Show simple item record

dc.contributor.advisorAcuña-Fernández, Edgar
dc.contributor.authorPalomino-Lescano, Velcy R.
dc.date.accessioned2018-04-09T15:18:32Z
dc.date.available2018-04-09T15:18:32Z
dc.date.issued2012-06
dc.identifier.urihttps://hdl.handle.net/20.500.11801/395
dc.description.abstractDesde mitades del siglo XX se vienen observando fenómenos climáticos en nuestro planeta, como por ejemplo el aumento de la temperatura y el deshielo ártico, cambios en gran escala en las cantidades de precipitación y, manifestaciones de cam- bios extremos en los estados del tiempo. Es de interés el medir el impacto que tienen estos cambios, particularmente en el rendimiento de productos agrícolas. Medir este impacto es un reto en parte por la incertidumbre en la predictibilidad del cambio climático. Sin embargo existen diversos modelos del clima que describen la evolu- ción de una serie de climas variables, como son atmosphere-ocean general circulation models (GCMs) que simulan modelos de climas basados en sistemas de ecuaciones diferenciales, bajo diversos supuestos de la composición de la atmósfera y otras in- fluencias como variación de la energía solar. Tebaldi y Sansó, (2008) desarrollaron un modelo Bayesiano que combina información de datos proyectados por modelos GCMs para encontrar la distribución posterior del cambio climático en el futuro. Surge entonces la pregunta de como incorporar la distribución posterior en estudios del impacto del clima en el rendimiento de cultivos. Encontramos estudios donde se han examinado el cambio climático para so- ya, maíz, cebada, trigo y arroz desde distintas perspectivas. Lobell y Field (2007) y Tebaldi y Lobell (2008) realizaron sus análisis de manera global, combinado la información a nivel mundial sin considerar el cambio individual por país. Mientras que Lobell y Field (2007) se concentraron en las temperaturas y precipitación observadas, Tebaldi y Lobell (2008) incorporaron la distribución posterior del cambio climático futuro en su análisis, re-estimando los coeficientes de regresión de su mo- delo utilizando bootstrap. Por otra parte Lobell et al. (2011) realizaron su análisis por país pero no incorporan el conocimiento de cambios futuros en el clima, se con- centraron en temperatura y precipitación observadas. En nuestro trabajo examinamos el efecto del cambio climático en el rendimiento del frijol (Phaseolus vulgaris L.). Este análisis fue desarrollado incorporando proyecciones del clima futuro por país para los periodos de cultivo del frijol re- presentados en los calendarios de Sacks (2010). Primero modelamos el clima por país usando el método planteado por Tebaldi y Sansó (2008), con el cual encontramos la distribución posterior de los parámetros y la distribución predictiva conjunta de temperatura y precipitación. Luego, estudiamos el efecto del cambio climático de temperatura en el rendimiento del frijol mediante el análisis Bayesiano de un modelo lineal mixto en el cual los países fueron considerados efectos aleatorios. Para incorporar las proyecciones del clima futuro, la distribución predictiva del rendimiento fue calqylada usando la distribución posterior De este análisis se obtuvo que la temperatura aumentó con mayor intensidad en los años 1984-2007, con respecto a los años 1961-1984. Para los años 2007-2030 se espera un incremento de temperatura igual o mayor que el período 1984-2007. La distribución posterior de los parámetros de temperatura, y la distribución predictiva conjunta de temperatura y precipitación, pronostican que la temperatura seguirá aumentando en 42 de los 44 países en estudio. Sólo en el caso de Nepal y Perú, se pronostica una disminución en la temperatura. Mientras que para los cinco mayores productores de frijol, se encontró que, cuatro de ellos: Myanmar, Brasil, China e India esperan un aumento en la temperatura, pero la tendencia a aumentar es menos intensa que el período 1984-2007. Sólo para Estados Unidos, se espera, que la tendencia a aumentar sea mayor con respecto al período de 1984-2007. En cuanto al efecto en el rendimiento del frijol se ha observado que este depende del nivel en el que se encuentra la temperatura de un país. Países con temperaturas altas son sensitivos a perder en el rendimiento. Mientas que, países con temperaturas muy bajas pueden favorecerse del aumento de la temperatura, hasta cierto punto, a partir del cuál comienzan a perder. En general el aumento de temperatura tiene un impacto negativo en el rendimiento del frijol y con el continuo aumento que se espera al año 2030 las pérdidas serán mayores.de los parámetros correspondientes del modelo lineal mixto con un paso adicional que muestreo las covariables, temperatura y precipitación, de la distribución predictiva de temperatura y precipitación.
dc.description.abstractSince the middle of the 20th century, there have been ongoing and dramatic changes in the earth’s climate, such as rising temperatures and loss of sea ice, changes in precipitation, and extreme weather conditions. The impact of these changes, particularly in agriculture, is of critical importance. The change in climate is a challenge, in part, because of the unpredictability of this change. However, there are models such as the atmosphere-ocean general circulation models (GCMs) that simulate future climate using differential equations, under various assumptions, based on the composition of the atmosphere and other factors like solar energy variation. Tebaldi and Sans´o (2008) developed a Bayesian model that combined the projections of different GCM models to obtain a posterior distribution for future climate change. Thus, the question arises on how to incorporate this posterior distribution into a statistical analysis of the impact of climate change in the yield of cultivars. There are studies that have examined the impact of climate change on soybean, maize, barley, wheat and rice under different climate scenarios. Lobell and Field (2007) and Tebaldi and Lobell (2008) performed a global analysis, combining the information for the world and not considering change in individual countries. Whereas Lobell and Field (2007) used only observed weather data on temperature and precipitation, Tebaldi and Lobell (2008) incorporated the posterior distribution of future climate change in their analysis by re-estimating the regression coefficients of their model using bootstrap. Lobell et al. (2011) performed their analysis by country, but using only observed climate data and not incorporating projections of future climate. We studied the impact of climate change in the yield of common bean (Phaseolus vulgaris L.). The analysis was performed by country incorporating projections of future climate for the periods of cultivation of beans presented in the calendars of Sacks (2010). We begin by modeling future climate by country using the model of Tebaldi and Sans´o (2008) by finding the posterior distribution of the corresponding parameters and estimating the joint predictive distribution of temperature and precipitation. Then, we studied the impact of temperature and precipitation on the yield of bean using a Bayesian analysis of a linear mixed model in which countries were considered random effects. To incorporate the projections for future climate, the predictive distribution of yield was calculated using the posterior distribution of the corresponding parameters of the linear mixed model with an additional step that sampled the model covariates, temperature and precipitation, from the joint predictive distribution of temperature and precipitation. From the analysis on climate, we concluded that temperature is increasing and that the increase was more intense in the years 1984-2007 compared to 1961-1984. For the years 2007-2030, the increase is expected to be equal to or greater than 1984-2007. From the joint posterior distribution of temperature and precipitation, as well as from their joint predictive distribution, we conclude that temperature will continue to increase in 42 of the 44 countries in this study. Only for Nepal and Peru, is the temperature expected to decrease. Of the five major producers of beans, four of them (Myanmar, Brazil, China and India), have increases in temperature estimated to be less intense in 2007-2030 than it was in 1984-2007. But for the United States, the increase is estimated to be greater. From the analysis of yield and climate, we observed that the impact of climate on yield depends on the level of temperature that the country has to begin with. Countries with higher temperatures are more sensitive and have greater reduction in yield with temperature increases, whereas yields in countries with lower temperatures could be favored with increases in temperatures; this would occur only to a certain point, at which these countries too will experience reductions in yield. In general, the increase in temperature has a negative impact in the yield of beans and since temperatures are expected to keep increasing, losses in yields in 2030 could be much higher.
dc.language.isoesen_US
dc.subjectBayesian analysisen_US
dc.subjectMixed modelsen_US
dc.subject.lcshBayesian statistical decision theoryen_US
dc.subject.lcshLinear models (Statistics)en_US
dc.subject.lcshDifferential equationsen_US
dc.subject.lcshClimatic changes -- Mathematical modelsen_US
dc.subject.lcshCommon bean -- Climatic factorsen_US
dc.titleAnálisis bayesiano de un modelo lineal mixto para medir el impacto del cambio climático en el rendimiento del frijol para el año 2030 a nivel mundialen_US
dc.title.alternativeBayesian analysis of linear mixed model to measure the impact of climate change in the yield of common bean for the year 2030 worldwideen_US
dc.typeThesisen_US
dc.rights.licenseAll rights reserveden_US
dc.rights.holder(c)2012 Velcy Rosario Palomino Lescanoen_US
dc.contributor.committeePorch, Timothy
dc.contributor.committeeSantana Morant, Dámaris
dc.contributor.representativeOrtiz, Eduardo
thesis.degree.levelM.S.en_US
thesis.degree.disciplineMathematical Statisticsen_US
dc.contributor.collegeCollege of Arts and Sciences - Sciencesen_US
dc.contributor.departmentDepartment of Mathematicsen_US
dc.description.graduationSemesterSummeren_US
dc.description.graduationYear2012en_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

  • Theses & Dissertations
    Items included under this collection are theses, dissertations, and project reports submitted as a requirement for completing a graduate degree at UPR-Mayagüez.

Show simple item record

All rights reserved
Except where otherwise noted, this item's license is described as All Rights Reserved