4.5) consistente con un futuro con reducciones de emisiones relativamente ambiciosas, y un RCP de emisiones altas (8.5) coherente con un futuro sin cambios de política para reducir las emisiones(10). Los valores mensuales del ensamble de los 11 modelos de las variables temperatura máxima, temperatura mínima y precipitación de los años 2021 a 2080, para los escenarios 2021-2040, 2041-2060 y 2061-2080, en adelante referidos como climas o años 2030, 2050 y 2070, respectivamente, fueron usados. El clima base o de referencia con base en las mismas variables del periodo 1961-2010 del sistema de información climática del INIFAP(30) fue considerado. Se generaron imágenes temáticas raster con una resolución de 30” arco, correspondientes a los valores mensuales de las tres variables del clima base y de los escenarios. En los estudios relacionados con la agricultura, entre ellos el de potencial productivo, es conveniente utilizar una buena resolución para la aplicación de los resultados de los MCG con reducción de escala. Por lo tanto, el sistema de información climática del INIFAP utiliza una resolución 90 m, de tal manera que los resultados del potencial productivo tengan el detalle suficiente para aplicarlos en la toma de decisiones de planes a largo plazo.

37


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

La segunda parte del estudio consistió en la estimación del potencial productivo, el cual se basa en los requerimientos agroecológicos de las especies vegetales(31). Las áreas con potencial productivo para el cultivo de alfalfa en condiciones de riego fueron obtenidas. Las áreas potenciales se obtuvieron para el clima base y los tres escenarios climáticos en los RCP 4.5 y 8.5. Para la obtención de las áreas con potencial productivo se utilizó información de temperatura y precipitación del INIFAP, la información de uso del suelo serie 5 y edafología escala 1:250,000 del INEGI. Para ello, se utilizaron los sistemas de información geográfica IDRISI Selva y ArcGis Ver. 10.1. Finalmente, de acuerdo con los resultados obtenidos, se proponen algunas medidas de adaptación para el cultivo de alfalfa ante escenarios de cambio climático.

Resultados y discusión En el Cuadro 1 se presentan las superficies con potencial de producción de alfalfa en condiciones de riego, en las condiciones climáticas actuales y para los climas 2030, 2050 y 2070, en dos rutas representativas de concentración de gases de efecto invernadero. La superficie potencial obtenida es independiente del uso actual del suelo agrícola, es decir, no necesariamente esa superficie está disponible para sembrar alfalfa en condiciones de riego. Cuadro 1: Superficie con potencial productivo alto y medio de alfalfa de riego como cultivo perene bajo las condiciones climáticas actuales y en los escenarios climáticos 2030, 2050 y 2070 en los RCP 4.5 y 8.5 Potencial productivo RCP Escenario climático Alto Medio Actual 5,389,719 3,160,165 2030 4,940,739 2,754,646 4.5 2050 4,294,163 2,626,868 2070 4,058,779 2,267,566 2030 4,735,023 2,586,661 8.5 2050 4,006,668 2,079,239 2070 3,126,862 1,962,538 Se observa como la superficie de alto potencial de alfalfa de riego disminuye conforme se avanza hacia el futuro en los años 2030, 2050 y 2070 en el RCP 4.5, con respecto a las condiciones climáticas promedio o actuales, pasando de 5,389,719 ha en el clima actual a 4,058,779 ha en el año 2070. De igual manera el potencial productivo medio disminuye hacia el futuro, pasando de 3,160,165 ha en el escenario actual a 2,267,566 ha en el año 2070 (Figura 1). 38


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

Figura 1. Potencial productivo de alfalfa de riego en las condiciones climáticas actuales promedio y los climas 2030, 2050 y 2070 en el RCP 4.5

1

Comportamiento similar ocurre en el RCP 8.5, solo que la disminución de las superficies es mayor con respecto al escenario actual, pasando el potencial productivo alto de 5,389,719 a 3,126,862 ha, una reducción de 42.0 % de la superficie y el potencial medio disminuye su superficie de 3,160,165 hasta 1,962,538 ha, un porcentaje de 37.9 %, en el año 2070 (Figura 2).

39


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

Figura 2. Potencial productivo de alfalfa de riego en las condiciones climáticas actuales promedio y los climas 2030, 2050 y 2070 en el RCP 8.5

1

La reducción de la superficie con potencial productivo alto y medio puede deberse básicamente al aumento de la temperatura media anual en los diferentes escenarios climáticos, tal como se ha encontrado en otros estudios en México en los ambientes cálidos donde se produce alfalfa(32) debido a que un aumento de la temperatura puede reducir su producción. Esto se puede ver en el Cuadro 2; la temperatura media del escenario actual en las áreas de alto potencial es de 19.9°C, mientras que en los dos primeros climas del RCP 4.5 es de 20.9 y 21.9 °C; es decir, incrementos de 1.0 y 2.0 °C respectivamente, fueron estimados; el aumento en el tercer clima puede ser de 2.5 °C con respecto al clima de referencia y causar condiciones diferentes a las óptimas para el desarrollo de la alfalfa.

40


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

Cuadro 2: Temperatura y precipitación media anual de las áreas con potencial productivo alto de alfalfa de riego, obtenidas considerando la superficie de potencial actual, en los diferentes escenarios y RCP Temperatura (°C) Precipitación RCP Escenario Media Media DEA DEA (%) (mm) Actual 19.9 436.6 2030 20.9 1.0 425.8 2.5 4.5 2050 21.9 2.0 414.9 5.0 2070 22.4 2.5 413.8 5.2 2030 21.2 1.3 416.3 4.7 8.5 2050 22.5 2.6 395.9 9.3 2070 23.7 3.8 383.4 12.2 DEA=Diferencia con respecto al escenario actual.

En la Figura 3A se presenta la superficie con potencial productivo alto para los diferentes escenarios climáticos, en algunos de los principales estados productores de alfalfa en el país. Ahí se puede observar que el efecto posible del cambio climático no es el mismo en las diferentes regiones del país para la producción de alfalfa de riego, tal como ha sido reportado por otros autores(26), quienes mencionan que el rendimiento varió por municipio desde -10 a 14 % en los escenarios B1 y A2 en el estado de California, EUA. En general y a nivel país, la tendencia es hacia menos superficie con potencial alto, pero en regiones templadas actuales la superficie con potencial podría aumentar en el futuro, como es el caso del estado de Chihuahua, de manera similar a lo obtenido en otros estudios(27) y en otros estados se mantendrá estable como son los casos de Guanajuato e Hidalgo, como en otro estudio en California, EUA, donde el rendimiento se mantuvo sin cambio hasta el año 2050 en los escenarios B1 y A2(24); en cambio en los estados con clima cálido las áreas con potencial productivo alto presentan una tendencia a disminuir significativamente, como es el caso de los estados de Baja California y Sonora y la región de La Laguna de los estados de Coahuila y Durango, similar a lo encontrado con temperaturas altas sin incremento de rendimiento(25). En el potencial medio se observa una tendencia diferenciada entre los estados, pero en general donde disminuye el área con alto potencial, aumenta la de mediano potencial, ya que esa superficie pasará de alto a medio potencial. En el estado de Sonora primero aumenta el potencial medio y luego disminuye (Figura 3B). Tendencia similar se ha encontrado en las áreas productoras de maíz(22) y frijol(13) en México. En el RCP 8.5 (Figura 4A y 4B) se observa un comportamiento similar en el potencial alto, pero la tendencia a disminuir es más pronunciada.

41


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

Figura 3. Superficie de potencial productivo alto (A) y medio (B) de alfalfa de riego ciclo perene en las condiciones climáticas promedio y los climas del RCP 4.5, en diferentes estados del país A)

B)

1

Figura 4: Superficie de potencial productivo alto (A) y medio (B) de alfalfa de riego ciclo perene en las condiciones climáticas promedio y los climas del RCP 8.5, en diferentes estados del país

1

A corto plazo (2030), solo en la región más caliente donde se cultiva alfalfa (estados de Baja California y Sonora) disminuirá la superficie con potencial productivo alto en 17.8 y 60.0 % en el RCP 4.5, respectivamente, y 40.1 y 69.7 % en el RCP 8.5, respectivamente, (Figuras 3 y 4). No obstante que en la obtención de las áreas con potencial para la producción de alfalfa no se considera la precipitación, es posible que esas áreas potenciales se vean afectadas por la baja disponibilidad de agua para riego, ya sea agua de presa o de bombeo de los mantos acuíferos. La precipitación en los escenarios climáticos futuros con respecto al clima actual sufrirá una reducción (Cuadro 3). En las áreas de alto potencial en el RCP 4.5 hay una 42


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

reducción de 22.8 mm para el año 2070, mientras que, en el RCP 8.5 hay una reducción mayor de la precipitación de hasta de 53.2 mm en el año 2070 en las áreas de alto potencial y 59.8 mm en las de mediano potencial. Cuadro 3: Superficie sembrada y balance hídrico para la producción de alfalfa en los principales estados productores en México

Estado Chihuahua Baja California Sonora Durango Guanajuato Coahuila Hidalgo San Luis Potosí Zacatecas Jalisco Puebla Querétaro Aguascalientes México

SS (ha)

PP (mm)

RH (mm)

77,144 29,388 29,038 28,267 52,397 21,308 47,686 13,809 11,104 9,680 18,205 8,108 6,339 8,247

410 103 276 274 620 251 537 394 414 612 701 545 493 691

1,473 1,822 1,636 1,601 1,333 1,566 1,054 1,345 1,205 1,450 1,100 1,182 1,205 1,019

PP SS

RH SS

(millones 316.1 30.3 80.3 77.6 324.8 53.4 255.9 54.4 46.0 59.2 127.7 44.2 31.2 57.0

m3) 1,136.3 535.5 475.1 452.6 698.6 333.7 502.5 185.7 133.8 140.3 200.3 95.8 76.4 84.0

Déficit SS

%RH PP

820.2 505.2 394.8 375.0 373.8 280.3 246.6 131.3 87.8 81.1 72.7 51.6 45.2 27.0

27.8 5.7 16.9 17.1 46.5 16.0 50.9 29.3 34.4 42.2 63.7 46.1 40.9 67.8

SS= superficie sembrada, PP= precipitación anual, RH= requerimientos hídricos alfalfa. %RH PP= porcentaje del requerimiento hídrico cubierto por la precipitación.

El cultivo de alfalfa es muy demandante de agua(2). En el Cuadro 3 se presenta el uso consuntivo o requerimiento hídrico en cada uno de los principales estados productores de alfalfa, el cual va desde 1,019 en el estado de México hasta 1,822 en el estado de Baja California. Con este dato y la superficie promedio sembrada (2006-2015) se obtuvieron los requerimientos hídricos en toda esa superficie. Por otro lado, también se estimó el volumen de agua promedio aportado por la precipitación en la misma superficie sembrada por Estado. De esta manera se obtuvo el déficit hídrico en la superficie sembrada. En el mismo Cuadro 3 se aprecia que el déficit de agua en la superficie sembrada con alfalfa varía mucho entre un estado y otro, el cual va desde 27.0 hasta 820.2 millones de m3, lo que corresponde a un déficit promedio de 63.9 % con respecto al requerimiento hídrico. Los estados donde es mayor este déficit son precisamente en los del norte del país, porque la superficie sembrada es mayor y la precipitación es menor. Esos estados son Chihuahua, Baja

43


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

California y Sonora (Figura 5), es decir, los estados del centro del país donde la precipitación es mayor el déficit hídrico es menor. Figura 5: Requerimientos hídricos en la superficie sembrada con alfalfa en cada estado y el volumen aportado por la precipitación en la misma superficie

La disminución de la lluvia y el aumento de la temperatura en los años futuros pueden provocar mayores niveles de evapotranspiración, debido a lo cual los cultivos sufrirán más por falta de humedad en su balance hídrico(6,22). Comparando el cultivo de alfalfa con otros cultivos forrajeros como el maíz, el primero es mucho más demandante de agua, 1,350 mm anuales en promedio, mientras que el segundo tiene una demanda de agua de 550 mm en el ciclo. En las condiciones anteriores es de esperarse que en los años por venir el cultivo de la alfalfa paulatinamente será sustituido por otros cultivos menos demandantes de agua, tal como está sucediendo en las llanuras del norte de Estados Unidos de América, donde se están dando grandes reducciones de la superficie sembrada con alfalfa por otros cultivos como maíz y soya debido a las reducciones de agua para riego(28). Los resultados obtenidos podrían utilizarse en la planeación o en el diseño de estrategias para enfrentar el cambio climático en las áreas productoras de alfalfa, como pudiera ser la búsqueda de nuevas variedades de alfalfa que se adapten a condiciones de mayor temperatura y tolerantes a condiciones de poca disponibilidad de humedad.

44


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

Conclusiones e implicaciones El calentamiento global como efecto del cambio climático del Siglo XXI puede tener un efecto negativo en la viabilidad del cultivo de alfalfa en las áreas agrícolas de riego de México, ya que se espera que la superficie de alto potencial para esta especie descienda sostenidamente del año 2030 al año 2070, tanto en el escenario RCP 4.5 como en RCP 8.5. Sin embargo, si los patrones de emisiones de gases de efecto invernadero evolucionan hacia una RCP 8.5, la factibilidad del cultivo de alfalfa podría ser más afectado, ya que la reducción de superficie de alto potencial sería mayor que en el escenario RCP 4.5. El escenario más negativo se prevé para el año 2070 en el RCP 8.5, puesto que la reducción de la superficie de alto potencial podría ser hasta de 42 %. Pasando de una visión nacional a una visión estatal, lo previsible es un efecto diferenciado del cambio climático; estados donde la superficie potencial para el cultivo de alfalfa podría ser más afectada negativamente en el futuro son Baja California, Sonora y la región de La Laguna en Coahuila y Durango; mientras que otros estados del centro del país prácticamente no experimentarían efectos negativos; esto último podría ocurrir en Guanajuato e Hidalgo, incluso en Chihuahua se prevé un aumento de la superficie potencial para el cultivo de alfalfa. La alfalfa es una especie muy demandante de agua y se cultiva en condiciones de riego con un déficit promedio de 63.9 % con respecto al requerimiento hídrico en la superficie sembrada. Aunado a que para el escenario 2050 se prevé una reducción promedio de la precipitación de 7.2 %, el déficit de agua disponible podría aumentar, por lo que en un futuro cercano el cultivo de la alfalfa puede ser sustituido por otros cultivos menos demandantes como es el de maíz. Los resultados de este estudio pueden servir de base en el diseño de estrategias para enfrentar el cambio climático en las áreas productoras de alfalfa de riego en México, como pudiera ser la generación de nuevas variedades que se adapten a temperatura y evapotranspiración mayores o diseñar una nueva composición de los patrones de cultivos forrajeros en las áreas de riego del país.

Literatura citada: 1. SIACON. Sistema de Información Agropecuaria de Consulta 1980-2014. SAGARPA. México, D. F. 2015. http://www.siap.gob.mx/siacon .Consultado 16 Sep, 2016. 2. Russo C, Green R, Howitt R. Estimation of Supply and Demand Elasticities of California Commodities. Department of Agricultural and Resource Economics. University of California, Davis. Working Paper No. 08-001. 2008. 3. Villanueva DJ; Loredo OC, Hernández RA. Requerimientos hídricos de especies anuales y perenes en las zonas media y altiplano de San Luis Potosí. Centro de Investigación Regional del Noreste. Campo Experimental Palma de la Cruz. Folleto Técnico No. 12. 2001. 45


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

4. Maciel PLH, Hernández DFJ, Macías VLM. Requerimientos hídricos de cultivos forrajeros en la unidad de riego El Niágara, Aguascalientes. Centro de Investigación Regional Norte-Centro. Campo Experimental Pabellón. Folleto Técnico No. 30. 2007. 5. Guzmán RSC, Valenzuela SC, Felix VP, Jiménez TA, Ruiz CS. Necesidades hídricas de los principales cultivos en el estado de Baja California. Centro de Investigación Regional del Noroeste. Campo Experimental Valle de Mexicali. Folleto Técnico No. 13. 2008. 6. IPCC. Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)]. IPCC, Geneva, Switzerland. 2014. 7. Woodhouse CA, Meko DM, MacDonald GM, Stahle DW, Cook ERA. 1,200 year perspective of 21st century drought in southwestern North America. Proc Natl Acad Sci USA 2010;(107):21283–21288. 8. Durán PN, Ruiz CJA, González EDR, Ramírez OG. Impact of climate change on grasses cultivation potential of three altitudinal strata‐ agricultural lands of México. AJAR. 2014;9(18):1396-1406. 9. IPCC-TGCIA. Guidelines on the Use of Scenario Data for Climate Impact and Adaptation Assessment. Version 1. Prepared by Carter, TR, Hulme M, Lal M. Intergovernmental Panel on Climate Change, Task Group on Scenarios for Climate Impact Assessment. 1999. 10. Van Vuuren, DP, Edmonds J, Kainuma M, Riahi K, Thomson A, Hibbard K, Hurtt GC, et al. The representative concentration pathways: an overview. Climatic Change: 2011;109(1):5-31. 11. Montero-Martínez MJ, Ojeda-Bustamante W, Santana-Sepúlveda JS, Prieto-González R, Lobato-Sánchez R. Sistema de consulta de proyecciones regionalizadas de cambio climático para México. Tecnología y Ciencias del Agua. 2013;4(2):113-128. 12. Ruiz CJA, Medina GG, Manríquez OJD, Ramírez DJL. Evaluación de la vulnerabilidad y propuestas de medidas de adaptación a nivel regional de algunos cultivos básicos y frutales ante escenarios de cambio climático. Informe Final de Proyecto INIFAP-INE. Guadalajara, Jalisco. 2010. 13. Medina-García G, Ruiz-Corral JA, Rodríguez-Moreno VM, Soria-Ruiz J, Díaz-Padilla G, Zarazúa-Villaseñor P. Efecto del cambio climático en el potencial productivo del frijol en México. Rev Mex Cienc Agríc 2016;(Pub. Esp. Núm. 13):2465-2474

46


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

14. Medina-García G, Ruiz-Corral JA, Ramírez-Legarreta MR, Díaz-Padilla G. Efecto del cambio climático en la acumulación de frío en la región manzanera de Chihuahua. Rev Mex Cienc Agríc 2011;(Pub. Esp. Núm. 2):195-207. 15. Ojeda-Bustamante W, Sifuentes-Ibarra E, Íñiguez-Covarrubias M, Montero-Martínez M.J. Impacto del cambio climático en el desarrollo y requerimientos hídricos de los cultivos. Agrociencia 2011;45(1):1-11. 16. Hatfield JL, Boote KJ, Kimball BA, Ziska LH, Izaurralde RC, Ort D, Thomson AM, Wolfe D. Climate impacts on agriculture: Implications for crop production. Agron J 2011;(103):351-370. 17. Medina GG, Zegbe DJA, Mena CJ, Gutiérrez LR, Reveles HM, Zandate HR, Ruiz CJA, Díaz PG; Luna FM. Potencial productivo de especies agrícolas en el Distrito de Desarrollo Rural Zacatecas, Zacatecas. Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, Centro de Investigación Regional Norte Centro, Campo Experimental Zacatecas, Calera de V. R., Zacatecas., México. Publicación Técnica No. 3. 2009. 18. Liu D, Wan F, Guo R, Li F, Cao H, Suna G. GIS-based modeling of potential yield distributions for different oat varieties in China. Mathematical and Computer Modelling 2011;(54):869–876. 19. Aguilar RN, Galindo MG, Fortanelli MJ, Contreras SC. Evaluación multicriterio y aptitud agroclimática del cultivo de caña de azúcar en la región de Huasteca (México). Ciencia y Tecnología Agropecuaria 2010;11(2):144-154. 20. Díaz PG; Medina GG; Ruiz CJA, Serrano AV. Potencial productivo del cultivo de canola (Brassica napus L.) en México. Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, Centro de Investigación Regional Golfo Centro, Campo Experimental Cotaxtla, Veracruz, México. Publicación Técnica No. 2. 2008. 21. Attipalli RR, Girish KR, Agepati SR. The impact of global elevated CO2 concentration on photosynthesis and plant productivity. Curr Science 2010;99(1):46-57. 22. Ruiz CJA, Medina GG, Ramírez DJL, Flores LHE, Ramírez OG, Manríquez OJD, Zarazúa VP, González EDR, Díaz PG, Mora OC. Cambio climático y sus implicaciones en cinco zonas productoras de maíz en México. Rev. Mex. Cienc. Agríc. 2011;(Pub. Esp. Núm. 2):309-323. 23. Izaurralde RC, Thomson AM, Morgan JA, Fay PA, Polley HW, Hatfield JL. Climate Impacts on Agriculture: Implications for Forage and Rangeland Production. Agron J 2011;(103):371–381. doi:10.2134/agronj2010.0304

47


Rev Mex Cienc Pecu 2020;11(Supl 2):34-48

24. Jackson LE, Wheeler SM, Hollander AD. Case study on potential agricultural responses to climate change in a California landscape. Climatic Change 2011;(109):407. doi:10.1007/s10584-011-0306-3. 25. Hunink JE, Droogers P. Climate Change Impact Assessment on Crop Production in Uzbekistan. World Bank Study on Reducing Vulnerability to Climate Change in Europe and Central Asia (ECA) Agricultural Systems. Report FutureWater: 106. FutureWater. Costerweg 1G. 6702 AA Wageningen. The Netherlands. 2011. 26. Lee J, De Gryze S, Six J. Effect of climate change on field crop production in California’s Central Valley. Climatic Change 2011;(109):335. doi:10.1007/s10584-011-0305-4. 27. Erice G, Sanz-Sáez A, Aranjuelo I, Irigoyen JJ, Aguirreolea J, Avice JC, Sánchez-Díaz M. Photosynthesis, N2 fixation and taproot reserves during the cutting regrowth cycle of alfalfa under elevated CO2 and temperature. J Plant Physiol 2011;(168):2007-2014. 28. Derner J, Joyce L, Guerrero R, Steele R. Northern Plains Regional Climate Hub Assessment of Climate Change Vulnerability and Adaptation and Mitigation Strategies, Anderson T, editor. United States Department of Agriculture. 2015. 29. Walton D, Meyerson J, Neelin JD. Accessing, downloading, and viewing CMIP5 data. Earth System Grid Federation. 2013. 30. Ruiz-Corral JA, Medina-García G, Rodríguez-Moreno VM, Sánchez-González JJ, Villavicencio GR, Durán PN, Grageda GJ, García RJE. Regionalización del cambio climático en México. Rev Mex Cienc Agríc 2016;(Pub. Esp. Núm. 13):2451-2464. 31. Medina GG, Ruiz CJA, Martínez PRA, Ortiz VM. Metodología para la determinación del potencial productivo de especies vegetales. Agr Téc Méx. 1997;23(1):69-90. 32. Santamaría CJ, Núñez HG, Medina GG, Ruiz CJA, Tiscareño LM, Quiroga GMH. 2000. Evaluación del modelo EPIC para estimar el potencial productivo de alfalfa (Medicago sativa L.) en diferentes ambientes ecológicos de México. Téc Pecu Méx 2000;38(2):151161

48


https://doi.org/10.22319/rmcp.v11s2.4693 Artículo

Áreas con aptitud ambiental para [Bouteloua curtipendula (Michx.) Torr.] en México por efecto del cambio climático

José Ángel Martínez Sifuentes a Noé Durán Puga a* José Ariel Ruiz Corral a Diego Raymundo González Eguiarte a Salvador Mena Munguía a

a

Universidad de Guadalajara. Centro Universitario de Ciencias Biológicas y Agropecuarias. Camino Ramón Padilla Sánchez No. 2100 Nextipac, 44600, Zapopan, Jalisco, México.

*Autor de correspondencia: noe.duran@cucba.udg.mx

Resumen: Las áreas de pastizal están expuestas a los efectos del cambio climático que se presentarán en las siguientes décadas, lo que provocará cambios en las comunidades vegetales, modificando a su vez los servicios y productos. La influencia del clima como determinante de la productividad primaria en los ecosistemas ha llevado a la realización de estudios para evaluar el impacto del cambio climático en comunidades vegetales mediante el uso de modelos de simulación. Las especies del género Bouteloua están entre las más importantes en los pastizales de México, por su calidad forrajera y sus características ecológicas; entre ellas sobresale el zacate Banderita [Bouteloua curtipendula (Michx.) Torr.]. El objetivo del presente estudio fue delimitar las áreas con aptitud ambiental de B. curtipendula por efecto del cambio climático en México. El análisis del clima futuro se hizo con los modelos de circulación general (MCG) HadGEM-ES y GFDL-CM3, con los RCP4.5 y RCP8.5, para los periodos 2041-2060 y 2061-2080; para modelar los nichos potenciales de distribución se usaron datos de 407 sitios georreferenciados de colecta y 29 variables ambientales; mediante el modelo MaxEnt ambos MCG pronostican que el área con aptitud ambiental para B. 49


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

curtipendula tendrá una disminución inicial entre 3.1 a 14.4 %, aunque después se recuperará e incluso aumentará hasta un 1.4 %. Las variables ambientales que más contribuyeron a explicar la distribución potencial de la especie fueron la oscilación térmica anual, la precipitación en el periodo mayo a octubre y el índice de humedad de diciembre a febrero. Palabras clave: Bouteloua curtipendula, Aptitud ambiental, Descriptores, Nicho ecológico, Maxent, Modelos de circulación general, Cambio climático.

Recibido: 12/11/2017 Aceptado: 12/07/2018

Introducción La superficie de pastoreo en México es superior al 45 % del territorio nacional, con una mayor proporción en la región norte del país donde llega hasta el 70 %(1), sin embargo, estas áreas de pastizal están expuestas a los efectos del cambio en las condiciones del clima que se presentarán en las siguientes décadas de acuerdo con diversos estudios realizados, lo que provocará cambios en las comunidades vegetales, así como los servicios y productos que proveen(2,3). La influencia del clima como determinante de la productividad primaria de los ecosistemas ha llevado a la realización de estudios con el fin de evaluar el impacto del cambio climático en las comunidades vegetales mediante el uso de modelos de simulación. Algunas investigaciones realizadas en México han mostrado que la temperatura ambiental se incrementará entre 1.8 y 4.5 °C durante el periodo 2040-2100, en tanto que la precipitación pluvial disminuirá del 2 al 12 %(4,5,6). Las especies del género Bouteloua son de las más importantes en los pastizales de México, por su calidad forrajera y sus características ecológicas, entre las cuales sobresale el zacate Banderita o Banderilla [Bouteloua curtipendula (Michx.) Torr.]; esta especie ha sido incluida en algunos programas de mejoramiento de pastizales, por sus características forrajeras sobresalientes e incluso se han liberado variedades mejoradas en México(7,8) y en Estados Unidos(9). Además, B. curtipendula tiene una amplia variabilidad del polimorfismo que podría darle ventaja de adaptación ante los efectos del cambio climático(10). En algunos estudios se ha reportado que la estructura de las comunidades vegetales depende en gran medida de las condiciones climáticas, entre las cuales sobresalen la precipitación y la temperatura como factores determinantes(11,12,13); así mismo, se ha encontrado que la sequía crónica disminuye fuertemente la cobertura de las gramíneas al mismo tiempo que se incrementa la cobertura de especies arbustivas, en algunas áreas del desierto chihuahuense(13). 50


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

Otros resultados(14) muestran que hay poca evidencia de que los cambios en la precipitación influirán en los efectos competitivos individuales de las plantas, en un área de pastizal con dominancia de Bouteloua curtipendula, Bouteloua hirsuta y Schizachyrium scoparium, y que son las interacciones intraespecíficas e interespecíficas las que pueden modificar la colonización de espacios con características agroecológicas poco adecuadas. El objetivo de la presente investigación fue analizar las áreas con aptitud ambiental de B. curtipendula por efecto del cambio climático en México; utilizando dos modelos de circulación general (MCG) bajo las vías representativas de concentración de gases efecto invernadero (RCP4.5 y RCP8.5), para los periodos 2041-2060 y 2061-2080.

Material y métodos Bases de datos y sistemas de información ambiental La investigación se basó en el análisis de los datos del clima de referencia y la modelación de los climas futuros, datos obtenidos del portal de Global Climate Data de WorldClim.org. Para la climatología de referencia se utilizaron los datos del periodo 1950-2000 y para el clima futuro los correspondientes a los periodos 2041-2060 y 2061-2080, referidos más adelante como periodos 2050 y 2070, respectivamente, con una resolución espacial de 30 segundos de arco(15). Se utilizaron los MCG HadGEM-ES y GFDL-CM3; el primero se seleccionó porque incluye como variable los tipos de vegetación, incluido el pastizal nativo como parte de la cubierta vegetal del planeta(16); el segundo debido a que la versión CM3, además de incluir temas emergentes del cambio climático, tiene una resolución espacial mejorada y pone atención especial en la simulación de la precipitación en áreas tropicales(17). En la simulación se usaron las vías representativas de concentración de gases efecto invernadero(18) (RCP, por sus siglas en inglés) de 4.5 y 8.5 para analizar un escenario bajo y uno alto; no se usó el RCP2.6 debido a que las tendencias muestran dificultad para lograr este escenario(19). Los datos del clima se procesaron con el software ArcGIS; después se generaron mapas con las variables climáticas y bioclimáticas con el software Idrisi Selva, imágenes que se utilizaron para analizar las áreas con aptitud ambiental para B. curtipendula con el modelo Maximum Entropy Species Distribution Modeling (MaxEnt).

Distribución potencial de B. curtipendula Para correr el modelo Maxent se hicieron los siguientes ajustes: uso del 25 % de los datos para prueba, 10 replicaciones con la prueba de validación cruzada y un máximo de 2,000 iteraciones. Se utilizaron 410 datos georreferenciados obtenidos de cuatro fuentes: a) colecta directa, b) colecta de otros investigadores, c) datos consignados en ejemplares del herbario 51


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

del Instituto de Biología del Centro Universitario de Ciencias Biológicas y Agropecuarias de la Universidad de Guadalajara, y d) datos de colectas publicados en el sitio web de Global Biodiversity Information Facility (20). Las variables ambientales utilizadas fueron: precipitación anual, precipitación mayo-octubre, precipitación noviembre-abril, precipitación diciembre-febrero, precipitación en el mes más húmedo, precipitación en el mes más seco, temperatura máxima anual, temperatura máxima mayo-octubre, temperatura máxima noviembre-abril, temperatura media anual, temperatura media mayo-octubre, temperatura media noviembre-abril, temperatura media del mes más cálido, temperatura media del mes más frío, temperatura mínima anual, temperatura mínima mayo-octubre, temperatura mínima noviembre-abril, fotoperiodo mayo-octubre, fotoperiodo noviembre-abril, índice de humedad anual, índice de humedad mayo-octubre (estimado como el cociente de la precipitación entre evapotranspiración), índice de humedad noviembre-abril, índice de humedad diciembre-febrero, oscilación térmica anual, oscilación térmica mayooctubre, oscilación térmica noviembre-abril, oscilación térmica diciembre-febrero y textura del suelo.

Áreas con probabilidad de aptitud ambiental El modelo de predicción de áreas con aptitud ambiental para B. curtipendula obtenido con Maxent fue utilizado con el sistema Idrisi 17.0(21) con el que se generó un mapa con los valores umbrales correspondientes al percentil 10(22). Para el cálculo de la superficie con aptitud ambiental 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(23).

Ajuste del modelo El modelo de nicho ecológico empleado por Maxent predice la tasa de ocurrencia relativa (Receiver operating characteristic, ROC) de la especie, como una función de los predictores ambientales en cada localidad(24), representada por cada celda de la malla de aproximadamente 900 x 900 m en la escala geográfica de 30 seg de arco; a su vez, el área bajo la curva (Area Under Curve, AUC) puede interpretarse como el ajuste del modelo, en el que un valor de 1.0 sería un clasificador perfecto y uno aleatorio tendría un valor de 0.5(25), por lo que los valores cercanos a 1.0 muestran mayor ajuste del modelo a los datos.

52


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

Resultados y discusión Análisis del nicho potencial de distribución Los valores promedio de AUC obtenidos para el clima de referencia y para los escenarios de cambio climático fueron mayores a 0.933 en todos los casos (Cuadro 1), por lo que se considera que los datos obtenidos tienen un alto grado de confiabilidad al evaluar la aptitud ambiental para B. curtipendula(24,25). Resultados que concuerdan parcialmente en una investigación realizada en pastizales de Estados Unidos(26) en donde el análisis para B. curtipendula con 1,251 datos de muestreo, refleja un valor del AUC de 0.946; el valor más alto de la AUC de este estudio puede deberse a un mayor número de referencias geográficas utilizadas. Por otra parte, en las 10 réplicas del modelo utilizadas en esta investigación se encontró que el valor más bajo de AUC fue de 0.915 y el más alto de 0.976, la desviación estándar fue <0.013 en todos los casos, por lo que los resultados se consideran confiables. Ambos MCG arrojaron datos similares en la predicción de áreas con aptitud potencial, por lo que en investigaciones posteriores podría utilizar cualquiera de ellos. Cuadro 1: Valores promedio del área bajo la curva ROC, obtenidos en 10 replicaciones, y desviación estándar promedio, en el análisis de distribución potencial de Boutelua curtipendula en México

MCG Clima de referencia GFDL-CM3 RCP4.5 2050 GFDL-CM3 RCP4.5 2070 GFDL-CM3 RCP8.5 2050 GFDL-CM3 RCP8.5 2070 HadGEM-ES RCP4.5 2050 HadGEM-ES RCP4.5 2070 HadGEM-ES RCP8.5 2050 HadGEM-ES RCP8.5 2070

AUC promedio 0.934 0.933 0.955 0.956 0.935 0.957 0.937 0.956 0.934

AUC más alto 0.955 0.953 0.966 0.969 0.953 0.975 0.960 0.976 0.951

AUC más bajo 0.920 0.915 0.928 0.932 0.920 0.932 0.923 0.928 0.920

MCG= modelos de circulación general; AUC= área bajo la curva.

53

Desviación estándar 0.011 0.011 0.013 0.011 0.011 0.012 0.012 0.013 0.010


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

Cambios en la temperatura media anual y la precipitación acumulada En el análisis referente a la temperatura media anual, los dos MCG utilizados en esta investigación pronostican incrementos promedio de 2.8 y 3.4 °C para el periodo 2050 y de 3.4 y 5.0 °C para el periodo 2070 con el RCP4.5 y RCP8.5, respectivamente. Con respecto a la precipitación acumulada anual los dos modelos predicen un decremento en la climatología 2050 de 3.12 y 6.5 % y de 7 y 14.4 % para la climatología 2070. Es importante señalar que los cambios en la temperatura y la precipitación serán diferentes en cada área geográfica, con tendencia general a que sea más acentuado el cambio en las zonas áridas y semiáridas que en las zonas templadas y tropicales de México.

Áreas con aptitud ambiental de B. curtipendula En la Figura 1 se observa que la especie se distribuye de manera natural en una extensión de 548,719 km2 (Cuadro 2), localizada en el centro y norte de México; desde el sureste del estado de Chihuahua hasta la parte norte de Michoacán y Guerrero, en las áreas de pastizal nativo ubicadas en la altiplanicie mexicana y el eje volcánico transversal. Es notoria la baja presencia de la especie y poca superficie con aptitud ambiental en las áreas bajas y planicies costeras en los litorales del Océano Pacífico, Golfo de México y Mar Caribe. Figura 1: Área actual con aptitud ambiental de B. curtipendula en México

1 Lado izquierdo: mapa del modelo Maxent, color rojo con mayor probabilidad de ocurrencia; color azul áreas con menor probabilidad. Lado derecho: Mapa basado en el anterior, con la superficie de aptitud ambiental limitada en el decil 10 del valor de probabilidad; los puntos indican los sitios de colecta de la especie.

Los resultados obtenidos con el algoritmo Maxent son influidos por los datos ambientales utilizados(27,28); en la Figura 1 (lado derecho) se muestra el área homogénea con mayor aptitud ambiental con el clima de referencia y en la Figura 2 se pueden observar las áreas con aptitud ambiental para los periodos futuros y los RCP analizados.

54


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

Cuadro 2: Superficie con aptitud ambiental actual de Bouteloua curtipendula en México y variación con los modelos de circulación general (MCG) Superficie con aptitud ambiental % en relación con la 2 Clima/MCG (km ) climatología de referencia Referencia GFDL-CM3 RCP4.5 2050 GFDL-CM3 RCP4.5 2070 GFDL-CM3 RCP8.5 2050 GFDL-CM3 RCP8.5 2070 HadGEM-ES RCP4.5 2050 HadGEM-ES RCP4.5 2070 HadGEM-ES RCP8.5 2050 HadGEM-ES RCP8.5 2070

548,719 509,152 505,516 521,876 557,293 506032 520457 528419 552,799

100.0 92.8 92.1 95.1 101.6 92.2 94.8 96.3 100.7

Los MCG convergen en la predicción de un ligero decremento de la superficie con aptitud ambiental para B. curtipendula para las dos futuras climatologías (con excepción en el RCP8.5 en el 2070); la disminución de la superficie registrada se localiza principalmente en la zona oriental del estado de Chihuahua, el norte de Durango, el noreste de Coahuila y en pequeñas áreas distribuidas en el centro y sur de la república mexicana (Figura 2). En referencia al RCP8.5 periodo 2070 se pronostica un aumento promedio de 1.6 % de la superficie (Cuadro 2), localizada principalmente en el noreste de Chihuahua y centro-norte de Coahuila, además de pequeñas áreas dispersas en otras zonas aledañas al área con aptitud ambiental actual. Este fenómeno puede estar influenciado por el tipo de metabolismo de la especie y en este caso la fisiología de B. curtipendula es del tipo C4(26), por lo cual es más eficiente en el uso de agua y temperaturas altas(3,29).

Descriptores ecológicos de la distribución geográfica de B. curtipendula La oscilación térmica y la precipitación fueron los descriptores ecológicos que más contribuyeron en la distribución potencial del pasto B. curtipendula en México (Cuadro 3) en todos los escenarios ambientales. Otras investigaciones también han mostrado la influencia que tienen la precipitación y la temperatura ambiental en esta especie(3,13). Al analizar la oscilación térmica por separado de las otras variables (Figura 3) se observó un fuerte incremento en la probabilidad de ocurrencia de B. curtipendula entre 14 y 20 grados de diferencia entre las temperaturas máxima y mínima (la oscilación térmica).

55


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

Figura 2: Ă reas con aptitud ambiental para B. curtipendula y cambios estimados para los periodos 2041-2060 y 2061-2080, con RCP4.5 y RCP8.5, en relaciĂłn con el clima de referencia

56


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

Cuadro 3: Contribución relativa (%) de las variables ambientales que tienen mayor influencia en la aptitud ambiental para Bouteloua curtipendula en México RCP 4.5 Clima de 2050 Variable ambiental referencia 1 OTA 29.9 21.5 FP nov-abr 14.6 9.2 PRE may-oct 11.1 17.1 OT dic-feb 8.2 10.3 IH dic-feb 7.2 9.8 TM may-oct 2.6 3.7

2050 2 22.8 8.4 15.6 12.8 8.0 1.6

2070 1 20.8 8.4 18.8 11.8 11.1 2.2

RCP 8.5 2070 2 23.8 8.3 14.6 12.6 9.8 1.8

2050 1 27.8 7.9 19.3 11.2 13.7 2.5

2050 2 31.6 7.6 23.8 13.9 8.6 1.7

2070 1 32.1 7.2 20.1 11.5 13.9 2.3

2070 2 30.5 6.7 25.5 14.3 11.1 1.5

OTA= oscilación térmica anual; PRE= precipitación; FP= fotoperiodo; OT= oscilación térmica; IH= índice de humedad; TM= temperatura mínima.

Figura 3: Variables ambientales que más influyen en la probabilidad de presencia de B. curtipendula

1 Lado izquierdo: cambios en la predicción de cada variable de la muestra promedio; lado derecho: cambios en la predicción de las variables ambientales por separado. El área sombreada representa la desviación estándar (ota, oscilación térmica anual; p5-10, precipitación may-oct; ot12-2, oscilación térmica dic-feb; ih12-2, índice de humedad diciembre-febrero).

57


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

La precipitación anual de manera directa no resultó uno de los principales descriptores ecológicos en la distribución de B. curtipendula, pero sí de manera indirecta mediante el índice de humedad anual y estacional, son las variables que contribuyen a explicar la presencia de la especie. Con base en la Figura 3 se puede inferir que B. curtipendula tiene una mayor probabilidad de estar presente en áreas con índices de humedad anual de 0.2 y 0.5; a partir de este punto disminuye rápidamente su probabilidad a medida que este índice se acerca a 1.0; de acuerdo con estos índices de humedad, B. curtipendula se distribuye de manera natural en las zonas áridas y semiáridas(30,31) y disminuye su presencia en las zonas subhúmedas y húmedas de México. La contribución del índice de humedad en los meses de diciembre a febrero indica que B. curtipendula requiere humedad para mantenerse en un su nicho ecológico, lo cual puede ser corroborado con la precipitación en el periodo diciembrefebrero, que contribuyó con el 5.4 % en la distribución de la especie, incluso en mayor medida que la precipitación acumulada anual que tuvo 3.0 %. Al respecto, en una investigación realizada para B. curtipendula en el desierto Chihuahuense, la precipitación fue el factor clave para explicar la productividad primaria neta, principalmente cuando la lluvia se distribuye en pequeños pero frecuentes eventos durante el verano(32); una situación similar se ha presentado con otras especies, como fue reportado en un estudio en África Occidental al modelar la ocurrencia de 302 especies de gramíneas, cuyo resultado fue que la precipitación es la variable que con más frecuencia influye en la distribución de las gramíneas en los pastizales(11); otras investigaciones también reportan que la lluvia es el factor determinante en la distribución de gramíneas en escala local y regional(33). También se menciona que para 30 especies nativas de las Grandes Planicies de Estados Unidos el descriptor ambiental que más contribuyó en la probabilidad de ocurrencia de B. curtipendula fue la temperatura media anual(26), lo cual podría explicarse al tomar en cuenta la latitud que provoca temperaturas muy bajas con respecto a las áreas de distribución de esta especie en México. Al analizar la contribución de la precipitación anual por separado, la mayor probabilidad de presencia, está en los sitios de 450 a 750 mm, con precipitaciones menores o mayores disminuyen la probabilidad de que esté presente esta especie. Con respecto al fotoperiodo, la contribución fue de 9.0 y 14.6 %, en los meses de mayooctubre y noviembre-abril, respectivamente (Cuadro 3), con probabilidades de presencia mayores en rangos de 12:30 a 13:00 h en los meses de mayo a octubre y de 11:00 a 11:30 h en los meses de noviembre a abril (Figura 3); debe considerarse que B. curtipendula tienen una amplia variación genética que le permite adaptarse en ambientes diversos(33,34), lo cual explica que esté presente en sitios tan extremos como Canadá y Argentina(29,35).

58


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

Conclusiones e implicaciones Los dos modelos predicen y concuerdan que para los periodos 2050 y 2070, habrá un incremento de 2.8 a 5.0 °C en la temperatura media anual, y una disminución de 3.1 a 14.4 % en la precipitación acumulada. El efecto de estos cambios en la superficie con aptitud ambiental para B. curtipendula tendrá ligeras consecuencias negativas a largo plazo, ya que disminuirá en el periodo 2050 para ambos RCP y para la climatología 2070 solo para el RCP4.5; pero se recuperará en el periodo 2070 con el RCP8.5 e incluso se predice un aumento promedio de 0.9 % de la superficie con aptitud ambiental con respecto a la climatología de referencia. La disminución del área con aptitud ambiental se localiza principalmente en los estados de Chihuahua, Durango y Coahuila y en menor medida en pequeñas áreas del centro y sur de México; el incremento previsto en el área con aptitud ambiental se presentará principalmente en el noreste de Chihuahua y en el centro-norte de Coahuila. Las variables ambientales que contribuyeron en mayor medida a explicar la presencia de B. curtipendula en México fueron: oscilación térmica anual, precipitación en el periodo mayo a octubre, oscilación térmica en el periodo diciembre a febrero e índice de humedad de diciembre a febrero.

Agradecimientos Se agradece al Dr. Carlos Morales Nieto por el acceso a la base de datos de las colectas que realizó; y a las autoridades del Centro Universitario de los Altos, de la Universidad de Guadalajara, por las facilidades otorgadas para realizar esta investigación.

Literatura citada: 1. SIAP-SAGARPA. Servicio de Información Agroalimentaria y Pesquera, Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación, México. http://www.siap.gob.mx/. Consultado Feb 12, 2015. 2. Reeves MC, Moreno AL, Bagne KE, Running SW. Estimating climate change effects on net primary production of rangelands in the United States. Climate Change 2014;126:429-442. doi: 10.1007/s10584-014-1235-8. 3. Polley HW, Derner JD, Jackson RB, Wilsey BJ, Fay PA. Impacts of climate change drivers on C4 grassland productivity: scaling driver effects through the plant community. J Experim Botany 2014;65:3415-3424. doi:10.1093/jxb/eru009. 4. Durán PN, Ruíz CJA, González EDR, Ramírez OG. Impact of climate change on grasses cultivation potential of three altitudinal strata-agricultural lands of Mexico. African J Agric Res 2014;9:1396-1406. 59


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

5. Ruíz CJA, Medina GG, Ramírez DJL, Flores LHE, Ramírez OG, Manríquez OJD, et al. Cambio climático y sus implicaciones en cinco zonas productivas de maíz en México. Rev Mex Cienc Agr 2011; Publ Esp 2:309-323. 6. Zarazúa-Villaseñor P, Ruíz-Corral JA, González-Eguiarte DR, Flores-López HE, RonParra J. Impacto del cambio climático sobre la agroclimatología del maíz en Ciénega de Chapala, Jalisco. Rev Mex de Cienc Agr 2011; Publ Esp 2:351-363. 7. Corrales LR, Morales NCR, Melgoza CA, Sierra TJS, Ortega GJA, Méndez ZG. Caracterización de variedades de pasto banderita [Bouteloua curtipendula (Michx.) Torr.] recomendadas para rehabilitación de pastizales. Rev Mex Cienc Pecu 2016;7(2):201-211. 8. Beltrán LS, García DCA, Loredo OC, Núñez QT, González ELA, García DCA, Hernández AJA, et al. Navajita Cecilia y Banderilla Diana: Pastos nativos sobresalientes para el Altiplano de San Luis Potosí. INIFAP-CIRNE-Campo Experimental San Luis, Folleto Técnico # 33. 2007. 9. NRCS. “El Reno” sideoatas grama Bouteloua curtipendula (Michc.) Torr. USDA-Natural Resources Conservation Service: Manhattan KS, USA. 2011. 10. Morales NC, Quero CA, Le BO, Hernández GA, Pérez PJ, González MS. Caracterización de la diversidad del pasto nativo Bouteloua curtipendula Michx. Torr. mediante marcadores de AFLP. Agrociencia 2006;40:711-720. 11. Bocksberger G, Schnitzler J, Chatelain C, Daget P, Janssen T, Schmidt M, Thiombiano A, Zizka G. Climate and the distribution of grasses in West Africa. J Veget Sci 2016;27:306-317. 12. Pérez RIM, Roumet C, Cruz P, Blanchaird A, Autran P, Garnier E. Evidence for “a plant comunity economics spectrum” driven by nutrient and water limitations in a Mediterranean rangeland on Southern France. J Ecol 2012;100:1315-1327. 13. Báez S, Collins SL, Pockman WT, Johnson JE, Small EE. Effects of experimental rainfall manipulations on Chihuahuan desert grassland and shrubland comunnities. Oecol 2013;172:1117-1127. DOI 10.1007/s00442-2552-0. 14. Adler PB, Leiker J, Levine JM. Direct and indirect effects of climate change on a prairie plant community. PloS ONE 2009;4(9):e6887. doi:10.1371/journal.pone.0006887. 15. Hijmans RJ, Cameron SE, Parra JL, Jones PG, Jarvis A. Very high resolution interpolated climate surfaces for global land areas. Internat J Climat 2005;25:1965-1978.

60


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

16. Collins WJ, Bellouin N, Doutriaux-Boucher M, Gedney N, Halloran P, Hinton T, et al. Development and evaluation of an Earth-System model – HadGEM2. Geosci Model Dev 2011;4:1051-1075. 17. Donner LJ, Wyman BL, Hemler RS, Horowitz LW, Ming Y, Zhao M, et al. The dynamical core, physical parameterizations, and basic simulations characteristics of the atmpospheric component AM3 of the GFDL global coupled model CM3. J Climate 2011;24:3484-3519. 18. Van Vuuren BDP, Edmonds J, Kainuma M, Riahi K, Thomson A, Hibbard K, et al. The representative concentration pathways: an overview. Climatic Change 2011;109:5-31. DOI 10.1007/s10584-011-0148-z. 19. UNEP. The Emissions Gap Report. United Nations Environment Programme (UNEP), Nairobi. 2016. 20. GBIF (Global Biodiversity Information Facility). GBIF.org (11th February 2017). GBIF Ocurrence Download http://doi.org/10.15468/dl.gfgh2t. 21. Eastman JR. Idrisi Selva Manual Version 17. Worcester, Mass., USA: Clark Labs, Clark University; 2012. 22. Norris D. Model thresholds are more important than presence location type: Understanding the distribution of lowland tapir (Tapirus terrestris) in a continuous Atlantic forest of southeast Brazil. Tropical Conserv Sci 2014;7(3):529-547. 23. INEGI (Instituto Nacional de Estadística Geografía e Informática). Guía para interpretación cartográfica: Uso de suelo-vegetación Serie III. México. DF. 2009. 24. Merow C, Smith MJ, Silander JA. A practical guide to MaxEnt for modeling species distributions: what it does and why inputs and settings matter. Ecography 2013; 36:1058-1069. 25. Phillips SJ, Dudik M, Schapire RE. Maximum entropy modeling of species geographic distributions. Ecolog Model 2006;190:231-259. 26. Martinson EJ, Eddy ZB, Commerford JL. Biogeographic distributions of selected North American grassland plant species. Physical Geo 2011;32(6):583-602. Doi: 10.2747/0272-3646.32.6.583. 27. Elith J, Phillips SJ, Hastie T, Dudik M, Chee YE, Yates CJ. A. statistical explanation of MaxEnt for ecologists. Diversity Distrib 2011;17:43-57. 28. Phillips SJ, Dudik M. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography 2008;31:161-175. 61


Rev Mex Cienc Pecu 2020;11(Supl 2):49-62

29. Schellenberg MP, Biligetu B, McLeod GJ, Wang Z. Phenotypic variation of side-oats grama grass [Bouteloua curtipendula (Michx.) Torr.] collections from the Canadian prairie. Can J Plant Sci 2012;92:1043-1048. 30. UNEP. World Atlas of Desertification. 2nd ed. United Nations Environment Programme: Oxford University Press, England. 1997. 31. Robertson TR, Bell CW, Zak J, Tissue DT. Precipitation timing and magnitude differentially effect aboveground annual net primary productivity in three perennial species in a Chihuahuan dessert grassland. New Phytol 2009;181:230-242. 32. Edwards TJ, Smith SA. Phylogenetic analysis reveals the shady history of C4 grasses. PNAS 2010;107:2532-2537. 33. Morales NCR, Avendaño AC, Melgoza CA, Gil VKC, Quero CA, Jurado GP, et al. Caracterización morfológica y molecular de poblaciones de pasto banderita (Bouteloua curtipendula) en Chihuahua, México. Rev Mex Cienc Pecu 2016;7(4):455-469. 34. Chadwick AC. Bouteloua curtipendula. In: U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station, Fire Sciences Laboratory (Producer) 2003. http://www.fs.fed.us/database/feis/. Accesed Apr 5, 2017. 35. Siqueiros DME, Ainouche M, Columbus JT, Ainouche A. Phylogeny of the Bouteloua curtipendula complex (Poaceae: Chloridoideae) based on nuclear ribosomal and plastid DNA sequences from diploid taxa. Sistem Bot 2013;38(2):379-389.

62


https://doi.org/10.22319/rmcp.v11s2.4694 Artículo

Efecto en la erosión hídrica del suelo en pastizales y otros tipos de vegetación por cambios en el patrón de lluvias por el calentamiento global en Zacatecas, México

Francisco Guadalupe Echavarría-Cháirez a* Guillermo Medina-García a José Ariel Ruiz-Corral b

a

Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP). Campo Experimental Zacatecas, Km 24.5 Carretera Zacatecas-Fresnillo, Calera, Zac., México. b

Universidad de Guadalajara. Centro Universitario de Ciencias Biológicas y Agropecuarias. Camino Ramón Padilla Sánchez No. 2100 Nextipac, 44600, Zapopan, Jalisco, México.

*Autor de correspondencia: echavarria.francisco@inifap.gob.mx.

Resumen: Para evaluar la erosión hídrica se utilizaron anomalías de temperatura y precipitación para el período 2021-2080, estimadas con un ensamble de 11 modelos de circulación global, para generar mapas de temperatura y precipitación futuras a partir de la climatología de referencia 1961-2010. En el caso del estado de Zacatecas el área de pastizal presenta valores promedio actuales de erosión del orden de 16.3 t/ha, estimadas mediante el modelo RUSLE. En otros tipos de vegetación o usos del suelo como es el matorral, bosque o el área agrícola se generan valores aún mayores (50.74, 65.99, 161.39, t/ha/año, respectivamente). La aplicación del modelo ensamble en las RCP 4.5 y RCP 8.5 indica que habrá un incremento en la temperatura y una disminución de la lluvia. En un escenario de menor efecto de calentamiento global (RCP 4.5) se espera una reducción gradual de erosión hídrica del pastizal respecto a 2010 de 2.3 % en 2030 (15.67 t/ha/año) hasta un 5.88% (15.18 t/ha/año) en 2070. En el mismo periodo hasta 2070, la tasa de decremento de erosión hídrica es de 14.1 kg/ha/año. La RCP 8.5, que fue diseñada para una condición de continua emisión de gases de invernadero, presenta valores de reducción aún mayores y para 2070 establece una

63


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

disminución del 13.0 %, con una tasa de disminución de erosión de 31.5 kg/ha/año. Otros tipos de vegetación y uso del suelo mostraron la misma tendencia de disminución, aunque en tasas de decremento más altas. Aunque el escenario de disminución de erosión hídrica parece favorable, no se descarta un incremento de valores de pérdida de suelo por efecto de erosión eólica en las regiones áridas del norte del estado de Zacatecas. La valoración de niveles de erosión hídrica contribuye al ordenamiento del uso del suelo para reducir niveles de degradación y desertificación. Palabras clave: Erosión hídrica, RUSLE, Cambio climático, RCP.

Recibido: 12/11/2017 Aceptado: 22/08/2018

Introducción La erosión hídrica del suelo es solo uno de los tipos de erosión posibles y una de las formas de degradación del suelo que existen. En particular, la erosión hídrica es un proceso continuo que afecta los suelos de todo el planeta. Los cambios en la cantidad, intensidad y distribución de la lluvia aceleran o reducen el efecto continuo de la erosión. Esos cambios se están presentando actualmente como consecuencia del incremento en los gases de efecto invernadero (GEI), que influyen en el calentamiento global(1) y el cambio climático. Las pérdidas de suelo por erosión hídrica son de mayor importancia, especialmente en sitios donde la capa superficial es poco profunda, tal es el caso del estado de Zacatecas. Los suelos de pastizal se caracterizan por su reducida profundidad, en cambio los suelos de uso agrícola son de mayor profundidad. El efecto de pérdidas de suelo será diferente en función del uso del mismo, pero en todos los casos, conducirá a la reducción paulatina de la productividad y degradación. Existe gran incertidumbre sobre los efectos que el cambio climático provocará en las actividades productivas, esto debido a que dichas actividades y en consecuencia la seguridad alimentaria, dependen de las precipitaciones pluviales. Sin embargo, indicadores como la erosión hídrica pudieran no ser del interés general, sobre todo, aquellos indicadores que no son medidos de manera rutinaria y cuyos efectos, por presentarse permanentemente, no son fácilmente perceptibles. El conocimiento actual y futuro de las posibles pérdidas de suelo y la degradación en general, son de importancia para la planeación de uso del suelo y su ordenamiento(2). La Sociedad Americana de la Ciencia del Suelo en su glosario(3) define la degradación como: “el proceso a través del cual un compuesto es transformado en componentes más simples”. La desertificación fue definida en 1992 por la Convención de las Naciones Unidas de Lucha Contra la Desertificación como: “la degradación de las tierras de zonas áridas, semiáridas y subhúmedas secas, resultante de diversos 64


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

factores, tales como las variaciones climáticas y las actividades humanas"(4). La CONABIO(5) menciona que en 2011, la superficie de ecosistemas naturales del país se ha reducido significativamente desde mediados del siglo pasado para transformarse en terrenos agropecuarios, zonas urbanas y obras de infraestructura, que el 28.7 % del territorio había perdido sus ecosistemas naturales y el restante 71.3 % los mantenía con diferentes grados de conservación. Por lo anterior, la planeación y ordenamiento del uso del suelo, son fundamentales para mantener estables los niveles de degradación y la desertificación a través del mantenimiento de la frontera agrícola y de reducir al máximo los cambios de uso del suelo. En este sentido, es importante evaluar el efecto del cambio climático sobre los niveles de erosión hídrica en las áreas de pastizal y otros tipos de vegetación, para contribuir a la planeación de acciones de protección, al ordenamiento ecológico y reducción de la degradación del suelo.

Material y métodos El estado de Zacatecas se localiza entre las coordenadas 25° 07´32´´ N y 21°01´48´´ N y entre los 100° 44´ 09´´ y 104° 24´08´´ O y cuenta con una extensión de 7´447,970.8 ha(6). El tipo de vegetación predominante en el estado de Zacatecas es el matorral xerófilo que ocupa 3´173,280 ha, seguido por la superficie ocupada por el área agrícola de 1´746,987 ha, después la superficie ocupada por el pastizal que representa una superficie de 1´454,234 ha y en cuarto lugar la superficie de bosque que ocupa 1´125,285 ha(7); el resto lo ocupan selva y otros tipos de vegetación de menor dimensión. Los suelos predominantes en el estado son 14 unidades, de las que sobresalen Xerosol (38.8 %), Litosol (14.3 %), Feozem (14.0 %), Regosol (12.2 %) y Castañozem (9.6 %)(8).

Erosión hídrica Para estimar la erosión hídrica actual, se utilizó la Ecuación Universal de Pérdida de Suelo Revisada (RUSLE por sus siglas en inglés)(9): E=R*K*L*S*C*P Donde: E= pérdida de suelo por unidad de área (t/ha/año); R= factor de erosividad de la lluvia (MJ mm ha-1 h-1 año-1); K= factor de erodabilidad del suelo (t ha-1 h-1/MJ mm ha-1); L= factor de longitud de la pendiente (adimensional); S= factor de grado de la pendiente (adimensional); C= factor de la vegetación (adimensional); P= factor de práctica mecánica de control de la erosión (adimensional).

65

(1)


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

Para su medición se utilizó el programa IDRISI selva(10), el cual incluye el comando RUSLE, que es una rutina que mejora el cálculo de los factores L y S e incluyendo otras rutinas adicionales que elimina depresiones, y otros que permiten una generalización mejor del modelo digital de elevación. Para la estimación del factor R se usó el mapa de isoerosividad, que divide al país en 14 regiones, de las cuales, el estado de Zacatecas se ubica en las regiones 3, 4 y 7 y cuyas ecuaciones son las siguientes: Y = 3.67516x - 0.001720 X2 (2) Y = 2.89594x + 0.002983 X2 (3) Y = 0.03338x + 0.006661 X2 (4) En donde Y es el factor R en términos de MJ mm/ha h y X es la lluvia anual en mm. Para la estimación de los valores del parámetro K, se utilizó una tabla de valores de erosionabilidad desarrollada por Figueroa(11). El factor K está en función de la textura y clase de suelo. Estos valores se asignaron a las clases de suelo y texturas dentro de los terrenos ejidales, las cuales se digitalizaron para facilitar su manejo dentro de los sistemas de información geográfica (SIG), por medio del programa IDRISI Selva(10). La salida es la pérdida de suelo para cada tipo de vegetación. Para cuantificar el efecto del cambio climático se utilizó el sistema de información de cambio climático de la República Mexicana del INIFAP(12), el cual consta de climatología base del periodo 1961-2010 y climatología de los años 2021 a 2080 en las rutas de concentración representativas (RCP) 4.5 y 8.5 de gases de efecto invernadero (GEI), entre otros para un modelo ensamble formado a partir de 11 modelos de circulación general (GCM) reducidos en escala y calibrados(13) seleccionados para México (BCC‐ CSM1‐ 1, CCSM4, GISS‐ E2‐ R, HadGEM2‐ AO, HadGEM2‐ ES, IPSLCM5A‐ LR, MIROC‐ ESM‐ CHEM, MIROC‐ ESM, MIROC5, MRI‐ CGCM3, NorESM1‐ M). Se utilizaron los valores de temperatura máxima, temperatura mínima y precipitación mensuales para los años 2021 a 2080. Con los datos mensuales se obtuvieron los anuales para los escenarios climáticos 2021-2040, 2041-2060 y 2061-2080, en adelante referidos como climatologías o años 2030, 2050 y 2070, respectivamente. Utilizando la información de uso del suelo de INEGI(14), fue posible separar los efectos de disminución de lluvia y erosión hídrica por tipo de vegetación predominante. Adicional al área de pastizal, se utilizó la información de la superficie dedicada a otros tipos de vegetación como son el matorral, bosque y el área de uso agrícola. Con la información de erosión hídrica estimada para la actualidad y la de los años 2030, 2050 y 2070 se obtuvieron modelos de regresión(15) para los tipos de vegetación más importantes del Estado, ya mencionadas, obteniéndose una tasa anual de cambio para cada condición de vegetación y con ello comparar contra el área de pastizal y determinar donde se obtendrán los mayores impactos por efecto del cambio climático.

66


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

Resultados y discusión Contrario a lo que sucede con otros indicadores de cambio, en lo que respecta a las pérdidas de suelo por efecto de la erosión hídrica, ésta tenderá a disminuir a medida que el efecto de calentamiento global, provoque una disminución de la precipitación pluvial en el estado de Zacatecas. El Cuadro 1 presenta las superficies susceptibles de erosión hídrica y el rango de pérdida de suelo asociada a cada una de ellas, tanto en la climatología de referencia como en las climatologías y escenarios de cambio climático estudiados. Los escenarios utilizados para proyectar las precipitaciones que se utilizaron para el cálculo de valores de erosión hídrica, son los denominados como rutas representativas de concentración de gases efecto invernadero (RCP) 4.5 y 8.5, para las climatologías 2030, 2050 y 2070. Las RCP se caracterizan por el cálculo aproximado que hacen del forzamiento radiativo total en el año 2100 en relación con el año 1750 (IPCC, 2013), esto es 4.5 W m-2, en el caso del escenario RCP4.5 (emisiones intermedias de GEI) y 8.5 Wm-2 en el caso del escenario RCP8.5 (emisiones altas de GEI). Cuadro 1: Superficies (ha) de pérdida de suelo asociada a pastizales, estimadas para el RCP 4.5 con el modelo RUSLE para el estado de Zacatecas desde el año 2010 hasta 2070 Erosión Años (t/ha) Diferencia (%) 2010 2030 2050 2070 0 - 10 888,417 894,767 906,833 911,278 2.57 10 - 100 533,431 529,621 519,460 514,380 -3.57 100 - 500 30,482 27,942 26,036 26,671 -12.50 En el Cuadro 2 se presentan las proyecciones de superficies asociadas al rango de pérdida de suelo bajo la RCP 8.5, que es la condición en la que no se espera ninguna disminución del efecto invernadero. La Figura 1, muestra los cambios en erosión hídrica en las áreas de pastizal del estado de Zacatecas, con los RCP 4.5 y 8.5. Cuadro 2: Superficies (ha) de pérdida de suelo asociada a pastizales, estimadas para el RCP 8.5 con el modelo RUSLE para el estado de Zacatecas desde el año 2010 hasta 2070 Erosión Años (t/ha) Diferencia (%) 2010 2030 2050 2070 0 - 10 888,417 910,643 930,329 939,220 5.72 10 - 100 533,431 515,015 502,949 494,059 -7.38 100 - 500 30,482 26,671 19,051 19,051 -37.50

67


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

Figura 1: Erosión hídrica actual (izq.) y proyectada a 2070 (der. sup) con RCP 4.5 y RCP 8.5 (der. inf.) del pastizal en el estado de Zacatecas

En ambos Cuadros (1 y 2) las cifras muestran una tendencia semejante, la categoría que representa la mayor superficie en ambos cuadros, es la asociada al rango de erosión de 0 a 10 t/ha, la cual representa un poco más del 60 % del total de la superficie de pastizal en el estado de Zacatecas. En ambos RCP dicha categoría tiende a incrementarse. Con el RCP 4.5 se incrementa en 22,861 ha (2.57 %) pero con el RCP 8.5, el incremento es de 50,803 ha, lo que representa aproximadamente el doble (5.72 %) de la superficie estimada por el RCP 4.5, esto para el año 2070. Dado que en ambos RCP se proyectó una disminución en la precipitación de 4.0 y 7.8 % (Cuadros 3 y 4) para RCP4.5 y RCP8.5, respectivamente, hasta el año 2070, lo cual parece una contradicción, disminuye la precipitación y aumenta la erosión. Sin embargo, en las categorías de los valores altos de erosión hídrica, en los que se encuentran los valores de 10 a 500 t/ha, muestran que, en esos niveles de mayor erosión, es donde se presentará una estabilidad, incluso una disminución. Aunque los valores de las categorías 10-100 y 100-500, corresponden con los valores menores en superficie (40 %), son en estas categorías donde se presentan los valores más altos de erosión hídrica, por lo que la estabilidad y disminución en ellas, conduce a una disminución en los valores medios totales para la superficie de pastizal. Al utilizar los valores medios de erosión para el estado de Zacatecas, en un análisis de regresión, se encontraron tasas de cambio negativas y en

68


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

ambos casos significativas (P<0.05), con valores pequeños de reducción por año en los RCP 4.5 (14.1 kg/ha/año) y RCP 8.5 (31.5 kg/ha/año (Figura 2). Cuadro 3: Precipitación media proyectada mediante RCP 4.5 y porcentaje de reducción en el periodo de 2010 a 2070 Años Reducción Uso del suelo (%) 2010 2030 2050 2070 Pastizal 500 492 483 480 4.04 Matorral 385 377 370 367 4.53 Agrícola 469 462 454 450 4.03 Bosque 602 591 580 580 3.76

Cuadro 4: Precipitación media proyectada mediante RCP 8.5 y porcentaje de reducción en el periodo de 2010 a 2070 Años Reducción Uso del suelo (%) 2010 2030 2050 2070 Pastizal 500 482 464 461 7.87 Matorral 385 369 353 351 8.81 Agrícola 469 452 436 432 7.88 Bosque 602 580 557 551 8.55 Figura 2: Pérdidas promedio anuales de suelo en pastizal del estado de Zacatecas con la RCP 4.5 (izquierda) y RCP 8.5 (derecha)

69


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

Comparación con otros tipos de vegetación El efecto de la disminución de precipitación en la reducción de erosión hídrica del suelo del pastizal en Zacatecas es diferente para otros tipos de vegetación en el Estado; al evaluar el impacto en la reducción de lluvia en las áreas de matorral, bosque y de uso agrícola, los valores estimados para el área de matorral son los menores, (Cuadro 3), aunque se observa un patrón semejante al proyectado para el área de pastizal. El Cuadro 3 presenta los valores de precipitación estimados para cada tipo de vegetación y la reducción en porcentaje. Los valores de reducción son menores para el RCP 4.5 que para el RCP 8.5, debido a que el primero se asocia con un menor efecto de los gases de efecto invernadero (GEI). La reducción en los valores de precipitación afecta los valores medios de erosión de los diversos tipos de vegetación estudiados. En los Cuadros 5 y 6 se puede observar la reducción en los valores medios de erosión hídrica. estimados mediante el RCP 4.5 y el RCP 8.5. En el Cuadro 5 se observa una disminución en porcentaje de entre 5 y 9 % de los valores actuales (2010), en el que sobresale el área de pastizal cuyos valores van de 16.13 a 15.18 t/ha/año, lo que representa un 5.89 % de reducción en 60 años y mostrando los valores más bajos de todos los tipos de vegetación. Aunque esta proyección puede ser alterada por cambios en el uso del suelo. En esta área se realiza el pastoreo y está sujeta a riesgos de deterioro, sobre todo cuando se presenta el sobrepastoreo(16), el cual se reconoce como una de las principales causas de incremento de escurrimiento y erosión hídrica, ya que, al reducirse la cobertura vegetal, se reduce la infiltración y aumenta el escurrimiento(17). La disminución de la cobertura vegetal también puede ir asociada a la reducción de precipitación. Periodos largos de sequía han sido reconocidos como causantes y coadyuvantes en el incremento de erosión. El riesgo que corre el pastizal por el cambio de uso de suelo, ha sido mostrado en los reportes de tasas de cambio de uso de suelo en su conversión hacia áreas de agricultura de riego, durante los años setentas del siglo pasado, en la que, anteriormente era el área de pastizal dentro del acuífero denominado “Chupaderos” dentro del estado de Zacatecas, las cuales fueron de hasta 1,913 ha/año y de 678 ha/año en el acuífero del Aguanaval(18). Un cambio en el uso de suelo puede inducir cambios en la erosión hídrica de un área de pastizal a valores de erosión propios del área agrícola, cuyos valores medios van desde 133 hasta 161 t/ha/año.

70


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

Cuadro 5: Valores medios de erosión hídrica (t/ha/año) por tipo de vegetación con precipitaciones proyectadas mediante RCP 4.5 Tipos de Años Diferencia vegetación (%) 2010 2030 2050 2070 Pastizal 16.13 15.67 15.29 15.18 -5.89 Matorral 50.74 49.76 48.62 48.11 -5.18 Bosque 65.99 64.47 61.24 61.46 -6.86 Agrícola 161.39 157.32 146.35 145.56 -9.81 Cuadro 6: Valores medios de erosión hídrica (t/ha/año) por tipo de vegetación con precipitaciones proyectadas mediante RCP 8.5 Tipos de Años Diferencia vegetación (%) 2010 2030 2050 2070 Pastizal 16.13 15.19 14.28 14.03 -13.02 Matorral 50.74 47.94 45.68 45.01 -11.29 Bosque 65.99 61.12 64.47 54.51 -17.40 Agrícola 161.39 151.2 142.32 133.18 -17.48 De igual manera se aprecian valores medios de erosión hídrica que disminuirán en el área de matorral y que van desde el 5.18%, hasta el 11.29 %, esto debido a la disminución de lluvia pronosticada para los próximos años y cuyas tasas de cambio son significantes (P<0.05). Al igual que el pastizal, el sobrepastoreo y el cambio de uso de suelo son los mayores riesgos de que esta disminución de erosión hídrica no sea tal como se pronostica. Otro riesgo para esta área es la erosión eólica, ya que es en este tipo de vegetación donde se presentarán las menores precipitaciones de todo el Estado, lo que puede favorecer el incremento en la erosión eólica asociada a la sequía(19,20). Una situación semejante a las dos anteriores, se observará en el área de bosque, donde se pronostican reducciones de erosión hídrica de 6.86 hasta 17.4 %, sin que las tasas de cambio sean significativas (P>0.05). En el caso de este tipo de vegetación, la tala de árboles o cambio de suelo se aprecian como los mayores riesgos, así como el efecto de la sequía y enfermedades en los árboles, los cuales se han ido presentando recientemente(21). Por último, se menciona el caso del área agrícola, la cual por ubicarse casi siempre en la parte más baja de la cuenca, está sujeta a escurrimientos de mayor magnitud y mayor erosión. También son los sitios de mayor profundidad de suelo, lo que la vuelve el área de mayor cantidad de pérdidas de suelo. Sin embargo, ante la perspectiva de disminución de precipitación, se estima que los valores de erosión hídrica se reducirán de un 9.81 a un 17.48 %, siendo esta área la más beneficiada en términos de disminución de erosión hídrica, con tasas de cambio menores (P>0.05). El manejo apropiado del recurso suelo, manejo de pendientes, técnicas de labranza de conservación del suelo y el mantenimiento de la cobertura vegetal, son componentes tecnológicos que contribuyen a mejorar el cuidado del suelo. Sin embargo, las prácticas de manejo del suelo tradicionales, surcos 71


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

a favor de la pendiente y el laboreo en periodos de vientos intensos, pueden incrementar los valores de erosión hídrica y eólica. Esta última ha sido reportada(11) como un riesgo de erosión equivalente a la que provoca el escurrimiento. El establecimiento de barreras rompe viento y cambios en las técnicas de laboreo y conservación de humedad, deberán ser prioritarias para mantener la productividad agrícola y no incrementar los valores de erosión hídrica, tal como lo pronostican los modelos usados aquí. Adicionalmente, se debe poner atención a la reducción de autorizaciones de cambio de uso del suelo, ya que como se mencionó, el cambio de uso del suelo puede llevar a los niveles de pérdida de suelo equivalentes a los que se presentan en el área agrícola. Por otro lado, aunque parece que los efectos más notorios de las pérdidas de suelo en Zacatecas, se presentan en el área agrícola, las pérdidas de suelo en otros tipos de vegetación son tanto o más perjudiciales que en el área agrícola, debido a que la profundidad de suelo en las áreas de pastizal, bosque o matorral, son mucho menores que en las superficies de uso agrícola. Por lo tanto, una disminución de un centímetro de capa superficial de suelo, provoca efectos más dramáticos en esas áreas que en las agrícolas. Como se mencionó al inicio de esta sección, que a diferencia de lo que sucede con otros indicadores, lo que respecta a las pérdidas de suelo por efecto de la erosión hídrica, ésta tenderá a disminuir a medida que el efecto de calentamiento global debido a la acumulación de gases en la atmósfera, provoquen una disminución de la precipitación pluvial en el estado de Zacatecas. Los resultados muestran que es importante contar con información que permita hacer planeación a mediano y largo plazo, ampliar e incluir estudios de temas relacionados, como la erosión eólica y otros tipos de degradación asociados al calentamiento global y estudios adicionales que contribuyan a completar el entendimiento de los cambios que se presentarán en el futuro y determinar acciones de previsión y cuidado del recurso suelo.

Conclusiones e implicaciones El efecto de la disminución de precipitación pluvial estimada para el estado de Zacatecas, provocará una disminución en las pérdidas de suelo de las áreas de pastizal y de los principales tipos de vegetación en el estado de Zacatecas. Los valores medios de erosión hídrica son menores en las áreas de pastizal, seguida de las áreas de matorral, bosque y las más altas se presentan en el área de uso agrícola, aunque con menor impacto en estas dos últimas categorías. El cambio de uso del suelo hacía las actividades agrícolas puede conducir a pérdidas potenciales de suelo equivalentes a los valores medios. Se deben evaluar los efectos de la disminución de precipitación sobre las pérdidas de suelo por erosión eólica y otros tipos de degradación del suelo.

72


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

Literatura citada: 1.

IPCC. Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, RK Pachauri and LA Meyer editors]. IPCC, Geneva, Switzerland. 2014.

2.

Echavarría CFG, Medina GG, Rumayor RAF, Serna PA, Salinas, GH, Bustamante WJG. Diagnóstico de los recursos naturales para la planeación de la intervención tecnológica y el ordenamiento ecológico. INIFAP. CIRNOC. Libro Técnico Nº10. 2009.

3.

Soil Science Society of America. Glossary of soil terms. SSSA. Madison, WI. 53711. 1997.

4.

UNCED. Earth summit agenda 21: Program of action for sustainable development. New York. United Nations Department of Public Information. 1992.

5.

Comisión Nacional para el Conocimiento y Uso de la Biodiversidad. Quinto Informe Nacional de México ante el Convenio sobre la Diversidad Biológica (cdb). Conabio. México. 2014.

6.

Secretaría de Medio Ambiente y Recursos Naturales. Inventario Estatal Forestal y de Suelos. Colección de inventarios forestales y de suelos. 2013–2014. México, DF. 2014.

7.

INEGI (Instituto Nacional de Estadística y Geografía). Anuario estadístico y geográfico de Zacatecas. Aguascalientes, Ags. 2014.

8.

INEGI. Conjunto de datos vectoriales. Edafología. Continuo Nacional. Escala 1:1´000,000. 1998.

9.

Renard KG, Foster GR, Weesies GA, McCool DK, Yoder DC. Predicting soil erosion by water: A guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE), Agricultural Handbook, 703. U.S. Government Printing Office, Washington, DC. 1997.

10. Eastman JR. Idrisi Selva manual. Versión 17. Clark labs Clark University. Worcester, Mass., USA. 2012. 11. Figueroa SB, Amante AO, Cortés HGT, Pimentel JL, Osuna ESC, Rodríguez JMO, Morales FJF. Manual de predicción de pérdidas de suelo por erosión. SARH Colegio de postgraduados. México, DF. 1991. 12. Ruiz-Corral JA, Medina-García G, Rodríguez-Moreno VM, Sánchez-González JJ, Villavicencio GR, Durán Puga N, Grageda GJ, et al. Regionalización del cambio climático en México Rev Mex Cienc Agríc Pub. Esp. Núm. 2013;13:2451-2464. 13. Walton D. Meyerson J. Neelin JD. Accessing, downloading, and viewing CMIP5 data. Earth System Grid Federation. 25 p. IPCC (Intergovernmental Panel on Climate Change). 2013. 73


Rev Mex Cienc Pecu 2020;11(Supl 2):63-74

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 TF, et al editors. Switzerland. 2013. 14. INEGI. Conjuntos de datos de la Serie V de Uso del Suelo y Vegetación, escala 1:250 000. 2013. 15. SAS Institute Inc. SAS 9.3. Cary, NC: SAS Institute Inc. 2011. 16. Echavarría CFG, Serna PA, Bañuelos VR. Influencia del sistema de pastoreo con pequeños rumiantes en un agostadero del semiárido Zacatecano: II Cambios en el suelo. Téc Pecu Méx 2007;45(2):177-194. 17. Serna PA, Echavarría CFG. Caracterización hidrológica de un pastizal comunal excluido al pastoreo en Zacatecas, México. I. Pérdidas de suelo. Téc Pecu Méx 2002;40(1):37-53. 18. Echavarría CFG. Recurso suelo, clasificación, uso, degradación y disponibilidad. En: Mojarro DF, et al., editores. Agua subterránea en Zacatecas. Universidad Autónoma de Zacatecas. México, DF. 2013:97-133. 19. Eltaif NI, Gharaibeh MA. Aplicación de un modelo matemático para predecir y reducción de la erosión eólica en tierras áridas no protegidas. Revista Chapingo Serie Ciencias Forestales y del Ambiente, Volumen XVII, Edición Especial: 2011;195-206. 20. Aimar SB, Méndez MJ, Buschiazzo DE. Predicción de la erosión eólica potencial con el modelo EWEQ en dos suelos loesicos: efectos de las condiciones climáticas. CI. SUELO 2011;29(2):253-264. 21. Moore B, Allard G. Los impactos del cambio climático en la sanidad forestal. Organización de las Naciones Unidas para la Agricultura y la Alimentación. Departamento Forestal. FAO. 2009.

74


https://doi.org/10.22319/rmcp.v11s2.4704 Artículo

Estimación del factor de transporte del índice de fósforo con climatologías y escenarios de cambio climático en tierras de Jalisco, México

Hugo Ernesto Flores López a Álvaro Agustín Chávez Durán a José Ariel Ruíz Corral b Celia De La Mora Orozco a* Uriel Figueroa Viramontes c Agustín Hernández Anaya d a

Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP). Campo Experimental Centro-Altos de Jalisco. Tel: 01 800 0882222. AV. Biodiversidad 2470. 47600 Tepatitlán de Morelos. Jalisco, México. b

Universidad de Guadalajara. Centro Universitario de Ciencias Biológicas y Agropecuarias. Camino Ramón Padilla Sánchez No. 2100 Nextipac, 44600, Zapopan, Jalisco, México. c

INIFAP. Campo Experimental La Laguna. Coahuila. México.

d

Universidad de Guadalajara. Centro Universitario de los Altos. México.

* Autor de correspondencia: delamora.celia@inifap.gob.mx

Resumen: El índice de fósforo (IP) es una herramienta de planeación para identificar los campos agrícolas o ganaderos con potencial de aporte de fósforo para los cuerpos de agua y distinguir prácticas de manejo de nutrientes que favorecen este proceso. El factor de transporte del IP (FTIP), tiene implícitos elementos no controlables del ambiente, como la lluvia, la cual da incertidumbre a la agricultura y es favorecido por el proceso de cambio climático actual. En México pocos estudios se han realizado con el FTIP, por lo que el objetivo del presente trabajo fue aplicar la metodología de cálculo para el FTIP e identificar áreas vulnerables a la 75


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

pérdida de fósforo de las tierras a los cuerpos de agua en dos escenarios de cambio climático y tres climatologías de Jalisco. Se utilizó el modelo de IP de Gburek, aplicado en dos rutas representativas de concentración de gases efecto invernadero (RCP 4.5 y 8.5), con las climatologías 2030, 2050 y 2070, y 2010 como línea base. En el cálculo del FTIP se utilizaron ARCGIS y GIS IDRISI. Los resultados mostraron niveles de vulnerabilidad a la pérdida de fósforo de muy bajo a alto en la línea base, mientras en el RCP4.5 se calificó el FTIP como muy bajo a medio y en la RCP8.5 fue de muy bajo a alto. Un elemento que resultó sobresaliente en el FTIP fue la alta vulnerabilidad de los predios con poca distancia a la red de drenaje o cuerpo de agua. Palabras clave: Pérdida de fósforo, Riesgo ambiental, Calidad de agua.

Recibido: 20/11/2017 Aceptado: 22/08/2018

Introducción La pérdida de fósforo (P) de fuentes de contaminación difusas agrícolas y ganaderas, son las causas principales de eutrofización de agua dulce en las regiones agrícolas en los países desarrollados(1, 2) y en países en desarrollo como México(3,4). En algunas regiones de México, con elevada concentración de ganado, como los Altos de Jalisco(4), o con alta intensidad de uso de la tierra, como la región centro de Jalisco(5), los efectos son visibles en los cuerpos de agua superficial por el crecimiento desmedido de algas y malezas acuática(6-10). Una manera como se ha abordado esta problemática, es mediante el uso del Índice de Fósforo (IP)(11). En Estados Unidos de Norteamérica se utiliza como herramienta común para la planeación estratégica del uso de nutrientes(12). El IP permite identificar el potencial de aporte de P por los campos agrícolas o ganaderos hacia los cuerpos de agua y distinguir las prácticas de manejo que reducen las pérdidas de P y que contribuyen a la conservación de la calidad del suelo y el agua(13). El IP se ha evaluado y calibrado para los Altos de Jalisco(9). El IP se caracteriza por tener dos tipos de factores: 1) los factores de transporte de P que se constituyen por la erosión del suelo, el escurrimiento superficial y la distancia del predio a una red de drenaje o cuerpo de agua superficial (conectividad) y 2) la fuente de P, formada por el contenido de fósforo en el suelo, la frecuencia y método de aplicación de fertilizantes químicos y fuentes orgánicas de P(11). Los factores de transporte en el Índice de P (FTIP) consideran la transferencia del P disuelto en el escurrimiento y P adsorbido en sedimentos, los cuales viajan del predio a los cuerpos de agua superficiales o red de drenaje superficial. 76


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

El FTIP tiene implícitos elementos no controlables del ambiente, como la lluvia, el cual da a la agricultura alta incertidumbre para la producción, pero también a los mecanismos de transporte del P. Cada factor se clasifica en cinco niveles de vulnerabilidad de acuerdo con la intensidad que ocurre cada uno, calificación que posteriormente se multiplica por un valor de ponderación. El FTIP resulta de la multiplicación de cada factor ponderado para obtener niveles de vulnerabilidad a la pérdida de P con valores de 0 a 1. Finalmente el valor del FTIP se multiplica por el factor fuente de P para obtener el IP(14,15). Desde un punto de vista de cambio climático, se prevé una variedad de efectos sobre los ecosistemas asociados con procesos climatológicos e hidrológicos con eventos extremos relacionadas a inundaciones, grandes escurrimientos de agua, períodos de sequía o sequías, e incendios forestales, con implicaciones directas sobre el FTIP(16,17,18). Pero son de particular importancia los efectos de eventos extremos de lluvia que provocan erosión de suelo y causan una grave degradación de la tierra y deterioro ambiental(1,19,20). La Ecuación Universal de Pérdida de Suelo (USLE, por sus siglas en ingles), es utilizada para estimar la erosión hídrica en el IP(9). El factor de erosividad de la lluvia (R) de la USLE, determina la fuerza potencial actual de la erosión por lluvia(19,21), como los efectos esperados en el futuro con el cambio climático(22). Por las razones anteriores, el cambio en los patrones de lluvia y el escurrimiento superficial procedente de la modificación del clima, han generado una fuerte incertidumbre en la agricultura y ganadería de Jalisco, particularmente por la posibilidad del aumento en la contaminación difusa que estas actividades primarias generan. De ahí la necesidad de evaluar el FTIP, bajo climatologías y escenarios de cambio climático de tierras en Jalisco. El objetivo del presente trabajo fue aplicar la metodología de cálculo para el factor de transporte del Índice de Fósforo e identificar áreas vulnerables a la pérdida de fósforo de las tierras a los cuerpos de agua en dos escenarios de cambio climático y tres climatologías de Jalisco, México.

Material y métodos El estudio se desarrolló para el estado de Jalisco, México. Tiene una superficie de 1’487,832 ha, con 3.26 % de uso forestal, 64.82 % tiene uso pecuario, 21.84 % uso agrícola y 10.08 % con uso diferente. De la superficie agrícola, 292,903 ha se siembran con riego y 1’343,167 ha de temporal(23). La mayor proporción de la superficie con uso pecuario, es un indicador de la importancia que tiene esta actividad en Jalisco, en la cual la agricultura representa un soporte importante a este sector y como actividad primaria, donde el cultivo de maíz ocupa 72.1 % de la superficie.

77


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

La precipitación promedio anual de Jalisco en el periodo de 1961 a 2010 fue de 897 mm, con un máximo de 1,934 mm y un mínimo 461 mm. Al respecto, el 82.9 % de la lluvia se concentra en los meses de junio a septiembre, con la mayor cantidad en julio. Se utilizaron los componentes del Factor de Transporte Índice de Fósforo (FTIP) de Gburek et al.(11). El valor del FTIP obtenido varía de 0 a 1, con nivel de vulnerabilidad muy bajo cuando FTIP es menor a 0.15, bajo de 0.15 a 0.3, medio de 0.3 a 0.5, alto de 0.5 a 0.8 y muy alto mayor que 0.8(24).

Estimación de los Factores de Transporte del Índice de Fósforo (FTIP) El proceso de evaluación de los FTIP se resumió en el modelo conceptual mostrado en la Figura 1, para obtener los niveles de vulnerabilidad a la pérdida de fósforo. Esta figura describe el proceso de estimación de la erosión hídrica con la USLE constituida por los factores erosividad de la lluvia (R), erosionabilidad del suelo (K), los factores longitud e inclinación de la pendiente (LS), la cobertura del suelo (C) y las prácticas de manejo (P); el escurrimiento superficial anual se evalúa con el Número de Curva y la Distancia de contribución de fósforo por un predio a la red de drenaje o cuerpo de agua superficial. El valor de vulnerabilidad con los niveles de FTIP varía desde 0.072 a 1. Figura 1: Modelo conceptual con los factores de transporte del Índice de Fósforo

78


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

Factores de transporte de fósforo

Se constituye por la erosión hídrica, el escurrimiento superficial y el periodo de retorno o la distancia a los cuerpos de agua o red de drenaje superficial. Cada uno de estos componentes se describe a continuación. Erosión hídrica. La erosión hídrica se estimó con la USLE, la cual fue diseñada para calcular la erosión laminar y en surcos de terrenos(25); consiste en un modelo matemático multifactorial que integra seis procesos que intervienen en la erosión hídrica, como los que indica la expresión(26): E = R K L S C P Donde: E es la pérdida anual de suelo en (t)·(ha·a)-1; R es el factor de erosividad de la lluvia en (MJ·mm)·(ha·h)-1; K es el factor de erosionabilidad del suelo (en t·ha-1)·(ha·h)·(MJ·mm)-1; L es el factor de longitud de la pendiente (adimensional); S es el factor del grado de la pendiente (adimensional); C es el factor de manejo del cultivo (adimensional); P es el factor de prácticas mecánicas para el control de la erosión (adimensional). El factor R. Se generaron mapas con la precipitación promedio anual del área de estudio para los escenarios climáticos 1961-2010, 2021-2040, 2041-2060 y 2061-2080(27). El factor R se estimó para cada escenario climático, utilizando las ecuaciones que presentó Figueroa et al (28), correspondientes a las regiones IV, VII y X de la República Mexicana, en las cuales se localiza el estado de Jalisco. Los modelos aplicados fueron los siguientes: (Región IV) Y2.8959X + 0.002893X 2 con R2= 0.92, (Región VII) Y = 0.0334X + 0.006661X 2 con R2= 0.98 y (Región X) Y = 6.8938X + 0.000442X 2 con R2= 0.95, donde Y es el valor de EI30 anual en MJ·mm·(ha·h)-1 y X es la lluvia promedio anual en milímetros. Para la localidad de Tepatitlán de Morelos, Jalisco, localizada en la región VII, Flores(29) estimó la erosividad de la lluvia en 2002 y 2003 con precipitación anual de 1,074.2 y 1,264.75 mm anuales, respectivamente. Este autor utilizó la ecuación correspondiente a esta región VII de Figueroa et al(28) y el modelo de Wischmeier y Smith(26) para estimar la erosividad. El modelo de la región VII tiene tendencia a incrementar la erosividad cuando aumenta la lluvia de acuerdo con los datos de precipitación disponibles en 2002 y 2003, la erosividad fue de 9,400 y 10,183 (MJ·mm)·(ha·h)-1, respectivamente. Con la lluvia promedio anual en el periodo de 1983 a 2017 de 890.2 mm, la erosividad estimada con la ecuación para la región VII fue 5,255 (MJ·mm)·(ha·h)-1. Este valor es menor al ocurrido en 2002 y 2003, debido a que en estos años la lluvia fue por encima de la media de la localidad. 79


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

El factor K. Se utilizaron los valores indicados por Figueroa et al(28), para cada una de las unidades de suelo de las cartas edafolĂłgicas de INEGI(30), para el estado de Jalisco con la clasificaciĂłn edĂĄfica de FAO. El factor longitud de la pendiente del suelo (L). Para calcular el factor de longitud de la m

ď Ź

pendiente (L) se utilizĂł la funciĂłn: L = (22.13) , donde ď Ź es la longitud de la pendiente en β

m, m es un exponente con la modificación propuesta por Foster et al(31): m = (1+ β), β = sen θ ) 0.0896 3.0 (sen θ)0.8 + 0.56

(

, donde ď ą es el ĂĄngulo de la pendiente en grados. La longitud de la pendiente 90

para cada pĂ­xel se ajustĂł con la relaciĂłn siguiente: ď Ź = cos θ (32). El valor promedio de cada pĂ­xel fue de 90 m. El factor inclinaciĂłn de la pendiente (S). Se calculĂł con las ecuaciones siguientes: S = 10.8 senθ + 0.03, si S < 9%, S = 16.8 senθ â&#x2C6;&#x2019; 0.50, si S ď&#x201A;ł 9, donde ď ą es el ĂĄngulo de la pendiente en grados(32). El factor de cobertura y manejo del cultivo (C). El uso del suelo procediĂł de los mapas vectoriales de INEGI de la serie IV. Para los terrenos con uso agrĂ­cola se considerĂł que estuvieran cultivados con maĂ­z, por lo que en este uso se aplicĂł el factor C= 0.433; en terrenos con pastizal se adjudicĂł un valor de C= 0.16. Otros valores de C para el uso de suelo se reportan por Flores et al(33). El factor prĂĄcticas mecĂĄnicas (P). Los valores del factor P para el control de la erosiĂłn en terrenos agrĂ­colas, se utilizaron los recomendados por Williams et al(34). Estos son una relaciĂłn entre el porcentaje de la pendiente y la longitud mĂĄxima de los surcos trazados en contorno y solo se aplicaron a los suelos con uso agrĂ­cola de temporal. En terrenos con otros usos (ganadero y forestal), el valor de P fue igual a 1, pues en ellos se supuso no se desarrollan prĂĄcticas mecĂĄnicas. Escurrimiento superficial. El efecto del escurrimiento superficial sobre el transporte de fĂłsforo se evaluĂł con base en el NĂşmero de Curva (CN, por sus siglas en inglĂŠs). El cĂĄlculo de CN siguiĂł el siguiente procedimiento: a) Se estimĂł el parĂĄmetro de retenciĂłn de humedad (s) con el uso de volumen de escurrimiento medio y la cantidad de lluvia, con la expresiĂłn(35): s = 5(PPđ?&#x2018;&#x17D;đ?&#x2018;&#x203A; + 2Q â&#x2C6;&#x2019; â&#x2C6;&#x161;4Q2 + 5PPđ?&#x2018;&#x17D;đ?&#x2018;&#x203A; Q), donde Q es la lĂĄmina de escurrimiento medio anual en mm, PPan es la lluvia promedio anual (mm) y s es un parĂĄmetro de retenciĂłn de humedad del suelo (mm). El volumen de escurrimiento medio se estimĂł por medio de la expresiĂłn(36): Q = c PPđ?&#x2018;&#x17D;đ?&#x2018;&#x203A; , donde Q es la lĂĄmina de escurrimiento anual en mm, c es el coeficiente de escurrimiento superficial y PPan es la precipitaciĂłn promedio anual en mm(1). El valor de c se determinĂł con la informaciĂłn del uso 80


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

del suelo, la pendiente y textura del suelo en el área de estudio, con valores indicados por Flores-López et al(37). La PPan sirvió de base para el cálculo de R en los escenarios climatológicos en estudio para Jalisco. El uso del suelo procedió de los mapas vectoriales de INEGI de la serie IV; la textura se obtuvo de mapas edafológicos de la serie III de INEGI y la pendiente se obtuvo del modelo de elevación digital de INEGI. b) El CN se determinó con base en el parámetro s, a partir de la ecuación siguiente(38): CN = 25,400

. Con el CN estimado, este se combina con el valor de la pendiente para determinar la

s + 254

clase de escurrimiento. Distancia de un predio a la red de drenaje o cuerpo de agua superficial. La distancia del sitio de origen al punto de conexión con la red de drenaje o cuerpo de agua superficial se determinó en ARCGIS con los comandos flow direction y flow accumulation, aplicados sobre el modelo de elevación digital de INEGI para Jalisco.

Escenarios de cambio climático Se utilizó la mediana de 11 modelos de circulación general (MCG) de precipitación mensual generados por Ruiz-Corral et al(27), pertenecientes al CMIP5 (Intercomparación de Modelos Acoplados Fase 5): BCC-CSM1-1, CCSM4, GISS-E2-R, HadGEM2-AO, HadGEM2-ES, IPSL-CM5A-LR, MIROC-ESM-CHEM, MIROC-ESM, MIROC5, MRI-CGCM3, NorESM1-M. Se utilizaron los resultados reducidos y calibrados de lluvia de dos rutas representativas de concentración de gases efecto invernadero (RCP, por sus siglas en inglés): RCP4.5 y RCP8.5, aplicadas a tres climatologías en el área de estudio: 2030, 2050 y 2070, y en la línea base de lluvia la climatología de 1961 a 2010, identificada en el análisis como 2010 y generada en estudio previo por Ruíz-Corral et al(27).

Análisis de la información Se estimó el FTIP con la lluvia anual de las climatologías 2010, 2030, 2050 y 2070, de acuerdo con la metodología descrita en imágenes raster con resolución de 3”, para las rutas de concentración de gases de invernadero (RCP) 4.5 y 8.5 del estado de Jalisco. Se considera el mismo uso del suelo para los escenarios futuros. Los cambios en el FTIP se obtuvieron con las restas en las imágenes de los periodos 2010-2030, 2010-2050 y 2010-2070, cálculo realizado con IDRISI Selva. La tasa de cambio en la FTIP se evaluó con la pendiente de regresión lineal entre la superficie de estratos de FTIP en los años de evaluación para las RCP 4.5 y 8.5.

81


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

Resultados y discusión Factor de Transporte del Índice de Fósforo (FTIP) en el escenario RCP4.5 En las Figuras 2a, b, c y d se muestra el FTIP de las tierras de Jalisco con RCP 4.5 en las climatologías 2010, 2030, 2050 y 2070, respectivamente. El FTIP para la climatología base varió de 0.072 a 0.54, con la climatología de 2030 y 2050 fue 0.072 a 0.491, para la climatología 2070 cambió de 0 a 0.486. En el Cuadro 1 se presenta la superficie ocupada por los niveles de vulnerabilidad a la pérdida de P. Figura 2: Factor de transporte del Índice de Fósforo para el escenario RCP 4.5 en las climatologías: a) 2010, b) 2030, c) 2050 y d) 2070 a)

b)

c)

d)

82


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

Cuadro 1: Superficie que ocupa cada estrato con el Factor de Transporte del Índice de Fósforo (FTIP) en escenario de cambio climático RCP4.5 con tres climatologías Nivel de vulnerabilidad Descripción Valor FTIP Muy Bajo < 0.15 Bajo 0.15 a 0.30 Medio 0.30 a 0.50 Alto 0.50 a 0.80

FTIP por año de climatología (miles de ha) 2010 2030 2050 2070 4,682.6 4,676.9 4,675.2 4,674.1 889.3 906.5 913.7 919.8 2,188.3 2,177.0 2,171.4 2,166.3 0.109 0 0 0

En la línea base, el nivel de vulnerabilidad a la pérdida de fósforo en las tierras se clasifica desde riesgo muy bajo a alto, mientras que, en las climatologías de 2030, 2050 y 2070, el nivel de riesgo va de muy bajo a medio y el nivel alto desaparece. El nivel de vulnerabilidad por el FTIP muy bajo (< 0.15) ocupa la mayor superficie, seguido del nivel medio (0.30 a 0.50) y bajo (0.15 a 0.30). La tendencia que tiene cada estrato del FTIP del escenario RCP4.5 en las climatologías estudiadas con la superficie ocupada, se muestra con las pendientes de los modelos de regresión lineal mostrada en el Cuadro 5. Estas pendientes muestran que las superficies en los niveles de vulnerabilidad muy bajo y medio tienen mayor tendencia a disminuir por año, mientras en el nivel bajo la tendencia es a incrementarse. Dado que el riesgo de transporte de fósforo se asocia con la movilidad que genera el agua, produciendo desprendimiento de partículas por el salpicado del agua de lluvia y su energía cinética contenida, el flujo de agua superficial y subsuperficial(39). Este proceso se identifica en los valores de riesgo medio y alto del escenario RCP4.5 y climatologías estudiadas, asociados principalmente a las tierras con cercanía a las redes de drenaje o cuerpos de agua. Este resultado coincide con otros estudios realizados en escala de cuenca(40,41,42). Por esta razón, el valor de vulnerabilidad por FTIP actual con respecto al escenario RCP 4.5 en las climatologías evaluadas no refleja grandes cambios, ya que las cantidades de lluvia estimadas para Jalisco en las climatologías futuras no se esperan incrementos importantes o inclusive, en algunas áreas la lluvia se reduce provocando una disminución de riesgo del FTIP en los niveles muy bajo y medio, agregándose esta superficie en el nivel de riesgo bajo que tiende a aumentar. Esta tendencia es similar a la estimada en el FTIP para el lago Poyang de China(43) en los escenarios de cambio climático RCP2.6, 4.5 y 8.5, aun incluyendo cambios en la intensidad de eventos extremos y su frecuencia. La comparación del FTIP de la línea base con la estimada en las climatologías 2030, 2050 y 2070 del escenario climático RCP4.5, se muestra en el Cuadro 2. Los cambios negativos del FTIP señalan que en el escenario futuro el índice aumenta, por el contrario, cuando el cambio es positivo, el índice disminuye y la superficie de la climatología futura se reduce. En este contexto, el cambio positivo en el FTIP implica una reducción en el riesgo por contaminación 83


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

difusa de P. El periodo 2010 a 2030 presenta la mayor superficie con un cambio negativo en el FTIP, pero en el periodo 2010-2050 y 2010-2070, la situación se invierte con mayor FTIP en 2010 con respecto a 2050 y 2070. Esto implica mayor riesgo por contaminación difusa de P en el periodo 2010-2030 y menor en las climatologías del 2010-2050 y 2010-2070 para las tierras de Jalisco. Cuadro 2: Superficie con cambios esperados en el Factor de Transporte del Índice de Fósforo (FTIP) en las climatologías 2030, 2050 y 2070 con relación a 2010, bajo el escenario RCP4.5 Nivel de cambio en el FTIP Cambio negativo (< 0) Cambio positivo (≥ 0)

Superficie (en miles de ha) 2010 a 2030 2010 a 2050 7,492.4 11.5 267.9 7,748.7

2010 a 2070 18.5 7,741.8

La precipitación pluvial de las climatologías 2030 a 2070 en el escenario del cambio climático RCP4.5, no manifestó grandes incrementos en la lluvia anual utilizada por el modelo del IP. La modificación más importante se espera en los patrones de lluvia con eventos de mayor intensidad(16), pero el modelo de FTIP solo utiliza la lluvia anual en la climatología de la línea base y climatologías futuras. Con eventos extremos en la lluvia futura, los efectos posiblemente se reflejarán en mayor erosión hídrica y más cantidad de escurrimientos superficiales, sin embargo, el conocimiento actual no permite identificar estas características en los modelos de predicción climática(16,18).

Factor de Transporte del Índice de Fósforo (FTIP) en el escenario RCP8.5 En las Figuras 3 a, b, c y d, se muestra la distribución del FTIP para las tierras de Jalisco en los escenarios RCP8.5 de las climatologías 2010, 2030, 2050 y 2070. A partir de estos mapas se identificaron los estratos por nivel de vulnerabilidad de FTIP mostrado en el Cuadro 3. El FTIP para la climatología base y las climatologías de 2030, 2050 y 2070 varió de 0.03 a 0.54, con generación de los estratos con FTIP mostrados en el Cuadro 3. Los estratos con la mayor superficie fueron el muy bajo (FTIP < 0.15) y medio (FTIP 0.30 – 0.50), con tendencia a reducir el factor de transporte de las climatologías futuras, mientras en los estratos bajo y alto, no obstante que tuvieron baja superficie, su tendencia fue a incrementarse en las climatologías futuras.

84


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

Figura 3: Factor de Transporte del Índice de Fósforo para el escenario RCP 8.5 en las climatologías: a) 2010, b) 2030, c) 2050 y d) 2070 a)

b)

c)

d)

Cuadro 3: Superficie por estrato de Factor de Transporte del Índice de Fósforo (FTIP) en la climatología de referencia y tres climatologías futuras bajo el escenario RCP8.5 Nivel de vulnerabilidad FTIP por año de climatología (miles de ha) Descripción Valor FTIP 2010 2030 2050 2070 Muy bajo < 0.15 4,682.6 4,675.1 4,673.9 4,672.0 Bajo 0.15 a 0.30 889.3 919.6 931.3 944.2 Medio 0.30 a 0.50 2,188.3 2,165.3 2,154.5 2,143.3 Alto 0.50 a 0.80 0.109 0.269 0.486 0.825 85


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

La comparación del valor de FTIP en las climatologías 2010 a 2030, de 2010 a 2050 y de 2010 a 2070, se muestra en el Cuadro 4, donde se resume el cambio en las superficies asociadas con los niveles del FTIP de este escenario y climatologías estudiadas. Esta comparación produjo cambios en la superficie de FTIP desde menores a cero hasta mayores de 0.10, todos calificados como niveles de vulnerabilidad muy bajo. En el estrato con FTIP menor a 0, la superficie fue mayor en 2030 con respecto a 2010 en más de 54 mil ha, pero en los periodos 2010-2050 y 2010-2070 este estrato desaparece. Cuadro 4: Superficie estimada por el cambio de nivel en el Factor de Transporte del Índice de Fósforo (FTIP), al pasar de 2010 a 2030, 2050 y 2070 bajo el escenario RCP8.5 Cambio de climatología (en miles de ha) Nivel de cambio en FTIP 2010 a 2030 2010 a 2050 2010 a 2070 <0 54.6 0 0 0 - 0.05 7,703.5 5,242.2 5,257.6 0.05 - 0.10 0.283 448.8 440.7 > 0.10 1.8 2,069.3 2,062.0 El estrato de FTIP de 0 a 0.05 mostró la mayor superficie en el periodo 2010-2030, con reducción importante en la superficie para los periodos 2010-2050 y 2010-2070. En los estratos de 0.05-0.10 y mayor de 0.10, del FTIP se incrementa la superficie, particularmente en el estrato con FTIP mayor de 0.10 en los periodos 2010-2050 y 2010-2070. Estos cambios son atribuidos a la modificación esperada de mayor cantidad de lluvia, la cual genera un aumento en la pérdida de fósforo en las tierras agrícolas, resultado similar también reportado en el RCP 8.5 del lago Poyang de China(43). Las tasas de cambio observadas en las superficies de cada nivel de vulnerabilidad del FTIP y las climatologías de estudio se muestran en el Cuadro 5. Aunque la respuesta observada en el FTIP es muy baja, es producto de los mínimos cambios de la precipitación pluvial de las climatologías 2030, 2050 y 2070 del escenario RCP 8.5; también es un reflejo del pequeño aumento en la lluvia anual utilizada por el modelo del IP. Por esta razón, es posible que se esté subestimando el FTIP, ya que se espera una modificación en los patrones de lluvia con eventos de mayor intensidad(16,44), que el modelo FTIP no considera en sus componentes de erosión del suelo y escurrimiento superficial. Al respecto, el 7 de septiembre de 2003 Flores(29) reporta para Tepatitlán, Jalisco, evento de lluvia de 150.05 mm en 24 h con intensidad máxima en 30 min de 68.5 mm/h. Una posible solución es calcular la erosión hídrica y escurrimiento superficial a escala mensual o inclusive diaria, como se indica en el FTIP(11), para utilizarse con la información climática futura(27).

86


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

Cuadro 5: Modelos de regresión lineal entre la superficie ocupada por estrato de nivel de vulnerabilidad de FTIP con el año de climatología Nivel de vulnerabilidad Escenario RCP 4.5 Escenario RCP 8.5 Valor Descripción FTIP Modelo R² Modelo R² Muy bajo < 0.15 y = -0.136x + 4953.8 0.86 y = -0.165x + 5012.0 0.84 Bajo 0.15 a 0.30 y = 0.495x - 101.6 0.94 y = 0.882x - 877.7 0.94 Medio 0.30 a 0.50 y = -0.357x + 2904.8 0.96 y = -0.729x + 3649.8 0.96 Alto 0.50 a 0.80 y = 0.012x - 23.7 0.97 Los modelos de estimación de erosividad de la lluvia con escala mensual están logrando buenos resultados en estudios recientes(45,46), así como la generación de nuevas funciones matemáticas para escalas de tiempo mensuales y diarias(47), que para México es importante desarrollarlas dadas las predicciones de cambio climático esperadas(16), y que a la fecha poco avance se tiene. Aunque los actuales modelos para el cálculo de erosividad de lluvia(28) muestran la tendencia a incrementar la agresividad de la lluvia con el aumento en la lluvia anual, es recomendable evaluar este índice en condiciones más amplias a la mencionada en el presente estudio. Pero además es urgente obtener estimaciones de lluvia futura a escalas diaria, pues con la escala mensual o anual es posible se produzcan sobreestimación de tales eventos(48,49). Aunque las superficies con el FTIP resultaron similares en los escenarios RCP4.5 y RCP8.5 en las climatologías estudiadas, el riesgo de contaminación difusa de P persiste con nivel de riesgo alto en las áreas con cercanía a los cuerpos de agua y red de drenaje superficial, sitios en los que se debe poner atención actualmente y para escenarios futuros, diseñando buenas prácticas agrícolas que permitan contener la contaminación difusa de dichas áreas.

Conclusiones e implicaciones Los resultados del presente estudio demuestran la factibilidad de aplicación del FITP a las condiciones de Jalisco con la climatología base de 2010 y escenarios de cambio climático con climatologías futuras propuestas. Con resultados obtenidos se logró identificar las tendencias de la ruta de concentración de gases efecto invernadero bajo los escenarios RCP 4.5 y RCP 8.5 en Jalisco. Para el escenario RCP4.5, el cambio negativo en el FTIP implicó un aumento, lo que significa un incremento en el riesgo por contaminación difusa de P, pero con un cambio positivo el riesgo por contaminación difusa de P se reduce. En cambio, para la RCP8.5, se identificó la mayor superficie con vulnerabilidad de muy bajo y medio, con tendencia a reducir el FTIP, mientras los estratos con nivel de vulnerabilidad bajo y alto, la tendencia fue a incrementarse. De manera general, el FTIP en los escenarios RCP 4.5 y 8.5 de las climatologías evaluadas no reflejan grandes cambios en el valor de vulnerabilidad por 87


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

FTIP, ya que las cantidades de lluvia estimadas para Jalisco en las climatologías futuras no se esperan incrementos importantes. Dado que el modelo FTIP se calcula con lluvia anual, en esta escala de tiempo no se consideran los patrones de lluvia con eventos de alta intensidad o mayor cantidad esperado en los escenarios de cambio climático, por lo que es recomendable desarrollar funciones para estimar la erosividad de la lluvia y escurrimiento con escala mensual o inclusive diaria, en el cálculo del FTIP, en el cálculo del escurrimiento superficial y la erosión hídrica. En los escenarios RCP y climatologías estudiadas, las zonas con cercanía a los cuerpos de agua y red de drenaje superficial, representan la mayor vulnerabilidad al FTIP.

Literatura citada: 1.

Zhou B, Vogt RD, Xu C, Lu X, Xu H, Bishnu JP, Zhu L. Establishment and validation of an amended phosphorus index: Refined phosphorus loss assessment of an agriculture watershed in Northern China. Water Air Soil Pollut 2014;(225):2103.

2.

Sharpley AN, Daniel TC, Edwards DR. Phosphorus movement in the landscape. J Produ Agric 1993;6(4):492-500.

3.

Flores LHE, Ireta MJ, Pérez DJF, Ruíz CRC, Díaz MP. Identificación de buenas prácticas agrícolas para reducir la degradación del suelo e incrementar la calidad del agua. Jalisco, México. INIFAP. 2009.

4.

FAO. Food and Agriculture Organization. Reporte de la iniciativa de la ganadería, el medio ambiente y el desarrollo – Integración por zonas de la ganadería y de la agricultura especializadas (AWI) - Opciones para el manejo de efluentes de granjas porcícolas de la zona centro de México. 2003. http://www.fao.org/wairdocs/LEAD/X6372S/x6372s00.htm Consultado 28 Jun, 2007.

5.

SIAP. Servicio de Información Agroalimentaria y Pesquera. Estadísticas de producción. 2016. Tomado de: http://www.gob.mx/siap/ Consultado 12 Oct, 2016.

6.

De La Mora OC, Flores LHE, García VJ, Chávez DAA, Ruíz CJA. Caracterización taxonómica del plancton en la presa El Jihuite en Tepatitlán de Morelos, Jalisco. Jalisco, México: INIFAP. 2011.

7.

Flores LHE, Hernández JAL, Figueroa VU, Castañeda VAA. Calidad Microbiológica del agua por contaminación difusa de la aplicación de estiércoles en maíz y pasto. Tecnologías y Ciencias del Agua. TyCA-RETAC 2012; (III):127-141.

8.

Román MMR. Confort térmico y características del sistema de producción de bovinos de leche en la cuenca hidrográfica el Jihuite de los Altos de Jalisco [tesis licenciatura]. Tepatitlán de Morelos, Jalisco: Universidad de Guadalajara; 2009. 88


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

9.

Flores LHE, Figueroa VU, De La Mora OC, Núñez GG, Valdivia GL. Evaluación y calibración del índice de fósforo en los Altos de Jalisco, México. Rev Mex Cienc Agríc 2014;5(3):367-378.

10. Flores LHE, Paredes MR, Ruvalcaba GJM, De La Mora OC, Pérez DJF, Ireta MJ. Metodología para la evaluación del valor agregado del programa de maíz de alto rendimiento (PROEMAR) 2010 en Jalisco y Guanajuato. Jalisco, México. INIFAP. 2011. 11. Gburek WJ, Sharpley AN, Heathwaite L, Folmar GJ. Phosphorus management at the watershed scale: a modification of the phosphorus index. J Environ Quality 2000; (29):130-144. 12. Sharpley AN, Weld JL, Beegle DB, Kleinman PJA, Gburek WJ, Moore Jr PA, Mullins G. Development of phosphorus indices for nutrient management planning strategies in the United States. J Soil Water Conserv 2003;(58):137-152. 13. Dechmi F, Isidoro D, Stambouli T. A phosphorus index for use in intensive irrigated areas. Soil Use Manage 2013;29 (Suppl 1):64–75. 14. Marjerison RD, Dahlke H, Easton ZM, Seifert S, Walter MT. A Phosphorus Index transport factor based on variable source area hydrology for New York State. J Soil Water Conserv 2011;(66):149-157. 15. Mallarino AP, Stewart BM, Baker JL, Downing JD, Sawyer JE. Phosphorus indexing for cropland: Overview and basic concepts of the Iowa phosphorus index. J Soil Water Conserv 2002;57(6):440-447. 16. IPCC. Intergovernmental Panel on Climate Change. Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team. Pachauri RK and Meyer LA, editors]. IPCC, Geneva, Switzerland. 2014. 17. Burlando P, Rosso R. Extreme storm rainfall and climatic change. Atmos Res 1991; (27):169-189. 18. Zhang GH, Nearing MA, Liu BY. Potential effects of climate change on rainfall erosivity in the yellow river basin of china. Trans ASAE 2005;(48):511−517. 19. Diodato N, Bellocchi G, Romano N, Chirico GB. How the aggressiveness of rainfalls in the Mediterranean lands is enhanced by climate change. Climatic Change 2011;(108):591–599. 20. Guhathakurta P, Sreejith OP, Menon PA. Impact of climate change on extreme rainfall events and flood risk in India. J Earth Syst Sci 2011;120(3):359–373. 89


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

21. Heckrath G, Bechmann M, Ekholm P, Ule`n B, Djodjic F, Andersen HE. Review of indexing tools for identifying high risk area of phosphorus loss in Nordic catchments. J Hydrol 2008;(349):68–87. 22. NASEM. National Academies of Sciences, Engineering, and Medicine. Attribution of Extreme Weather Events in the Context of Climate Change. Washington, DC: The National Academies Press; 2016. 23. SIAP. Servicio de Información Agroalimentaria y Pesquera. SIACON 2017. https://www.gob.mx/siap/acciones-y-programas/produccion-agricola-33119 Consultado 15 Dic, 2017. 24. Troitiño F, Trasar-Cepeda C, Leirós MC, Gil-Sotres F. Validation and modification of the phosphorus loss index as applied to a small catchment. Soil Use Manage 2013;29(Suppl 1):114–123. 25. Wischmeier WH. Use and misuse of the universal soil loss equation. J Soil Water Conserv 1976;31(1):5-9. 26. Wischmeier WH, Smith DD. Predicting rainfall erosion losses-a guide to conservation planning. Agriculture Handbook 537. USDA, Washington, DC; 1978. 27. Ruiz-Corral JR, Medina-García G, Rodríguez-Moreno VM, Sánchez-González JJ, Villavicencio-García R, Durán Puga N, et al. Regionalización del cambio climático en México. Rev Mex Cienci Agríc 2016; Pub Esp (13):2451-2464. 28. Figueroa SB, Amante OA, Cortés THG, Pimentel LJ, Osuna CES, Rodríguez OJM, Morales FFJ. Manual de predicción de pérdidas de suelo por erosión. San Luis Potosí, México: SARH-Colegio de Posgraduados; 1991. 29. Flores LHE. Rutas de transporte superficial de nitrógeno y fósforo en un área de drenaje de Jalisco, México [tesis doctorado]. Montecillo, Texcoco, Estado DE México: Colegio de Posgraduados; 2004. 30. Instituto Nacional de Estadística, Geografía e Informática (INEGI). Cartas Edafológicas, escala 1:1’000,000. México, DF; 1993. 31. Foster GR, Meyer LD, Onstad CA. A runoff erosivity factor and variable slope length exponents for soil loss estimates. Trans ASAE 1977;(20):683–687. 32. McCool DK, Brown LC, Foster GR, Mutchler CK, Meyer CK. Revised slope steepness factor for the Universal Soil Loss Equation. Trans ASAE 1987;10(5):1387–1396. 33. Flores LHE, Pérez DJF, Ireta MJ. Estimación de la erosión hídrica en agave tequilero en Jalisco. Jalisco, México. INIFAP; 2010. 90


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

34. Williams JR, Dyke PT, Fuchs WW, Benson VW, Rice OW, Taylor ED. EPICErosion/Productivity Impact Calculator: 2 User manual. Technical Bulletin 1768. USDA-ARS, Temple, Texas. 1990. 35. Jasso IR, Sánchez CI, Stone JJ, Melgoza CA, Simanton JR, Martínez RJG. Estimación de parámetros para la modelación del escurrimiento superficial y erosión hídrica. En: Sánchez CI, et al, editores. Uso de la lluvia artificial para parametrizar modelos de procesos hidrológicos. Gómez Palacio, Durango. INIFAP. 1999. 36. SARH-CP. Manual de Conservación del Suelo y del Agua. 2da ed. Texcoco, México: Colegio de Postgraduados; 1982. 37. Flores LHE, Martínez MM, Oropeza MJL, Mejía SE, Carrillo GR. Integración de la EUPS a un SIG para estimar la erosión hídrica del suelo en una cuenca hidrográfica de Tepatitlán, Jalisco, México. Terra 2003;(21):233-244. 38. NRCS. Natural Resources Conservation Service. Phosphorus Assessment Tool for Texas. USDA-NRCS. Texas, USA; 2012. 39. Schoumans OF, Chardon W. Risk assessment methodologies for predicting phosphorus losses. J Plant Nutr Soil Sc 2003;(166):403-408. 40. Reichmann O, Chen Y, Iggy LM. Spatial model assessment of P transport from soils to waterways in an Eastern Mediterranean watershed. Water 2013;(5):262-279. 41. Zhou H, Gao C. Assessing the risk of phosphorus loss and identifying critical source areas in the Chaohu Lake Watershed, China. Environ Manage 2011;(48):1033–1043. 42. Ortega-Achury SL, Martinez-Rodriguez GA, Sotomayor-Ramirez DR, Ramirez-Avila JJ. Caribbean phosphorus index validation and management practices evaluation on fields under manure applications. An ASABE Meeting Presentation Paper. Reno, Nevada. 2013. 43. Jiang S, Zhang Q. Modelling phosphorus transport and its response to climate change at upper stream of Poyang Lake-the largest fresh water lake in China. Geophys Res Abst 2017;(19):EGU2017-2365-1. 44. Meelh GA, Arblaster JM, Tebaldi C. Understanding future patterns of increased precipitation intensity in climate model simulations. Geophys Res Lett 2005;(32):L18719. 45. Lee MH, Lin HH. Evaluation of annual rainfall erosivity index based on daily, monthly, and annual precipitation data of rainfall station network in southern Taiwan. INT J DISTRIB SENS N 2015; 11(6):1-15 http://journals.sagepub.com/doi/full/10.1155/2015/214708 Accessed 14 Dec, 2017. 91


Rev Mex Cienc Pecu 2020;11(Supl 2):75-92

46. Sadeghi SH, Tavangar S. Development of stational models for estimation of rainfall erosivity factor in different timescales. Nat Hazards 2015;77(1):429â&#x20AC;&#x201C;443 https://link.springer.com/article/10.1007/s11069-015-1608-y Accessed 14 Dec, 2017. 47. Bonilla CA, Vidal KL. 2011. Rainfall erosivity in Central Chile. J Hydrol 2011;(410):126â&#x20AC;&#x201C;133. 48. Sun Y, Solomon S, Dai A, Portmann RW. How often does it rain? J climate 2006; (19):916-934. 49. Sun Y, Solomon S, Dai A, Portmann RW. How often will it rain? J climate 2007; (20):4801-4818.

92


https://doi.org/10.22319/rmcp.v11s2.4705 Artículo

Impacto del cambio climático en la distribución potencial de Tithonia diversifolia (Hemsl.) A. Gray en México

Noé Durán Puga a José Lenin Loya Olguín b José Ariel Ruiz Corral a* Diego Raymundo González Eguiarte a Juan Diego García Paredes b Sergio Martínez González b Marcos Rafael Crespo González a

a

Universidad de Guadalajara. Centro Universitario de Ciencias Biológicas y Agropecuarias. Camino Ramón Padilla Sánchez No. 2100 Nextipac, 44600, Zapopan, Jalisco, México. b

Universidad Autónoma de Nayarit. Unidad Académica de Agricultura. Carretera TepicCompostela, km 9. Xalisco, Nayarit, México.

*Autor de correspondencia: ariel.ruiz@academicos.udg.mx

Resumen: El objetivo fue estimar el posible impacto del cambio climático en la distribución potencial de T. diversifolia en México. Nichos de distribución fueron modelados con MaxEnt para la climatología de referencia 1951-2000, y dos escenarios de cambio climático 2041-2060 y 2061-2080, considerando 20 variables bioclimáticas y dos topográficas. Para las climatologías futuras se consideró el modelo de circulación global (MCG) HadGEM2-ES, con dos vías representativas de concentración de gases efecto invernadero (rcp4.5 y rcp8.5). Esta información se obtuvo de la página web Global Climate Data de WorldClim y se trabajó con el sistema Idrisi Selva como imágenes raster con una resolución de 2.5 min de arco. Las 93


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

variables que más contribuyeron a explicar la distribución geográfica de T. diversifolia fueron la precipitación acumulada mayo-octubre (pa5-10) y la temperatura máxima media del mes más cálido (txmc). El umbral del percentil 10th de la presencia logística predice una superficie (para la climatología de referencia 1951-2000), que representa el 30.71 % de la extensión de México. La modelación de nichos en los diversos escenarios climáticos registra zonas de expansión, así como zonas de retracción para la distribución potencial de la especie, pero después de hacer un balance, se obtiene que las áreas potenciales para T. diversifolia se incrementarán ligeramente con respecto a la climatología de referencia 1950-2000, con valores estimados de 31.62 %, 31.83 %, 32.45 % y 32.45 % del territorio mexicano en los escenarios 2041-2060 rcp8.5, 2041-2060 rcp4.5, 2061-2080 y 2061-2080 rcp4.5 y rcp8.5, respectivamente. Se concluye que el cambio climático traería más beneficios que restricciones para la dispersión de T. diversifolia. Palabras clave: Cambio climático, Tithonia diversifolia, Descriptores ecológicos, Nichos de distribución.

Recibido: 20/11/2017 Aceptado: 04/07/2018

Introducción La producción de alimentos se está convirtiendo en un verdadero reto en un clima que está cambiando. Bajo este contexto, la diversificación de la alimentación animal es un aspecto clave para adaptarse mejor al cambio climático. Este es el motivo para evaluar el impacto del cambio climático sobre la presencia y distribución potencial de las especies forrajeras. Este es el caso específico de T. diversifolia, nativa y con distribución actual en las tierras bajas del sudeste de México, Centro y Sudamérica, especie que se considera un importante recurso genético y una planta excepcional como alternativa en la alimentación animal(1,2). El riesgo futuro para muchas especies de plantas debido al cambio climático no ha sido bien establecido aún. La temperatura global ha aumentado 0.85 °C en el periodo de 1901 al 2011(3). Se ha establecido sobre la base de los modelos de predicción del clima, que la presión de saturación del vapor ha sido muy sensible a los cambios de temperatura, por lo que se espera que se manifiesten futuras rupturas en el ciclo global del agua(4). Por otro lado, se ha mencionado que la disponibilidad de agua presentará una marcada reducción anual en el sureste de Estados Unidos de Norteamérica, el Caribe y diversas partes de México(5). Además, la agricultura se expande e intensifica principalmente en los trópicos(6); se estima que alrededor 94


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

del 80 % de la nueva tierra de cultivo será a base de sustitución de bosques(7). Por lo tanto, al retrasar o retener la expansión de la agricultura en los trópicos se reducirán las emisiones de carbono y la pérdida de la biodiversidad(8). Con el cambio climático, la diversidad de climas puede ser modificada, así como la composición de los ecosistemas(9), que incluirían alteraciones en la distribución, fenología y un aumento de riesgo de especies en peligro de extinción(10). Se considera que varios componentes del cambio climático afectarán a todos los niveles de la biodiversidad; es decir, desde los organismos y poblaciones hasta las áreas bióticas(11). En los niveles básicos, el cambio climático es capaz de disminuir la diversidad genética en las poblaciones debido a una selección direccional y una migración dinámica, que podría interferir en la capacidad de resiliencia y la funcionalidad de los ecosistemas(12); por lo tanto, podría causar la modificación de la red de interacciones a nivel de la comunidad(13). Además, un efecto del cambio climático podría inducir la invasión de especies potencialmente peligrosas para un ecosistema(14); afectando la fisiología, fenología y el comportamiento de especies(15). De acuerdo con lo anterior, México está interesado en la construcción de un inventario en lo que respecta a los efectos previstos del cambio climático en las especies silvestres deseables. Debido a eso, el objetivo fue estimar el impacto del cambio climático en la distribución potencial de T. diversifolia. De acuerdo con diferentes autores los usos reportados de Tithonia incluyen producción de forrajes, control de erosión del suelo, como material de construcción y un refugio para las aves(16). Como contrapartida T. diversifolia es considerada como una hierba alelopática con aleloquímicos solubles en agua en partes de la planta y con tal potencia fitotóxica, que podría suprimir el crecimiento y la acumulación de nutrientes en cultivos asociados(17).

Material y métodos Base de datos Se consideraron los datos de 52 sitios de población de T. diversifolia, con distribución actual en las tierras bajas del sudeste de México(1,2). Las bases de datos se obtuvieron a partir de dos fuentes: Inventario Nacional Forestal y de Suelos (INFyS) de la Comisión Nacional Forestal de México (CONAFOR) y del sitio http://www.tropicos.org/.

Áreas potenciales de distribución En este estudio se utilizó el modelo de MaxEnt (máxima entropía)(18) para modelar el nicho ecológico y predecir la distribución geográfica más probable de T. diversifolia. MaxEnt ha

95


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

sido ampliamente utilizado para estimar distribuciones potenciales de plantas y animales con alta precisiĂłn; algunos grupos terrestres son excelentes ejemplos(19). En el modelo MaxEnt la distribuciĂłn de una especie se representa mediante una funciĂłn de probabilidad P sobre un conjunto X de sitios en el ĂĄrea de estudio. Se construye un modelo de P mediante un conjunto de restricciones derivado de datos empĂ­ricos de presencia de la especie(20). Las restricciones se expresan como funciones simples de variables ambientales conocidas. El algoritmo de MaxEnt obliga a que la media de cada funciĂłn de cada variable se aproxime a la media real en las ĂĄreas de presencia de la especie. De todas las posibles combinaciones de funciones, se selecciona la que logra minimizar la funciĂłn de entropĂ­a; la cual es medida con el Ă­ndice de Shannon. La expresiĂłn general de la funciĂłn de probabilidad para i variables ambientales es(21): đ?&#x2018;&#x192;(đ?&#x2018;Ľ) = đ?&#x2018;&#x2019; đ?&#x153;&#x2020;â&#x2C6;&#x2122;đ?&#x2018;&#x201C;(đ?&#x2018;Ľ) /đ?&#x2018;?đ?&#x153;&#x2020; Donde: P(x)= funciĂłn de probabilidad; Îť= vector de coeficientes de ponderaciĂłn; f= vector correspondiente de funciones de variables ambientales; Z= constante de normalizaciĂłn para asegurar que P(x) = 1. Los valores P(x) asĂ­ obtenidos, representan valores de idoneidad relativa para la presencia de la especie, constituyendo asĂ­ la base de un modelo de distribuciĂłn potencial. Un alto valor de la funciĂłn de distribuciĂłn en cada pĂ­xel indica que tiene condiciones favorables para la especie(22). En este estudio con el uso de capas de parĂĄmetros ambientales y los datos de presencia de especies, se generĂł un modelo. El 75 % de los registros de presencia se utilizaron como puntos de entrenamiento y 25 % como puntos de validaciĂłn, ademĂĄs se utilizĂł el Ă­ndice AUC (ĂĄrea bajo la curva), para evaluar el modelo estadĂ­stico, ya que este Ă­ndice es de los mĂĄs utilizados para medir la calidad de los modelos(20). Los ajustes que se pueden determinar en el modelo de MaxEnt, afectan su precisiĂłn, ya que el modelo puede trabajar con variables ambientales simples o complejas.

Bases de datos y parĂĄmetros ambientales Los datos mensuales, estacionales y anuales de precipitaciĂłn, temperatura mĂĄxima, temperatura mĂ­nima, temperatura media y oscilaciĂłn tĂŠrmica de los perĂ­odos 1950-2000 (climatologĂ­a de referencia) y 2041-2060 y 2061-2080 (climatologĂ­a futura), se utilizaron para una caracterizaciĂłn ambiental de los sitios de presencia de las especies. Estos datos 96


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

climáticos se obtuvieron del portal Global Climate Data de WorldClim y las imágenes se trabajaron en formato ascii y raster, con una resolución de 2.5 min de arco. Para los períodos 2041-2060 y 2061-2080, el MCG HadGEM2-ES fue considerado con dos vías de concentración representativas de gases de efecto invernadero: Rcp 4.5 y Rcp 8.5. Este modelo ha sido utilizado en los nuevos escenarios de cambio climático para México; estudio presentado en el quinto informe de evaluación sobre el cambio climático IPCC (Grupo Intergubernamental de Expertos sobre el Cambio Climático)(23). Otras variables que se incluyeron en la modelación de la distribución de T. diversifolia, fueron la altitud y la pendiente del suelo, imágenes que se obtuvieron del Sistema Nacional de Información Ambiental (SIAN) del Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias(24). La lista de variables utilizadas para el modelo de nicho espacial fueron: pendiente del suelo (%), altitud (m), temperatura máxima media anual (Txan), temperatura máxima media de mayo a octubre (tx5-10), temperatura máxima media noviembre-abril (tx11-4), temperatura máxima del mes más cálido (txmc), temperatura media anual (tman), temperatura media de mayo a octubre (tm5-10), temperatura media noviembre-abril (tm114), temperatura mínima del mes más frío (timf), temperatura media del mes más frío (tmmf), temperatura mínima promedio anual (tian), temperatura media mínima de mayo a octubre (ti5-10), temperatura media mínima noviembre-abril (ti11-4), precipitación acumulada anual (pa), precipitación acumulada mayo a octubre (pa5-10) precipitación acumulada noviembreabril (pa11-4), precipitación acumulada del mes más seco (pms), precipitación del mes más húmedo (pmh), oscilación térmica media anual (otan), oscilación térmica de mayo a octubre (ot5-10) y oscilación térmica noviembre a abril (ot11-4).

Áreas con probabilidad de aptitud ambiental El modelo obtenido de predicción MaxEnt para la distribución potencial de T. diversifolia fue examinado con el sistema de Idrisi Selva(25), y se hizo un mapa con los valores del umbral de los píxeles correspondientes al percentil 10(26). Para el cálculo de la superficie potencial de distribución de la especie, las áreas ocupadas por las masas de agua y los centros urbanos no fueron consideradas. Estas capas temáticas se obtuvieron mediante la manipulación del uso del suelo y la capa de vegetación(27).

Descriptores ecológicos Los descriptores ecológicos para T. diversifolia se determinaron sobre la base de los intervalos ambientales derivados de la caracterización de los parámetros de sitios de presencia de la especie. Esto se hizo utilizando el sistema IDRISI y con las imágenes raster de cada variable ambiental y las coordenadas geográficas de cada sitio de presencia.

97


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

Resultados y discusión En el modelo del nicho de distribución potencial de T. diversifolia, la curva operacional mostró resultados satisfactorios (Figura 1). Al considerar los datos de entrenamiento (75 %), el área bajo la curva (AUC) de T. diversifolia fue de 0.979; mientras que cuando se utilizan los datos de prueba (25 %), la validación del modelo reportó una AUC de 0.966, lo que indica que la capacidad del modelo para representar la presencia de especies fue satisfactoria(28). Figura 1. Curva operacional para T. diversifolia

La Figura 2 muestra la distribución geográfica actual de T. diversifolia. Su presencia se encuentra principalmente en la región Centro-Sur, Golfo de México, las zonas costeras del Pacífico y la Península de Yucatán; es decir en la parte tropical del país (<23° 26' 14'' Norte). La mayor parte de las poblaciones de T. diversifolia se concentran en la parte sureste de México, que está en correspondencia con la aseveración acerca de su origen geográfico (México y América Central y del Sur)(2). Zonas tropicales y subtropicales de todo el mundo, lo que le ha permitido, crecer bajo una amplia gama de condiciones ambientales y, por tanto, desarrollar un amplio rango de adaptación(29).

98


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

Figura 2. Distribución actual, áreas aptas, no aptas, de retracción y expansión para T. diversifolia bajo cuatro escenarios de cambio climático en México

Los descriptores ecológicos de T. diversifolia y las variables ambientales que contribuyen a la construcción del modelo se pueden observar en el Cuadro 1. Según estos resultados, la distribución de T. diversifolia se determina principalmente por la variable pa5-10 (78.2 %), esto es, la cantidad de precipitación durante el período mayo-octubre, la cual es un elemento clave para la presencia de esta especie, así como para otras especies, en donde la precipitación en pequeños pero frecuentes eventos durante el verano es clave para el buen desarrollo(30). El descriptor de T. diversifolia para esta variable indica un rango de 297 a 3,404 mm (para la precipitación anual de 356 a 3,828 mm), lo que da una amplia variación de la precipitación espacial. Estos resultados son consistentes en el sentido que esta especie crece adecuadamente bajo una amplia gama de precipitación. Sin embargo, se han establecido límites de precipitación anual de 600 y 5,000 mm(30). Por lo anterior, se puede concluir que T. diversifolia puede crecer incluso con menos precipitación estacional y anual de lo que indica la literatura actual. El segundo descriptor ecológico más contribuyente fue txmc (temperatura máxima media del mes más cálido) y T. diversifolia también mostró tener un amplio rango térmico; 21.9 a 34.4 °C. Teniendo en cuenta que T. diversifolia también tiene un amplio rango para el descriptor timf (temperatura media mínima del mes más frío, 1.8 a 19.8 ° C, Cuadro 1) se puede concluir que esta especie es capaz de explorar y colonizar ambientes térmicamente extremos. Otros autores(2) habían indicado previamente que esta especie está adaptada a diferentes climas y altitudes.

99


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

Cuadro 1. Descriptores ecológicos de las variables ambientales que condicionan en mayor medida la distribución geográfica de T. diversifolia Variable pa5-10, mm Txmc, °C Pendiente, % Tmmf, °C Pmh, mm

Valor mínimo 297 21.9 0 11 67

Valor máximo 3404 34.4 14 26.15 713

Contribución (%) 78.2 5.9 3 2.8 2.1

Los resultados de los nichos potenciales para T. diversifolia bajo la climatología de referencia (1951-2000) así como las futuras climatologías, también se muestran en la Figura 2. Los mapas de esta figura muestran la presencia de áreas adecuadas, inadecuadas, de retracción y expansión para Tithonia diversifica en comparación con los escenarios de la climatología de referencia y las climatologías futuras. En todos los escenarios futuros aparecerán áreas de retracción, así como las áreas de expansión; mostrando la posible dinámica de las áreas con aptitud ambiental en función de los cambios climáticos futuros. El umbral logístico de entrenamiento de presencia del percentil 10 estima un área con aptitud ambiental (para la climatología de referencia) que representa el 30.71 % de la extensión territorial de México. Después de un balance entre las áreas de contracción y expansión de las climatologías de cambio climático, las áreas óptimas se incrementarán al 31.62 %, 31.83 %, 32.45 % y 32.45 % del territorio mexicano, en los escenarios 2041-2060 Rcp8.5, 2041-2060 Rcp4.5 y 2061-2080 Rcp4.5, 2061-2080 Rcp8.5, respectivamente. Estos resultados muestran que los cambios climáticos futuros serán aparentemente benéficos para T. diversifolia. Al considerar que las variables más significativas en los modelos de los nichos de distribución son la precipitación acumulada de mayo a octubre y la temperatura máxima media del mes más cálido, se podría inferir que las combinaciones de estos parámetros bajo escenarios de cambio climático tendrán un efecto positivo en las áreas con aptitud ambiental para T. diversifolia. En algunos estudios se ha señalado que el efecto del impacto del cambio climático sobre la distribución de las especies, pueden resultar en especies ganadoras y perdedoras(31). El resultado final va a depender de su adaptación evolutiva. Por ejemplo, se han reportado expansiones de áreas adecuadas debido al cambio climático para otras especies como Leucospermum hypophyllocarpodendron subsp. hypophyllocarpodendron(11). La mayoría de los estudios sobre los efectos del cambio climático en la distribución de especies han reportado impactos negativos, siendo las áreas de retracción mayores que las áreas de expansión(32). En el presente estudio se obtuvo lo contrario; es decir, áreas de expansión mayores que las áreas de retracción. Como se puede visualizar en la Figura 2, estos dos tipos de áreas tienen un patrón geográfico; las superficies de contracción se ubican 100


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

principalmente en la región occidental del país y cerca de la costa del Pacífico, mientras que las de expansión se localizan principalmente en el lado oriental y cerca de la costa del Golfo de México. Este hecho apunta a dos regiones del país donde los futuros patrones climáticos difieren en las condiciones ambientales y, por lo tanto, difieren en el nivel de idoneidad para T. diversifolia. Esta situación en particular ya se ha manifestado, ya que la región correspondiente a las áreas de retracción ha sido reportada previamente con cambios en los patrones de cultivos como consecuencia de los cambios climáticos regionales(33,34). Aparentemente en los mapas que se ejemplifican en la Figura 2 ninguna población actual de T. diversifolia se ve afectada por la retracción de la aptitud ambiental. Sin embargo, en el caso de que algunas poblaciones de T. diversifolia se ubiquen en áreas de retracción en los próximos años, se debe considerar que estas poblaciones tendrán sólo dos opciones para sobrevivir: a) migrar a ambientes más favorables o; b) adaptarse a las nuevas condiciones climáticas(35), que dependerá principalmente de la diversidad genética de las especies(36,37). En el caso del presente estudio, se puede hipotetizar que la idoneidad medioambiental ganará un poco más de superficie debido al cambio climático, y esto podría aparentemente promover la futura dispersión de T. diversifolia a nuevas áreas. No obstante, es importante considerar las posibles capacidades de esta especie para competir contra otras del ecosistema o con especies invasoras que constituyen una amenaza para la estabilidad del ecosistema(38,39,40). Además, es importante considerar que T. Diversifolia en el futuro también dependerá de su capacidad de adaptación al cambio climático(41), lo que está en función de su capacidad para colonizar nuevas áreas o (cuando sea necesario) su capacidad de implementar modificaciones fisiológicas para adaptarse al nuevo entorno(42). Al adaptarse al cambio climático y a los nuevos climas, la plasticidad ecológica de T. diversifolia(1,30) constituye un aspecto clave(43). De acuerdo con los resultados obtenidos, el cambio climático previsto para ambos períodos tendrá un efecto más positivo que negativo sobre la idoneidad ambiental de T. diversifolia (Figura 3), permitiendo así en el futuro su posible expansión territorial. Sin embargo, está claro que esta ventaja ambiental que será causada por el cambio climático futuro, resultará también favorable para otras especies tal vez en un contexto de competencia con T. diversifolia. Bajo este tipo de escenario, el amplio intervalo para la mayoría de los descriptores ecológicos de T. diversifolia (Cuadro 1) podría ser una característica ventajosa, aún más si se considera la diversidad genética de esta especie en otras partes del mundo, lo cual podría aumentar las capacidades de adaptación y colonización de T. diversifolia(36,44).

101


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

Figura 3. Dinámica del porcentaje de superficie con idoneidad ambiental para T. diversifolia en la climatología actual (presente) y cuatro climatologías futuras

No obstante que los escenarios climáticos actual y futuros parecen ser favorables para T. diversifolia; deben adoptarse medidas para preservar las poblaciones actuales de T. diversifolia a fin de asegurar su presencia en su medio natural. Por otro lado, dado que se ha encontrado que T. diversifolia es una maleza alelopática con aleloquímicos solubles en agua en varias partes de la planta(17), se debe prestar atención a supervisar su posible expansión territorial debido a posibles afectaciones a los cultivos asociados. También debe monitorearse la lucha contra la presencia de T. diversifolia como maleza en los cultivos, lo cual podría amenazar las poblaciones naturales de esta especie.

Conclusiones e implicaciones Actualmente, las áreas con aptitud ambiental para T. diversifolia representan cerca de un tercio del territorio mexicano; adaptándose a una amplia gama de condiciones de temperatura y humedad. Su presencia y distribución espacial está determinada por la cantidad de precipitación acumulada durante el período mayo-octubre, con un rango de 297 a 3404 mm. Los cambios climáticos futuros provocarán tanto retracción como expansión de las áreas con aptitud ambiental en diferentes partes del país; haciendo un análisis entre estos dos efectos se concluye que en el presente siglo se incrementarán ligeramente estas áreas, entre 0.91 y 1.74 % según los modelos utilizados. Por lo anterior, se puede considerar que esta especie puede ser una buena alternativa de producción de forraje para el futuro. Por otro lado, dado 102


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

que se ha encontrado que T. diversifolia es una hierba alelopática, se debe poner atención en la supervisión de su posible expansión territorial debido a las posibles afectaciones a los cultivos asociados. La lucha contra la presencia de T. diversifolia en los campos de cultivo también debe supervisarse para que no constituya una amenaza para las poblaciones naturales de esta especie.

Agradecimientos Al Inventario Nacional Forestal y de Suelos (INFYS) de la Comisión Nacional Forestal (CONAFOR), por brindar valiosa información sobre los sitios de presencia de T. diversifolia en México. También se agradece Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP) por permitir el uso de las imágenes raster correspondientes a la altitud y pendiente del suelo del Sistema Nacional de Información Ambiental.

Literatura citada: 1.

Pérez A, Montejo I, Iglesias JM, López O, Martín GJ, García DE, Milián I, Hernández A. Tithonia diversifolia (Hemsl.) A. Gray. Pastos y Forrajes 2009;32(1):1-15.

2.

Loya OJL, Martínez GS, Prado ROF, Valdés GYS, Gómez, DAA, Escalera V F, Macedo BR, Durán PN. El Sistema Silvopastoril. Sistema Superior Editorial. Nayarit, México; 2014:102.

3.

Intergovernmental Panel on Climate Change. Climate Change. The Physical Science Basis. Working group I. Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Summary for Policymakers (Thomas FS, Dahe Q, Gian-Kasper P, Melinda MBT, Simon KA, Judith B, Alexander N, Yu X, Vincent B, Pauline MM. Cambridge University Press; 2013:29.

4.

Milly PCD, Dunne KA, Vecchia AV. Global pattern of trends in stream low and water availability in a changing climate. Nature 2005;438(17):347-350.

5.

William GJ. Causes of observed changes in extremes and projections of future changes. In: Thomas R. Karl, et al editors. Weather and climate extremes in changing climate regions of focus: North America, Hawaii, Caribbean and Pacific Islands, USA. A Report by the US Climate Change Science Program. Department of Commerce, NOAA’s National Climatic Data Center, Washington, D.C., USA; 2008:81-116.

6.

DeFries R, Rosenzweig C. Toward a whole-landscape approach for sustainable land use in the tropics. Proc Natl Acad Sci 2010;107:19627-19632.

103


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

7.

Gibbs HK, Ruesch AS, Achard F, Clayton MK, Holmgren P, Ramankuttly N, Foley JA. Tropical forests were the primary sources of new agricultural land in the 1980s and 1990s. Proc Natl Acad Sci 2010;107(38):16732-16737.

8.

Foley JA, Asner GP, Heil C M, Coe MT, DeFries R, Gibbs HK, Howard EA, Olson S, Patz J, Ramankutty N, Snyder P. Amazonia revealed: forest degradation and loss of ecosystem goods and services in the Amazon Basin. Front Ecol Environ 2007;5(1):2532.

9.

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

10. Vale MM, Alves MAS, Lorini ML. Mudanças climáticas: desafios e oportunidades para a conservação da biodiversidade brasileira. Oecol Bras 2009;13:518–535. 11. Parmesan C. Ecological and evolutionary responses to recent climate change. Annu Rev Ecol Syst 2006;37:637-669. 12. Schneider RR, Hamann A, Farr D, Wang X, Boutin S. Potential effects of climate change on ecosystem distribution in Alberta. Can J For Res 2009;39:1001-1010. 13. Bellard C, Bertelsmeier C, Leadley P, Thuiller W, Courchamp F. Impacts of climate change on the future of biodiversity. Ecology Letters 2012;15:365-377. 14. Kirilenko AP, Belotelov NV, Bogatyrev BG. Global model of vegetation migration: incorporation of climatic variability. Ecological Modelling 2000;132:125-133. 15. Morueta HN, Fløjgaard C, Svenning JC. Climate change risks and conservation implications for a threatened small-range mammal species. PLoS ONE 2010;5(4):10360-101371. 16. Fasuyi AO, Dairo FAS, Ibitayo FJ. Ensiling wild sunflower (Tithonia diversifolia) leaves with sugar cane molasses. 2010. Livest Res Rural Develop 2015;42(22) from http://www.lrrd.org/lrrd22/3/fasu22042.htm. 17. Otusanya OO, Ilori OJ, Adelusi A.A. Allelopathic effects of Tithonia diversifolia (Hemsl) A. Gray on germination and growth of Amaranthus cruentus. Res J Environ Sci 2010;1(6):285-293. 18. Phillips SJ, Dudík M, Elith J, Graham CH, Lehmann A, Leathwick J, Ferrier S. Sample selection bias and presence-only distribution models: implications for background and pseudo-absence data. Ecological Applications 2009;19:181–197.

104


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

19. Sobek S, Kluza S, Cuddington DAK, Lyons DB. Potential distribution of emerald ash borer: What can we learns from ecological niche models using Maxent and GARP? Forest Ecol Management 2012;281(1):23-31. 20. Moreno R, Zamora R, Molina JR, Vásquez A, Herrera M. Predictive modeling of microhabitats for endemic birds in South Chilean temperate forest using Maximum entropy (Maxent). Ecol Informat 2011;6:364-370. 21. Phillips SJ, Dudík M. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography 2008;31:161–175. 22. Morales SN. Modelos de distribución de especies: Software Maxent y sus aplicaciones en conservación. Rev Conserv Ambi 2012;2(1):1-5. 23. Magaña RVO. Guía para generar y aplicar escenarios probabilísticos regionales de cambio climático en la toma de decisiones. Centro de Ciencias de la Atmósfera. Universidad Nacional Autónoma de México. México; 2010. 24. Díaz PG, Guajardo PRA, Medina GG, Sánchez CI, Soria RJ, Vázquez AMP, et al. Potencial productivo de especies agrícolas de importancia socioeconómica en México. 1a. ed. INIFAP. Xalapa, Ver., México; 2012. 25. Eastman JR. Idrisi Selva Manual, Version 17. Clark Labs, Clark University. Worcester, Mass, USA; 2012. 26. Escalante T, Rodríguez TG, Linaje M, Illoldi RP, González LR. Identification of areas of endemism from species distribution models: threshold selection and nearctic mammals. Rev Especializada Cienc Químico-Biol 2013;16(1):5-17. 27. Instituto Nacional de Estadística Geografía e Informática (INEGI). Guía para interpretación cartográfica: Uso de suelo-vegetación Serie III. DF., México. 2009. 28. Parolo G, Rossi G, Ferrarini A. Toward improved species niche modelling: Arnica montana in the Alps as a case study. J Appl Ecol 2008;45(5):1410-1418. 29. Chapin III FS, Bloom AJ, Field CB, Waring RH. Plant responses to multiple environmental factors. BioScience 1987;37(1):49-57. 30. Murgueitio E, Rosales M, Gómez ME. Agroforestería para la producción animal sostenible. Centro para la Investigación en Sistemas Sostenibles de Producción Agropecuaria. Cali, Colombia; 2001. 31. Hoffman AA, Sgró CM. Climate change and evolutionary adaptation. Nature 2011;470:479-485.

105


Rev Mex Cienc Pecu 2020;11(Supl 2):93-106

32. Sork V, Davis F, Westfall R, Flints A, Ikegami M, Wang H, Grivet DD. Gene movements and genetic association with regional gradients in California valley oak (Quercus lobata Née) in the face of climate change. Mol Ecol 2010;19:3806-3823. 33. Ramírez LMR, Ruiz CJA, Medina GG, Jacobo CJL, Parra QRA, Ávila MMR, Pilar AJ. Perspectivas del sistema de producción de manzano en Chihuahua, ante el cambio climático. Rev Mex Cienc Agr 2011;(Pub Esp 2):265-279. 34. Santillán ELE, Blanco MF, Magallanes QR, García HJL, Cerano PJ, Delgadillo RO, Valdez CRD. Tendencias de temperatura extremas en Zacatecas, México. Rev Mex Cienc Agr 2011;( Pub Esp 2):207-219. 35. Jump AS, Peñuelas J. Running to stand still: Adaptation and the response of plants to rapid climate change. Ecology Letters 2005;8:1010-1020. 36. Burke MB, Lobell DB, Guarino L. Shifts in African crop climates by 2050, and the implications for crop improvement and genetic resources conservation. Global Environmental Change 2009;19(3):317-325. 37. Mercer KL, Perales HR. Evolutionary response of landraces to climate change in centers of crop diversity. Evol Appl 2010;3(5-6):480-493. 38. Hellmann JJ, Byers JE, Bierwagen BG, Dukes JS. Five potential consequences of climate change for invasive species. Conservation Biol 2008;22(3):534-543. 39. Howard G, Ziller SR. Alien alert: Plants for biofuel may be invasive. Bioenergy Business 2008:14-16. 40. Mainka SA, Howard GW. Climate change and invasive species: Double jeopardy. Integrative Zoology 2010;5:102-111. 41. Alsos IG, Alm T, Normand S, Brochmann C. Past and future range shifts and loss of diversity in dwarf willow (Salix herbacea L.) inferred from genetics, fossils and modelling. Global Ecol Biogeogr 2009;18:223–239. 42. Chown SL, Hoffman AA, Kristensen TN, Angilletta Jr, Stenseth MJ, Pertoldi NCh, C. Adapting to climate change: a perspective from evolutionary physiology. Climate Res 2010;43:3-15. 43. Peters K, Breitsameter L, Gerowitt B. Impact of climate change on weeds in agriculture: a review Agron Sustain Dev 2014;34:707-721. 44. Ruiz CJA, Hernández CJM, Sánchez GJJ, Ortega CA, Ramírez OG, Guerreo HMJ, et al. Ecología, adaptación y distribución actual y potencial de las razas mexicanas de maíz. Libro Técnico Núm. 5. INIFAP-CIRPAC-Campo Exp Centro Altos de Jalisco. 2013. 106


https://doi.org/10.22319/rmcp.v11s2.4697 Revisión bibliográfica

Mitigación y adaptación al cambio climático mediante la implementación de modelos integrados para el manejo y aprovechamiento de los residuos pecuarios. Revisión

Alberto Jorge Galindo-Barboza a* Gerardo Domínguez-Araujo a Ramón Ignacio Arteaga-Garibay b Gerardo Salazar-Gutiérrez a

a

Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP). Campo Experimental Centro Altos de Jalisco. México. b INIFAP.

Centro Nacional de Recursos Genéticos. Tepatitlán, Jalisco, México.

*Autor de correspondencia: galindo.alberto@inifap.gob.mx

Resumen: La optimización del manejo y utilización de las excretas, se debe a que las especies animales no aprovechan el 100 % de los nutrientes consumidos del alimento, siendo la excreta una fuente potencial de estos. La cantidad y calidad de la excreta depende de factores como el alimento, especie animal, etapa productiva, estado de salud y tipo de instalaciones. Los modelos integrados para manejo de residuos pecuarios, deben considerar la revalorización de estos como materia prima, con objeto de desarrollar tecnologías que habiliten la recuperación de nutrientes. El ensilaje de cerdaza, la composta, vermicomposta y los sistemas de digestión anaerobia forman parte de estos esquemas. Por otro lado, la importancia de la bio-remediación radica en la utilización del potencial metabólico de los microorganismos para transformar los contaminantes orgánicos, pudiéndose utilizar para limpiar espacios o aguas contaminadas. La estrategia de adopción tecnológica se diseña y se inicia a través de establecer las características del material a tratar, su acondicionamiento y las condiciones de operación del proceso, para seleccionar los criterios y métodos para su escalamiento en cualquier sistema de producción.

107


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

Palabras clave: Materia prima, Excretas, Aprovechamiento, Ambiente, Sistemas Integrados, Bio-remediación.

Recibido: 14/11/2017 Aceptado: 06/07/2018

Introducción La población humana ha crecido el doble a partir de 1960, demandando alimentos y servicios; este crecimiento se refleja en los incrementos de los inventarios de población animal. En términos de alimentación, la producción de carne, leche y huevo, incrementan en proporción a los inventarios de producción animal; se estima que para el año 2020 se debe generar un aproximado de 200 billones de litros de leche y 100 millones de kilogramos de carne para satisfacer la demanda(1). De la misma forma que la producción de alimentos, la generación de residuos orgánicos va en aumento, siendo el sector agropecuario un importante contribuyente a la contaminación atmosférica. En 2013, a nivel global se estimó que del total de gases de efecto invernadero inducidos por el humano, el 14.5 % (7.1 gigatoneladas de CO2-equivalente para 2005 y 10 Gt para el año 2010) está representado por la cadena de suministro ganadero. De los cuales el 41 % corresponde a la producción de carne de res, 20 % a la leche, 9 % a la producción de carne de cerdo, 8 % a la producción de carne de pollo y huevo, 6 % a la producción de leche y carne de pequeños rumiantes y el resto a otras especies de aves y rumiantes(2). En México, según el inventario nacional de emisiones de gases de efecto invernadero, en 2010 se estimó una emisión de 748.25 megatoneladas (Mt) de CO2-equivalente, de las cuales el 12.3 % (92.18 Mt) corresponde a las emisiones por la agricultura, contribuyendo la fermentación entérica y el manejo de estiércoles con la emisión de 3.74 Mt de CO2equivalente(2,3). De tal forma, los residuos pecuarios orgánicos representan una creciente y constante fuente de contaminantes. El poder contaminante de dichos residuos (estiércoles o excretas) radica en la presencia de nutrientes no digeridos, ya que ninguna especie aprovecha el total de los nutrientes consumidos en la dieta(4,5). Por lo anterior se pueden considerar las excretas, una fuente potencial de nutrientes, los cuales pueden ser aprovechados mediante diversos procesos. La producción y calidad de las excretas está ligada a factores como: especie, fin zootécnico, etapa productiva, calidad de las dietas, digestibilidad, entre otros. De igual manera, la 108


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

infraestructura de la unidad de producción, el manejo y los equipos disponibles para su recolección, son factores que están ligados a las características físicas y químicas de los residuos(2,3). La caracterización de los residuos orgánicos pecuarios es pieza clave para planificar su manejo, aprovechamiento y disposición final y así, mitigar las emisiones y su efecto contaminante. De tal forma, el objetivo de este trabajo es presentar los procesos que pueden ser adoptados bajo un modelo integrado para el aprovechamiento de residuos pecuarios preservando y reciclando los nutrientes derivados de los sistemas de producción animal.

Modelos integrados para el manejo y aprovechamiento de residuos Los modelos integrados para el manejo y aprovechamiento de residuos consisten en la integración de tecnologías que nos lleven a tal fin. Es requisito de estos modelos su adaptabilidad a los distintos sistemas de producción pecuaria (familiar, mediana escala, gran escala, intensivos, extensivos y mixtos) y la interacción con la agricultura. Su principal objetivo es la diversificación de la producción y de los ingresos, estableciendo procesos amigables con el ambiente para alcanzar la sostenibilidad. El reto más importante y promisorio de estos modelos es la articulación con las cadenas productivas y comerciales locales y nacionales. En este sentido, son muchos, pero aislados, los esfuerzos que se han realizado para abordar distintas problemáticas, siendo la solución un enfoque integral de las necesidades en el sector agropecuario en relación al manejo de residuos. Desde hace tiempo, se vienen realizando trabajos para identificar, cuantificar y tratar los residuos orgánicos de las explotaciones pecuarias, conceptualizándolos como un desecho, con la finalidad, de establecer estrategias y políticas para mitigar el impacto que tienen sobre el ambiente(6–12). Sin embargo, para la implementación de procesos sostenibles y la consolidación de esquemas integrados que mitiguen el impacto negativo sobre el ambiente y que además, generen estabilidad y rentabilidad, es de vital importancia revalorizar los residuos como materia prima(2,13,14) y como tal, es necesario determinar su disponibilidad, composición, características físicas y químicas(15,16) e inocuidad(17); elementos mínimos inexcusables para determinar el nivel de aprovechamiento en los diversos procesos a los cuales puede ser sometida. Actualmente se ha dado importancia a tecnologías que priorizan la recuperación de los nutrientes contenidos en los residuos pecuarios (Nitrógeno y Fosforo, principalmente), 109


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

especialmente de los cerdos, con alternativas como la generación de biomasa proteica para uso en la alimentación animal(18), sin embargo, a pesar de ser una alternativa viable para mitigar el impacto ambiental que generan los residuos, es limitada y no considera aspectos de inocuidad y toxicología. Por otro lado, existen alternativas viables para lograr el objetivo de mitigar el impacto ambiental y aprovechar los residuos; sin embargo, la falta de capacitación para diseñarlos y operarlos, aunado a manejos inadecuados, encamina o sugiere su inutilidad. Un ejemplo de lo anterior son los sistemas de digestión anaerobia (biodigestores), los cuales, cuando no cumplen con el volumen adecuado, un régimen de carga establecido y retenciones hidráulicas adecuadas a las características de los residuos, generan efluentes que no pueden ser dispuestos para su aprovechamiento en la agricultura, debido a la alta concentración de nutrientes presentes(19). De tal manera, es indispensable generar, validar y adaptar tecnologías de acuerdo a las necesidades de una amplia gama de esquemas de producción agropecuaria, pero también a las características de la materia prima que se desee procesar y al objetivo productivo por alcanzar, considerando que, en este sentido, se encuentra implícito el ahorro en el costo ambiental de la producción. Para cumplir con lo anterior, es necesario la generación de modelos integrados, en los cuales, pueden estar incluidos uno o más procesos (tecnologías para el manejo de residuales) coadyuvando para un fin común. En el Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP) se han diseñado y estudiado procesos para el acondicionamiento, manejo, aprovechamiento y revalorización de residuos orgánicos en el sector pecuario, entre los cuales se encuentran: ensilaje o fermentación de cerdaza para la alimentación animal(20–22), composta y vermicomposta para la producción de abonos orgánicos(23), sistemas de digestión anaerobia para la generación de energías renovables y el tratamiento de aguas residuales(24). Estas tecnologías tienen la capacidad de: generar subproductos con valor agregado y acondicionar la materia prima para ser sometida a otro proceso del cual también se obtenga un subproducto o se prepare para un esquema de bio-remediación (Figura 1).

110


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

Figura 1: Modelo de integración de procesos para el manejo y aprovechamiento de los residuos pecuarios

Los sistemas de producción agropecuarios son los proveedores de recursos (materia orgánica) para los procesos (alternativas tecnológicas) que generan productos comercializables, en donde un proveedor se puede convertir en cliente.

Acondicionamiento de los residuos y generación de subproductos mediante procesos de ensilado o fermentación de cerdaza Desde hace tiempo, el uso de la cerdaza fresca o desecada, para la alimentación animal se ha venido dando, en cierta medida, debido a la falta de información sobre los riesgos y desventajas que representa, generando problemas de salud y probablemente exacerbando enfermedades; y aunque existen estudios en los cuales determinan que es factible su uso, solamente consideran aspectos productivos(25–29) y no discurren aspectos concluyentes en relación a: salud animal, calidad de la canal, calidad y propiedades organolépticas de la leche, entre otros de importancia para el bienestar animal y la inocuidad; por otro lado, su inadecuado procesamiento genera un problema ambiental.

111


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

Actualmente, el uso de cerdaza desecada, sigue teniendo auge con inclusiones de hasta un 70 % en las dietas, con pérdidas de proteína cruda de hasta 12 %, respecto al contenido total de la excreta fresca(30,31), lo que representa una limitante para el aprovechamiento de los nutrientes contenidos en la misma. En función de las desventajas, riesgos y oportunidades que representa el uso de cerdaza para la alimentación animal, se ha desarrollado y perfeccionado un proceso para su acondicionamiento, denominado ensilaje de cerdaza o fermentación de cerdaza, el cual consiste en someter la excreta (proveniente de cerdos en etapas de destete-finalización) a un proceso de fermentación anaerobia(20); el ensilado de cerdaza es el resultado final y puede ser utilizado para la alimentación de rumiantes(22,31–34), cerdos(35–38) e incluso, dadas las características de este ingrediente, en otras especies como: peces, aves y conejos. El principal objetivo de dicho proceso, es disminuir el pH a niveles por debajo de 5, con el fin de eliminar microorganismos indicadores de contaminación fecal(39), proceso mediante el cual, también son eliminados microrganismos patógenos, virus y parásitos(17,40), siempre y cuando, el proceso se realice adecuadamente. El mismo principio de fermentación anaerobia, es utilizado para el procesamiento de los residuos de alimentos humanos y su utilización en la alimentación de cerdos(41) confiriendo ventajas sobre las propiedades químicas, físicas y microbiológicas para evitar su putrefacción. En este sentido, el ensilado de cerdaza también se ha utilizado con el objetivo de conferir inmunidad en cerdos y disminuir el microbismo en granjas porcícolas(42), sin que esto represente un riesgo, como el concebido al utilizar estrategias de auto inmunización como las realizadas en presencia de brotes por diarrea epidémica porcina(43) u otras enfermedades en México. Es importante resaltar que el principal beneficio del ensilado de cerdaza, radica en la disminución de los costos de producción; trabajos recientes, sugieren una reducción en el costo de producción de hasta 7 % con inclusiones del 30 % en las etapas de crecimientodesarrollo-finalización de cerdos(21) y de hasta 60 % en la alimentación de rumiantes. Es trascendental considerar que el ensilado de cerdaza es un ingrediente de alta disponibilidad, para la formulación de dietas, por lo tanto, es indispensable conocer su composición química (la cual tiende a variar de acuerdo a la calidad de la materia prima utilizada) para formular en función de las necesidades nutricionales de los animales que se espere alimentar. Cabe mencionar, que conforme se den investigaciones puntuales sobre los posibles usos y aplicaciones del ensilado de cerdaza, se obtendrá un aprovechamiento integral en beneficio de los distintos sistemas de producción pecuaria, sus productores y el ambiente.

112


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

Composta y vermi-composta

A diferencia del ensilaje de cerdaza, en donde solamente se aprovechan las excretas de cerdos en etapas de destete-finalización, el compostaje, es un proceso versátil con el cual es posible acondicionar una gran cantidad de residuos agropecuarios. Si bien, el compostaje no es una práctica nueva, la adecuación de la técnica y el aceleramiento del proceso, lo hace innovador. Aunque en general, el compostaje es considerado un proceso sencillo, la práctica sugiere que necesita de condiciones físicas, químicas y microbiológicas complejas(23) y la falta de cuidado o consideraciones repercuten sobre la calidad del producto final (composta estabilizada). La composta, posee un importante contenido de materia orgánica y nutrientes que pueden ser aprovechados de diversas formas en la agricultura y en la preservación del suelo(44,45). Para que el proceso de compostaje se lleve a cabo eficientemente y la composta sea rica en nutrientes, es importante considerar la calidad y la composición de las materias primas, en este sentido las excretas de cerdas en reproducción y rumiantes en general aportan características ideales para mezclarse con una extensa gama de esquilmos agrícolas de alta relación carbono-nitrógeno que son de difícil composteo, para su transformación y aprovechamiento(13). Otra forma de utilizar y dar valor agregado a la composta, es a través de su aprovechamiento como insumo para la generación de vermi-composta mediante la lombricultura(46). La lombricultura es considerada una biotecnología, en donde la lombriz funge como herramienta de trabajo para la transformación de residuos en productos orgánicos como la vermicomposta, la cual, contiene sustancias activas que actúan como reguladores de crecimiento en las plantas, tiene alto contenido de ácidos húmicos, y aumenta la capacidad de retención de humedad, lo que facilita la aireación y drenaje del suelo(23), además, ostenta un alto contenido de potasio y fosforo(46,47). También, la vermi-composta incrementa considerablemente la actividad microbial en el suelo y hay evidencia de que los reguladores en el crecimiento de las plantas como las citoquininas, auxinas, ácidos húmicos y microorganismos promueven el crecimiento de la planta independientemente de la suplementación de nutrientes(48,49). Mediante la lombricultura, además de la vermi-composta, se obtienen otros sub-productos de alto valor económico, como lixiviados y biomasa de lombriz(44,46). Actualmente, se ha dado importancia a aspectos de eco-toxicología y seguridad del ambiente(50), analizando el riesgo que conlleva el uso de compostas en la generación de resistencia antimicrobiana(51), degradación de antibióticos(52,53), biodisponibilidad de metales pesados(50), emisión de gases(54), persistencia de patógenos(55), entre otros; sin embargo es importante considerar aspectos básicos, relacionados con la materia prima, a partir de la

113


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

alimentación animal, manejo, sanidad y bioseguridad, los cuales son garantía de alimentos y residuos inocuos y de calidad.

Sistemas de digestión anaerobia Los sistemas de digestión anaerobia son una alternativa viable para el pre-tratamiento de los residuos agropecuarios(56). Su principal función consiste en degradar la materia orgánica y transformarla en metano; también se le ha dado uso a los efluentes como fertilizantes para terrenos de cultivo(57,58). Lo anterior dependerá de la eficiencia del reactor (biodigestor). Existen distintos tipos de biodigestores, entre los considerados de alta carga se encuentran: el reactor anaerobio discontinuo secuencial (ASBR, por sus siglas en inglés), y el reactor anaerobio de manto de lodos de flujo ascendente (UASB, por sus siglas en inglés), este tipo de biodigestores ofrece la ventaja de disminuir las cargas de sólidos de las aguas residuales en un tiempo relativamente corto, sin embargo, la inversión requerida es alta(59). En México, los biodigestores más utilizados para tratamiento de los efluentes de unidades de producción pecuaria son los de laguna cubierta(60), de los cuales existen diversas versiones desarrolladas para facilitar su manejo y vida útil, mediante la implementación de sistemas de extracción de lodos y agitación(61). El manejo común y generalizado de este tipo de biodigestores, consiste en canalizar el 100 % de los residuos sólidos generados en la unidad de producción mediante altos volúmenes de agua, en forma de “acarreo”. Este tipo de prácticas se da, incluso, en zonas en donde existe una marcada escasez de agua, lo que representa un contrasentido para el fin de mitigar el impacto ambiental(62). En consecuencia, se requieren biodigestores de gran tamaño que por ende requieren de gran espacio e inversión. Este tipo de biodigestores han demostrado, en algunos casos, eficiencias de un 78 % hasta el 90 % en la remoción de la demanda química de oxigeno(63) y en la reducción total de huevos de helmintos(60) . Otro tipo de biodigestores muy populares en México son los tubulares de polietileno (tipo Taiwán), los cuales, han sido eficientes en sistemas de traspatio para la generación y autoconsumo del biogás generado, sin embargo, este tipo de biodigestores bajo esquemas de producción pecuaria suelen quedar rebasados por la producción de residuos, sin que su adopción represente un beneficio. Además, en estudios recientes se ha demostrado que este tipo de biodigestores bajo flujo continuo en granjas porcícolas no son capaces de eliminar ciertos patógenos como: L. intracellularis, S. aureus, E. coli, Salmonella spp, mesófilos aerobios, Clostridium sulfito reductores, coliformes totales y coccidias(64,65), lo que hace que represente un riesgo sanitario el uso de sus efluentes como biol o fertilizante. Por otro lado, diversos sectores (incluyendo el pecuario), han utilizado los biodigestores como generadores de energías renovables y algunas instituciones de investigación le han 114


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

apostado al desarrollo e industrialización de esta tecnología. La utilización de diversas materias primas(66,67), la conservación de materias primas para su utilización en la producción de biogás(68), el desarrollo de sistemas de purificación, compresión y uso en motores de encendido por chispa(69), son algunos de los tópicos de investigación. Sin embargo, en el sector pecuario el principal fin de los biodigestores es la producción de energía eléctrica para auto-abastecer sus procesos productivos; en este sentido la producción porcícola es la más promisoria para tal fin, dadas las características de los residuos y sus particularidades en el sistema de producción. Esto da al sector una oportunidad competitiva en términos económicos, sociales y ambientales para la generación eléctrica(70,71). En los últimos años, la adopción de sistemas de biodigestión se ha vuelto popular entre los pequeños y medianos productores, los principales motivos corresponden a: la novedosa idea de generar biogás o energía, presión de las autoridades por establecer un proceso para el tratamiento de residuos, introducción al mercado de diseños económicos y a facilidades de financiamiento. Sin embargo, antes de implementar un biodigestor (sin importar la escala de la unidad de producción), es necesario conocer la cantidad y características de los residuos generados para poder elaborar una estrategia de integración tecnológica y direccionar los residuos a cada uno de los procesos como mejor convenga. Si el biodigestor queda dentro de los procesos considerados, es de utilidad determinar su fin y su nivel de aprovechamiento, es decir, pretratamiento de aguas residuales, generación de energía (calorífica o eléctrica) o ambas. De esta manera se puede establecer su diseño-operación y se puede medir y maximizar su desempeño.

Bio-remediación La bio-remediación es una rama de la bio-tecnología que utiliza el potencial metabólico de los microorganismos para transformar los contaminantes orgánicos en compuestos sin efectos o reducidos en sus efectos al mínimo y, por lo tanto, se puede utilizar para limpiar espacios o aguas contaminadas con perspectivas muy amplias(72,73). Sin embargo, existen algunas consideraciones relacionadas con la bio-remediación y que es importante mencionar; en comparación con los métodos químicos que se fundamentan en transferir la contaminación entre los tres estados físicos que presenta (estado gaseoso, líquido y sólido), en la bio-remediación se transfiere poca contaminación de un medio a otro debido a que es tecnología poco intrusiva y generalmente no requiere componentes estructurales o mecánicos dignos de destacar, además, es económicamente rentable, debido a que es un proceso natural con aceptación en contexto más allá de las implicaciones técnicas(74).

115


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

La bio-remediación presenta algunos inconvenientes y limitaciones. Por ejemplo, la biodegradación incompleta puede generar intermediarios metabólicos inaceptables, con un poder contaminante similar o incluso superior al producto de partida. Por otra parte, algunos compuestos, son resistentes o inhiben la bio-remediación. El tiempo requerido para el tratamiento adecuado puede ser difícil de predecir, además, el seguimiento, control de la velocidad y extensión del proceso es laborioso. La eficiencia de esta técnica depende de varios factores como: a) Propiedades del agente o agentes contaminantes (bio-degradabilidad). b) Presencia de comunidades microbianas, con capacidad enzimática para metabolizar el o los compuestos. Los microorganismos pueden ser autóctonos (bio-remediación intrínseca o atenuación)(75), añadidos al sistema para mejorar la degradación (bio-aumentación) o por suministro de condiciones óptimas que estimulan la actividad microbiana (bio-estimulación), suministro de oxígeno, nutrientes o modificaciones de pH, entre otros. c) Disponibilidad del contaminante. Es un factor crítico más importante que la propia presencia de comunidades microbianas. Para que la degradación de un contaminante pueda producirse, es necesario que interaccionen las células microbianas directamente con el contaminante, preferentemente en un medio acuoso(76).

Bio-remediación para descontaminación en residuos pecuarios La selección de procesos y el diseño de la estrategia de bio-remediación del agua y suelos contaminados con compuestos orgánicos como los residuos pecuarios, se inicia a través de establecer claramente las características del material a bio-remediar (efluentes de unidades de producción pecuaria o suelos contaminados), los microorganismos a utilizar, tipos de reactor (p. ej. digestores anaeróbicos o sistemas lagunares), pre-tratamiento del material contaminante (excretas principalmente, que se pueden pre-tratar o acondicionar con las alternativas antes citadas) y las condiciones de operación del proceso (dadas por el sistema de producción y el modelo integrado adoptado). Es necesario considerar también las evaluaciones por parte del laboratorio con objeto de explorar alternativas de operación, y cuantificar velocidades de degradación en función de parámetros críticos de operación como pH, oxígeno y potencial de óxido-reducción, con la finalidad de determinar la eficiencia y eficacia del proceso de bio-remediación. A pequeña escala deben observarse los fenómenos fisicoquímicos, así como, determinar condiciones específicas para mejorar el proceso. Estos aspectos proporcionan una base importante para criterios y métodos de escalamiento de procesos (piloto, semi-comercial y comercial), así como los requerimientos de su instrumentación y control(77,78).

116


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

Características de distribución de los contaminantes Antes de seleccionar cualquier alternativa de proceso de bio-remediación, debe caracterizarse muy bien el sitio o material a limpiar, hacer un estudio de pre-factibilidad técnica, económica y establecer claramente los aspectos físicos, químicos y microbiológicos. Para establecer con precisión los detalles de velocidad de limpieza, así como los factores que influyen en ello, para luego dar paso a la obtención de datos de cinética y equilibrio en mecanismos de reacción físicos, químicos y biológicos importantes para el diseño del proceso. Tener conocimiento del tipo de contaminante, su concentración, el grado de la problemática y la bio-disponibilidad sobre todo en procesos de lixiviación(79).

Determinación de los microorganismos a utilizar Las pruebas de degradación con distintos microorganismos son indispensables para determinar cual deberá ser utilizado, para esto se requiere información sobre el medio sobre el cual se dará el proceso (agua, suelo), contenido de materia orgánica, así como el perfil de distribución del tamaño de partícula, principalmente(77). Los análisis microbiológicos incluyen parámetros como demanda bioquímica de oxígeno, determinación de cuenta viable, estudios de degradación in vitro previo al escalamiento del proceso(73); y desde el punto de vista bioquímico, las rutas metabólicas involucradas durante la bio-degradación de los contaminantes y los posibles efectos benéficos o perjudiciales hacia el mismo proceso de degradación(80). Es importante considerar las condiciones de temperatura, oxígeno, abastecimiento de nutrientes y la disponibilidad del contaminante, ya que pueden limitar las velocidades de degradación, principalmente al principio de los procesos en donde aún los factores limitantes no están bien definidos. La experiencia dice que los mejores microorganismos para un proceso de bio-remediación están, precisamente, en el sitio a bio-remediar, es decir, deberá usarse, de preferencia, un microorganismo nativo(81), sin embargo, es importante determinar la eficiencia y la velocidad de bio-degradación debido a que la concentración celular o de biomasa de microorganismos nativos, por lo general, es baja, o bien, porque no existen microorganismos capaces de biodegradar el material contaminante(76), dando cabida a emplear un microorganismo de colección(82,83). La bio-remediación de aguas residuales y suelos agropecuarios, con soporte microbiológico, bioquímico y de ingeniería, es una de las estrategias más promisorias para descontaminar estos recursos y es actualmente una alternativa más para los sistemas integrados de manejo y aprovechamiento de residuos y la incubación de negocios a través del uso apropiado de los resultados positivos que se generen de proyectos de investigación con aplicación tecnológica a costos reducidos y con beneficios tangibles hacia la población y el ambiente. 117


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

Conclusión La integración de tecnologías para el manejo y aprovechamiento de los residuos orgánicos pecuarios y la bio-rremediación de suelos y agua, es factible. Este tipo de modelos deberá articularse con los mercados locales, nacionales e internacionales y con las políticas ambientales para satisfacer la demanda de alimentos en cantidad y calidad, con la premisa de aprovechar y conservar los recursos naturales al máximo. Su adopción representa una oportunidad para obtener beneficios económicos, ambientales, sociales y tecnológicos.

Literatura citada: 1.

Martinez J, Dabert P, Barrington S, Burton C. Livestock waste treatment systems for environmental quality, food safety, and sustainability. Bioresour Technol 2009;100(22):5527–36.

2.

Gerber PJ, Steinfeld H, Henderson B, Mottet A, Opio C, Dijkman J, et al. Enfrentando el cambio climático a través de la ganadería. Una evaluación global de las emisiones y oportunidades de mitigación. Roma: Organización de las naciones unidas para la alimentación y la agricultura (FAO). 2013.

3.

SEMARNAT. Secretaria de Medio Ambiente y Recursos Naturales. Inventario nacional de emisión de gases de efecto invernadero 1990-2010. Primera ed. México. 2013.

4.

Brockmann D, Hanhoun M, Négri O, Hélias A. Environmental assessment of nutrient recycling from biological pig slurry treatment - Impact of fertilizer substitution and field emissions. Bioresour Technol 2014;(163):270–279.

5.

Quiroga-Garza HM, Cueto-Wong JA, Figueroa-Viramontes U. Efecto del estiércol y fertilizante sobre la recuperación de 15N y conductividad eléctrica. Terra Latinoam 2011;29(2):201–209.

6.

Méndez-Novelo R, Castillo-Borges T, Vázquez-Borges E, Briceño-Pérez O, CoronadoPedaza V, Pat-Canuel R, et al. Estimación del potencial contaminante de las granjas porcinas y avícolas del estado de Yucatán. Ingeniería. 2009;13(2):13–21.

7.

Pérez R. Porcicultura y contaminación del agua en La Piedad, Michoacán, México. Rev Int Contam Ambient 2001;17(1):5–13.

8.

García A, León R, Míreles S, Castro JP, García AA, Roa JJ, et al. Contaminación ambiental en explotaciones porcinas mexicanas e incumplimiento de la norma ambiental. Rev Comput Prod Porc 2010;17(3):243–246.

118


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

9.

Jimenez Y, Negrin A, Valdés LA, Vidal V, Costa Y, Castro M, et al. Diagnostico de sistemas de tratamientos en el sector porcino no especializado de la provincia Ciego de Avila. Rev Comput Prod Porc. 2014;21(2):79–88.

10. Philippe FX, Nicks B. Review on greenhouse gas emissions from pig houses: Production of carbon dioxide, methane and nitrous oxide by animals and manure. Agric Ecosyst Environ 2015;199:10–25. doi.org/10.1016/j.agee.2014.08.015. 11. Bonilla-Cardenas JA, Lemus-Flores C. Emisión de metano entérico por rumiantes y su contribución al calentamiento global y al cambio climático. Revisión. Rev Mex Ciencias Pecu 2012;3(2):215–246. 12. Garzón-Zuñiga MA, Buelna G. Caracterización de aguas residuales porcinas y su tratamiento por diferentes procesos en México. Rev Int Contam Ambient 2014;30(1):65–79. 13. Dominguez-Araujo G, Galindo-Barboza AJ, Salazar-Gutiérrez G, Barrera-Camacho G, Sánchez-Garcia FJ. Las excretas porcinas como materia prima para procesos de reciclaje utilizados en actividades agropecuarias. Prometeo E. Tepatitlán de Morelos, Jalisco, México: Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias INIFAP; 2014. 14. Gómez-Rosales S, Angeles M de L, Espinosa-García JA, González-Orozco TA. Caracterización de sistemas de producción animal, manejo de excretas y opciones para su aprovechamiento integral. Querétaro, Querétaro: Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias INIFAP; 2008. 15. Anthony WB. Animal waste value-nutrient recovery and utilization. J Anim Sci 1971;32(4):799–802. 16. Bhattacharya AN, Taylor JC. Recycling animal waste as a feedstuff : A Review. J Anim Sci 1975;41(5):1438–1457. 17. Fontenot JP, Webb KEJ. Health aspects of recycling animal wastes by feeding. J Anim Sci 1975;40(6):1267–1276. 18. Mohedano RA, Velho VF, Costa RHR, Hofmann SM, Belli Filho P. Nutrient recovery from swine waste and protein biomass production using duckweed ponds (Landoltia punctata): Southern Brazil. Water Sci Technol 2012;65(11):2042–2048. 19. Jimenez-Peña Y, Valdés LA, Vidal-Olivera V, Castro-Carrillo M, Molineda A. Evaluación de efluentes anaerobios en el sector porcino no especializado de la provincia Ciego Ávila. Rev Comput Prod Porc 2014;21(3):140-145.

119


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

20. Castellanos-Aceves A, Salazar-Gutiérrez G, Hernández-Morales P, Domínguez-Araujo G, Barrera-Camacho G. Uso de ensilado de cerdaza en la alimentacion animal. Prometeo Editores. Tepatitlán de Morelos, Jalisco, México: Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias INIFAP. 2010. 21. Galindo-Barboza AJ, Domínguez-Araujo G, Salazar-Gutiérrez G, Sánchez-Garcia FJ, Avalos-Castro MA. Uso de ensilado de cerdaza en la alimentacion animal. En: Hernández Virgen R, Pérez Domínguez JF, editores. Memoria tecnica Vamos al campo 2012. Prometeo E. Tepatitlán de Morelos, Jalisco, México: Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias INIFAP; 2012:57–62. 22. Avalos-Castro MA, Dominguez-Araujo G, Galindo-Barboza AJ, Ruvalcaba-Gomez JM, Arias-Chávez LE, Salazar-Gutiérrez G. Efecto de la adición de ensilado de cerdaza en la dieta de vacas en lactación sobre paramétros productivos y las caracteristicas fisicoquímicas de la leche. Congreso Nacional, Mitigación del daño ambiental en el sector agropecuario de México. 2013:127–136. 23. Xelhuantzi-Carmona J, Salazar-Gutiérrez G, Dominguez-Araujo G, Arias-Chávez LE, Chávez-Durán ÁA, Galindo-Barboza AJ. Manual para la elaboración de abonos organicos apartir de técnicas como la composta y lombricomposta. Graficos Lara editores. Tepatitlán de Morelos, Jalisco, México: Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias INIFAP; 2012. 52 p. 24. Dominguez-Araujo G, Salazar-Gutiérrez G, Galindo-Barboza AJ, Xelhuantzi-Carmona J, Castañeda-Castillo M, Sánchez-Garcia FJ, et al. Implementación de biodigestores para pequeños y medianos productores porcícolas. Graficos Lara editores. Tepatitlán de Morelos, Jalisco, México: Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias INIFAP; 2012. 28 p. 25. Padilla-Goyo EC, Castellanos-Ruelas AF, Cantón-Castillo JG, Moguel-Ordoñez YB. Impacto del uso de niveles elevados de excretas animales en la alimentación de ovinos. Livest Res Rural Dev 2000;12(1):14–22. 26. Ortega-Zuñiga I. Digestibilidad in vivo en ovinos de dietas con dos niveles de cerdaza y melaza. [tesis licenciatura]. Zapopan, Jalisco. Universidad de Guadalajara; 1996. 27. Newton GL, Utley PR, Ritter RJ, McCorminck WC. Performance of beef cattle fed wastelage and digestibility of wastelage and dried waste diets. J Anim Sci 1977;(44):447–451. 28. Mejía W, Quintero A, Rodríguez E, Calatayud D. Efecto de la administración de cerdaza sobre el rendimiento productivo de cerdos en etapa de engorde. Arch Latinoam Prod Anim 1997;5(1):300–301. 120


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

29. Heredia-Cruz MR. Utilización de cerdaza en dietas de levante para terneros pos destete [tesis licenciatura]. Zamorano, Honduras: Escuela Agrícola Panamericana; 2012. 30. Orellana-González CA, Dimas-Fontanals JA. Evaluación y formulación de un concentrado a partir de cedaza como fuente de proteina para engorde de conejos y pollos broiler [tesis licenciatura]. Antiguo Cuscatlán, El Salvador. Universidad Dr. Jose Matias Delgado; 2009. 31. Castrillón-Quintana O, Jiménez-Pérez RA, Bedoya-Mejía O. Porquinaza en la alimentación animal. Rev Lasallista Investig 2004;1(1):1–5. 32. Berger JCA, Fontenot JP, Kornegay ET, Webb KEJ. Feeding swine waste. II. Nitrogen utilization , digestibility and palatability of ensiled swine waste and Orchardgrass hay or corn grain fed to sheep. J Anim Sci 1981;(52):1404–1420. 33. Dominguez-Araujo G, Galindo-Barboza AJ, Salazar-Gutiérrez G, Arias-Chávez LE, Quiñones-Islas N. Efecto en el comportamiento productivo de bovinos en finalización al utilizar dietas conteniendo ensilado de cerdaza. Rev Mitigación del Daño Ambient Agroaliment y For México. 2014;1(1):23–33. 34. Martínez-Barrera VM, Serna-Roman MG. Utilización de cerdaza ensilada en la alimentación de ovinos de engorda [tesis licenciatura]. Zapopan, Jalisco, México. Universidad de Guadalajara; 1999. 35. Guillemin Rubio JJ. Utilizacion de la cerdaza fermentada en la etapa de destete [tesis licenciatura]. Zapopan, Jalisco, México. Universidad de Guadalajara; 1995. 36. Galindo-Barboza AJ, Dominguez-Araujo G, Salazar-Gutiérrez G, Avalos-Castro MA, Sánchez-Garcia FJ. Efecto de la adición de ensilado de cerdaza en dietas de cerdos en cebo, una alternativa para la reutilización de solidos en granjas porcícolas. Congreso Nacional, Mitigación del daño ambiental en el sector agropecuario de México. Guadalajara, Jalisco, México; 2013:61–71. 37. Zaldivar-Reynoso MA, Corona-Santos G. Restricción del consumo de alimento en cerdos en atapa de finalización, utilizando estiercol fermentado de cerdo [tesis licenciatura]. Zapopan, Jalisco, México. Universidad de Guadalajara; 1995. 38. Hernandez-Mata A. Evaluacion de solidos recuperados fermentados con alimento de lechon de predestete y efectos en su aceptacion y crecimiento [tesis licenciatura]. Guadalajara, Jalisco, México.Universidad de Guadalajara; 1994. 39. Galindo-Barboza AJ, Dominguez-Araujo G, Salazar-Gutiérrez G, Arteaga-Garibay RI, Martínez-Peña MD, Ruvalcaba-Gomez JM. Disminución de las UFC como indicadores de contaminación fecal en el ensilado de cerdaza, considerando el pH como factor 121


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

determinante. Rev Mitigación del Daño Ambient Agroaliment y For México 2014;1(1):34–43. 40. Caballero-Hernández AI, Castrejón-Pineda F, Martínez-Gamba R, Angeles-Campos S, Pérez-Rojas M, Buntinx SE. Survival and viability of Ascaris suum and Oesophagostomum dentatum in ensiled swine faeces. Bioresour Technol 2004;94(2):137–142. 41. Yang SY, Ji KS, Baik YH, Kwak WS, McCaskey TA. Lactic acid fermentation of food waste for swine feed. Bioresour Technol 2006;97(15):1858–1864. 42. Galindo-Barboza AJ, Dominguez-Araujo G, Salazar-Gutiérrez G, Arteaga-Garibay RI, Martinez-Peña MD, Sanchez-Garcia FJ. Ensilado de cerdaza, una oportunidad para el manejo de la bioseguridad y el microbismo en granjas porcícolas. Prometeo Editores. Tepatitlán de Morelos, Jalisco, México: Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias INIFAP; 2013. 43. Jung K, Saif LJ. Porcine epidemic diarrhea virus infection: Etiology, epidemiology, pathogenesis and immunoprophylaxis. Vet J 2015;204(2):134–143. 44. FAO. Manual de compostaje del agricultor, Experiencias en América Latina. Oficina Regional de la FAO para América Latina y el Caribe. 2013. http://www.fao.org/3/ai3388s.pdf 45. Villar I, Alves D, Garrido J, Mato S. Evolution of microbial dynamics during the maturation phase of the composting of different types of waste. Waste Manag 2016;(54):83–92. 46. Gómez-Rosales S, Espinosa-García JA, González-Orozco TA, Salazar-Gutiérrez G. Alternativas para el reciclaje de excretas animales: Producción de humus de lombriz. Impresos G. editores. Ajuchitlán, Colon, Queretaro: Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias INIFAP; 2007. 47. Delgado-Arrollo MM, Porcel-Cots MÁ, Miralles de Imperal-Hornedo R, BeltránRodríguez EM, Beringola-Beringola L, Martín-Sánchez JV. Efecto de la vermicultura en la descomposición de residuos orgánicos. Rev Int Contam Ambient 2004;20(2):83– 86. 48. Chaoui HI, Zibilske LM, Ohno T. Effects of earthworm casts and compost on soil microbial activity and plant nutrient availability. Soil Biol Biochem 2003;35(2):295– 302. 49. Masciandaro G, Ceccanti B, Garcia C. “In situ” vermicomposting of biological sludges and impacts on soil quality. Soil Biol Biochem 2000;32(7):1015–1024. 122


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

50. Wang Q, Wang Z, Awasthi MK, Jiang Y, Li R, Ren X, et al. Evaluation of medical stone amendment for the reduction of nitrogen loss and bioavailability of heavy metals during pig manure composting. Bioresour Technol 2016;(220):297–304. 51. Kang Y, Hao Y, Shen M, Zhao Q, Li Q, Hu J. Impacts of supplementing chemical fertilizers with organic fertilizers manufactured using pig manure as a substrate on the spread of tetracycline resistance genes in soil. Ecotoxicol Environ Saf 2016;(130):279– 288. 52. Selvam A, Wong JWC. Degradation of antibiotics in livestock manure during composting. In: Wong JW-C, Tyagi RD, Pandey A. Current developments in biotechnology and bioengineering. Elsevier; 2017:267–292. 53. Xie W-Y, Yang X-P, Li Q, Wu L-H, Shen Q-R, Zhao F-J. Changes in antibiotic concentrations and antibiotic resistome during commercial composting of animal manures. Environ Pollut 2016;(219):182–190. 54. Zang B, Li S, Jr. FM, Li G, Luo Y, Zhang D, et al. Effects of mix ratio, moisture content and aeration rate on sulfur odor emissions during pig manure composting. Waste Manag 2016;(56):498–505. 55. Hénault-Ethier L, Martin VJJ, Gélinas Y. Persistence of Escherichia coli in batch and continuous vermicomposting systems. Waste Manag 2016;(56):88–99. 56. Trejo LW, Vázquez GLB, Uicab AJ, Castillo CJ, Caamal MA, Belmar CR, Santos RRH. Eficacia de remoción de materia orgánica de aguas residuales porcinas con biodigestores en el estado de Yucatán, México. Trop Subtrop Agroecosystems 2014; (17): 321–323. 57. Acevedo P. Biodigestor de Doble Proposito - Producción e Investigación - para residuos de granja porcicola. Revista Ion 2006;19(1):1–6. 58. Cepero L, Savran V, Blanco D, Díaz PMR, Suarez J, Palacios A. Producción de biogás y bioabonos a partir de efluentes de biodigestores. Pastos y Forrajes 2012;35(2):219– 226. 59. Pérez-Pérez T, Pereda-Reyes I, Oliva-Merencio D, Zaiat M. Anaerobic digestion technologies for the treatment of pig wastes. Cuba J Agric Sci 2016;50(3):343–354. 60. Blanco D, Suárez J, Jiménez J, González F, Álvarez MN, Cabeza E, et al. Eficiencia del tratamiento de residuales porcinos en digestores de laguna tapada. Pastos y Forrajes 2015;38(4):441–447. 61. Campos CB. Metodología para determinar los parámetros de diseño y construcción de biodigestores para el sector cooperativo y campesino. Rev Cienc Téc Agropec 2011;20(2):37–41. 123


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

62. Pérez PT, Pereda RI, Oliva MD, Zaiat M. Anaerobic digestion technologies for the treatment of pig wastes. Cuban J Agr Sci 2016;50(3):343–354. 63. Orrico J, Marco AP, Orrico A, De Lucas JJ. Influência da relação volumoso: concentrado e do tempo de retenção hidráulica sob a biodigestão anaeróbia de dejetos de bovinos. Engenharia Agrícola 2010;(30):386–394. 64. Betancur HO, Betancourt EA, Estrada AJ, Henao UF. Persistence of pathogens in liquid pig manure processed in manure tanks and biodigesters. Rev MVZ Córdoba 2016;21(1):5237–49. 65. Cañon-Franco WA, Henao-Agudelo RA, Pérez-Bedoya JL. Recovery of gastrointestinal swine parasites in anaerobic biodigester systems. Rev Bras Parasitol Veterinária 2012;21(3):249–53. 66. Angelidaki I, Alves M, Bolzonella D, Borzacconi L, Campos JL, Guwy AJ, et al. Defining the biomethane potential (BMP) of solid organic wastes and energy crops: a proposed protocol for batch assays. Water Sci Technol 2009;59(5):927-934. 67. Mustafa SS, Mustafa SS, Mutlag AH. Kirkuk municipal waste to electrical energy. Int J Electr Power Energy Syst. 2013;44(1):506–513. http://dx.doi.org/10.1016/j.ijepes.2012.07.053 68. Teixeira Franco R, Buffière P, Bayard R. Optimizing storage of a catch crop before biogas production: Impact of ensiling and wilting under unsuitable weather conditions. Biomass and Bioenergy 2017;(100):84–91. 69. Porpatham E, Ramesh A, Nagalingam B. Investigation on the effect of concentration of methane in biogas when used as a fuel for a spark ignition engine. Fuel 2008;87(8– 9):1651–1659. 70. Venegas Venegas JA, Espejel García A, Pérez Fernández A, Castellanos Suárez JA, Sedano Castro G. Potencial de energía eléctrica y factibilidad financiera para biodigestor-motogenerador en granjas porcinas de Puebla. Rev Mex Cienc Agr 2017;8(3):735–740. 71. Venegas Venegas JA, Perales Salvador A, del Valle Sánchez M. Energía renovable una opción de competitividad en granjas porcinas en México. Rev Mex Cienc Agr 2015;(1):503–509. 72. Glazer AN, Nikaido H. Microbial biotechnology: Fundamentals of applied microbiology. New York, USA: WH Freeman and Company; 1995. 73. Atlas RM, Bartha R. Ecología microbiana & microbiología ambiental. Pearson Educación, Madrid. 2001. 124


Rev Mex Cienc Pecu 2020;11(Supl 2):107-125

74. Frutos FJG, Escolano O, García S, Mar Babín M, Fernández MD. Bioventing remediation and ecotoxicity evaluation of phenanthrene-contaminated soil. J Hazard Mater 2010;(183):806–813. 75. Rosenberg E, Ron EZ. Bioremediation of petroleum contamination. In: Crawford RL &Crawford DL editors. Bioremediation. Principles and applications biotechnology research series 6. University Press, Cambridge. 1996:100-124. 76. Azubuike CC, Chikere CB, Okpokwasili GC. Bioremediation techniques-classification based on site of application: principles, advantages, limitations and prospects. World J Microbiol Biotechnol 2016;32(11):180. 77. Verma JP, Jaiswal DK. Book review: advances in biodegradation and bioremediation of industrial waste. Front Microbiol 2016;(6):1–2. 78. Firmino PIM, Farias RS, Barros AN, Buarque PMC, Rodrıguez E, Lopes AC, et al. Understanding the anaerobic BTEX removal in continuous-flow bioreactors for ex situ bioremediation purposes. Chem Eng J 2015;(281):272–280. 79. Smith E, Thavamani P, Ramadass K, Naidu R, Srivastava P, Megharaj M. Remediation trials for hydrocarbon-contaminated soils in arid environments: evaluation of bioslurry and biopiling techniques. Int Biodeterior Biodegradation 2015;(101):56–65. 80. Khan FI, Husain T, Hejazi R. An overview and analysis of site remediation technologies. J Environ Manag 2004;(71):95–122. 81. Philp JC, Atlas RM. Bioremediation of contaminated soils and aquifers. In: Atlas RM, Philp JC, editors Bioremediation: applied microbial solutions for real-world environmental cleanup. American Society for Microbiology (ASM) Press, Washington, 2005:139–236. 82. Mohan SV, Sirisha K, Rao RS, Sarma PN. Bioslurry phase remediation of chlorpyrifos contaminated soil: process evaluation and optimization by Taguchi design of experimental (DOE) methodology. Ecotoxicol Environ Saf 2007;(68):252–262. 83. Zangi-Kotler M, Ben-Dov E, Tiehm A, Kushmaro A. Microbial community structure and dynamics in a membrane bioreactor supplemented with the flame retardant dibromoneopentyl glycol. Environ Sci Pollut Res Int 2015;(22):17615–17624.

125


https://doi.org/10.22319/rmcp.v11s2.4742 Revisión bibliográfica

Causas y consecuencias del cambio climático en la producción pecuaria y salud animal. Revisión

Berenice Sánchez Mendoza a Susana Flores Villalva a Elba Rodríguez Hernández a Ana María Anaya Escalera a Elsa Angélica Contreras Contreras a*

a

Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias-CENID-FyMA. Querétaro, Querétaro, México.

*Autor de correspondencia: elsangeli@hotmail.com

Resumen: La acumulación de gases de efecto invernadero en la atmósfera terrestre está ocasionando un cambio climático con graves implicaciones, como fenómenos meteorológicos extremos, cambios en la función y composición de los ecosistemas. Debido a su importancia, resulta relevante analizar el impacto del cambio climático en los sistemas de producción pecuarios. Un área que requiere especial atención es precisamente la salud animal, la emergencia y reemergencia de enfermedades vectoriales en numerosas regiones del planeta constituye un claro ejemplo de asociación entre cambio climático y efectos sobre la interfaz de la salud humana/animal. Dichas afectaciones a la salud animal pueden obedecer a múltiples factores sociales y medioambientales, provocando las llamadas “enfermedades de la producción”, los cuales influencian la aparición de enfermedades emergentes. Sin embargo, cada región y cada sistema de producción tiene sus propias vulnerabilidades. Estos aspectos deben tomarse en cuenta para diseñar mapas de riesgos locales y regionales; así como diseñar, instrumentar y socializar eficientemente procesos de manejo de riesgos ante enfermedades.

126


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

Palabras clave: cambio climático, enfermedades animales, producción pecuaria, medidas de adaptación.

Recibido: 07/01/2018 Aceptado: 04/06/2018

Introducción El clima del planeta Tierra varía según las épocas y las zonas donde los cambios climáticos observados se extienden generalmente por largos períodos de tiempo. No obstante, en las últimas décadas, estos cambios parecen haberse acelerado de acuerdo a algunos indicadores, como el aumento de la temperatura, la reducción de la superficie del hielo Ártico y de los glaciares continentales, el aumento del nivel medio global del mar, e indicadores biológicos como el desplazamiento de las poblaciones de animales terrestres y marinos; así como el desplazamiento de las etapas de las actividades agrícolas. Por lo tanto, el cambio climático va mucho más allá del calentamiento global y sus consecuencias. El cambio climático provoca implicaciones más profundas, tales como fenómenos meteorológicos extremos, alteración del ciclo del agua, acidificación de los océanos, cambios en la función y composición de los ecosistemas. Todo este conjunto de drásticos cambios causa la formación de fenómenos naturales destructivos, como huracanes, ciclones o tsunamis. Se predice que dichos patrones climatológicos traerán como consecuencia la diseminación o incremento de prevalencia de distintas enfermedades animales y humanas, así como la extinción de especies animales y vegetales(1,2). Aunado a esto, los efectos del cambio climático reducirán el crecimiento económico, complicarán los esfuerzos de los gobiernos para reducir la pobreza y afectarán la seguridad alimentaria(3,4). El fenómeno considerado más importante en este cambio climático es el efecto invernadero. Se origina por la energía que llega del sol, formada por ondas de frecuencias altas que traspasan la atmósfera con facilidad, y luego la energía remitida hacia el exterior desde la tierra, formada por ondas de frecuencias más bajas, es absorbida por los Gases de Efecto Invernadero (GEI), produciendo de este modo el efecto invernadero(5). Además, la energía que llega del sol es devuelta de forma más lenta, por lo que es mantenida más tiempo junto a la superficie de la Tierra(6). Los principales GEI, asociados con el fenómeno del calentamiento global, son el dióxido de carbono (CO2), el metano (CH4), el óxido nitroso (N2O), hidrofluorocarbonos (HFC), perfluorocarbonos, (PFC) y hexafluoruro de azufre (SF6)(6,7). 127


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

Gases de efecto invernadero A partir de la revolución industrial en el siglo XVIII, y hasta la actualidad, la composición atmosférica de CO2, CH4 y N2O ha excedido los valores que se dieron durante los 10,000 años previos. El incremento en su concentración ha provocado la absorción y reemisión de radiación infrarroja hacia la atmósfera y la superficie de la tierra, generando un aumento de la temperatura en aproximadamente 0.6 ºC durante el siglo XX. Esta tendencia se ha atribuido a la acumulación de CO2 y de otros gases en la atmósfera derivados de la actividad humana(8). El CO2, por ejemplo, participa en el ciclo del carbono en la naturaleza; 1,012 t pasan por el ciclo natural del carbono, en el proceso de fotosíntesis. Además, tiene una captación de la radiación de hasta 49 % y tiene una vida en la atmósfera de entre 50 y 200 años(9). Gracias a los acuerdos internacionales como los protocolos de Montreal y de Kyoto, así como las recientes cumbres de Copenhague y Cancún, así como a la existencia de organizaciones gubernamentales y no gubernamentales en todo el mundo, muchos países están realizando acciones encaminadas a la mitigación de las emisiones de GEI. De esta forma, la primera acción fue determinar el inventario de GEI que cada país emite considerando sus diversas actividades socioeconómicas(7). El protocolo internacional de Kioto establece límites para los distintos gases de efecto invernadero, así como el compromiso de los países desarrollados para evaluar y cuantificar las concentraciones de estos gases, y en especial, a desarrollar técnicas para reducirlos. El panel intergubernamental de expertos sobre el cambio climático(10) (IPCC por sus siglas en inglés) ha establecido a través de diferentes grupos de trabajo, modelos de cálculo de emisiones, sugiriendo diferentes factores de emisión según el nivel de conocimiento y datos de cada zona geográfica y producción agro-ganadera. Aunque sólo son estimaciones, constituye el único modelo consensuado a nivel global, porque permite realizar aproximaciones de las emisiones que pueden ser utilizadas con fines comparativos entre sistemas productivos. En el caso particular de México ya se realiza el inventario de GEI desde 1997 ante la Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC)(11). De acuerdo con este inventario, como se observa en la Figura 1, el sector energético es el principal emisor de GEI (20 %), mientras que en el caso de la agricultura y la producción pecuaria, contribuyen tan solo con el 6.4 % a las emisiones antropogénicas de CH4, CO2 y N2O a la atmósfera. Reportes de la Organización de las Naciones Unidas para la Alimentación y la Agrícultura (FAO, Food and Agriculture Organization of the United Nations, por sus siglas en inglés) ubican principalmente a la producción intensiva de ganado bovino, como contribuyentes de la contaminación ambiental(6), siendo la fermentación entérica una de las principales fuentes de CH4. Este proceso, tiene un potencial contaminante de 23 a 30 veces superior al CO2; por ejemplo, en el año 2014 alcanzó una concentración atmosférica máxima de 1,833 ppm, equivalente a 254 % de su nivel preindustrial(12). 128


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

Figura 1: Inventario nacional de emisiones de gases y compuestos de efecto invernadero en México

Fuente: Adaptado del IPCC, 2017(10).

Debido al rápido aumento de las concentraciones atmosféricas de CH4 durante los últimos años, así como a los efectos que ejerce sobre el clima y sobre la química atmosférica, sus emisiones deben controlarse y reducirse(11,13). En consecuencia, los rumiantes se encuentran en primer lugar de importancia dentro de la ganadería, ya que, en México el ganado contribuye con un 84 % del total del CH4 emitido en el sector pecuario, del cual 89 % es generado por el ganado bovino de engorda estabulado y doble propósito, 10 % por el ganado productor de leche y 1 % por el resto de los animales de granja(14). Por otra parte, se estima que para el año 2050 la producción mundial de alimentos tendrá que aumentar en un 60 % para cubrir el incremento en la demanda. Esta producción tendrá que lograrse usando tierras que ya están siendo cultivadas, bajo la primicia de producir más y utilizando menos recursos naturales, por lo que se enfrenta la necesidad de crear ambientes eco-eficientes para la adaptación al cambio climático(15).

Impacto del cambio climático en la producción pecuaria El sector ganadero se enfrenta a una paradoja. Por un lado, se le atribuye la generación de GEI, de acuerdo con datos de la FAO(15), ya que a nivel mundial la producción de carne y leche de bovino es responsable de la mayoría de las emisiones, pues contribuye con el 41 y 129


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

el 29 %, respectivamente, de las emisiones del sector. La carne de cerdo y los huevos de aves de corral contribuyen con el 9 y el 8 % de las emisiones del sector. La producción y elaboración de piensos y la fermentación entérica debida a los animales rumiantes son las dos fuentes principales de emisiones, responsables del 45 y el 39 % de las emisiones del sector. El almacenamiento y elaboración del estiércol representa el 10 %. La parte restante se atribuye a la elaboración y el transporte de productos pecuarios(16). Por otro lado, la producción de alimentos aporta un 40 % del valor de la producción agrícola mundial y sostiene los medios de vida y la seguridad alimentaria de casi 1,300 millones de personas en el mundo(17). En muchos países en desarrollo, la ganadería es una actividad multifuncional; más allá de su papel directo en la generación de alimentos e ingresos, el ganado es un activo valioso, que actúa como reserva de riqueza, garantía en los créditos y constituye una red de seguridad esencial en tiempos de crisis(18). Debido a su importancia, resulta relevante analizar el impacto del cambio climático en los sistemas de producción pecuarios. Este análisis es importante debido a que en este sistema confluye lo social, ambiental y económico. Los efectos del cambio climático tendrán un impacto directo en la organización social de las unidades de producción, en la seguridad alimentaria y en la salud humana y animal(19). Desde una perspectiva social, tomando en cuenta las especificidades locales, los efectos del cambio climático en la producción agropecuaria, dependerán, entre otros factores, del tipo de sistema ya sea intensivo o extensivo(18). Los sistemas intensivos obtienen el 90 % de los alimentos para el ganado de sistemas externos; se dedican a la producción de una única especie, manejando altas densidades por unidad de área, utilizan alimentos balanceados basados en cereales, por lo que, en estos sistemas, la tierra no es un factor tan importante, como por ejemplo la tecnología; su producción está destinada principalmente para la venta y no utilizan mano de obra familiar(20). Por el contrario, los sistemas de producción extensivos se encuentran más ligados a las condiciones naturales del medio, utilizan mano de obra familiar y su producción se destina principalmente para el autoconsumo. Las unidades de producción son pequeñas, familiares y su lógica económica no es perseguir la máxima ganancia, sino que su tendencia es a buscar el bienestar familiar(21). Por lo tanto, estas diferencias en los sistemas de producción causan impactos opuestos(14). En ambos sistemas de producción la diferencia se debe a distintos factores, entre los que se encuentran la distribución desigual de recursos y de condiciones para el desarrollo y el despliegue de capacidades para la toma de decisiones; es decir, qué tan vulnerable es un sistema con respecto al cambio climático(22). Para enfrentar los efectos del cambio climático, se implementan medidas de adaptación, que tienen que ver con ajustes ambientales, sociales y ecológicos. De acuerdo con el IPCC(23) “la adaptación se refiere a los cambios en los 130


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

procesos, prácticas y estructuras para moderar los daños potenciales o para beneficiarse de las oportunidades asociadas al cambio climático”. La adaptación implica tomar acciones orientadas a preservar la resiliencia e incrementar la capacidad adaptativa de los agroecosistemas y de los actores sociales del sector agropecuario(18). En este sentido, no es lo mismo trabajar estrategias de adaptación al cambio climático con un productor familiar que con un productor que se dedica a la exportación de carne. Se estima que los pequeños productores serán los más afectados dado su bajo acceso a las tecnologías, insumos y recursos monetarios para adoptar medidas de adaptación(14,24,25). Por ejemplo, el impacto del cambio climático en los sistemas extensivos se traduce en la menor disponibilidad de alimentos, por consecuencia de la disminución de la producción agrícola y la insuficiencia de condiciones para mantener a la producción pecuaria que requiere amplias cantidades de pastizales para mantener al ganado, lo que, en suma, deriva en una dieta pobre en nutrientes para las poblaciones más vulnerables. Las condiciones se tornan más graves, toda vez que la dependencia de los productores con respecto de los ciclos naturales de la producción e, incluso, la ubicación geográfica de las tierras donde habitan los coloca en una situación de vulnerabilidad(19). En este contexto, un aspecto que requiere especial atención es la relacionada con la salud animal. De acuerdo con Oyhantcabal et al(18), el aumento de las temperaturas en las zonas áridas o semiáridas influirá en la alimentación del ganado; por lo tanto, su producción será menor. En consecuencia, se dará lugar a una situación de estrés fisiológico; en estrecha relación aparecerán problemas de acceso y necesidad de agua, inconveniente que será compartido con los seres humanos. De esta forma, la ausencia de alimento y agua pueden desencadenar enfermedades en los animales que afecten su productividad. La emergencia y reemergencia de enfermedades vectoriales en numerosas regiones del planeta constituye un claro ejemplo de asociación entre cambio climático y efectos sobre la interfaz de la salud humana/animal(12,26). Al intensificarse la frecuencia de fenómenos extremos, podrían aumentar las muertes y enfermedades relacionadas con el clima, ya que las afectaciones a la salud animal pueden obedecer a múltiples factores ambientales provocando las llamadas “enfermedades de la producción”(18,27). Tomando como referencia el modelo de convergencia para clasificar los factores que influyen sobre la emergencia y reemergencia de enfermedades, entre una serie de factores tanto sociales, como económicos, destaca el factor climático(28). De acuerdo con Oyhantcabal et al(18), las relaciones pueden ser simplificadas o pueden desagregarse, tomando en consideración que los factores sociales y ecológicos interactúan entre ellos, en lugar de cada uno por su lado. Algunos científicos como Black y Nunn(29) se refieren al sistema como complejo, llamándolo sistema socio-ecológico o enfoque eco-social de la salud. Los estudios que investigan las tendencias de las enfermedades infecciosas emergentes han confirmado que éstas son provocadas casi siempre por factores socioeconómicos, medioambientales y 131


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

ecológicos; de tal manera, que se requiere de enfoques nuevos que completen los métodos tradicionales(30,31). Es importante especificar que, el propósito de los modelos es ayudar a entender las relaciones entre los factores y mejorar la capacidad de adaptación y de previsión para el futuro(29). De esta forma, los factores socioeconómicos y medio ambientales influencian la aparición de las enfermedades emergentes, las cuales representan una amenaza para la salud mundial(27,32,33). No obstante, lo que resulta preocupante es que el reparto de los recursos para las medidas de vigilancia no se basa en el riesgo, sino que está relacionado con la mayor capacidad y disponibilidad de recursos que tiene cada país. Sin embargo, cada región y cada sistema de producción tiene sus propias vulnerabilidades; estos aspectos deben tomarse en cuenta para diseñar mapas de riesgos locales y regionales; así como diseñar, instrumentar y socializar eficientemente procesos de manejo de riesgos ante enfermedades(34)..

Impacto del cambio climático en la salud animal Existe una vasta literatura sobre la contribución de las actividades agropecuarias a la generación de GEI y, por ende, al cambio climático; sin embargo, los efectos del cambio climático en las enfermedades animales han recibido muy poca atención(31,33, 35-37), a pesar de su relación directa con la pobreza y su impacto en la salud pública. Desde siempre, las enfermedades animales han aparecido y evolucionado, cambiando por diferentes motivos; sin embargo, los cambios acelerados en distribuciones de hábitat pueden alterar el comportamiento. Estas alteraciones pueden incluir la aparición de nuevos síndromes o un cambio en la prevalencia de enfermedades existentes, especialmente las que se transmiten por insectos, debido a que no todos los patógenos son igualmente afectados por el cambio climático. Para algunas especies puede significar un aumento de área de influencia y para otras puede significar una disminución(32,38,39). El cambio climático puede afectar a las enfermedades infecciosas a través de factores propios del patógeno, el vector, el huésped, la epidemiología y otros factores indirectos(3,40). Los microorganismos tienen la habilidad de mutar con el objetivo de adaptarse a los cambios ambientales. Por ejemplo, los virus ARN (ácido ribonucleico) tienen altas tasas de mutación debido a su rápida replicación y falta de mecanismos de corrección de DNA (proofreading)(33). Otro ejemplo que ilustra esta rápida adaptación al cambio climático se observó con el virus que causa la encefalitis equina venezolana en México; una sustitución de un solo aminoácido en una glicoproteína de membrana, le permitió su adaptación a otro vector, el mosquito Ochlerotatus (Aedes) taeniorhynchus(41). Este vector se volvió más abundante en las regiones de la costa del pacifico de México después que la deforestación de los años 80 132


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

destruyera el hábitat del mosquito Culex taeniopus, identificado como uno de los principales vectores del virus en esa época(41-43). De esta forma, el cambio climático no solo afecta la distribución geográfica y abundancia de los vectores, sino que también afecta la interacción entre el patógeno y el vector, a través de su transmisión a nuevos vectores. Además, de los eventos de mutación, los virus pueden adaptarse y evolucionar a través de eventos de recombinación. Estos re-arreglos son comunes en virus segmentados, como el virus de la influenza. Aunado a esto, el cambio climático puede disminuir los hábitats disponibles, forzando a las especies a convivir en áreas más pequeñas. Esto favorece el intercambio de patógenos entre especies animales de diversos tipos, fenómeno que favoreció la diseminación del virus altamente patogénico de influenza aviar H5N1(44). Muchas enfermedades animales de importancia se asocian con insectos y artrópodos como mosquitos, moscas y garrapatas, que fungen como vectores. La enfermedad de la lengua azul en vacas, la peste porcina africana en cerdos o la fiebre del valle del Rift en rumiantes representan solo algunos ejemplos. Algunas no son zoonóticas, pero su impacto en la industria pecuaria puede ser devastador por las pérdidas de oportunidades comerciales y los costos de vigilancia(45). Estas enfermedades pueden alcanzar nuevos territorios a través de la expansión del vector a nuevas áreas geográficas. Se considera que esto aconteció en el caso del virus de la lengua azul en Reino Unido en el año 2006(27). La distribución geográfica de los vectores es altamente dependiente de variables medioambientales, como la temperatura, humedad y viento. Por ejemplo, el período de incubación extrínseco, definido como el período entre el cual un vector que se ha alimentado de un huésped es capaz de transmitir la infección a otro huésped susceptible, se alarga a temperaturas bajas(40). También se ha observado que el virus de la lengua azul es transmitido con mayor eficiencia por C. imicola a temperaturas de 28 a 30 °C, siendo menos eficiente a temperaturas cercanas a 10 °C. De esta forma las temperaturas cálidas favorecen la transmisión de ciertas enfermedades(42). De la misma forma, la tasa de alimentación de los artrópodos aumenta a mayores temperaturas, lo que incrementa la exposición del ganado a los patógenos favoreciendo su diseminación(21). La abundancia de los mosquitos y jejenes se ve aumentada en períodos de lluvias abundantes que favorecen la formación de charcos o cuerpos de agua ideales para su ovoposición. En África por ejemplo, se han observado epizootias de la fiebre del Valle de Rift en la fase cálida de El Niño(27). En particular el cambio climático puede abrir territorio que anteriormente era inhabitable para vectores artrópodos, así como aumentar las tasas de reproductibilidad y piquetes (mosquitos)/mordeduras (garrapatas) y acortar el periodo de incubación de los patógenos(3,33). Muchos artrópodos que se alimentan de sangre, como las garrapatas, pasan la mayor parte de su ciclo de vida en el medio ambiente. El desarrollo, sobrevivencia y dinámica de la población depende de factores como la disponibilidad de hospedero, la vegetación y el clima, entre otros(46-48). Es claro que el cambio climático altera, de forma directa o indirecta, la distribución e incidencia de un amplio rango de enfermedades. No obstante, la complejidad de la relación 133


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

huésped-patógeno y su interacción con el ambiente hace difícil una predicción certera sobre la presentación o modificación de estas enfermedades(30). Un ejemplo ilustrado por Gallana et al(49) demuestra la complejidad del proceso: el calentamiento del Ártico ha permitido que el venado cola blanca (Odocoileus virginianus) y el alce (Cervus canadensis) expandan sus territorios hacia el norte, por lo que ahora conviven con el buey almizclero y el caribú. El venado cola blanca y el alce, albergan parásitos que son nuevos para el buey y el caribú, por lo que no tienen una resistencia natural hacia los nuevos parásitos, haciéndolos más susceptibles. Ahora el buey almizclero y el caribú están siendo infectados con nuevos parásitos y, además, están lidiando con una mayor carga parasitaria, debido al incremento de temperatura que favorece el ciclo de vida, lo que amenaza su subsistencia(49,50).

Enfermedades transmitidas por garrapatas y el cambio climático Las garrapatas son los vectores transmisores de enfermedades más importantes después de los mosquitos. Son ectoparásitos hematófagos obligados, que se alimentan de la sangre, tanto de animales como de humanos. Esta condición, les da la capacidad de transmitir una gran variedad de patógenos como los virus, bacterias y protozoarios (flavivirus, erlichiosis, anaplasmosis, ricketsiosis, babesiosis, entre otras). Desafortunadamente en México no hay un diagnóstico rutinario de las enfermedades transmitidas por garrapata en animales y personas; sin embargo, la Fiebre manchada causada por Rickettsia rickettsii (R. rickettsii) en humanos es de notificación obligatoria de acuerdo a la norma oficial mexicana NOM-017SSA2-2012(51). Así mismo, se estima que existen casos clínicos de pacientes infectados con Ehrlichia chaffeensis, Anaplasma y Ehrilichia canis(52). A pesar del riesgo aún no se han podido controlar las infestaciones por garrapatas y, por lo tanto, las enfermedades que éstas transmiten, por lo que en zonas donde se distribuye este vector aún representan un riesgo para la salud humana y animal(53). Evidencia reciente señala que el cambio climático tiene un efecto directo o indirecto en las enfermedades transmitidas por garrapata; el aumento de la temperatura impacta su distribución y frecuencia. Además de los efectos por la deforestación, cambio del uso de suelo, entre otros factores; impactan también en los hospederos, los vectores y los patógenos(54,55). Algunos estudios en Europa y Estados Unidos de Norteamérica documentaron cambios en la distribución de las garrapatas asociados al cambio climático. En Suecia se ha reportado la expansión de la garrapata Ixodes ricinus en gran parte del territorio(56) pero principalmente en el norte, donde la distribución de la garrapata se duplicó en un 26.8 % en un periodo de 18 años. En otro estudio en Rusia se observó un incremento en la abundancia de I. ricinus en la región oriental de ese país(57). 134


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

Las garrapatas del género Ixodes son los vectores primarios de la enfermedad de Lyme en Norte América y su distribución depende en gran medida de los cambios climáticos(58,59). El ambiente abiótico es crucial para su sobrevivencia debido a que gran parte de su ciclo de vida se lleva a cabo en la vegetación; por lo tanto, el clima es un factor determinante de la distribución y establecimiento de las poblaciones de garrapatas(59,60). La enfermedad de Lyme es la principal zoonosis emergente transmitida por garrapata en Estados Unidos de Norteamérica y Europa. En México los primeros reportes se asociaron a infecciones cercanas a parques de la Ciudad de México, La Marquesa y el Nevado de Toluca, posteriormente se reportaron casos en los estados de Nuevo León y Tamaulipas(61). A la fecha, la distribución de las garrapatas infectadas con Borrelia burgdorferi, es muy amplia, abarcando regiones desde la Península de Yucatán y hasta el Norte del país. Por esta razón, se considera que el cambio climático tendrá una gran importancia en la distribución de esta garrapata en futuros años(61). La temperatura afecta la actividad de ninfas y adultos de garrapata(62); por ejemplo, la especie Ixodes ricinus puede sobrevivir a temperaturas de 14.4 a 18.9 ºC por un periodo de 24 h de exposición. Al considerar el alto grado de tolerancia a las temperaturas, se reflexiona que el cambio climático podría aumentar el nicho de ésta y otras garrapatas en Europa o en zonas cercanas(26). Otras especies en cambio, pueden soportar bajas temperaturas, ya que están bien adaptadas a la sobrevivencia a temperaturas bajo cero, como en el caso de Dermacentor reticulatus, vector de la babesiosis canina(62). De acuerdo con algunos reportes, la adaptación de las garrapatas al cambio climático no será la misma en todas las regiones, dependerá en gran medida de la especie que se trate. A través del modelo de nicho ecológico para I. ricinus en Europa se predijo una expansión de hábitat del 3.8 % en todo Europa. La expansión del hábitat abarcaría Escandinavia entre otros y una reducción de hábitats en los Alpes, Italia y una parte de Polonia(63). El cambio climático también se espera que afecte la capacidad reproductiva de Ixodes scapularis, en Canadá y Estados Unidos de Norteamérica(1). El efecto del cambio climático en zonas tropicales podría perjudicar algunas especies, afectando el hábitat óptimo y obligándolas a colonizar nuevos lugares; de esta forma, se estima que el aumento gradual de la temperatura forzará a la garrapata tropical Amblyoma variegatum a colonizar nuevas zonas donde existe sequía prolongada en Zimbabue(64). Existen estudios que correlacionan la presencia de fiebre del mediterráneo con un incremento mediado por el calentamiento global en el aumento de la mordida de las garrapatas en perros(65). También, en el norte de Rusia se ha implicado al cambio climático como el catalizador para la expansión del hábitat de Ixodes persulcatus y la incidencia de encefalitis transmitida por esta garrapata(66). En contraste, existen estudios donde señalan que, a pesar del cambio climático, la distribución de algunas garrapatas no se verá afectada de manera importante. En un modelo de predicción usando una aproximación de máxima entropía, por datos de correlación geográfica y variables climáticas, se determinó que el hábitat para la distribución de I. scapularis infectada con Borrelia burgdorferi entre Texas y México debería 135


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

permanecer relativamente estable los próximos 33 años(30). La contraposición de estos estudios, dan lugar a la controversia sobre si realmente el cambio climático impactará o no a los vectores y las enfermedades que estos transmiten(31). Otros estudios, por ejemplo, mencionan que indudablemente existen efectos asociados al cambio climático en el incremento de diversas enfermedades. El meta-análisis de más de 200 efectos en 61 especies de parásitos, sugiere que al disminuir la biodiversidad se podrían incrementar las enfermedades humanas y animales, así como disminuir la producción agrícola y forestal(67). De esta forma, aunque la relación entre la tasa de desarrollo de las garrapatas y la temperatura no es clara aún(68), es incuestionable la influencia del cambio climático no sólo en la redistribución de los vectores transmisores de enfermedades sino en la vida de cualquier organismo que habita la tierra(69). Como una consecuencia a la adaptación de estos vectores a nuevos climas, se estaría potenciando el riesgo a contraer las enfermedades infecciosas transmitidas por estos vectores. La comprensión integral de los efectos climáticos requiere del estudio multidisciplinario que permita el análisis del ecosistema de los patógenos y sus vectores; con el propósito de identificar si tienen potencial para afectar poblaciones humanas y animales bajo un escenario de cambio climático. Es por eso que, en el Laboratorio Nacional de Genómica en Salud en Hidalgo, México (LANGESA), está realizando mapeos para determinar la distribución y frecuencias de los vectores y reservorios que hay en el país. Con esta información, se podrá determinar el impacto del cambio climático en las enfermedades transmitidas por garrapata en México.

Impacto del cambio climático en otras enfermedades Como se mencionó, diversas enfermedades animales son afectadas por el cambio climático, directa o indirectamente y las enfermedades transmitidas por vectores son las más estudiadas. Sin embargo, enfermedades asociadas a inundaciones o agua estancada como la leptospirosis, ántrax, criptosporidiosis, fasciolasis, entre otras, también requieren especial atención(35). En el Cuadro 1, se enlistan algunas de ellas.

136


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

Cuadro 1: Principales enfermedades animales afectadas por el cambio climático Clasificación

Enfermedades transmitidas por vectores

Enfermedad

Agente causal

Lengua azul

Virus de la lengua azul (Orbivirus) Virus de la peste equina (Orbivirus)

Vector

Zoonosis

Jején del género No Culicoides Peste equina Jején del género No Culicoides. También se ha reportado transmisión ocasional por mosquitos (Culex, Anopheles, Aedes spp.) y garrapatas (Hyalomma, Rhipicephalus). Fiebre del Valle de Virus de la fiebre Mosquitos Sí Rift del valle de Rift (Aedes spp.) (Phlebovirus) Infección por el Virus del Nilo Mosquitos Sí virus del Nilo Occidental (Culex spp.) Occidental (Flavivirus) Virus de la Mosquitos Sí Encefalitis equina encefalitis equina (Aedes spp, venezolana venezolana Culex spp.) (Alphavirus) Trypanosoma Chinches de la Sí Enfermedad de cruzy subfamilia Chagas Triatominae Protozoo del Flebótomo del Sí Leishmaniasis género género Leishmania Lutzomyia Protozoo del Garrapatas del Sí Babesiosis género Babesia género Ixodes Nematodo Mosquitos Sí Dirofilaria (Aedes, Dirofilariosis immitis Anopheles, Culex) Enfermedad de Bacteria Borrelia Garrapatas del Sí Lyme burgdorferi género Ixodes

137


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

Ántrax

Enfermedades asociadas a inundaciones o agua estancada

Leptospirosis

Criptosporidiosis Fasciolasis

Bacteria, Bacillus anthracis Bacteria, Leptospira interrogans Coccidia, Crystosporidium spp. Trematodo, Fasciola hepatica

No aplica

No aplica

No aplica

Caracoles del Sí género Lymnaea

Fuente: Adaptado de diversos autores(27,29-36).

La lista de enfermedades en el cuadro 1, pretende resumir las enfermedades que por su impacto en la salud pública y pecuaria merecen especial atención. El incremento de temperatura, humedad y lluvias puede aumentar la prevalencia de las enfermedades transmitidas por vectores. Empero, existen otras enfermedades que pueden generar brotes epidémicos asociados al aumento de humedad por lluvias excesivas o inundaciones(48). La temperatura, humedad relativa y humedad del suelo favorecen la germinación de las esporas de ántrax; mientras que las lluvias fuertes pueden activarlas. Los brotes de ántrax se han asociado con la alternancia de lluvias fuertes, sequías y altas temperaturas(39,70). La leptospirosis y criptosporidiosis son enfermedades con potencial epidémico después de lluvias fuertes(71). Finalmente, la prevalencia de enfermedades de distribución mundial como la haemoncosis y fasciolasis pueden verse aumentadas; las larvas de Haemonchus contortus pueden sobrevivir por meses en la tierra en condiciones apropiadas de temperatura y humedad. Así mismo, la formación de charcos o cuerpos de agua y el incremento de lluvias favorecen la sobrevivencia del caracol transmisor de Fasciola hepática. Estas enfermedades causan significantes perdidas económicas, debido a la disminución en parámetros productivos del ganado. Aunado a esto, se prevé que el aumento de prevalencia de estas enfermedades favorezca el desarrollo de resistencia a antiparasitarios, dificultando así su control.

Conclusiones La influencia humana en el calentamiento global es clara; los recientes cambios climáticos exigen replantear la forma como se está conduciendo el sector pecuario e implementar sistemas más sostenibles que mantengan la resiliencia del sistema ganadero; de esta forma se mejora el abastecimiento de productos y servicios derivados de esta industria, disminuyendo el impacto en el ambiente y, por ende, en la emergencia y reemergencia de enfermedades 138


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

animales y humanas. Esto implica un reto muy importante para los países en desarrollo que aún tienen pendiente, entre otras cosas, la reducción de la pobreza en la que vive una parte importante de su población. Por lo tanto, es claro que las intervenciones tendientes a promover y facilitar la adaptación al cambio climático no deben de estar desligadas de las intervenciones sociales, culturales y sanitarias.

Literatura citada: 1.

Ogden NH, Lindsay LR. Effects of climate and climate change on vectors and vectorborne diseases: Ticks are different. Trends Parasitol 2016;32(8):646-656. https://doi.org/10.1016/j.pt.2016.04.015

2.

Tercera Comunicación Nacional de Cambio Climático ante la Convención Marco de las Naciones Unidas sobre Cambio Climático. IDEAM. Instituto de Hidrología, Meteorología y Estudios Ambientales. México 2017. http://documentacion.ideam.gov.co/cgibin/koha/opacdetail.pl?biblionumber=38147.

3.

Patz JA, Epstein PR, Burke TA, Balbus JM. Global climate change and emerging infectious diseases. JAMA, 1996;275(3):217-223.

4.

Field CB, Barros VR, Dokken DJ, Mach KJ, Mastrandrea MD, Bilir TE, et al. White LL. (eds.). IPCC: Climate Change 2014: Impacts, adaptation, and vulnerability. Part A: Global and sectoral aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press; 2014.

5.

Rosenzweig C, Hillel D. Climate change and the global harvest: potential impacts of the greenhouse effect on agriculture. Oxford University Press; 1998:324.

6.

Seinfeld JH, Pandis SN. Atmospheric chemistry and physics from air pollution to climate change. New York. John Wiley and Sons, Incorporated; 1998.

7.

Protocolo de Kyoto de la Convención Marco de Las Naciones Unidas sobre el cambio climático. Naciones Unidas. 1998.

8.

Hansen JE, Sato M. Trends of measured climate forcing agents. Proc Nat Acad Sci. United States of America 2001;98(26);14778-14783.

9.

Watson RT, Rodhe H, Oeschger H, Siegenthaler U. Greenhouse gases and aerosols. In: Climate change: the IPCC Scientific Assessment. Houghton JT, et al, editors. Cambridge: Cambridge University Press; 1990.

10. IPCC (Intergovernmental Panel on Climate Change) 2016. https://www.ipcc.ch/. Consultado 10 Feb, 2017. 139


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

11. Convención Marco de las Naciones Unidas sobre el Cambio Climático y su Protocolo de Kioto. (CMNUCC) https://www.gob.mx/semarnat/acciones-yprogramas/convencion-marco-de-las-naciones-unidas-sobre-el-cambio-climatico-y-suprotocolo-de-kioto-cmnucc?idiom=es Consultado 7 Feb, 2017. 12. FAO. Food and Agriculture Organization of the United Nations. La ganadería a examen. Estado mundial de la agricultura y la alimentación. Roma. 2009. http://www.fao.org/docrep/012/i0680s/i0680s.pdf. 13. OMM (Organización Meteorológica Mundial). 2015. Boletín sobre los gases de efecto invernadero. https:// www.wmo.int/media/es/content/las-concentraciones-de-gases-deefecto-invernadero-vuelven-batir-un-r%C3%A9cord. Consultado 4 Feb, 2017. 14. FAO. Food and Agriculture Organization of the United Nations. La larga sombra del ganado: problemas ambientales y opciones. Roma. 2009. http://www.fao.org/docrep/011/a0701s/a0701s00.htm. 15. FAO. Food and Agriculture Organization of the United Nations. Tackling Climate Change Through Livestock. A global assessment of emissions and mitigation opportunities Roma. 2013. http://www.fao.org/docrep/018/i3437e/i3437e00.htm. 16. Grain. Campo y crisis climática. Soberanía Alimentaria. Biodiversidad y Culturas. Barcelona. 2010. 17. Barbier EB. Agricultural expansion, resource booms and growth in Latin America: Implications for long-run economic development. World Develop 2004;32(1):137-157. 18. Oyhantçabal W, Vitale E, Lagarmilla P. El cambio climático y su relación con las enfermedades animales y la producción animal. En: Compendio de los temas técnicos presentados ante la Asamblea mundial de los delegados o a las Comisiones regionales de la OIE–2009, Paris: Organización Mundial de Sanidad Animal (OIE); 2010:169-177. 19. Lorente-Saiz A. Ganadería y cambio climático: una influencia recíproca. GeoGraphos. Revista Digital para Estudiantes de Geografía y Ciencias Sociales 2010;1(3):1-22. http://web.ua.es/revista-geographos-giecryal. 20. Bravo-Ortega C, Lederman D. Agriculture and national welfare around the world: Causality and international heterogeneity since 1960. World Bank Policy Research Working Paper. 2005. 21. Ardila A, Wilson V. El sector pecuario frente al cambio climático: una realidad incómoda. Rev Cienc Anim 2012;(5):107-120.

140


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

22. Oswald Ú. Cambio climático, conflictos sobre recursos y vulnerabilidad social. En Delgado GC, Gay C (coordinadores). México frente al cambio climático. Retos y oportunidades, UNAM, México. 2010:51-83. 23. IPCC. Intergovernmental Panel on Climate Change Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Geneva, Switzerland. 2014. http://www.ipcc.ch/report/ar5/wg3/ 24. Fischer G, Shah M, Tubiello FN, Van-Velhuizen H. Socio-economic and climate change impacts on agriculture: an integrated assessment, 1990-2080. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences 2005;360(1463):2067-2083. https://doi.org/10.1098/rstb.2005.1744. 25. Mendelsohn R. The impact of climate change on agriculture in developing countries. J Nat Resour Policy Res 2008;1(1):5-19. https://doi.org/10.1080/19390450802495882 26. Porretta D, Mastrantonio V, Amendolia S, Gaiarsa S, Epis S, Genchi C, et al. Effects of global changes on the climatic niche of the tick Ixodes ricinus inferred by species distribution modelling. Parasites & Vectors 2013;(6):271. https://doi.org/10.1186/17563305-6-271. 27. Lubroth J. Climate change and animal health. En: FAO: Building resilience for adaptation to climate change in the agriculture sector. Roma. 2012:63-70. 28. King L. What is one health and why is it relevant to food safety? Workshop Improving Food Safety Through One Health, Forum on Microbial Threats; Washington, DC: Institute of Medicine; 2011. 29. Black P, Nunn M. Repercusiones de los cambios climáticos y medioambientales en las enfermedades animales emergentes y reemergentes y en la producción animal. Conf. OIE 2009:27-39. 30. Feria-Arroyo TP, Castro-Arellano I, Gordillo-Pérez G, Cavazos AL, Vargas-Sandoval M, Grover A, et al. Implications of climate change on the distribution of the tick vector Ixodes scapularis and risk for Lyme disease in the Texas-Mexico transboundary region. Parasites & Vectors 2014:7-199. https://doi.org/10.1186/1756-3305-7-199 31. Gilbert L. Altitudinal patterns of tick and host abundance: a potential role for climate change in regulating tick-borne diseases? Oecologia 2010:162 (1):217-225. https://doi.org/10.1007/s00442-009-1430-x 32. Shuman EK. Global climate change and infectious diseases. New England J Medicine 2010;362(12):1061-1063. https://doi.org/10.1056/NEJMp0912931 141


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

33. Shope R. Global climate change and infectious diseases. Environmental Health Perspectives 1991;(96):171-174. 34. McBean G. Climate change: Global risks, challenges and decisions. Eos Trans. AGU, 2012;93(18):182. 35. Colwell DD, Dantas-Torres F, Otranto D. Vector-borne parasitic zoonoses: emerging scenarios and new perspectives. Vet Parasitol 2011;182(1):14-21. https://doi.org/10.1016/j.vetpar.2011.07.012. 36. Mills JN, Gage KL, Khan AS. Potential influence of climate change on vector-borne and zoonotic diseases: a review and proposed research plan. Environment Health Perspect 2010;118(11):1507-1514. https://doi.org/10.1289/ehp.0901389 37. Cumming GS. Comparing climate and vegetation as limiting factors for species ranges of African ticks. Ecology 2002;83(1):255-268. https://doi.org/10.2307/2680136. 38. Wu X, Lu Y, Zhou S, Chen L, Xu B. Impact of climate change on human infectious diseases: Empirical evidence and human adaptation. Environment Int 2015;86:14-23. 39. Rossati A. Global warming and its health impact. Int J Occupat Environment Med 2017;8(1-963):7-20. 40. Baylis M, Githeko AK. The effects of climate change on infectious diseases of animals. Report for the Foresight Project on Detection of Infectious Diseases, Department of Trade and Industry. UK: UK Government. 2006. 41. Brault AC, Powers AM, Ortiz D, Estrada-Franco JG, Navarro-Lopez R, Weaver SC. Venezuelan equine encephalitis emergence: enhanced vector infection from a single amino acid substitution in the envelope glycoprotein. Proc Nat Acad Sci. United States of America 2004;101(31),11344-11349. https://doi.org/10.1073/pnas.0402905101. 42. Gale P, Drew T, Phipps LP, David G, Wooldridge M. The effect of climate change on the occurrence and prevalence of livestock diseases in Great Britain: a review. J Appl Microbiol 2009;106(5):1409-1423. https://doi.org/10.1111/j.1365-2672.2008.04036.x 43. Lindahl JF, Grace D. The consequences of human actions on risks for infectious diseases: a review. Infection Ecology & Epidemiology 2015:5. https://doi.org/10.3402/iee.v5.30048 44. Forrest HL, Webster RG. Perspectives on influenza evolution and the role of research. Anim Health Res Rev 2010;11(1):3-18. https://doi.org/10.1017/S1466252310000071 45. Thornton PK, Steeg J. Van de Notenbaert A, Herrero M. The impacts of climate change on livestock and livestock systems in developing countries: A review of what we know 142


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

and what we need to know. http://dx.doi.org/10.1016/j.agsy.2009.05.002

Agric

Syst

2009;01(3):113-127.

46. Dantas-Torres F, Figueredo LA, Otranto D. Seasonal variation in the effect of climate on the biology of Rhipicephalus sanguineus in southern Europe Parasitology 2011;138(4): 527-536. https://doi.org/10.1017/S0031182010001502 47. Estrada-Peña A, Gray JS, Kahl O, Lane RS, Nijhof AM. Research on the ecology of ticks and tick-borne pathogens--methodological principles and caveats. Frontiers Cellular Infection Microbiol 2013;3:29. https://doi.org/10.3389/fcimb.2013.00029 48. Jore S, Vanwambeke SO, Viljugrein H, Isaksen K, Kristoffersen AB, Woldehiwet Z, et al. Climate and environmental change drives Ixodes ricinus geographical expansion at the northern range margin. Parasites & Vectors 2014;7:11. https://doi.org/10.1186/1756-3305-7-11 49. Gallana M, Ryser-Degiorgis MP, Wahli T, Segner H. Climate change and infectious diseases of wildlife: Altered interactions between pathogens, vectors and hosts. Current Zoology 2013;59(3):427-437. https://doi.org/10.1093/czoolo/59.3.427 50. Black PF, Butler CD. One Health in a world with climate change. Revue Scientifique et Technique (International Office of Epizootics) 2014;33(2):465-473. 51. Norma Oficial Mexicana NOM-017-SSA2-2012, para la vigilancia epidemiológica. 52. Sosa-Gutiérrez CG, Solórzano-Santos F, Walker DH, Torres J, Serrano CA, GordilloPérez G. Fatal monocytic ehrlichiosis in woman, México, 2013. Emerg Infect Diseases 2016;22(5):871-874. https://doi.org/10.3201/eid2205.151217 53. De la Fuente J, Kocan KM. Strategies for development of vaccines for control of ixodid tick species. Parasite Immunol 2006;28(7):275-283. https://doi.org/10.1111/j.13653024.2006.00828.x 54. Parham PE, Waldock J, Christophides GK, Hemming D, Agusto F, Evans KJ, et al. Climate, environmental and socio-economic change: weighing up the balance in vectorborne disease transmission. Philosoph Transact Royal Soc of London. Series B, Biological Sci 2015;370:(1665). https://doi.org/10.1098/rstb.2013.0551 55. Medlock JM, Leach SA. Effect of climate change on vector-borne disease risk in the UK. Lancet Infectious Diseases 2015;15(6):721-730. https://doi.org/10.1016/S14733099(15)70091-5. 56. Jaenson TG, Hjertqvist M, Bergström T, Lundkvist Å. Why is tick-borne encephalitis increasing? A review of the key factors causing the increasing incidence of human TBE

143


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

in Sweden(a). Parasites & Vectors 2012;5:184. https://doi.org/10.1186/1756-3305-5184 57. Korotkov Y, Kozlova T, Kozlovskaya L. Observations on changes in abundance of questing Ixodes ricinus, castor bean tick, over a 35-year period in the eastern part of its range (Russia, Tula region). Med Vet Entomol 2015;29(2):129-136. https://doi.org/10.1111/mve.12101 58. Dennis DT, Nekomoto TS, Victor JC, Paul WS, Piesman J. Reported distribution of Ixodes scapularis and Ixodes pacificus (Acari: Ixodidae) in the United States. J Medic Entomol 1998;35(5):629-638. 59. Bertrand MR, Wilson ML. Microclimate-dependent survival of unfed adult Ixodes scapularis (Acari:Ixodidae) in nature: life cycle and study design implications. J Medic Entomol 1996;33(4):619-627. 60. Fish D. Population ecology of Ixodes damini. In: Ecology and environmental management of Lyme disease. New Brunswick, NJ: Rutgers University Press; 1993:2542. 61. Gordillo-Pérez G, Vargas M, Solórzano-Santos F, Rivera A, Polaco OJ, Alvarado L, et al. Demonstration of Borrelia burgdorferi sensu stricto infection in ticks from the northeast of Mexico. Clinical Microbiol Infection: European Soc Clinical Microbiol Infect Diseases 2009;15(5):496-498 https://doi.org/10.1111/j.1469-0691.2009.02776.x 62. Medlock JM, Hansford KM, Bormane A, Derdakova M, Estrada-Peña A, George JC, et. al. Driving forces for changes in geographical distribution of Ixodes ricinus ticks in Europe. Parasites & Vectors 2013;6(1):1. https://doi.org/10.1186/1756-3305-6-1 63. Boeckmann M, Joyner, TA. Old health risks in new places? An ecological niche model for I. ricinus tick distribution in Europe under a changing climate. Health & Place 2001;30:70-77. https://doi.org/10.1016/j.healthplace.2014.08.004. 64. Estrada-Peña A, Horak IG, Petney T. Climate changes and suitability for the ticks Amblyomma hebraeum and Amblyomma variegatum (Ixodidae) in Zimbabwe (19741999). Vet Parasitol 2008;151(2-4):256-267. https://doi.org/10.1016/j.vetpar.2007.11.014 65. Parola P, Socolovschi C, Jeanjean L, Bitam I, Fournier PE, Sotto A, et al. Warmer weather linked to tick attack and emergence of severe rickettsioses. PLoS Negl Trop Dis. 2008;2(11):e338. 66. Tokarevich NK, Tronin AA, Blinova OV, Buzinov RV, Boltenkov VP, Yurasova ED, Nurse J. The impact of climate change on the expansion of Ixodes persulcatus habitat 144


Rev Mex Cienc Pecu 2020;11(Supl 2):126-145

and the incidence of tick-borne encephalitis in the north of European Russia. Glob Health Action. 2011;4:8448. doi: 10.3402/gha.v4i0.8448. 67. Civitello DJ, Cohen J, Fatima H, Halstead NT, Liriano J, McMahon TA, et al. Biodiversity inhibits parasites: Broad evidence for the dilution effect. Proc Natl Acad Sci USA. 2015;112(28):8667-71. Doi: 10.1073/pnas.1506279112. 68. Estrada-PeĂąa A, Ayllon N, De la Fuente J. Impact of climate trends on tick-borne pathogen transmission. Frontiers Physiol 2012;3:64. https://doi.org/10.3389/fphys.2012.00064 69. Shevenell AE, Ingalls AE, Domack EW, Kelly C. Holocene Southern ocean surface temperature variability west of the Antarctic Peninsula. Nature 2011; 470(7333):250254. https://doi.org/10.1038/nature09751 70. Parker R. Anthrax and livestock. Guide B-120. En Cooperative Extension Service, College of Agriculture and Home Economics. Las Cruces, Nuevo Mexico. University of New Mexico. 2002. 71. McMichael AJ. Extreme weather events and infectious disease outbreaks. Virulence 2015;6(6):543-547. https://doi.org/10.4161/21505594.2014.975022

145


Revista Mexicana de Ciencias Pecuarias

Edición Bilingüe Bilingual Edition

Rev. Mex. Cienc. Pecu. Vol. 11 Suplemento 2, pp. 1-145, MARZO-2020

ISSN: 2448-6698

CONTENIDO CONTENTS

Efecto de la temperatura del agua sobre la constante de velocidad de reacción de los contaminantes en un humedal construido para el tratamiento de aguas residuales porcícolas Water temperature effect on the reaction rate constant of pollutants in a constructed wetland for the treatment of swine wastewater Celia De La Mora-Orozco, Rubén Alfonso Saucedo-Terán, Irma Julieta González-Acuña, Sergio Gómez-Rosales, Hugo Ernesto Flores-López…………………………………….........................................1

Estimación de la producción de metano entérico en ranchos de producción familiar de leche bovina en el sur del estado de Querétaro, México Estimation of enteric methane production in family-run dairy farms in the south of the State of Querétaro, Mexico

Sergio Gómez Rosales, María de Lourdes Ángeles. José Luis Romano Muñoz, José Ariel Ruíz Corral………………………………………………………………………….…….……......….…18

Efecto del calentamiento global sobre la producción de alfalfa en México Global warming effect on alfalfa production in Mexico Guillermo Medina-García, Francisco Guadalupe Echavarría-Cháirez, José Ariel Ruiz-Corral, Víctor Manuel Rodríguez-Moreno, Jesús Soria-Ruiz, Celia De la Mora-Orozco...............................................34

Áreas con aptitud ambiental para [Bouteloua curtipendula (Michx.) Torr.] en México por efecto del cambio climático Environmental suitability areas for [Bouteloua curtipendula (Michx.) Torr.] in Mexico due to climate change effect José Ángel Mar�nez Sifuentes, Noé Durán Puga, José Ariel Ruiz Corral, Diego Raymundo González Eguiarte, Salvador Mena Munguía........................................................................................49

Efecto en la erosión hídrica del suelo en pastizales y otros tipos de vegetación por cambios en el patrón de lluvias por el calentamiento global en Zacatecas, México Effects of rainfall pattern changes due to global warming on soil water erosion in grasslands and other vegetation types in the state of Zacatecas, Mexico Francisco Guadalupe Echavarría-Cháirez, Guillermo Medina-García, José Ariel Ruiz-Corral.............................................................................................................................................63

Estimación del factor de transporte del índice de fósforo con climatologías y escenarios de cambio climático en tierras de Jalisco, México Estimation of the transport factor of the phosphorus index in climatology and climate change scenarios in Jalisco, Mexico Hugo Ernesto Flores López, Álvaro Agus�n Chávez Durán, José Ariel Ruíz Corral, Celia De La Mora Orozco, Uriel Figueroa Viramontes, Agus�n Hernández Anaya........................................................75

Impacto del cambio climático en la distribución potencial de Tithonia diversifolia (Hemsl.) A. Gray en México Impact of climate change on the potential distribution of Tithonia diversifolia (Hemsl.) A. Gray in Mexico Noé Durán Puga, José Lenin Loya Olguín, José Ariel Ruiz Corral, Diego Raymundo González Eguiarte, Juan Diego García Paredes, Sergio Mar�nez González, Marcos Rafael Crespo González......................93

REVISIONES DE LITERATURA Mitigación y adaptación al cambio climático mediante la implementación de modelos integrados para el manejo y aprovechamiento de los residuos pecuarios. Revisión Mitigation and adaptation to climate change through the implementation of integrated models for the management and use of livestock residues. Review Alberto Jorge Galindo-Barboza, Gerardo Domínguez-Araujo, Ramón Ignacio Arteaga-Garibay, Gerardo Salazar-Gu�érrez......................................................................................................107

Causas y consecuencias del cambio climático en la producción pecuaria y salud animal. Revisión Causes and consequences of climate change in livestock production and animal health. Review Berenice Sánchez Mendoza, Susana Flores Villalva, Elba Rodríguez Hernández, Ana María Anaya Escalera, Elsa Angélica Contreras Contreras.............................................................................126

Revista Mexicana de Ciencias Pecuarias Rev. Mex. Cienc. Pecu. Vol. 11 Suplemento 2, pp. 1-145, MARZO-2020

Pags.

Rev. Mex. Cienc. Pecu. Vol. 11 Suplemento 2 pp. 1-145, MARZO-2020

Profile for Revista Mexicana de Ciencias Pecuarias

RMCP Vol. 11 (2020): Supl 2 [versión en español]  

Suplemento sobre cambio climático.

RMCP Vol. 11 (2020): Supl 2 [versión en español]  

Suplemento sobre cambio climático.

Advertisement