Lectura 1A.

Un origen mesoamericano de la chirimoya ( Annona cherimola Mill.): Implicaciones para la conservación de los recursos fitogenéticos 

N. Larranaga1, FJ Albertazzi2, G. Fontecha3, M. Palmieri4, H. Rainer5, M. Van Zonneveld y 6, JI Hormaza1 

1 Instituto de Hortofruticultura Subtropical y Mediterránea La Mayora (IHSM-UMACSIC), Algarrobo-Costa, M_alaga, Spain 

2 Centro de Investigaci_on en Biología Celulary Molecular (CIBCM), Universidad de Costa Rica, San José, Costa Rica 

3 Microbiology Research Institute, Universidad Nacional Aut_onoma de Honduras (UNAH), Tegucigalpa, Honduras 

4 Universidad del Valle de Guatemala, Ciudad de Guatemala, Guatemala 

5 University of Vienna, Vienna, Austria 

6 Bioversity International, Costa Rica Office, Turrialba, Costa Rica 

Resumen: 

El conocimiento sobre la estructura y distribución de la diversidad genética es un aspecto clave para planificar y ejecutar una conservación y utilización eficiente de los recursos genéticos de cualquier cultivo, así como para determinar inferencias demográficas históricas. En este trabajo, un gran conjunto de datos de 1.765 accesiones de chirimoya (Annona cherimola Mill, Annonaceae), un cultivo de árboles frutales utilizado como fuente de alimento por las culturas precolombinas, se recolectó de seis países diferentes en todo el continente americano y se amplificó con nueve marcadores de microsatélites altamente informativos. Los análisis de la estructura, la excelente representación de la diversidad genética y un enfoque ABC sugieren un origen mesoamericano del cultivo, contrario a los informes anteriores, con claras implicaciones para la dispersión del germoplasma de plantas entre América Central y América del Sur en la época precolombina. Estos resultados, junto con la distribución potencial de la especie en un contexto de cambio climático que utiliza dos modelos climáticos diferentes, proporcionan nuevos conocimientos sobre la historia y la conservación de los recursos genéticos existentes de la chirimoya que se pueden aplicar a otros cultivos perennes leñosos actualmente subutilizados. 

KEYWORDS: Análisis ABC, agricultura, chirimoya, distribución de diversidad genética, sistemas de información geográfica, Mesoamérica, microsatélites. 

1. Introducción 

Se necesita una imagen clara de la estructura de la diversidad genética para una conservación eficiente de los recursos genéticos de cualquier cultivo, que es fundamental para garantizar la seguridad alimentaria para las generaciones futuras. Hasta la fecha, unas 30 especies contribuyen a más del 90% de la nutrición humana a nivel mundial y son solo tres cereales (trigo, arroz y maíz) representan aproximadamente dos tercios de necesidades dietéticas humanas (Cassman, 1999). Como consecuencia, la erosión genética es especialmente dramática en especies desatendidas o subutilizadas (NUS), muchas de ellas presentes en países en desarrollo o subdesarrollados, con un gran potencial para la seguridad alimentaria y nutricional (Padulosi, Hodgkin, Williams y Haq, 2002).  

Chirimoya pertenece a las Annonaceae, una familia extremadamente diversa dentro de los Magnoliales con aproximadamente 110 géneros y 2.400 especies, 900 de ellas encontradas en el Neotrópico (Chatrou et al., 2012). El interés por la chirimoya y otras especies de Annonaceae ha aumentado en los últimos años debido a la presencia de acetogeninas, compuestos que se encuentran solo en esta familia con propiedades citotóxicas, antitumorales, antipalúdicas y pesticidas (Alaly, Liu & McLaughlin, 1999; Liaw, Wu, Chang y Wu, 2011). Sin embargo, raramente se encuentran poblaciones silvestres y no se puede excluir la posibilidad de que supuestos rodales silvestres en el norte de Perú y el sur de Ecuador sean campos silvestres. Lo que aumenta los riesgos de erosión genética es una disminución en el interés comercial, puede conducir a la sustitución de los árboles de chirimoya por otros cultivos más rentables.  

El objetivo principal de este trabajo fue utilizar marcadores moleculares junto con sistemas de información geográfica para estudiar la distribución espacial, la estructura y la historia de A. Cherimola, diversidad genética en todo el continente americano para establecer los principales puntos críticos de diversidad que podrían ayudar a optimizar la conservación de valiosos recursos genéticos de la especie, así como inferir su centro de origen y diversificación.  

2. Materiales y Métodos 

2.1 Material vegetal, extracción y amplificación de ADN. 

Se recolectaron hojas de 262 árboles de Annona cherimola en las tierras altas de Guatemala, Honduras y Costa Rica y se dividieron en grados decimales. El estudio combinó estas muestras con 1.503 muestras de ADN adicionales obtenidas previamente de diferentes Annona cherimola árboles de Ecuador, Perú y Bolivia (Van Zonneveld et al., 2012). Nueve microsatélites previamente demostraron ser altamente informativos en A. cherimola ( Escribano, Viruel y Hormaza, 2008; van Zonneveld et al., 2012) se usaron de la siguiente manera: LMCH1, LMCH4, LMCH16, LMCH48, LMCH69, LMCH87, LMCH122, LMCH139 y LMCH144. Las PCR se llevaron a cabo en un termociclador l-cycler (Bio-Rad Laboratories, Hercules, CA, USA). 

Los primers forward se marcaron con un tinte fluorescente en el extremo 5, y los productos de PCR se detectaron y dimensionaron con un Beckman Coulter Genome LabTM Sistema de análisis de ADN capilar GeXP. Se usó una gama de muestras con los alelos encontrados como controles positivos para garantizar la precisión del tamaño y minimizar la variación entre corridas. Cada PCR y electroforesis capilar se repitió al menos dos veces para garantizar la reproducibilidad de los resultados. 

2.2 Análisis de SSR 

El número de alelos, las heterocigosidades esperadas y observadas y el rango de alelos por locus se calcularon utilizando ARLEQUIN versión 3.5 (Excoffier & Lischer, 2010). Además, un AMOVA con 1,000 permutaciones y F S T Los valores que comparan muestras obtenidas de los diferentes países dentro de dos grupos (América Central y del Sur) también se obtuvieron con el mismo software. El número efectivo de alelos se obtuvo utilizando el R paquete (Dyer, 2014). 

2.3 Diversidad genética 

El cálculo de los parámetros de diversidad genética se realizó utilizando el procedimiento basado en la cuadrícula (Thomas et al., 2012; van Zonneveld et al., 2012). Estos parámetros fueron la riqueza alélica por locus, las heterocigosidades esperadas y observadas y el índice de información de Shannon. Los análisis de diversidad espacial basados en cuadrículas se realizaron utilizando celdas de cuadrícula de 10 minutos (18 km en el ecuador) como unidad de análisis. Se aplicó una vecindad circular de 60 minutos de diámetro a cada muestra para lograr una escala de trabajo continental, suponiendo que cada genotipo sea representativo del área circular del diámetro mencionado (111 km en el ecuador) a su alrededor. Los parámetros de diversidad genética se calcularon y promediaron en submuestras bootstrapped (sin repetición). Los cálculos se realizaron en R. ARCMAP 10.1 se usó para mapear y visualizar los resultados y calcular estadísticas básicas en Excel después de realizar una extracción por máscara. Para probar diferencias significativas entre las variables de diversidad genética de América Central y América del Sur, se realizaron pruebas de Shapiro y Wilcox en R; el primero sirvió para probar la normalidad de los datos, mientras que el segundo se utilizó para encontrar diferencias significativas entre los dos grupos de accesiones. Se utilizó la proyección geográfica WGS 84; la capa con los límites del país se descargó de la página web DIVA GIS (http: //www.diva-gis.org/Data) y la capa 1:10 Hipsometric Tints híbridos se descargó de la página web de Natural Earth (http: //www.nat uralearthdata.com/). 

2.4 Estructura genética 

Se utilizaron diferentes enfoques para evaluar la estructura genética de la A. chirimola muestras analizadas. Primero, se construyó un árbol vecino enraizado basado en la matriz de similitud de dados usando el software NTSYSPC 2.11 (Exeter Software, Stauket, NY). En segundo lugar, el software ESTRUCTURA (Pritchard, Stephens y Donnelly, 2000), que realiza un análisis bayesiano asumiendo que Hardy - El equilibrio de Weinberg y el equilibrio de enlace entre loci dentro de las poblaciones. Cada ejecución se implementó con un período de quemado de 20,000 pasos seguido de 200,000 réplicas de la cadena Monte Carlo Markov (Martin, Herrero y Hormaza, 2011; Pritchard, Wen y Falush, 2010). 

2.5 Aislamiento por distancia 

Probar el papel del aislamiento por distancia en la diversidad genética y la estructura de A. cherimola seguimos el procedimiento propuesto en la introducción de ADEGENET 2.0.0 R paquete (Jombart, 2012) y realizado en R. Se realizó un muestreo sistemático entre los 1,765 muestras para reducir la agregación de puntos de presencia (Fourcade, Engler, Rodder, & Secondi, 2014). Una trama de celda de 10 minutos fue construido y un punto seleccionado al azar. Las matrices de distancia genética entre los 203 puntos se obtuvieron con Nei (paquete ADEGENET [ Jombart, 2008]) y Bruvo (paquete POPPR [ Kamvar, Brooks y Gunwald, 2015; Kamvar, Tabima &  Grunwald, 2014]) distancias. Este último tiene en cuenta el modelo de mutación escalonada. Ambas distancias genéticas se correlacionaron mediante una prueba de chimenea con la distancia geográfica euclidiana entre puntos de coordenadas. 

2.6 Origen e historia de la población de Annona cherimola 

Se realizaron inferencias de origen e historia de la población con el software DIYABC ( Cornuet et al., 2014) que permite realizar un análisis de cálculo bayesiano (ABC) aproximado. Se diseñaron seis escenarios diferentes para probar tres áreas de origen diferentes, así como diferentes historias de población posteriores y se simularon 600,000 conjuntos de datos. Para el " modelo histórico " en DIYABC, se tomaron en cuenta tres poblaciones compuestas por accesiones con membresía superior al 50% para K = 3 obtenidos en 25 repeticiones de ESTRUCTURA y alineado con CLUMPP. Fueron nombrados Pop 1 (accesiones principalmente de América Central [CA]), Pop 2 (accesiones principalmente de Ecuador y el norte de Perú [E-NP]) y Pop 3 (accesiones principalmente del sur de Perú y Bolivia [SP-B]). 

Los tamaños de población (N1, N2 y N3) se establecieron de 10 a 10,000, y los parámetros de tiempo se establecieron de acuerdo con una tasa de generación de 5 años, que es el tiempo promedio desde la semilla hasta la flor en los árboles de chirimoya. Elegimos un mínimo de 100 años desde entonces, aunque chirimoya ya estaba presente en América Central y el norte de Perú hace 500 años (Cobo, 1653), su diseminación a otras áreas en el continente sudamericano podría haber ocurrido después. La tasa de mutación se dejó con los valores predeterminados 10 - 3 - 10 - 4 ( Ellegren, 2000). 

2.7 Modelando el impacto del cambio climático en las poblaciones de chirimoya centroamericanas 

Se realizó un muestreo sistemático entre las 1.765 muestras para reducir la agregación de los puntos de presencia (Fourcade et al., 2014). Se construyó una cuadrícula de celda lateral del 2.5% de la extensión total de todos los puntos de datos y se seleccionó un punto por celda. 

El muestreo se repitió 10 veces, generando 10 conjuntos de datos de entrenamiento y prueba diferentes, cada uno con 46 puntos de datos.  

Las 19 variables bioclimáticas actuales de resolución celular de 2.5 minutos se descargaron de Worldclim (http://www.worldclim.org/). Por lo tanto, se utilizaron nueve variables de la siguiente manera: Bio1, 2, 3, 5, 12, 14, 15, 18, 19. Dos modelos de circulación global, HadGEM2-CC (HG) (Hadley Global Environment Model 2 Carbon Cycle) (Collins et al., 2011; Shrestha & Bawa, 2014) y MRI-CGCM3 (MG) del Instituto de Investigación Meteorológica (Yukimoto et al., 2012) para el año 2.070, fueron seleccionados. Todas las operaciones se llevaron a cabo con R utilizando los siguientes paquetes: RASTER ( Hijmans y van Etten, 2012), DISMO (Hijmans, Phillips, Leathwick y Elith, 2011), MAPTOOLS ( Bivand y Lewin-Koh, 2015), MAPTREE ( White & Gramacy, 2012), RGEOS ( Bivand y Rundel, 2015), RJAVA ( Urbanek, 2013) y RGDAL ( Bivand, Keitt y Rowlingson, 2014).  

3. RESULTADOS   

3.1 Análisis de SSR  

En total se obtuvieron 176 alelos, de los cuales 172 (97.72%) eran de muestras centroamericanas con 110 alelos únicos y 66 (37.5%) de muestras sudamericanas con 4 alelos únicos. Se demostró que los alelos de baja frecuencia están presentes en las poblaciones. La prueba de AMOVA indicó que el 13.3% de la variación está en las muestras de América Central y del Sur, solo el 6.9% entre los países dentro de cada grupo y el 79.8% dentro de los países. Los valores más bajos se encuentran entre Perú y Ecuador y Guatemala y Honduras, mientras que los valores más altos se encontraron entre Honduras y Bolivia y Costa Rica y Bolivia.  

3.2 Diversidad genética  

Los valores más altos de diversidad genética se ubicaron en Honduras y Guatemala y los más bajos principalmente en Bolivia y el sur de Perú. Todas las comparaciones entre los valores de las muestras de América Central y América del Sur para todos los índices de diversidad genética estudiados fueron significativamente diferentes. Ninguno de ellos dentro de cada grupo tenía una distribución normal 

3.3 Estructura genética  

El dendograma construido con el índice de similitud indica una agrupación de las muestras por origen geográfico, diferenciando las muestras de América Central con las de América del Sur. Las muestras centroamericanas presentaron ramas más largas que indican valores de distancia más altos. Algunas muestras de Perú se agruparon cerca de las de América Central, mientras que las otras muestras parecían mezcladas con en el resto del dendograma: en la parte superior, muestras principalmente de Ecuador y Perú y en la parte inferior de Perú y Bolivia.  

El número de alelos y el número efectivo de alelos son claramente más altos en las muestras hondureñas y guatemaltecas, aunque el número de muestras de esos países es menor.  

3.4 Aislamiento por distancia  

Cuando solo se analizan muestras centroamericanas o sudamericanas, no se encuentra correlación entre las matrices de distancia geográfica y genética, aunque se obtiene correlación en Centroamérica cuando se analizan muestras hondureñas y costarricenses u hondureñas y guatemaltecas.  

3.5 Origen e historia de la población de Annona cherimola.  

El escenario mejor soportado, según la logística y análisis de regresión, fue el escenario 1 de los 3 planteados, que es un origen y migración centroamericanos primero a Ecuador y al norte de Perú y de allí al sur de Perú y Bolivia.  

3.6 Distribución potencial de A. cherimola en Centroamérica en un contexto de cambio climático  

Los resultados del modelado de Maxent en condiciones climáticas actuales y futuras indican que las áreas de distribución A. chirimola en América Central están en peligro en Honduras y en el este de Guatemala y que las áreas óptimas se reducirán a elevaciones más altas. Algunas nuevas áreas adecuadas para A. chirimola se pronostica que se obtendrán, principalmente en el oeste de Guatemala, el centro de México y Costa Rica.  

4. DISCUSIÓN  

En la hipótesis de un origen sudamericano de la chirimoya, nuestros resultados sugieren que el punto caliente de diversidad genética de la chirimoya se encuentra en Honduras y Guatemala y que probablemente la chirimoya se originó en esta área. Hasta ahora, la mayoría de los esfuerzos de conservación de germoplasma de esta especie se han centrado en América del Sur porque el conocimiento actual supone que la especie se originó en la región andina. Además, nuestros análisis de impacto del cambio climático sugieren que las áreas de cultivo de chirimoya en América Central, donde se encuentran las poblaciones más diversas de esta especie, están muy amenazadas por el cambio climático, lo que subraya la necesidad de implementar proyectos apropiados de conservación de germoplasma in situ y ex situ junto con un uso sostenible de esos recursos genéticos. La combinación de la reproducción limitada que se ha producido en la chirimoya cultivada en América Central y del Sur con la longevidad de los árboles frutales nos lleva a suponer que la chirimoya cultivada solo separa unas pocas generaciones de la selección humana de su ancestro salvaje.  

Se sugiere que para chirimoya, el centro de diversidad de cultivos coincida con su centro geográfico de origen en línea con Vavilov ' s,hipótesis clásica sobre los centros de diversidad de cultivos. Por lo tanto, chirimoya se habría originado en América Central con un centro secundario de diversidad en la región andina de América del Sur, lo que fue confirmado por el análisis ABC.  

Los resultados del análisis ABC sugerirían que la llegada de la chirimoya a América del Sur podría haber ocurrido hace unos 4.000 años. Sobre la base de los resultados, se plantea la hipótesis de que la dispersión natural de la chirimoya en América Central es similar al caso de otras especies tropicales que producen semillas aún más grandes (Persea americana, Manilkara zapota o Spondias purpurea). La extinta megafauna ya estaba presente hasta el Pleistoceno y luego fue dispersada por humanos a Sudamérica, primero en el norte de Perú, desde donde podría haberse dispersado más al norte hacia Ecuador y sur hacia Bolivia.  

A pesar de la baja diversidad genética, la chirimoya andina se caracteriza por altos niveles de diversidad fenotípica. Los patrones entre la diversidad fenotípica y genética pueden explicarse por la paradoja de la domesticación, que predice que los aumentos en la variación morfológica en las características clave de la selección humana a menudo van acompañados de disminuciones en la variación genética a nivel del genoma amplio.  

Los resultados obtenidos indican que se requieren acciones de conservación urgentes para chirimoya porque el germoplasma centroamericano se encuentra en colecciones ex situ y el cambio climático amenaza a las poblaciones existentes en el área de origen de chirimoya y los puntos críticos de diversidad.  

Conclusiones 

Este es un estudio de caso en un cultivo frutal subutilizado particular de las Américas, A. cherimola que se originó en América Central, pero también se cultivó en América del Sur en la época precolombina. El enfoque utilizado muestra la relevancia de los estudios moleculares para desarrollar estrategias para la conservación de los recursos genéticos de las especies vegetales, especialmente en cultivos subutilizados y descuidados. Sin este tipo de estudios, una parte sustancial de la diversidad genética existente de una especie, como se muestra en este caso con la diversidad presente en el centro de origen desconocido, puede pasarse por alto fácilmente al implementar acciones de conservación. 

Referencias 

Alaly, F. Q., Liu, X. X., & McLaughlin, J. L. (1999). Annonaceous acetogenins: Recent progress. Journal of Natural Products, 62, 504–540. 

Bivand, R., & Lewin-Koh, N. (2015). Maptools: Tools for reading and handling spatial objects. R package version 0.8-34. Retrieved from http://CRAN.R project.org/package=maptools (accessed 30 March 2017). 

Bivand, R., & Rundel, C. (2015). Rgeos: Interface to Geometry Engine— Open Source (GEOS). R package version 0.3-12. Retrieved from http:// CRAN.R-project.org/package=rgeos (accessed 30 March 2017). 

Bivand, R., Keitt, T., & Rowlingson, B. (2014). Rgdal: Bindings for the geospatial data abstraction library. R package version 0.9-1. Retrieved from http://CRAN.R-project.org/package=rgdal (accessed 30 March 2017). 

Cassman, K. G. (1999). Ecological intensification of cereal production systems:Yield potential, soil quality, and precision agriculture. Proceedings of the National Academy of Sciences of the United States of America, 96, 5952–5959. 

Chatrou, L. W., Pirie, M. D., Erkens, R. H. J., Couvreur, T. L. P., Neubig, K. M., Abbott, J. R., Chase, M. W. (2012). A new subfamilial and tribal classification of the pantropical flowering plant family Annonaceae informed by molecular phylogenetics. Botanical Journal of the Linnean Society, 169, 5–40. 

Cobo, P. B. (1653). Historia del Nuevo Mundo. Seville, Spain 1891: Sociedad de Bibliófilos Andaluces. 

Collins, W. J., Bellouin, N., Doutriaux-Boucher, M., Gedney, N., Halloran, P., Hinton, T., . . . Woodward, S. (2011). Development and evaluation of an earth-system model—HadGEM2. Geoscientific Model Development, 4, 1051–1075. 

Cornuet, J.-M., Pudlo, P., Veyssier, J., Dehne-Garcia, A., Gautier, M., Leblois, R., Estoup, A. (2014). DIYABC v2.0: A software to make approximate bayesian computation inferences about population history using single nucleotide polymorphism, DNA sequence and microsatellite data. Bioinformatics, 30, 1187–1189. 

Dyer, R. J. (2014). Gstudio: Spatial utility functions from the Dyer laboratory. R package version 1.2 Retrieved from http://ftp.cs.pu.edu.tw/network/CRAN/web/packages/gstudio 

Ellegren, H. (2000). Microsatellite mutations in the germline: Implications for evolutionary inference. Trends in Genetics, 16, 551–558. 

Escribano, P., Viruel, M. A., & Hormaza, J. I. (2008). Development of 52 new polymorphic SSR markers from cherimoya (Annona cherimola Mill.): Transferability to related taxa and selection of a reduced set for DNA fingerprinting and diversity studies. Molecular Ecology Resources, 8, 317–321. 

Excoffier, L., & Lischer, H. E. L. (2010). Arlequin suite ver 3.5: A new series of programs to perform population genetics analyses under Linux and Windows. Molecular Ecology Resources, 10, 564–567. 

Fourcade, Y., Engler, J. O., R€odder, D., & Secondi, J. (2014). Mapping species distributions with MAXENT using a geographically biased sample of presence data: A performance assessment of methods for correcting sampling bias. PLoS One, 9, e97122. 

Hijmans, R. J., & van Etten, J. (2012). Raster: Geographic analysis and modeling with raster data. R package version 2.3-24. Retrieved from http://CRAN.R-project.org/package=raster (accessed 30 March 2017). 

Hijmans, R. J., Phillips, S., Leathwick, J., & Elith, J. (2011). Dismo: Species Distribution Modeling. R package version 1.0-12. Retrieved from http://CRAN.R-project.org/package=dismo, (accessed 30 March 2017). 

Kamvar, Z. N., Brooks, J. C., & Gr€unwald, N. J. (2015). Novel R tools for analysis of genome-wide population genetic data with emphasis on clonality. Frontiers in Genetics, 6, 208. 

Kamvar, Z. N., Tabima, J. F., & Gr€unwald, N. J. (2014). Poppr: An R package for genetic analysis of populations with clonal, partially clonal, and/or sexual reproduction. PeerJ, 2, e281. 

Liaw, C. C., Wu, T. Y., Chang, F. R., & Wu, Y. C. (2011). Historic perspectives on annonaceous acetogenins from the chemical bench to preclinical trials. Planta Medica, 76, 1390–1404. 

Padulosi, S., Hodgkin, T., Williams, J. T., & Haq, N. (2002). Underutilised crops: Trends, challenges and opportunities in the 21st century. In J. Engels, V. R. Rao, & M. Jackson (Eds.), Managing plant genetic diversity (pp. 323–338). Wallingford, UK: CAB International. 

Pritchard, J. K., Wen, X., & Falush, D. (2010). Documentation for structure software: version 2.3. Retrieved from http://computing.bio.cam.ac.uk/ local/doc/structure.pdf (accessed 30 March 2017). 

Shrestha, U. B., & Bawa, K. S. (2014). Impact of climate change on potential distribution of Chinese caterpillar fungus (Ophiocordyceps sinensis) in Nepal Himalaya. PLoS One, 9, e106405. 

Thomas, E., van Zonneveld, M., Loo, J., Hodgkin, T., Galluzzi, G., & van Etten, J. (2012). Present spatial diversity patterns of Theobroma cacao L. in the neotropics reflect genetic differentiation in Pleistocene refugia followed by human-influenced dispersal. PLoS One, 7, e47676. 

Urbanek, S. (2013). rJava: Low-level R to Java interface. R package version 0.9-6. Retrieved from http://CRAN.R-project.org/package=rJava (accessed 30 March 2017). 

Van Zonneveld, M., Scheldeman, X., Escribano, P., Viruel, M. A., Van Damme, P., Garcia, W., Hormaza, J. I. (2012). Mapping genetic diversity of cherimoya (Annona cherimola Mill.): Application of spatial analysis for conservation and use of plant genetic resources. PLoS One, 7, e29845. 

White, D., & Gramacy, R. B. (2012). Maptree: Mapping, pruning, and graphing tree models. R package version 1.4-7. Retrieved from http://CRAN.R-project.org/package=maptree (accessed 30 March 2017). 

Yukimoto, S., Adachi, Y., Hosaka, M., Sakami, T., Yoshimura, H., Hirabara, M., . . . Kitoh, A. (2012). A new global climate model of the meteorological research institute: MRI-CGCM3-model description and basic performance. Journal of the Meteorological Society of Japan, 90A, 23–64.