اثرات بالقوه تغییرات آب و هوایی بر تولید غذا و امنیت جهان
روش های مطالعه
مدل های محصول و شبیه سازی عملکرد
مدل سازی سیستم غذایی جهان
ارزیابی سیستم غذایی جهان تحت سناریوهای جایگزین
نتیجه گیری
مراجع
از اواخر دهه 1950، تولید جهانی کشاورزی با نرخ ها و سطوحی افزایش یافته است که در تاریخ بشر بی سابقه بوده است. بخش عمده ای از افزایش بهره وری به اصلاح انواع محصولات پرمحصول، استفاده شدید از کودهای معدنی و سموم دفع آفات، گسترش آبیاری و مدیریت مزارع سرمایه بر نسبت داده می شود.
در دهه 1970، سرخوشی پیرامون «انقلاب سبز» در پی بحران انرژی و آگاهی روزافزون از پیامدهای زیست محیطی بلندمدت مورد تردید قرار گرفت. نگرانی در مورد فرسایش خاک، آلودگی آب های زیرزمینی، فشرده شدن خاک و کاهش حاصلخیزی خاک، و تخریب سیستم های اجتماعی سنتی، منجر به ارزیابی مجدد آنچه در آن زمان به عنوان پیشرفته ترین تکنیک های تولید کشاورزی در نظر گرفته می شد، شد. از آن زمان، تحقیقات کشاورزی دامنه خود را گسترش داده است تا سیستم های کشت پایدار و کارآمد و شیوه های مدیریت مزرعه را شامل شود.
از آغاز دهه 1980، تهدید دیگری برای کشاورزی توجه زیادی را به خود جلب کرده است. بسیاری از اقلیم شناسان گرمایش جهانی قابل توجهی را در دهه های آینده به دلیل افزایش دی اکسید کربن اتمسفر و سایر گازهای کمیاب پیش بینی می کنند. در نتیجه، تغییرات عمده ای در رژیم های هیدرولوژیکی نیز پیش بینی شده است. بزرگی و توزیع جغرافیایی چنین تغییرات اقلیمی ممکن است بر توانایی ما برای گسترش تولید مواد غذایی که برای تغذیه جمعیتی بیش از 10000 میلیون نفر پیش‌بینی شده برای اواسط قرن آینده نیاز است، تأثیر بگذارد. تغییرات آب و هوایی می تواند تأثیرات گسترده ای بر الگوهای تجارت بین کشورها، توسعه و امنیت غذایی داشته باشد.
با این حال، فراتر از آنچه در مورد گازهای گلخانه ای و سیستم آب و هوایی شناخته شده است، ابهامات زیادی وجود دارد: چقدر گرم شدن رخ خواهد داد، با چه سرعتی، و بر اساس کدام الگوی جغرافیایی و فصلی؟ روند گرمایش چه فرآیندهای ثانویه ای را القا می کند و تأثیرات فیزیکی و بیولوژیکی چنین فرآیندهایی چه خواهد بود؟ آیا برخی از مناطق سود خواهند برد در حالی که مناطق دیگر آسیب می بینند، و برنده و بازنده چه کسانی هستند؟ و اگر چنین آسیب‌هایی اجتناب‌ناپذیر است، چه کاری می‌توان انجام داد تا سیستم‌هایمان را به حداقل برسانیم یا اصلاح کنیم؟ اینها سؤالات مهم و پیچیده ای هستند و ما تازه شروع به درک آنها و ایجاد روش هایی برای تجزیه و تحلیل آنها کرده ایم.
تحقیقات اخیر بر ارزیابی‌های منطقه‌ای و ملی از اثرات بالقوه تغییر اقلیم بر کشاورزی متمرکز شده است. در بیشتر موارد، این کار هر منطقه یا ملتی را به صورت جداگانه، بدون ارتباط با تغییرات تولید در جاهای دیگر و بدون توجه به تأثیرات تغییر اقلیم بر بازار جهانی و بازخورد آنها، مورد بررسی قرار داده است. ارزیابی اثرات بالقوه در مطالعات ملی تکمیل شده در ایالات متحده به دست آمده است (آدامز و همکاران، 1990، 1994؛ اسمیت و تیرپاک، 1989)، استرالیا (پیرمن، 1988)، و بریتانیا (وزارت محیط زیست بریتانیا، 1991). مطالعات منطقه ای در مناطق کشاورزی با عرض جغرافیایی بالا و نیمه خشک انجام شده است (پاری و همکاران،1988). این مطالعات منطقه ای و ملی در گزارش های گروه کاری II IPCC (IPCC، 1990b، 1996) خلاصه شده است.
در سال 1989 آژانس حفاظت از محیط زیست ایالات متحده (EPA)، با حمایت اضافی ارائه شده توسط آژانس توسعه بین المللی ایالات متحده (USAID)، یک مطالعه سه ساله را در مورد اثرات تغییرات آب و هوا بر عرضه غذا در جهان انجام داد. مطالعه حاضر یک تلاش اولیه برای رسیدن به یک ارزیابی جهانی یکپارچه از اثرات بالقوه تغییر اقلیم بر کشاورزی و سیستم غذایی جهان است. این پروژه مشترک توسط موسسه مطالعات فضایی گودارد (GISS) و واحد تغییرات محیطی (ECU) با همکاری موسسه بین المللی تحلیل سیستم های کاربردی (IIASA) مدیریت شد و حدود 50 دانشمند در سراسر جهان در آن شرکت داشتند.
هدف این مقاله ارائه شرح مختصری از مطالعه و تجزیه و تحلیل نتایج به‌دست‌آمده از مجموعه‌ای از شبیه‌سازی‌های انجام‌شده با سیستم پیوندی پایه مدل‌های ملی کشاورزی (فیشر و همکاران، 1988) ساخته شده توسط Food and برنامه کشاورزی (FAP) در IIASA. تحقیقات IIASA چارچوبی را برای تجزیه و تحلیل سیستم غذایی جهان، مشاهده سیستم‌های کشاورزی ملی به‌عنوان تعبیه‌شده در اقتصادهای ملی، که به نوبه خود در سطح بین‌المللی با یکدیگر تعامل دارند، ارائه کرد.
روش های مطالعه
اجرای این مطالعه شامل یک روش چهار مرحله ای است:
1. انتخاب سناریوهای تغییر اقلیم.2. برآورد تغییرات پتانسیل خاص سایت در عملکرد محصول.
3. تجمیع نتایج مدل‌سازی محصول برای برآورد تغییرات بالقوه بهره‌وری ملی/منطقه‌ای.
4. شبیه سازی پویا اثرات تغییرات آب و هوایی بر روی سیستم غذایی جهان.
جزئیات روش ها در Rosenzweig و همکاران توضیح داده شده است. (1995)، روزنزوایگ و پری (1994) و روزنزوایگ و ایگلسیاس (1994).
سناریوهای تغییر آب و هوا
سناریوهای تغییرات اقلیمی به منظور تخمین اثرات آن بر بازده محصولات و تجارت مواد غذایی ایجاد شد. سناریوی تغییر اقلیم به عنوان مجموعه‌ای از تغییرات فیزیکی سازگار در متغیرهای هواشناسی، بر اساس پیش‌بینی‌های پذیرفته‌شده عموماً سطوح CO 2 (و سایر گازهای کمیاب) تعریف می‌شود. گستره سناریوهای تحلیل شده برای به تصویر کشیدن طیفی از اثرات احتمالی و تعیین محدودیت در عدم قطعیت مرتبط در نظر گرفته شده است. یک مجموعه از سناریوها برای این مطالعه با تغییر داده های مشاهده شده در آب و هوای فعلی (1951-1980) با توجه به نتایج شبیه سازی دو برابری CO 2 از سه مدل گردش عمومی (GCMs) ایجاد شد (جدول 9.1).
تغییرات دمایی این سناریوهای GCM (4.0-5.2 درجه سانتیگراد) در یا نزدیک به انتهای بالای محدوده (1.5-4.5 درجه سانتیگراد) است که برای گرم شدن دو برابر CO 2 توسط IPCC پیش بینی شده است (IPCC، 1990a، 1992). سناریوهای GISS و GFDL، با این حال، نزدیک به میانگین تغییر دمای (3.8 درجه سانتیگراد) آزمایش‌های CO 2 دوبرابر شده اخیر هستند که برای GCMهای جوی با چرخه فصلی و اقیانوس با لایه مختلط ثبت شده است (IPCC، 1992).
GCM ها در حال حاضر پیشرفته ترین ابزار را برای پیش بینی پیامدهای بالقوه اقلیمی آینده افزایش گازهای ردیابی فعال تشعشعی ارائه می دهند. نشان داده شده است که آنها دمای فعلی را به خوبی شبیه سازی می کنند، اما بارش فعلی را به طور دقیق بازتولید نمی کنند. و توانایی آنها برای بازتولید آب و هوای فعلی به طور قابل توجهی از منطقه ای به منطقه دیگر متفاوت است (IPCC، 1990a). از اهمیت ویژه ای برای تأثیرات تغییر اقلیم کشاورزی، عدم توافق قابل توجهی در بین GCM ها در پیش بینی تغییرات رطوبت منطقه ای خاک وجود دارد (کلوگ و ژائو، 1988). علاوه بر این، GCM ها تاکنون نتوانسته اند پیش بینی های قابل اعتمادی از تغییرات در تغییرات آب و هوایی، مانند تغییرات در فراوانی خشکسالی و طوفان ایجاد کنند، حتی اگر اینها به طور قابل توجهی بر عملکرد محصول تأثیر بگذارند.
برای بخش مدل‌سازی محصول این مطالعه، تغییرات آب‌وهوایی ناشی از شبیه‌سازی دو برابری CO 2 GCM با سطح مرتبط 555 ppm CO 2 استفاده می‌شود . زمان‌بندی فرضی شبیه‌سازی‌ها با مدل جهانی غذا این است که این شرایط در سال 2060 رخ خواهد داد. میزان انتشار گازهای کمیاب در آینده و نقطه زمانی که اثرات آنها به طور کامل مشخص می‌شود، مشخص نیست. از آنجا که دیگر گازهای گلخانه ای علاوه بر CO 2 مانند متان (CH 4 )، اکسید نیتروژن (N 2 O) و کلروفلوئوروکربن ها (CFCs)، نیز افزایش می یابد، یک شرکت موثر 2 دو برابر شده است به عنوان ترکیب مجبور تابشی از تعریف تمام گازهای گلخانه ای با همان مجبور به دو برابر CO 2(معمولاً ~600 ppm تعریف می شود). سطح CO 2 هنگام برآورد اثرات بالقوه بر محصولات مهم است، زیرا نشان داده شده است که رشد محصول و استفاده از آب از افزایش سطوح CO 2 سود می برد (Cure and Acock, 1986). سطح CO 2 555 ppm با پیش بینی های اقلیمی موثر دو برابر CO 2 برای استفاده در شبیه سازی مدل سازی محصول همراه بود. این بر اساس سناریوی گاز ردیابی گذرا GISS GCM A است که در Hansen و همکارانش توضیح داده شده است. (1988)، که در آن آب و هوا شبیه سازی شده به دو برابر CO موثر را گرم کرده بود 2 سطح حدود 4 درجه سانتی گراد توسط 2060. این سطح فرض می شود که غیر CO 2 از گازها را کمک تا 15٪ از تغییر در تابش مجبور از 300 به ~ 600ppm
جدول 9.1 GCM سناریوهای تغییر اقلیم CO 2 را دو برابر کرد
|
GCM |
سال 1 |
وضوح (لات x طول) |
CO 2 (ppm) |
تغییر در میانگین جهانی |
|
| دما (درجه سانتیگراد) | رسوب (%) | ||||
| GISS |
1982 |
7.83 × 10 درجه |
630 |
4.2 |
11 |
| GFDL |
1988 |
4.4 در 7.5 درجه |
600 |
4.0 |
8 |
| UKMO |
1986 |
5.0 در 7.5 درجه |
640 |
5.2 |
15 |
1 هنگام محاسبه
توجه: GFDL: آزمایشگاه دینامیک سیالات ژئوفیزیکی: UKMO: اداره هواشناسی بریتانیا.
دو سناریوی دیگر تغییر آب و هوا مورد آزمایش قرار گرفت. سناریوی GISS گذرا شامل یک GCM اجرا جداگانه با به تدریج افزایش جوی CO 2 سطح است. غلظت CO 2 در سناریوی گذرا A GISS به ترتیب 405 ppm، 460 ppm و 530 ppm در دهه‌های 2010، 2030 و 2050 در نظر گرفته شد. آزمایش های مدل سازی محصول به طور جداگانه برای این سه دوره زمانی انجام شد.
سناریوی دیگری که GISS-A نامیده می شود، از تغییرات آب و هوایی پیش بینی شده برای دهه 2030 از اجرای گذرا GISS با 555 پی پی ام CO 2 برای شبیه سازی مدل محصول استفاده کرد. این سناریو برای آزمایش پیامدهای حساسیت کمتر سیستم آب و هوایی به افزایش غلظت گازهای گلخانه‌ای اتمسفر استفاده شد. سناریوی GISS-A افزایش دمای جهانی 2.4 درجه سانتی گراد و افزایش 5 درصدی بارش را پیش بینی می کند.
برآورد تغییرات بالقوه خاص سایت در بازده محصول
مدل‌های محصول و یک سیستم پشتیبانی تصمیم که توسط شبکه بین‌المللی سایت‌های محک برای انتقال فناوری کشاورزی (IBSNAT، 1989) ایجاد شده است، برای تخمین اینکه چگونه تغییرات آب و هوا و افزایش سطوح دی اکسید کربن ممکن است عملکرد محصولات عمده را تغییر دهد، مورد استفاده قرار گرفت. شبیه‌سازی‌ها هم مناطق اصلی تولید و هم مناطق آسیب‌پذیر را در عرض‌های جغرافیایی پایین، متوسط و بالا نشان می‌داد. مدل‌های IBSNAT رشد محصول و تشکیل محصول را تحت تأثیر ژنتیک، آب و هوا، خاک و شیوه‌های مدیریتی شبیه‌سازی می‌کنند. مدل های مورد استفاده برای گندم، ذرت، برنج و سویا بود.
مدل‌های محصول اثرات فیزیولوژیکی سودمند افزایش غلظت CO 2 را بر رشد محصول و مصرف آب نشان می‌دهند (Peart et al., 1989). بسیاری از گیاهان در حال رشد در محیط های تجربی با افزایش سطح جوی CO 2 نمایشگاه افزایش نرخ فتوسنتز خالص و دهانه روزنه کاهش می یابد، در نتیجه کاهش تعرق در واحد سطح برگ واحد در حالی که افزایش فتوسنتز است. زراعت و اصلاح نباتات مدل سازی آزمایش های شبیه سازی آب و هوا پایه (1951-1980) انجام شد و GCM CO دو برابر 2 سناریوهای تغییر آب و هوا با و بدون اثرات فیزیولوژیکی CO 2 .
این مطالعه همچنین اثربخشی سازگاری در سطح مزرعه را با تغییرات آب و هوایی، از جمله تغییر تاریخ کاشت، تغییر رقم، آبیاری، کود و تغییر محصول آزمایش کرد. این اقدامات سپس به دو سطح سازگاری گروه‌بندی شدند: سطح 1 نشان‌دهنده تغییر کمی در سیستم‌های کشاورزی موجود است که واکنش نسبتاً آسان و کم‌هزینه کشاورز را به یک آب و هوای در حال تغییر منعکس می‌کند. سطح 2 مستلزم تغییرات اساسی تر در سیستم های کشاورزی است که احتمالاً به منابعی فراتر از توان کشاورز نیاز دارند. لازم به ذکر است که هزینه های سازگاری و در دسترس بودن آب در آینده برای آبیاری تحت سناریوهای تغییر اقلیم در مطالعه در نظر گرفته نشده است.
تجمیع نتایج مدل‌سازی محصول
داده‌های مربوط به تغییرات عملکرد محصول مورد انتظار برای سناریوهای مختلف تغییر آب و هوا باید برای همه کالاهای گیاهی و گروه‌های جغرافیایی ارائه‌شده در مدل غذایی جهانی IIASA/FAP، سیستم پیوندی پایه (BLS) جمع‌آوری شود.
نتایج مدل محصول برای گندم، برنج، ذرت و سویا از سایت‌های انتخاب‌شده با وزن‌دهی به تغییرات عملکرد منطقه‌ای، بر اساس تولید فعلی، جمع‌آوری شد تا تغییرات در عملکرد ملی برآورد شود. تخمین عملکرد منطقه ای ترکیب فعلی تولید دیم و آبی، گونه های فعلی محصول، مدیریت نیتروژن و خاک را نشان می دهد. داده های تولید توسط دانشمندان شرکت کننده در مطالعه و از فائو، بخش آماری تولید محصول USDA و خدمات بین المللی USDA جمع آوری شد.
تغییرات در بازده ملی سایر محصولات و گروه‌های کالایی و مناطقی که با مدل‌های محصول شبیه‌سازی نشده‌اند، بر اساس شباهت‌ها به محصولات مدل‌سازی شده و شرایط رشد، و مطالعات قبلی منتشر شده و منتشر نشده تأثیر تغییر آب و هوا برآورد شد. برآوردها از تغییرات عملکرد برای سه سناریو GCM با و بدون اثرات مستقیم CO 2 انجام شد . تغییرات عملکرد با اثرات مستقیم CO 2 بر اساس میانگین پاسخ به CO 2 برای محصولات مختلف در شبیه سازی مدل محصول بود.
در مجموع، 12 سناریوی تاثیر تغییر اقلیم توسعه داده شد: برای هر یک از سه مدل آب و هوایی (GISS، GFDL، UKMO) چهار سناریو مشخص شده است (GCM بدون اثرات مستقیم CO 2 بر بازده، با اثرات مستقیم CO 2 بر عملکرد، با اثرات مستقیم CO 2 و سطح سازگاری 1؛ با اثرات مستقیم CO 2 و سطح سازگاری 2).
شبیه سازی اثرات تغییر اقلیم بر روی سیستم غذایی جهان
اجزای تولید کشاورزی مدل‌های ملی در BLS برای ترکیب تغییرات پیش‌بینی‌شده در عملکرد و بهره‌وری محصول اصلاح شد. تأثیرات برای دوره 1990 تا 2060 با رشد جمعیت و روندهای فناوری برای آن سال ارزیابی شد. نتایج شبیه‌سازی به‌دست‌آمده در هر یک از سناریوهای تأثیر آب و هوا با نقطه عزیمت «خنثی» مقایسه می‌شوند، یک سناریوی مرجع BLS که فرض می‌کند سیاست‌ها، به‌ویژه آن‌هایی که بر توسعه اقتصادی و فناوری تأثیر می‌گذارند، کم و بیش بدون تغییر باقی می‌مانند. سناریوی مرجع آینده‌ای ممکن را بر اساس مجموعه‌ای از مفروضات درونی سازگار پیش‌بینی می‌کند. تفاوت بین سناریوی مرجع و شبیه‌سازی‌های تغییر اقلیم، پویایی ناشی از اقلیم استاثر توجه داشته باشید که نتایج این مطالعه به عنوان پیش بینی های بلند مدت در نظر گرفته می شود نه پیش بینی. طول قابل توجه دوره پیش بینی، اجتناب از قضاوت در مورد برخی از مفروضات در سیستم را غیرممکن می کند.
مدل های محصول و شبیه سازی عملکرد
مدل‌های زراعی IBSNAT برای تخمین اینکه چگونه تغییرات آب و هوایی و افزایش سطوح دی اکسید کربن ممکن است عملکرد محصولات زراعی جهان را در 112 سایت در 18 کشور تغییر دهد، مورد استفاده قرار گرفت. (شکل 9.1). مدل های زراعی مورد استفاده عبارت بودند از CERES-Wheat (Ritchie and Otter, 1985; Godwin et al., 1989)، CERES-Maize (Jones and Kiniry, 1986; Ritchie et al., 1989)، CERES-Rice (Godwin et al., 1993) و SOYGRO (جونز و همکاران، 1989).
مدل‌های IBSNAT از پارامترهای فرآیندهای فیزیولوژیکی مهم مسئول رشد و نمو گیاه، تبخیر و تعرق و تقسیم فتوسنتات برای تولید عملکرد اقتصادی تشکیل شده‌اند. توابع ساده‌شده، پیش‌بینی رشد محصولات زراعی را تحت تأثیر عوامل اصلی تأثیرگذار بر عملکرد، یعنی ژنتیک، آب و هوا (تابش خورشیدی روزانه، حداکثر و حداقل دما و بارش)، خاک، و شیوه‌های مدیریتی ممکن می‌سازد. این مدل‌ها شامل یک مدل فرعی تعادل رطوبت خاک هستند تا بتوان از آنها برای پیش‌بینی عملکرد محصولات دیم و آبی استفاده کرد. مدل‌های غلات اثرات کود نیتروژن بر رشد محصول را شبیه‌سازی می‌کنند و اینها در چندین کشور در زمینه تغییرات آب و هوایی مورد مطالعه قرار گرفتند. با این حال، در اکثر موارد، نتایج این مطالعه سطوح بهینه مواد مغذی را فرض می‌کند.
مدل‌های IBSNAT برای استفاده در این مطالعه انتخاب شدند، زیرا آنها در طیف وسیعی از محیط‌ها اعتبارسنجی شده‌اند (به عنوان مثال، Otter-Nacke و همکاران، 1986) و مختص مکان یا نوع خاک خاصی نیستند. اعتبارسنجی مدل‌های محصول در محیط‌های مختلف نیز توانایی آنها را در برآورد اثرات تغییرات آب و هوا بهبود می‌بخشد. علاوه بر این، از آنجا که شیوه‌های مدیریتی، مانند انتخاب واریته‌ها، تاریخ کاشت، کاربرد کود و آبیاری ممکن است در مدل‌ها متفاوت باشد، آزمایش‌هایی را مجاز می‌دانند که سازگاری کشاورزان با تغییرات آب و هوایی را شبیه‌سازی می‌کنند.
شکل 9.1. سایت های مدل سازی محصول
اثرات فیزیولوژیکی CO 2
اثرات فیزیولوژیکی CO 2
بر اساس نتایج منتشر شده ، نسبت‌ها بین فتوسنتز روزانه اندازه‌گیری شده و نرخ تبخیر و تعرق برای یک سایبان در معرض مقادیر بالای CO 2 محاسبه شد (Allen et al., 1987; Cure and Acock, 1986; Kimball, 1983) و این نسبت‌ها برای متغیر مناسب در مدل های محصول به صورت روزانه (به Peart و همکاران، 1989 برای توصیف دقیق روش ها مراجعه کنید). نسبت فتوسنتز (555 ppm CO 2 / 330 ppm CO 2 ) برای سویا، گندم، برنج و ذرت به ترتیب 1.21، 1.17، 1.17 و 1.06 بود. تغییرات در مقاومت روزنه در 49.7 / 34.4 S / M برای گراد تنظیم شد 3 محصولات زراعی و در 87.4 / 55.8 S / M برای C 4 محصولات زراعی، بر اساس نتایج تجربی توسط راجرزو همکاران (1983). همانطور که در این مطالعه شبیه سازی شده، اثرات مستقیم CO 2 عملکرد تعصب ممکن است تغییر در جهت مثبت، از آنجا که عدم اطمینان در مورد اینکه آیا نتایج آزمایشی در این زمینه باز تحت شرایط مشاهده به احتمال زیاد به عمل زمانی که کشاورزان در حال مدیریت محصولات وجود دارد. گیاهانی که در محیط‌های آزمایشی رشد می‌کنند، اغلب در معرض تنش‌های محیطی کمتر و رقابت کمتری با علف‌های هرز و آفات نسبت به آنچه که احتمالاً در مزارع کشاورزان با آنها مواجه می‌شوند، هستند. مطالعات اخیر آزادسازی هوای آزاد میدانی، اثرات کلی مثبت CO 2 را بر روی پنبه در شرایط آب و هوایی فعلی پیدا کرده است (هندری، 1993).
شبیه سازی عملکرد محصول
آزمایش‌های شبیه‌سازی مدل‌سازی محصول برای اقلیم پایه (1951-1980) انجام شد و GCM سناریوهای تغییر اقلیم CO 2 را با و بدون اثرات فیزیولوژیکی CO 2 دو برابر کرد . این شامل وظایف زیر بود:
· برای کشورهای مورد مطالعه، مرزهای جغرافیایی برای مناطق عمده تولید محصول تعریف شده است. سیستم های کشاورزی (به عنوان مثال، تولید دیم و/یا آبی، تعداد محصولات کشت شده در سال) توصیف شد، و داده های مربوط به تولید دیم و آبی منطقه ای و ملی محصولات عمده جمع آوری شد.· داده های آب و هوای مشاهده شده برای سایت های نماینده در این مناطق برای دوره پایه (1951-1980)، یا برای سال های زیادی از داده های روزانه که در دسترس بود، به دست آمد. خاک، تنوع محصول و ورودی های مدیریتی لازم برای اجرای مدل های محصول در سایت های انتخاب شده مشخص شد.
· مدل‌های محصول تا حد امکان با داده‌های تجربی حاصل از آزمایش‌های مزرعه تأیید شدند.
· مدل‌های محصول با داده‌های پایه، و سناریوهای تغییرات آب و هوایی GCM، با و بدون اثرات مستقیم CO 2 بر رشد محصول اجرا شدند. شبیه‌سازی‌های دیم و/یا آبیاری متناسب با شیوه‌های رشد فعلی انجام شد.
· تغییرات در شیوه های کشاورزی در سطح مزرعه که هر گونه پیامدهای نامطلوب تغییرات آب و هوایی را کاهش می دهد، با شبیه سازی تولید آبی و سایر واکنش های سازگاری، به عنوان مثال، تغییر در تاریخ کاشت و جایگزینی گونه های محصول، شناسایی و ارزیابی شدند.
سازگاری در سطح مزرعه
در هر کشور، دانشمندان کشاورزی از مدل‌های محصول برای آزمایش پاسخ‌های احتمالی به بدترین سناریوی تغییرات آب و هوایی استفاده کردند (این معمولاً، اما نه همیشه، سناریوی UKMO بود). این سازگاری ها شامل تغییر تاریخ کاشت، تغییر رقم، آبیاری، کود و تغییر محصول بود. شبیه‌سازی‌های آبیاری در مدل‌های محصول، آبیاری خودکار تا ظرفیت مزرعه را زمانی که آب موجود گیاه تا 50 درصد کاهش یافت و بازده آبیاری 100 درصد کاهش یافت، در نظر گرفت. همه احتمالات انطباق در هر مکان و کشور شبیه سازی نشده است: انتخاب سازگاری هایی که باید آزمایش شوند توسط دانشمندان شرکت کننده بر اساس دانش آنها از سیستم های کشاورزی فعلی انجام شد (جدول 9.2).
شبیه‌سازی‌های انطباق جامع نبودند زیرا همه ترکیب‌های ممکن از پاسخ‌های کشاورز در هر سایت آزمایش نشدند. تجزیه و تحلیل فضایی از منابع محصول، آب و هوا و خاک برای آزمایش کامل احتمالات برای جایگزینی محصول مورد نیاز است. در این مطالعه نه در دسترس بودن منابع آب برای آبیاری و نه هزینه های سازگاری در نظر گرفته نشد. این هر دو نیاز حیاتی برای تحقیقات بیشتر هستند.
جدول 9.2 سازگاری های آزمایش شده در مطالعه مدل سازی محصول
|
کشور |
محصول آزمایش شد |
تغییر تاریخ کاشت |
تغییر رقم / محصول |
آبیاری اضافی |
کود N اضافی |
| آرژانتین |
متر |
ایکس |
xc، xz |
ایکس |
|
| استرالیا |
r,w |
xx |
ایکس |
xx |
|
| بنگلادش |
r |
ایکس |
|||
| برزیل |
w,m,s |
xx |
x, xc |
x، xx، xxx |
ایکس |
| کانادا |
w |
ایکس |
x، xx |
||
| چین |
r |
ایکس |
xp، xz |
||
| مصر |
m، w |
ایکس |
ایکس |
ایکس |
|
| فرانسه |
m، w |
x، xz |
ایکس |
ایکس |
|
| هندوستان |
w |
ایکس |
|||
| ژاپن |
r, w, m |
xx |
xx |
||
| مکزیک |
متر |
ایکس |
xc |
xxx |
ایکس |
| پاکستان |
w |
ایکس |
ایکس |
||
| فیلیپین |
r |
xp |
xp |
||
| تایلند |
r |
ایکس |
|||
| اروگوئه |
ب |
ایکس |
ایکس |
ایکس |
ایکس |
| ایالات متحده آمریکا |
w,m,s |
ایکس |
ایکس |
ایکس |
|
| اتحاد جماهیر شوروی سابق |
w |
x، xz |
ایکس |
||
| زیمبابوه |
متر |
xp |
x, xp |
w = گندم
m = ذرت
r = برنج
s = سویا
b = جو.
xc = رقم جدید فرضی
xp = رقم جدید و تغییر تاریخ کاشت
xx = آبیاری و تغییر تاریخ کاشت
x = تغییر ساده
xxx = آبیاری و افزایش کود نیتروژن
xz = تغییر پیشنهادی در منطقه تولید محصول.
اثرات بر بازده محصول
بسته به شرایط فعلی، گرم شدن کره زمین و غنی سازی CO 2 می تواند اثرات مثبت یا منفی داشته باشد. افزایش عملکرد شبیه سازی شده در عرض های جغرافیایی متوسط و بالا عمدتاً ناشی از موارد زیر است:
· اثرات فیزیولوژیکی مثبت CO 2 در مکان هایی با رژیم های دمای اولیه خنک تر، افزایش فتوسنتز بیش از کوتاه شدن دوره رشد ناشی از گرم شدن را جبران کرد.· طولانی شدن فصل رشد و بهبود اثرات دمای سرد بر رشد. در برخی از مناطق نزدیک مرزهای تولید کشاورزی فعلی در عرض جغرافیایی بالا، افزایش دما فصل رشد بدون یخبندان را طولانی کرد و رژیم هایی را برای بهره وری بیشتر محصول فراهم کرد.
علل اصلی کاهش عملکرد شبیه سازی شده عبارتند از:
· کوتاه شدن دوره رشد. دماهای بالاتر در طول فصل رشد محصولات سالانه را از طریق رشد آنها (به ویژه مرحله پر شدن دانه) سرعت می بخشد و باعث می شود دانه کمتری تولید شود. این اتفاق در همه مکان‌ها به جز مناطقی با خنک‌ترین دمای فصل رشد در کانادا و اتحاد جماهیر شوروی سابق رخ داد.· کاهش در دسترس بودن آب. این به دلیل ترکیبی از افزایش نرخ تبخیر و تعرق در آب و هوای گرمتر، افزایش تلفات رطوبت خاک و در برخی موارد، کاهش پیش‌بینی‌شده بارش در سناریوهای تغییر اقلیم است.
· بهاری ضعیف. بهاره شدن نیاز برخی از محصولات غلات معتدل، مانند گندم زمستانه، برای دوره ای با دمای پایین زمستانی برای شروع یا تسریع روند گلدهی است. بهاری شدن کم باعث شروع کم جوانه گل و در نهایت کاهش عملکرد می شود. کاهش عملکرد گندم زمستانه در برخی از سایت‌ها در کانادا و اتحاد جماهیر شوروی سابق به دلیل عدم بهاری شدن بود.
بازده محصول بدون سازگاری
جدول 9.3 تغییرات عملکرد گندم مدل شده را برای سناریوهای تغییر اقلیم CO 2 دو برابر شده GCM نشان می دهد (تغییرات عملکرد شامل نتایج حاصل از شبیه سازی های دیم و آبی است که بر اساس درصد فعلی عملکرد مربوطه وزن شده است). تغییرات آب و هوایی بدون اثرات فیزیولوژیکی مستقیم CO 2 باعث کاهش عملکرد گندم شبیه سازی شده در همه موارد می شود، در حالی که اثرات مستقیم CO 2 اثرات منفی را عمدتاً در عرض های جغرافیایی متوسط و بالا کاهش می دهد.
مقادیر تغییرات تخمینی عملکرد بر اساس محصول متفاوت است. تغییرات عملکرد جهانی گندم با وزن تولید ملی با اثرات مستقیم CO 2 مثبت است ، در حالی که عملکرد ذرت بیشترین تأثیر منفی را دارد، که منعکس کننده تولید بیشتر آن در مناطق عرض جغرافیایی کم است که در آن کاهش عملکرد شبیه سازی شده بیشتر است. تولید ذرت با اثرات مستقیم CO 2 بیشتر کاهش می یابد ، احتمالاً به دلیل پاسخ کمتر آن به اثرات فیزیولوژیکی CO 2 بر رشد محصول. بازده سویا شبیه سازی شده ترین و بدون اثرات مستقیم CO کاهش 2 ، اما حداقل در سناریوهای تغییر GISS و GFDL آب و هوا کمتر شدید تحت تاثیر زمانی که مستقیم CO 2 اثر شبیه سازی شده است. در پاسخ سویا مثبت به افزایش CO 2، اما محصولی است که بیش از همه تحت تأثیر دمای بالای سناریوی UKMO قرار می گیرد.
جدول 9.3. تولید فعلی و تغییر در عملکرد گندم شبیه سازی شده تحت سناریوهای تغییر اقلیم CO 2 دو برابر شده ، با و بدون اثرات مستقیم CO 2 1
1 نتایج برای هر کشور نشان دهنده نتایج سایت وزن شده بر اساس تولید منطقه است. برآوردهای جهانی نشان‌دهنده نتایج وزنی کشور بر اساس تولید ملی است.
| کشور |
تولید فعلی |
تغییر در بازده شبیه سازی شده (%) |
|||||||||
|
بازده |
حوزه |
تولید |
% |
تغییرات آب و هوایی به تنهایی |
با اثرات فیزیولوژیکی |
||||||
|
(تن در هکتار) |
(‘000 هکتار) |
(‘000 تن) |
GISS |
GFDL |
UKMO |
GISS |
GFDL |
UKMO |
|||
| استرالیا |
1.38 |
11546 |
15574 |
3.2 |
-18 |
-16 |
-14 |
8 |
11 |
9 |
|
| برزیل |
1.13 |
2788 |
3625 |
0.8 |
-51 |
-38 |
-53 |
-33 |
-17 |
-31 |
|
| کانادا |
1.88 |
11365 |
21412 |
4.4 |
-12 |
-10 |
-38 |
27 |
27 |
-7 |
|
| چین |
2.53 |
29092 |
73527 |
15.3 |
-5 |
-12 |
-17 |
16 |
8 |
-0 |
|
| مصر |
3.79 |
572 |
2166 |
0.4 |
-36 |
-28 |
-54 |
-31 |
-26 |
-51 |
|
| فرانسه |
5.93 |
4636 |
27485 |
5.7 |
-12 |
-28 |
-23 |
4 |
-15 |
-9 |
|
| هندوستان |
1.74 |
22876 |
39703 |
8.2 |
-32 |
-38 |
-56 |
3 |
-9 |
-33 |
|
| ژاپن |
3.25 |
237 |
722 |
0.2 |
-18 |
-21 |
-40 |
-1 |
-5 |
-27 |
|
| پاکستان |
1.73 |
7478 |
12918 |
2.7 |
-57 |
-29 |
-73 |
-19 |
31 |
-55 |
|
| اروگوئه (جو) |
2.15 |
91 |
195 |
0.0 |
-41 |
-48 |
-50 |
-23 |
-31 |
-35 |
|
| ایالات متحده آمریکا |
2.72 |
26595 |
64390 |
13.4 |
-21 |
-23 |
-33 |
-2 |
-2 |
-14 |
|
| اتحاد جماهیر شوروی سابق | |||||||||||
| زمستان |
2.46 |
18988 |
46959 |
9.7 |
-3 |
-17 |
-22 |
29 |
9 |
0 |
|
| بهار |
1.14 |
36647 |
41 959 |
8.7 |
-12 |
-25 |
-48 |
21 |
3 |
-25 |
|
| جهان 2 |
2.09 |
231 |
482 |
72.7 |
-16 |
-22 |
-33 |
11 |
4 |
-13 |
|
2 منطقه جهانی و تولید x 1000000.
تفاوت در میان کشورهای در پاسخ عملکرد محصول شبیه سازی شده برای تغییر آب و هوا و بدون اثرات مستقیم CO 2در درجه اول به تفاوت در شرایط رشد فعلی مربوط می شود. دماهای بالاتر باعث کوتاه شدن دوره رشد در همه مکان های آزمایش شده می شود. با این حال، در عرض‌های جغرافیایی پایین، محصولات در حال حاضر در دماهای بالاتر رشد می‌کنند، محصول کمتری تولید می‌کنند و به مرزهای تحمل دما برای گرما و تنش آبی نزدیک‌تر هستند. بنابراین گرم شدن در عرض های جغرافیایی پایین منجر به تسریع دوره رشد محصولات، تنش شدید گرمایی و آبی و کاهش عملکرد بیشتر نسبت به عرض های جغرافیایی بالاتر می شود. در بسیاری از مناطق با عرض جغرافیایی متوسط و بالا که رژیم‌های دمای فعلی خنک‌تر هستند، افزایش دما، در حالی که دوره‌های پر شدن دانه را کوتاه می‌کند، بنابراین تأثیر منفی بر عملکرد اعمال می‌کند، سطوح تنش را به طور قابل‌توجهی افزایش نمی‌دهد. در برخی از مکان‌های نزدیک به مرزهای عرض جغرافیایی بالا تولید کشاورزی فعلی، افزایش دما می تواند به نفع محصولات زراعی باشد در غیر این صورت با دمای سرد و فصول رشد کوتاه محدود می شود، اگرچه وسعت خاک مناسب برای تولید کشاورزی گسترده در این مناطق به صراحت مورد مطالعه قرار نگرفت. پتانسیل برای گسترش زمین های زیر کشت در مدل تجارت جهانی مواد غذایی BLS تعبیه شده است و در تغییرات تولید محاسبه شده توسط آن مدل منعکس می شود.
سناریوهای تغییرات آب و هوایی GISS و GFDL تغییرات بازدهی را از 30+ تا 30- درصد ایجاد کردند. اثرات تحت سناریوی GISS، به طور کلی، نامطلوب تر از سناریوی GFDL برای عملکرد محصولات در بخش هایی از آسیا و آمریکای جنوبی است، در حالی که اثرات تحت سناریوی GFDL منجر به عملکرد منفی بیشتر در ایالات متحده و آفریقا و نتایج مثبت کمتری می شود. اتحاد جماهیر شوروی سابق سناریوی تغییرات اقلیمی UKMO که بیشترین گرم شدن را دارد (5.2 درجه سانتیگراد افزایش دمای هوای سطحی جهانی)، باعث می‌شود میانگین محصول ملی تقریباً در همه جا کاهش یابد.
بازده محصول با سازگاری
مطالعات انطباق انجام شده توسط دانشمندان شرکت کننده در این پروژه نشان می دهد که سهولت سازگاری با تغییرات آب و هوایی احتمالاً با محصول، مکان و تکنیک سازگاری متفاوت است. به عنوان مثال، در حال حاضر، بسیاری از تولیدکنندگان مکزیکی فقط می توانند از دوزهای کوچک کود نیتروژن در کاشت استفاده کنند. اگر کود بیشتری در اختیار کشاورزان بیشتری قرار گیرد، ممکن است برخی از کاهش عملکرد تحت سناریوهای تغییرات آب و هوایی جبران شود. با این حال، با توجه به محدودیت های اقتصادی و زیست محیطی فعلی در کشورهایی مانند مکزیک، آینده ای با آب و مواد مغذی نامحدود بعید است (لیورمن و همکاران، 1994). در مقابل، تغییر از گندم بهاره به گندم زمستانه در سایت‌های مدل‌سازی در اتحاد جماهیر شوروی سابق واکنش مطلوبی را ایجاد می‌کند (منژولین و همکاران، 1994)، نشان می دهد که بهره وری کشاورزی ممکن است در آنجا با تغییر نسبتا آسان به سوی گونه های گندم زمستانه افزایش یابد.
انطباق سطح 1، شبیه سازی تغییرات جزئی در سیستم های کشاورزی موجود، سناریوهای تغییر اقلیم را به طور ناقص، به ویژه در کشورهای در حال توسعه، جبران کرد. انطباق سطح 2، که دلالت بر تغییرات عمده در سیستم های کشاورزی فعلی دارد، تقریباً به طور کامل اثرات منفی تغییرات آب و هوایی را در سناریوهای GISS و GFDL جبران کرد. با سطح بالای گرم شدن کره زمین که توسط سناریوی تغییرات اقلیمی UKMO پیش بینی شده است، نه سازگاری سطح 1 و نه سطح 2 به طور کامل بر اثرات منفی تغییر اقلیم بر عملکرد محصولات در اکثر کشورها غلبه نکرده است، حتی اگر اثرات مستقیم CO 2 در نظر گرفته شود.
مدل سازی سیستم غذایی جهان
سیستم غذایی جهان متشکل از بازیگران بسیاری است که برخی قدرتمند و برخی دیگر وابسته هستند. تولیدکنندگان و مصرف کنندگان از طریق بازارهای ملی و بین المللی در تعامل هستند. در حالی که یک روند به سمت بین المللی شدن در سیستم غذایی جهان وجود دارد، تنها 15% از تولید غلات جهان در حال حاضر از مرزهای ملی عبور می کند (فیشر و همکاران، 1990). دولت های ملی با تحمیل مقررات و با سرمایه گذاری در تحقیقات کشاورزی، بهبود زیرساخت ها و آموزش، سیستم را شکل می دهند. اگرچه این سیستم ثبات و برابری را تضمین نمی کند، غذا و فیبر در طول زمان به روش های کارآمدتر تولید شده اند. این کارآیی ها باعث کاهش واقعی بلندمدت قیمت مواد غذایی اصلی شده است.
سیستم پیوندی اساسی الگوهای ملی کشاورزی
سیستم پیوندی پایه مدل‌های سیاست ملی کشاورزی (BLS) شامل حدود 35 مدل ملی و/یا منطقه‌ای است: 18 مدل ملی، 2 مدل برای مناطق با همکاری اقتصادی نزدیک (اتحادیه اروپا و اروپای شرقی + اتحاد جماهیر شوروی سابق 1 )، 14 مدل کل گروه بندی کشورها، و جزء کوچکی که ناهماهنگی ها و عدم تعادل های آماری را در طول دوره تاریخی به حساب می آورد. مدل‌های مجزا با استفاده از یک ماژول بازار جهانی به یکدیگر متصل می‌شوند. شرح مفصلی از کل سیستم در فیشر و همکاران ارائه شده است. (1988). نتایج اولیه به‌دست‌آمده با این سیستم در پریخ و همکاران مورد بحث قرار گرفته است. (1988) و در فیشر و همکاران (1990،1994).
1 تغییرات سیاسی و همچنین تغییرات در مرزهای ملی در گذشته بسیار نزدیک در BLS گنجانده نشده است، اگرچه فرمول مدل تنظیم شده است، به دور از اقتصادهای برنامه ریزی شده متمرکز به رفتارهای بازار محور.
BLS یک سیستم مدل تعادل عمومی است. این امر ایجاب می‌کند که تمام فعالیت‌های اقتصادی در مدل نشان داده شوند. جریان‌های مالی و همچنین جریان‌های کالایی در داخل یک کشور و در سطح بین‌المللی به این معنا که متعادل می‌شوند، سازگار هستند.
مدل‌های کشور از طریق تجارت، قیمت‌های بازار جهانی و جریان‌های مالی به هم مرتبط هستند. این سیستم در افزایش سالانه، به طور همزمان برای همه کشورها حل می شود. فرض بر این است که عرضه به طور آنی با شرایط جدید اقتصادی سازگار نمی شود. تنها عرضه ای که در سال آینده به بازار عرضه می شود متاثر از تغییرات احتمالی فضای اقتصادی است. دور اول صادرات از همه کشورها برای مجموعه اولیه قیمت های جهانی محاسبه می شود و ترخیص کالا از بازار بین المللی برای هر کالا بررسی می شود. سپس قیمت‌های جهانی با استفاده از یک الگوریتم بهینه‌سازی بازبینی می‌شوند و دوباره به مدل‌های ملی منتقل می‌شوند. در مرحله بعد، اینها تعادل های داخلی جدیدی ایجاد می کنند و صادرات خالص را تعدیل می کنند. این روند تا زمان تسویه بازارهای جهانی در تمامی کالاها تکرار می شود. در هر مرحله از تکرار، بازارهای داخلی در تعادل هستند.
حد بالایی زمین در دسترس برای کشت و استفاده به عنوان مرتع با در دسترس بودن منابع زمین و همچنین شرایط اقتصادی تعیین می شود. به عنوان مثال، با بازگشت اقتصادی به زمین. محدودیت‌های منابع فیزیکی در کشورهای در حال توسعه از ارزیابی فائو از زمین‌های زراعی بالقوه به دست آمده است (FAO/UNFPA/IIASA، 1983؛ FAO، 1988). پاسخگویی میزان زمین قابل کشت به دلیل تغییر شرایط اقتصادی نسبتاً کم است زیرا برای وارد کردن زمین های جدید به کشت نیاز به زمان و سرمایه گذاری است.
فرض بر این است که توسعه فناوری تا حد زیادی توسط عوامل برون زا تعیین می شود. پیشرفت فنی در مدل ها به عنوان پیشرفت فنی بیولوژیکی در عملکردهای عملکرد محصولات کشاورزی و دام گنجانده شده است. نرخ پیشرفت فنی بر اساس داده های تاریخی تخمین زده شد و به طور کلی در طول زمان کاهش نشان می دهد. پیشرفت فنی مکانیکی بخشی از عملکرد تعیین کننده سطح سطح محصول برداشت شده و دامپروری است. پیشرفت فنی القایی (درونزا) برای هیچ یک از این موارد یا برای تولید غیر کشاورزی در نظر گرفته نمی شود.
اطلاعات تولید شده توسط شبیه سازی با BLS از تعدادی متغیر تشکیل شده است. در سطح بازار جهانی این موارد شامل قیمت ها، صادرات خالص، تولید و مصرف جهانی است. در سطح کشور، اطلاعات تولید شده شامل: قیمت‌های تولیدکننده و خرده‌فروشی، سطح تولید، استفاده از عوامل تولید اولیه (زمین، نیروی کار و سرمایه)، مصرف نهاده‌های میانی (خوراک، کود و سایر مواد شیمیایی)، سطح مصرف انسانی، ذخایر و تجارت خالص، تولید ناخالص داخلی و سرمایه گذاری بر اساس بخش، تعداد جمعیت و نیروی کار، اقدامات رفاهی مانند درآمد معادل، و سطح اقدامات سیاستی که توسط دولت تعیین می شود (به عنوان مثال، مالیات، تعرفه).
طرح‌های مرجع BLS بدون تغییر آب و هوا
مجموعه ای از سناریوهای مرجع برای مطالعه اثرات نسبی تغییرات آب و هوایی در رابطه با فناوری، جمعیت و رشد اقتصادی طراحی شده است. سناریوی مرجع استانداردی که ما توضیح می‌دهیم، سناریو REF-M نامیده می‌شود، «کسب و کار به‌طور معمول» را به این معنا فرض می‌کند که هیچ تغییر اساسی در روندهای فنی و سیاسی لحاظ نمی‌شود. با این حال، فرض بر این است که اقدامات سیاست حمایتی در کشاورزی به نصف سطوح تاریخی مشاهده شده کاهش می یابد. انتقال به چنین حفاظت کاهش یافته از بخش های کشاورزی بین آغاز دوره شبیه سازی و سال 2020 اجرا می شود. پس از آن تنظیمات سیاست مربوطه ثابت نگه داشته می شوند.
پیش‌بینی مرجع دیگر، سناریوی REF-H، رشد اقتصادی سریع‌تری را نسبت به سناریوی مرجع استاندارد فرض می‌کند. در BLS، پویایی رشد اقتصادی را می توان با تنظیم نرخ سرمایه گذاری با میزان پیشرفت فنی تحت تأثیر قرار داد. در سناریوی REF-H، رشد تولید ناخالص داخلی (GDP) به ویژه برای کشورهای آسیایی در مقایسه با سناریوی REF-M بیشتر است. به طور مشابه، یک اجرای شبیه‌سازی رشد کمتر، سناریوی REF-L، با محدود کردن سرمایه‌گذاری‌ها به نفع مصرف ایجاد شده است.
پیش بینی های مرجع اضافی با BLS بر اساس سناریوی مرجع استاندارد REF-M بود. دو پیش بینی به حساسیت سیستم غذایی جهان با توجه به توسعه زمین و در دسترس بودن نهاده های کشاورزی می پردازد. در سناریوی REF-MA، گسترش زمین های قابل کشت پس از سال 2000 به نصف گسترش در سناریوی REF-M محدود شده است. اجرای شبیه‌سازی دیگر، سناریوی REF-MF، استفاده از کود را با اعمال مالیات 50 درصدی بر کود در کشورهای توسعه‌یافته و 33 درصد در کشورهای در حال توسعه محدود کرد. همچنین سقف مصرف کود در هکتار نیز اعمال شد. هر دو این حالات برای تست تأثیر سیاست کشاورزی ممکن بشود نسبت به کاهش گازهای گلخانه ای از کشاورزی (به طور خاص، CO شبیه سازی شده 2 آزادی از جنگل زدایی و N 2O انتشارات حاصل از کودهای نیتروژنی).
در نهایت، پیش‌بینی مرجع REF-MP از مفروضات اقتصادی اجرای استاندارد مرجع REF-M استفاده می‌کند اما پیش‌بینی‌های جمعیتی را از رشد جمعیت متوسط به رشد جمعیت پایین تغییر می‌دهد.
تمامی شبیه سازی ها به صورت سالانه از سال 1980 تا 2060 انجام می شود.
فرضیات در مورد جمعیت
نرخ رشد جمعیت از دورنمای جمعیت جهانی سازمان ملل متحد، متغیر متوسط (UN، 1989) در همه شبیه‌سازی‌ها به‌جز سناریوی REF-MP که در آن از متغیر پایین استفاده شده است، به‌دست آمد. از آنجایی که سازمان ملل سطح جمعیت ملی را تنها تا سال 2025 پیش‌بینی کرده بود، باقی‌مانده دوره پیش‌بینی شده توسط نرخ‌های رشد جمع‌آوری‌شده از پیش‌بینی‌های بلندمدت جمعیت بانک جهانی (جدول 9.4) پوشش داده شد (بانک جهانی، 1990). نرخ مشارکت نیروی کار از پیش بینی های سازمان بین المللی کار گرفته شده است. تخصیص کل نیروی کار بین بخش های کشاورزی و غیرکشاورزی به قیمت ها و درآمدهای نسبی پاسخ می دهد.
و 2200 میلیون در آفریقا. با رشد جمعیت کمتر در سناریوی REF-MP، جمعیت در سال 2020 به 7200 میلیون نفر و در سال 2060 به حدود 8600 میلیون نفر می رسد که حدود 17٪ کمتر از سناریوی REF-M است.
رشد اقتصادی
نرخ رشد در اکثر مدل‌های ملی BLS بر اساس سه عنصر تعیین می‌شود: (الف) انباشت سرمایه از طریق سرمایه‌گذاری و استهلاک، مربوط به یک تابع پس‌انداز که به سطوح تولید ناخالص داخلی عقب افتاده و همچنین تعادل تجارت و جریان‌های کمک مالی بستگی دارد. (ب) پویایی نیروی کار در نتیجه تغییرات جمعیتی و (ج) پیشرفت فنی. جدول 9.5 برخی از شاخص های توسعه اقتصادی به دست آمده از نتایج شبیه سازی پیش بینی های مرجع را ارائه می دهد.
جدول 9.4. برآورد جمعیت و میانگین رشد سالانه، سال 1980-2060
|
منطقه |
1980 میل. |
2000 میل. |
2020 میلیون |
2060 میلیون |
1980-2000٪ در سال |
2000-2020٪ در سال |
2020-2040٪ در سال |
2040-2060٪ در سال |
|
| نوع متوسط | |||||||||
| جهان |
4378 |
6 125 |
7883 |
10315 |
1.7 |
1.3 |
0.8 |
0.5 |
|
| توسعه یافته |
1 186 |
1 340 |
1 445 |
1 470 |
0.6 |
0.4 |
0.1 |
-0.0 |
|
| آمریکای شمالی |
810 |
915 |
980 |
970 |
0.6 |
0.4 |
0.1 |
-0.1 |
|
| اروپای غربی و سایر اقتصادهای بازار توسعه یافته |
428 |
472 |
501 |
505 |
0.5 |
0.3 |
0.1 |
-0.1 |
|
| اروپای شرقی + اتحاد جماهیر شوروی سابق |
374 |
424 |
465 |
500 |
0.6 |
0.5 |
0.3 |
0.1 |
|
| کشورهای OECD اقیانوس آرام |
134 |
151 |
156 |
145 |
0.6 |
0.2 |
-0.1 |
-0.2 |
|
| در حال توسعه |
3 193 |
4786 |
6437 |
8843 |
2.1 |
1.5 |
1.0 |
0.6 |
|
| آفریقا |
412 |
757 |
1 274 |
2240 |
3.1 |
2.6 |
1.7 |
1.1 |
|
| آمریکای لاتین |
351 |
522 |
695 |
878 |
2.0 |
1.4 |
0.9 |
0.3 |
|
| غرب آسیا |
188 |
325 |
485 |
777 |
2.8 |
2.0 |
1.4 |
1.0 |
|
| آسیای جنوبی |
898 |
1 396 |
1 889 |
2541 |
2.2 |
1.5 |
0.9 |
0.6 |
|
| آسیای برنامه ریزی شده مرکزی |
1 086 |
1419 |
1 637 |
1 843 |
1.4 |
0.7 |
0.4 |
0.2 |
|
| کشورهای آسیایی اقیانوس آرام |
258 |
366 |
458 |
564 |
1.8 |
1.1 |
0.7 |
0.4 |
|
| LOW VARIANT | |||||||||
| جهان |
4380 |
5968 |
7215 |
8565 |
1.6 |
1.0 |
0.5 |
0.3 |
|
| توسعه یافته |
1 185 |
1 319 |
1 364 |
1 348 |
0.5 |
0.2 |
-0.0 |
-0.0 |
|
| در حال توسعه |
3 195 |
4649 |
5851 |
7217 |
1.9 |
1.2 |
0.6 |
0.4 |
|
همه مناطق توسعه یافته و در حال توسعه به طور یکسان نرخ کاهشی رشد تولید ناخالص داخلی را در طول زمان نشان می دهند که با تحولات تاریخی مطابقت دارد. کاهش نرخ رشد جمعیت (و کاهش مربوط به رشد نیروی کار) و همچنین کاهش عمومی در افزایش بهره وری به این توسعه کمک می کند.
در سناریوی مرجع استاندارد، تولید ناخالص داخلی در سطح جهانی به طور متوسط سالانه 2.4 درصد طی سال های 1980 تا 2020 افزایش می یابد. رشد اقتصادی در سال های 2020 تا 2040 به حدود 1.5 درصد در سال کاهش می یابد. به طور کلی، تولید ناخالص داخلی جهانی 4.4 برابر در طول دوره شبیه سازی در مقایسه با افزایش 2.4 برابری در تعداد جمعیت. این امر منجر به افزایش متوسط سالانه تولید ناخالص داخلی سرانه در کشورهای توسعه یافته و در حال توسعه به ترتیب 1.4 و 1.1 درصد در دوره 80 ساله از 1980 تا 2060 می شود. البته لازم به ذکر است که افزایش شاخص های سرانه بیشتر است. در سطوح منطقه ای و ملی در مقایسه با ارقام جهانی به دلیل اثر تجمعی ناشی از توسعه جمعیتی، به کشورهای در حال توسعه فقیرتر وزن بیشتری می دهد.
جدول 9.5. شاخص های رشد اقتصادی تحت پیش بینی های مرجع مختلف (میانگین درصد تغییر سالانه)
|
REF-L* |
REF-M* |
REF-MP* |
REF-H* |
|||||||||
|
جهان |
توسعه یافته |
در حال توسعه |
جهان |
توسعه یافته |
در حال توسعه |
جهان |
توسعه یافته |
در حال توسعه |
جهان |
توسعه یافته |
در حال توسعه |
|
| تولید ناخالص داخلی 1 | ||||||||||||
| 1980-2020 |
2.2 |
2.0 |
3.1 |
2.4 |
2.2 |
3.3 |
2.3 |
2.1 |
3.1 |
2.7 |
2.2 |
4.0 |
| 1980-2060 |
1.7 |
1.5 |
2.3 |
1.8 |
1.6 |
2.4 |
1.7 |
1.6 |
2.3 |
2.2 |
1.7 |
3.2 |
| GDP/CAP 2 | ||||||||||||
| 1980-2020 |
0.8 |
1.5 |
1.3 |
1.0 |
1.7 |
1.5 |
1.1 |
1.8 |
1.6 |
1.3 |
1.8 |
2.2 |
| 1980-2060 |
0.7 |
1.3 |
1.0 |
0.8 |
1.4 |
1.1 |
0.9 |
1.4 |
1.2 |
1.2 |
1.5 |
1.9 |
| کشاورزی 3 | ||||||||||||
| 1980-2020 |
1.5 |
0.7 |
2.0 |
1.5 |
0.7 |
2.0 |
1.4 |
0.7 |
1.9 |
1.6 |
0.7 |
2.1 |
| 1980-2060 |
1.2 |
0.5 |
1.5 |
1.2 |
0.5 |
1.6 |
1.1 |
0.4 |
1.4 |
1.2 |
0.5 |
1.6 |
| تولید غذا | ||||||||||||
| 1980-2020 |
1.5 |
1.0 |
1.8 |
1.5 |
1.0 |
1.9 |
1.4 |
0.9 |
1.7 |
1.6 |
1.0 |
2.0 |
| 1980-2060 |
1.1 |
0.7 |
1.4 |
1.1 |
0.7 |
1.4 |
1.0 |
0.6 |
1.2 |
1.2 |
0.7 |
1.5 |
1 تولید ناخالص داخلی
2 تولید ناخالص داخلی به ازای هر ظرفیت تولید.
3 تولید ناخالص داخلی کشاورزی.
* اصطلاحات REF-L، REF-M، REF-MP، REF-H در بخش پیش بینی های مرجع BLS بدون تغییر آب و هوا توضیح داده شده است.
با رشد اقتصادی سریعتر، به‌ویژه در کشورهای در حال توسعه مانند سناریوی REF-H، تولید ناخالص داخلی جهانی بین سال‌های 1980 و 2060 تقریباً 5.6 برابر رشد می‌کند، در حالی که تنها 3.9 برابر پیش‌بینی رشد پایین‌تر REF-L است. توجه داشته باشید که حتی با تغییرات نسبتاً جزئی در مفروضات اقتصادی اساسی، تولید حاصل در سال 2060 حدود 40٪ تغییر می کند. به طور مشابه، تولید غذا (که بر حسب انرژی خالص غذا اندازه‌گیری می‌شود، یعنی تولید کمتر خوراک، بذر و ضایعات) و همچنین رشد کلی کشاورزی پیش‌بینی می‌شود که در طول دوره شبیه‌سازی از رشد جمعیت فراتر رود.
تولید، تقاضا و تجارت
پیش بینی مرجع استاندارد، سناریوی REF-M، چشم انداز جهانی را ارائه می دهد که در آن تقاضای موثر برای غذا به دلیل درآمدهای بالاتر و جمعیت بیشتر به طور قابل ملاحظه ای رشد می کند. پیشرفت تکنولوژیکی و توسعه اقتصادی که در سناریوی مرجع در نظر گرفته شده است، اجازه می دهد تا این افزایش تقاضا با قیمت های تا حدودی کاهشی در بازار جهانی محصولات کشاورزی، مطابق با روندهای تاریخی، برآورده شود. جدول 9.6 تولید جهانی کالاهای کشاورزی را در سناریوی مرجع استاندارد REF-M و در سناریوی با درآمد بالاتر REF-H نشان می دهد.
تجارت جهانی در سناریوی مرجع تا حدودی سریعتر از تولید جهانی کشاورزی افزایش می یابد. برای غلات، سهم صادرات خالص در تولید جهانی از 13 درصد در سال 1980 به 15 درصد در سال 2060 تخمین زده می‌شود که گندم و دانه‌های درشت تقریباً سه برابر و برنج چهار برابر افزایش سطح تجارت را نشان می‌دهند. به طور کلی، سهم تجارت جهانی در تولید جهانی کل کالاها به تدریج در طول زمان افزایش می‌یابد که نشان‌دهنده تخصص رو به رشد در تولید است. افزایش تقاضا در کشورهای در حال توسعه، به دلیل افزایش درآمد و رشد جمعیت، منجر به وخامت سطح خودکفایی کشاورزی برای این گروه از کشورها می شود که از مازاد خالص حدود 3 درصدی در سال 1979/81 به 1 درصد تبدیل می شود. کسری تا سال 2060 ناشی از افزایش کسری غلات، گوشت و شیر است.
خطر گرسنگی
در نهایت می پرسیم که این همه گرسنه را کجا رها می کند. برای ارزیابی تأثیر سناریوهای جایگزین بر فقرا در کشورهای مختلف، لازم بود یک شاخص گرسنگی ثابت در BLS ایجاد شود. برآوردهای کشوری از تعداد افراد دارای سوءتغذیه توسط فائو (1984، 1987) انجام شده است. برای بازیابی روش FAO به شکل کاهش‌یافته، مناسب برای استفاده در مدل‌های شبیه‌سازی، یک رگرسیون بین کشوری تخمین زده شده است که سهم افراد در معرض خطر گرسنگی را با اندازه‌گیری در دسترس بودن انرژی غذا نسبت به نیازهای غذایی توضیح می‌دهد. در دسترس بودن غذا به نوبه خود به درآمد و سطح قیمت بستگی دارد.
جدول 9.6. تولید جهانی در دو پیش بینی مرجع BLS
|
کالا |
تولید در سال سناریوی REF-M 1 |
تولید در سناریوی سال REF-H 1 |
واحد اندازه گیری |
|||||||
|
1980 |
2000 |
2020 |
2040 |
2060 |
2000 |
2020 |
2040 |
2060 |
||
| گندم |
441 |
603 |
742 |
861 |
958 |
658 |
811 |
911 |
1056 |
میلیون تن |
| برنج 2 |
249 |
367 |
480 |
586 |
659 |
415 |
545 |
661 |
749 |
میلیون تن معادل آسیاب شده |
| دانه درشت |
741 |
1022 |
1289 |
1506 |
1669 |
1065 |
1349 |
1587 |
1772 |
میلیون تن |
| گاو + گوشت گوسفند |
65 |
83 |
105 |
123 |
136 |
84 |
107 |
125 |
139 |
میلیون تن وزن لاشه |
| لبنیات |
470 |
613 |
750 |
877 |
997 |
616 |
758 |
893 |
1021 |
میلیون تن معادل شیر کامل |
| گوشت های دیگر |
17 |
25 |
33 |
41 |
48 |
25 |
34 |
42 |
49 |
میلیون تن معادل پروتئین |
| خوراک پروتئینی |
36 |
52 |
64 |
76 |
85 |
52 |
65 |
77 |
87 |
میلیون تن معادل پروتئین |
| غذای دیگر |
225 |
326 |
433 |
538 |
629 |
326 |
436 |
545 |
640 |
میلیون دلار آمریکا 1970 |
| غیر از مواد غذایی |
26 |
34 |
41 |
47 |
52 |
34 |
41 |
48 |
53 |
میلیون دلار آمریکا 1970 |
| کشاورزی |
370 |
522 |
676 |
821 |
942 |
533 |
696 |
848 |
977 |
میلیون دلار آمریکا 1970 |
1 اصطلاحات REF-M در بخش پیش بینی های مرجع BLS بدون تغییر آب و هوا توضیح داده شده است.
2 تولید در معادل برنج آسیاب شده است. ضریب تبدیل از paddy 0.667 است.
جدول 9.7. افراد در معرض خطر گرسنگی 1 (میلیون ها)
|
REF-M |
REF-MP |
REF-MA |
REF-MF |
REF-L |
REF-H |
|||
|
سال 1980 |
سال 2020 |
سال 2060 |
سال 2060 |
سال 2060 |
سال 2060 |
سال 2060 |
سال 2060 |
|
| در حال توسعه |
501 |
715 |
641 |
395 |
727 |
722 |
757 |
498 |
| آفریقا |
116 |
291 |
415 |
305 |
447 |
446 |
441 |
375 |
| آمریکای لاتین |
36 |
39 |
24 |
13 |
34 |
33 |
32 |
20 |
| غرب آسیا |
28 |
55 |
72 |
46 |
84 |
85 |
78 |
68 |
| آسیای جنوبی |
265 |
319 |
128 |
30 |
160 |
157 |
202 |
35 |
| آسیای برنامه ریزی شده مرکزی 2 |
26 |
33 |
0 |
0 |
0 |
0 |
0 |
0 |
| کشورهای آسیایی اقیانوس آرام |
30 |
6 |
9 |
0 |
3 |
2 |
4 |
0 |
1 اصطلاح “در خطر گرسنگی” به دنبال روش FAO در مورد کمبود غذا یا درآمد برای دستیابی به دریافت رژیم غذایی بالاتر از 1.4 برابر نرخ متابولیسم پایه استفاده می شود.2 تخمین شامل چین نمی شود.
در سناریوی مرجع استاندارد، میزان بروز گرسنگی از حدود 23 درصد جمعیت کشورهای در حال توسعه (به استثنای چین) در سال 1980 به حدود 9 درصد در سال 2060 کاهش می یابد. گرسنگی از حدود 500 میلیون 2 تا حدودی افزایش می یابددر سال 1980 به 720 میلیون در سال 2020 و حدود 640 میلیون در سال 2060 رسید. هیچ برآوردی برای مناطق توسعه یافته انجام نشد. البته، تعداد پیش‌بینی‌شده افراد در معرض خطر گرسنگی به فرض سناریو حساس است، از کمتر از 400 میلیون در شرایط کم جمعیت، حدود 500 میلیون با فرض توسعه اقتصادی سریعتر، تا حدود 760 میلیون در سناریوی رشد پایین‌تر.
2 FAO اخیراً برآورد کرده است (FAO, 1993) تعداد افراد مبتلا به سوءتغذیه در کشورهای در حال توسعه به 941 میلیون نفر در سال 81/1979 و به 843 میلیون نفر در سال 1988/90 رسیده است. این تخمین ها بر اساس سطح آستانه انرژی غذایی 1.54 برابر نرخ متابولیک پایه (BMR) است. تخمین های BLS آستانه پایین تر 1.4 برابر BMR را فرض می کنند.
در حالی که برآوردها بهبود وضعیت امنیت غذایی را به صورت نسبی و مطلق در کشورهای آسیایی نشان می دهد، قاره آفریقا عمدتاً به دلیل افزایش چشمگیر جمعیت نتایج متفاوتی را تجربه می کند. سهم تخمینی افراد در معرض خطر گرسنگی در کل جمعیت آفریقا از 28 درصد در سال 1980 به 18 درصد تا سال 2060 کاهش می یابد. با این حال، پیش بینی می شود که تعداد گرسنگان بیش از سه برابر افزایش یابد، از حدود 120 میلیون نفر در سال 1980 به 415 میلیون نفر در سال 2060، در نتیجه آفریقا را به منطقه ای با بیشترین تعداد سوءتغذیه تبدیل می کند. با رشد جمعیت کمتر، سناریوی REF-MP، سطح تخمینی افراد در معرض خطر گرسنگی بیش از 25٪ کاهش می یابد. توسعه اقتصادی بالاتر، سناریوی REF-H، تعداد گرسنگان را تا حدود 40 میلیون، یعنی تقریباً 10 درصد کاهش می دهد.
ارزیابی سیستم غذایی جهان تحت سناریوهای جایگزین
ارزیابی تأثیر بالقوه تغییر اقلیم بر تولید و تجارت کالاهای کشاورزی، به ویژه بر روی مواد غذایی اصلی، با مقایسه نتایج سناریوهای تغییر اقلیم با پیش‌بینی‌های مرجع انجام می‌شود. جنبه های مختلف این پیش بینی های مرجع در بخش قبل ارائه شده است.
سناریوهای تأثیر بازده تغییرات آب و هوایی که در این پروژه ابداع شده اند شامل تعداد زیادی آزمایش است که به موارد زیر مربوط می شود:
· شبیه سازی های مختلف GCM دو برابر CO 2 .· مفروضات مختلف با توجه به اثرات تغییر آب و هوا بر رشد و سطح عملکرد گیاه، مانند اثرات فیزیولوژیکی 555 پی پی ام CO 2 ، یا سرعت زمانی تاثیر.
· مفروضات مختلف در مورد سازگاری در سطح مزرعه برای کاهش اثرات عملکرد.
· تغییرات خط مشی برای تأثیرگذاری بر آزمایش های مرجع و تغییرات آب و هوایی، به عنوان مثال، رشد جمعیت، سیاست های تجاری، رشد اقتصادی، و سیاست های کاهش انتشار گازهای گلخانه ای از کشاورزی، مانند محدودیت گسترش زمین های زراعی، کشت برنج، یا استفاده از کودهای شیمیایی
بیش از 70 آزمایش شبیه سازی شده است. نتایج حاصل از شش مجموعه آزمایش شبیه سازی در اینجا گزارش شده است:
1. شبیه سازی بدون اثرات فیزیولوژیکی 555 پی پی ام CO 2 بر رشد و عملکرد محصول.2. شبیه سازی با اثرات فیزیولوژیکی 555 پی پی ام CO 2 بر رشد و عملکرد محصول.
3. شبیه سازی با اثرات فیزیولوژیکی 555 پی پی ام CO 2 بر رشد و عملکرد محصول، و سازگاری برای کاهش اثرات منفی عملکرد در سطح مزرعه که شامل هیچ تغییر عمده ای در شیوه های کشاورزی نمی شود (سطح سازگاری 1).
4. شبیه سازی با اثرات فیزیولوژیکی 555 پی پی ام CO 2 بر رشد و عملکرد محصول، و سازگاری در سطح مزرعه که علاوه بر موارد قبلی، تغییرات عمده ای را در شیوه های کشاورزی نیز شامل می شود (سطح سازگاری 2).
5. شبیه سازی با اثرات فیزیولوژیکی 555 پی پی ام CO 2 بر رشد و عملکرد محصول، اما با تغییرات دما و بارش پیش بینی شده توسط GISS GCM برای دهه 2030.
6. شبیه سازی با اجرای گذرا GISS A و افزایش تدریجی مرتبط در سطح CO 2 .
مواد و روش ها
داده‌های مربوط به تغییرات عملکرد محصول برآورد شده برای سناریوهای مختلف تغییرات آب و هوایی برای 34 کشور یا منطقه اصلی جهان گردآوری شد. اکثر مدل های موجود در BLS بین عملکرد و عملکرد سطح زیر کشت تمایز قائل می شوند. توابع پاسخ عملکرد محصولات عمده از سطح کاربرد کود و اصطلاح مربوط به فناوری به عنوان متغیرهای توضیحی استفاده می کنند. در حالی که پیشرفت فنی نسبت به یک روند زمانی مشخص می شود، سطح مصرف کود از شرایط بهینه به دست می آید، یعنی با معادل سازی محصول ارزش حاشیه ای کود با قیمت آن. تغییرات عملکرد ناشی از تغییر آب و هوا با استفاده از یک عامل ضربی اعمال شده به پارامترهای مربوطه در نمایش ریاضی به توابع پاسخ عملکرد معرفی شدند. این بدان معناست که میانگین و بهره وری نهایی کود تحت تأثیر تغییرات عملکرد تحمیلی قرار می گیرند. طرح های جایگزین برای معرفی تغییرات عملکرد قابل تصور است، به عنوان مثال، با یک عبارت افزودنی در توابع پاسخ به جای یک ضریب. دانش تجربی بیشتری با توجه به تأثیر تغییرات عملکرد ناشی از اقلیم بر بهره‌وری نهایی برای انتخاب مناسب‌ترین اجرا مورد نیاز است.
از آنجا که کشور های اضافی و / یا اطلاعات خاص محصول نشان می دهد تغییرات صریح و روشن از گریبان مناسب برای کشت محصول به دلیل اثرات تغییر آب و هوا در دسترس نبود 3 ، تخصیص زمین است به طور غیر مستقیم از طریق تغییرات ضمنی در عملکرد کلی از بخش کشاورزی و همچنین تحت تاثیر قرار به عنوان تغییر مزیت نسبی فعالیت های تولید محصول رقیب. با این حال، باید توجه داشت که BLS برای رسیدگی به محدودیت‌های صریح منطقه در ماژول تخصیص منابع جزء تولید کشاورزی مجهز است.
3 به عنوان مثال، یک ارزیابی از کشت و زیست محیطی مناطق (AEZ) تحت شرایط آب و هوایی تغییر عنوان در حال حاضر برای چند کشور انجام می تواند چنین اطلاعات ارائه.
فرآیندهای تعدیل که در سناریوهای مختلف اتفاق می‌افتد، نتیجه تغییرات عملکرد تحمیلی است که باعث تغییرات در سطوح تولید ملی و هزینه‌ها می‌شود و منجر به تغییر قیمت محصولات کشاورزی در بازارهای ملی بین‌المللی می‌شود. این به نوبه خود بر تخصیص سرمایه گذاری و مهاجرت نیروی کار بین بخش ها و همچنین تخصیص مجدد منابع در کشاورزی تأثیر می گذارد. زمان یک جنبه مهم در این ارزیابی است: فرض بر این است که تغییرات عملکرد ناشی از تغییرات آب و هوایی از سال 1990 شروع می شود و در سال 2060 به تأثیر کامل خود می رسد. این به بازیگران اقتصادی در سیستم غذایی ملی و بین المللی اجازه می دهد تا رفتار خود را در یک دوره تنظیم کنند. دوره 70 ساله با این حال، تأثیرات پویا در برخی از سناریوها قابل توجه است.
برای سناریوی گذرا GISS A، اثرات بازده تغییر آب و هوا به صورت خطی بین “عکس های فوری” آب و هوا قرار گرفتند، به عنوان مثال، اصطلاحات ضریب تغییر عملکرد گنجانده شده در توابع پاسخ عملکرد BLS به تدریج به عنوان تابعی از زمان بین سال 1990 ساخته می شوند. -2010، 2010-2030 و 2030-2050، به طوری که به طور کامل به سطوح تأثیر مشخص شده به ترتیب در سال های 2010، 2030 و 2050 برسیم. فراتر از سال 2050، ضریب تغییر بازده با گسترش روند دوره 2050-222030 برون یابی شده است.
تاثیرات بازدهی تغییر آب و هوا بدون تعدیل اقتصادی
قبل از ارزیابی تأثیرات معرفی مجموعه‌ای از تغییرات عملکرد ناشی از تغییرات آب و هوایی از طریق شبیه‌سازی با BLS، ممکن است بپرسیم چنین تغییری در بهره‌وری کشاورزی چه اعوجاجی را برای سیستم غذایی جهان به همراه خواهد داشت. این اندازه‌گیری اعوجاج ، تأثیر تغییر اقلیم ثابت نامیده می‌شود ، زیرا تأثیر فرضی تغییرات عملکرد را بدون تعدیل‌های سیستم اقتصادی در طول زمان اندازه‌گیری می‌کند. به حالتی از سیستم اشاره دارد که در تعادل نیست. به این ترتیب، فقط از نظر نظری مورد توجه است، اما به درک و کمیت ماهیت و میزان تعدیل‌هایی که به دلیل تغییر شرایط اقتصادی صورت می‌گیرد، کمک می‌کند.
جدول 9.8 اثرات تغییر اقلیم ثابت برآورد شده برای جهان و کشورهای توسعه یافته و در حال توسعه را نشان می دهد. برآورد اثرات ثابت تغییر اقلیم، بدون فرض اثرات فیزیولوژیکی مستقیم 555 پی پی ام CO 2 بر رشد و عملکرد محصول، یک چشم انداز نسبتا بدبینانه را نشان می دهد، با کاهش بهره وری محصول در حدود 20 تا 30 درصد. چنین فرضی چندان محتمل تلقی نمی شود و در تحلیل بیشتر مورد بحث قرار نخواهد گرفت.
هنگامی که اثرات فیزیولوژیکی مستقیم CO 2 بر عملکرد لحاظ شود، میزان و حتی جهت تأثیر استاتیکی کل در سطح جهان با سناریوی آب و هوای GCM و با مفروضات مربوط به سازگاری در سطح مزرعه متفاوت است. در همه موارد، بیشترین اثرات منفی در سناریوهای با استفاده از سناریوی تغییر اقلیم UKMO به دست می‌آید که بالاترین میانگین گرمایش جهانی، 5.2 درجه سانتیگراد را دارد. نتایج به دست آمده از سناریوی GISS تنها اثرات منفی کوچک یا حتی سود را در سطح جهانی نشان می دهد.
با این حال، تأثیرات کاملاً نابرابر توزیع شده است. در سطح کل، کشورهای توسعه یافته افزایش بهره وری را در همه سناریوها به جز سناریوی UKMO تجربه می کنند. در مقابل، مناطق در حال توسعه در تمام برآوردهای ارائه شده در اینجا از دست دادن بهره وری متحمل می شوند. جدول 9.9 نتایج سناریوها در سطح قاره را نشان می دهد که اثرات فیزیولوژیکی مستقیم افزایش CO 2 اتمسفر را فرض می کنند.غلظت (555 پی پی ام) و در صورت لزوم، برخی سازگاری در سطح مزرعه (سطح سازگاری 1). بر اساس پیش‌بینی‌های اقلیمی GISS و GFDL، بهره‌وری محصول در مناطق توسعه‌یافته، به‌ویژه در اتحاد جماهیر شوروی سابق و در کشورهای OECD اقیانوس آرام (استرالیا، ژاپن و نیوزلند) مزایای قابل‌توجهی دارد. تأثیرات بر مناطق در حال توسعه همه منفی است، به جز گروه آسیای برنامه ریزی شده مرکزی که شامل چین می شود. تحت سناریوهای GISS و UKMO GCM، کشورهای آمریکای مرکزی و جنوبی بیشترین تأثیر را دارند. برآوردهای GFDL GCM برای غرب آسیا، جنوب آسیا و آفریقا بدترین است. اثرات استاتیک به دست آمده برای سناریوی تغییرات آب و هوایی GISS-A عمدتاً مثبت است (به جز تخمین های سناریوی GISS-A که اثرات فیزیولوژیکی 555 پی پی ام CO 2 را در نظر می گیرد.اما تنها حساسیت اقلیمی متوسط به افزایش غلظت گازهای گلخانه ای اتمسفر را فرض کنید) که در سطح جهانی به میزان 10% می رسد. با این حال، توجه داشته باشید که افزایش جهانی بیش از دو برابر افزایش در کشورهای در حال توسعه تخمین زده می شود.
تأثیرات بازده تغییرات آب و هوا با تعدیل‌های اقتصادی
محاسبات بالا تأثیری را مورد بحث قرار می دهد که اگر تغییرات عملکرد ناشی از اقلیم بدون تعدیل زراعی و اقتصادی رخ دهد، نتیجه می دهد. با این حال، در مفروضات سناریو، تغییرات بهره‌وری به تدریج معرفی می‌شوند تا تنها پس از یک دوره 70 ساله، از سال 1990 تا 2060، به تأثیر کامل خود برسند. در سناریوهایی با کمبود تولید مواد غذایی ناشی از تغییرات آب و هوایی، عدم تعادل بازار قیمت‌های بین‌المللی را به سمت بالا می‌برد و ایجاد انگیزه برای تخصیص مجدد سرمایه و منابع انسانی. در عین حال، مصرف کنندگان به تغییرات قیمت واکنش نشان می دهند و الگوهای مصرف خود را تنظیم می کنند.
جدول 9.8. تاثیر استاتیک شبیه سازی شده با استفاده از سه GCM (GISS، GFDL، UKMO)
|
درصد تغییرات تولید غلات |
درصد تغییر تولید محصول |
تولید ناخالص داخلی کشاورزی درصد تغییر |
|||||||
|
GISS |
GFDL |
UKMO |
GISS |
GFDL |
UKMO |
GISS |
GFDL |
UKMO |
|
| WORLD TOTAL | |||||||||
| بدون فیزیک اثر CO 2 |
-22.1 |
-21.8 |
-22.4 |
-25.4 |
-24.4 |
-25.0 |
-33.6 |
-33.0 |
-33.5 |
| با فیزیک اثر CO 2 |
-5.1 |
+2.8 |
-0.1 |
-9.0 |
+0.3 |
-2.8 |
-18.2 |
-8.9 |
-12.2 |
| انطباق سطح 1 |
-1.7 |
+2.8 |
+0.9 |
-5.5 |
+0.3 |
-1.7 |
-12.9 |
-8.3 |
-10.1 |
| انطباق سطح 2 |
+1.4 |
+4.6 |
+3.2 |
-1.1 |
+2.3 |
+1.0 |
-6.1 |
-3.3 |
-4.4 |
| توسعه یافته | |||||||||
| بدون فیزیک اثر CO 2 |
-13.9 |
-6.1 |
-10.3 |
-21.3 |
-15.3 |
-18.6 |
-30.4 |
-27.1 |
-28.9 |
| با فیزیک اثر CO 2 |
+2.6 |
+18.6 |
+10.6 |
-5.1 |
+9.6 |
+2.1 |
-15.8 |
-3.2 |
-9.8 |
| انطباق سطح 1 |
+7.8 |
+18.6 |
+13.1 |
+0.1 |
+9.9 |
+5.0 |
-6.7 |
-0.1 |
-3.6 |
| انطباق سطح 2 |
+7.8 |
+18.7 |
+13.1 |
+3.3 |
+9.9 |
+6.4 |
-2.8 |
+1.4 |
-0.8 |
| در حال توسعه | |||||||||
| بدون فیزیک اثر CO 2 |
-28.5 |
-25.3 |
-26.5 |
-28.6 |
-26.4 |
-27.1 |
-36.2 |
-34.3 |
-35.1 |
| با فیزیک اثر CO 2 |
-11.2 |
-0.7 |
-3،7 |
-12.0 |
-1.8 |
-4.5 |
-20.1 |
-10.2 |
-13.0 |
| انطباق سطح 1 |
-9.2 |
-0.7 |
-3.2 |
-10.0 |
-1.8 |
-3.9 |
-17.8 |
-10.1 |
-12.3 |
| انطباق سطح 2 |
-3.6 |
+1.4 |
-0.1 |
-4.5 |
+0.6 |
-0.8 |
-8.7 |
-4.3 |
-5.6 |
جدول 9.9. تأثیر تغییر اقلیم استاتیک (%)، سازگاری سطح 1، سال 2060
|
GISS |
GFDL |
UKMO |
GISS-A |
|||||||||
|
غلات |
دیگر |
تمام محصولات زراعی |
غلات |
دیگر |
محصولات ق |
غلات |
دیگر |
تمام محصولات زراعی |
غلات |
دیگر |
تمام محصولات زراعی |
|
| توسعه یافته | ||||||||||||
| آمریکای شمالی |
+2.7 |
+12.6 |
+5.9 |
-3.8 |
+3.6 |
-0.7 |
-10.8 |
-9.8 |
-10.1 |
+6.6 |
+22.0 |
+12.1 |
| اروپای غربی و سایر اقتصادهای بازار توسعه یافته |
+6.2 |
+13.5 |
+10.3 |
+4.3 |
+9.6 |
+7.1 |
+2.7 |
+7.3 |
+5.1 |
+18.7 |
+22.2 |
+20.5 |
| اروپای شرقی + اتحاد جماهیر شوروی سابق |
+17.7 |
+25.9 |
+22.8 |
+2.6 |
+13.5 |
+8.6 |
-8.3 |
-0.3 |
-4.0 |
+14.0 |
+16.9 |
+15.9 |
| کشورهای OECD اقیانوس آرام |
+8.3 |
+13.9 |
+11.0 |
+8.5 |
+10.5 |
+9.1 |
+7.4 |
+8.0 |
+7.4 |
+17.6 |
+17.2 |
+17.0 |
| در حال توسعه | ||||||||||||
| آفریقا |
-20.6 |
+0.8 |
-3.0 |
-24.0 |
-4.7 |
-8.1 |
-25.6 |
-7.0 |
-10.3 |
-4.7 |
+7.4 |
+5.4 |
| آمریکای لاتین |
-16.7 |
-6.1 |
-8.7 |
-14.5 |
+0.2 |
-3.2 |
-22.7 |
-15.8 |
-17.7 |
+3.1 |
+16.6 |
+13.8 |
| غرب آسیا |
-12.2 |
-4.6 |
-6.5 |
-17.4 |
-9.2 |
-11.1 |
-22.5 |
-15.0 |
-16.9 |
+8.8 |
+13.5 |
+12.3 |
| آسیای جنوبی |
-9.8 |
-4.0 |
-6.7 |
-10.7 |
-6.6 |
-8.4 |
-28.8 |
-26.1 |
-26.6 |
+1.8 |
+7.8 |
+5.0 |
| آسیای برنامه ریزی شده مرکزی |
+3.3 |
+9.4 |
+6.9 |
+1.4 |
+7.2 |
+5.0 |
-0.8 |
+4.7 |
+2.6 |
+1.9 |
+13.2 |
+9.7 |
| کشورهای آسیایی اقیانوس آرام |
-14.9 |
-11.1 |
-11.4 |
-5.6 |
-3.7 |
-3.2 |
-14.8 |
-5.1 |
-8.1 |
+6.1 |
-3.2 |
-3.6 |
جدول 9.10. درصد تغییر قیمت های بازار جهانی، سال 2060
|
غلات |
تمام محصولات زراعی |
|||||||
|
GISS |
GFDL |
UKMO |
GISS-A |
GISS |
GFDL |
UKMO |
GISS-A |
|
| بدون فیزیک اثر CO 2 |
306 |
356 |
818 |
81 |
234 |
270 |
592 |
70 |
| با فیزیک اثر CO 2 |
24 |
33 |
145 |
-21 |
8 |
17 |
90 |
-25 |
| انطباق سطح 1 |
13 |
22 |
98 |
2 |
10 |
67 |
||
| انطباق سطح 2 |
-4 |
2 |
36 |
-8 |
-3 |
25 |
||
جدول 9.10 شامل تغییرات در قیمت های بازار جهانی غلات و یک شاخص کلی قیمت محصول است، همانطور که در سناریوهای تغییرات آب و هوایی نسبت به پیش بینی مرجع استاندارد مشاهده شده است. هنگامی که اثرات فیزیولوژیکی مستقیم CO 2 بر رشد و عملکرد گیاه در نظر گرفته نمی شود، افزایش عمده در قیمت های بازار جهانی منجر به افزایش چهار تا نه برابری قیمت غلات بسته به سناریوی GCM می شود. جدای از شواهد علمی در مورد اثرات فیزیولوژیکی سودمند سطوح بالای CO 2 بر عملکرد محصول، چنین افزایشی واکنش عمومی قوی و اقدامات سیاسی برای کاهش اثرات منفی عملکرد را برانگیخت. از این رو، نتایج برای سناریوهای بدون اثرات فیزیولوژیکی CO 2 بر بازده احتمالاً غیر واقعی است.
هنگامی که اثرات فیزیولوژیکی 555 پی پی ام CO 2 بر عملکرد در ارزیابی لحاظ شود، قیمت غلات نسبت به پیش بینی مرجع استاندارد بین 24 تا 145 درصد افزایش می یابد. شاخص قیمت محصولات بسته به سناریوی تغییرات آب و هوایی GCM بین 8 تا 90 درصد افزایش می یابد. تغییرات ناشی از سناریوهای GISS و GFDL نسبتاً اندک است و منجر به افزایش حدود 25 تا 33 درصدی قیمت غلات و افزایش کمتر از 20 درصدی در قیمت کلی محصول می شود. تنها تأثیرات حاصل از تغییرات آب و هوایی که توسط UKMO GCM پیش‌بینی شده بود، باعث افزایش قیمت محصولات کشاورزی شد. از سوی دیگر، تحت سناریوی آب و هوایی GISS-A، که در آن اثرات تحت سلطه اثرات فیزیولوژیکی مثبت CO 2 است ، کاهش قیمت عمده رخ می دهد.
هنگامی که سازگاری در سطح مزرعه در نظر گرفته شود، تغییرات قیمت بیشتر کاهش می یابد. شاخص قیمت محصول در هر دو اجرای شبیه سازی GISS و GFDL کمتر از 10 درصد افزایش می یابد. با این حال، پیش‌بینی UKMO همچنان باعث افزایش دو سوم قیمت محصول می‌شود. شکل 9.2 سطح قیمت محصول را با آنچه در پیش بینی مرجع استاندارد BLS ایجاد شده مقایسه می کند. نتایج برای سه اجرای شبیه‌سازی با اثرات فیزیولوژیکی 555 ppm CO 2 و سازگاری در سطح مزرعه نشان داده شده است : اجرای GISS و GFDL دو برابر CO 2 و یک اجرای شبیه‌سازی بر اساس سناریوی گذرا A GISS. توجه داشته باشید که در GISS CO 2 دو برابر شده است.و GISS اجرای گذرا، اثرات مثبت محصول برای حدود نیمی از دوره شبیه سازی غالب است. در دوره گذرا GISS، شاخص قیمت محصول در ابتدا (حدود سال 2010) تا 10 درصد کمتر از سطح دوره مرجع کاهش می یابد. سپس، با افزایش اثرات منفی در کشورهای در حال توسعه و کاهش اثرات مفید در کشورهای توسعه یافته، قیمت ها به شاخص قیمت سناریوی مرجع باز می گردند و در نهایت از آن فراتر می روند.
با اقدامات سازگاری که شامل تغییرات عمده در شیوه های کشاورزی، به عنوان مثال، سازگاری سطح 2، قیمت ها حتی به زیر سطوح مرجع در سناریوهای GISS و GFDL می رسد. توجه داشته باشید که مفروضات زیربنایی انطباق سطح 2، که گاهی به سرمایه گذاری های عمده نیاز دارند، ممکن است از نظر اقتصادی مقرون به صرفه نباشند. سناریوهایی با اقدامات انطباق کم هزینه، به عنوان مثال، انطباق سطح 1، به نظر می رسد واقع بینانه تر باشد.
جدول 9.11 اثرات پویای تخمین زده شده تغییرات آب و هوایی بر کشاورزی را که پس از 70 سال شبیه سازی با تعدیل اقتصادی حاصل می شود، نشان می دهد. با توجه به این محاسبات، که شامل ارزیابی خوش بینانه از اثرات فیزیولوژیکی مستقیم 555 پی پی ام CO 2 بر عملکرد محصول می شود، تأثیر بر تولید ناخالص داخلی کشاورزی جهانی در همه سناریوها به جز سناریوهای UKMO بین -2 خواهد بود. و -6 درصد کشورهای توسعه یافته احتمالا مقداری افزایش در تولید کشاورزی را تجربه خواهند کرد. برعکس، پیش‌بینی می‌شود که کشورهای در حال توسعه در اکثر سناریوها دچار کاهش تولید شوند. جدول 9.12 اثرات منطقه ای شبیه سازی شده را با در نظر گرفتن اثرات فیزیولوژیکی CO 2 فهرست می کنددر مورد رشد محصول و برخی سازگاری در سطح مزرعه، سازگاری سطح 1. همچنین شامل نتایج سناریوی GISS-A است. در میان مناطق توسعه‌یافته، اثرات مثبت شبیه‌سازی شده بر تولید کشاورزی برای اروپا، اتحاد جماهیر شوروی سابق و کشورهای OECD اقیانوس آرام بزرگترین است. تأثیرات پویا در مناطق در حال توسعه عمدتاً منفی است به جز آسیای برنامه ریزی شده مرکزی که در همه این سناریوها سود می برد.
شکل 9.2. تأثیر تغییر اقلیم بر قیمت محصولات ( اثرات مستقیم CO 2 و سازگاری در سطح مزرعه در نظر گرفته شده است)
توجه به این نکته حائز اهمیت است که این تغییرات در مزیت نسبی بین مناطق توسعه یافته و در حال توسعه احتمالاً بر بزرگی تأثیرات ثابت پیشنهاد شده توسط تجزیه و تحلیل بدون تعدیل اقتصادی تأکید می کند. برندگان احتمالاً بیشتر به دست می آورند و بازنده ها حتی بیشتر از دست می دهند. ما می‌توانیم دو موقعیت اولیه را در این نتایج سناریو تشخیص دهیم. (1) هنگامی که عرضه جهانی فقط به طور جزئی تحت تأثیر قرار می گیرد، تأثیر کمی بر قیمت ها وجود دارد. سپس تغییر در بهره وری نسبی از مناطق در حال توسعه به مناطق توسعه یافته بر فرآیند تعدیل غالب می شود. به عنوان مثال، در سناریوهای GISS و GFDL با انطباق در سطح مزرعه، تولید کشاورزی تا حدودی از کشورهای در حال توسعه به کشورهای توسعه یافته تغییر می کند و تفاوت در تغییرات عملکرد پیش بینی شده را در نظر می گیرد. (2) هنگامی که عملکرد جهانی محصول به شدت تحت تأثیر قرار می گیرد، مانند سناریوی UKMO، شکاف عرضه به قدری قابل توجه است که افزایش شدید قیمت را در پی دارد. اینها به نوبه خود مشوق های تولید را برای هر دو منطقه فراهم می کند تا بیش از نیمی از تولید از دست رفته به دلیل تغییرات آب و هوایی (براساس برآوردهای مدل استاتیک محصول) را بازیابی کنند.
جدول 9.11. تأثیر تغییر اقلیم با تعدیل اقتصادی، سال 2060
|
درصد تغییرات تولید غلات |
درصد تغییر تولید محصول |
تولید ناخالص داخلی کشاورزی درصد تغییر |
|||||||
|
GISS |
GFDL |
UKMO |
GISS |
GFDL |
UKMO |
GISS |
GFDL |
UKMO |
|
| WORLD TOTAL | |||||||||
| بدون فیزیک اثر CO 2 |
-10.9 |
-12.1 |
-19.6 |
-11.5 |
-12.8 |
-18.0 |
-10.2 |
-11.7 |
-16.4 |
| با فیزیک اثر CO 2 |
-1.2 |
-2.8 |
-7.6 |
-0.5 |
-1.7 |
-6.4 |
-0.4 |
-1.8 |
-5.4 |
| انطباق سطح 1 |
0.0 |
-1.6 |
-5.2 |
+0.2 |
-1.0 |
-5.0 |
+0.2 |
-1.2 |
-4.4 |
| انطباق سطح 2 |
+1.1 |
-0.1 |
-2.4 |
+1.1 |
+0.2 |
-2.3 |
+1.0 |
0.0 |
-2.0 |
| توسعه یافته | |||||||||
| بدون فیزیک اثر CO 2 |
-3.9 |
-10.1 |
-23.9 |
+3.8 |
-5.5 |
-12.7 |
+1.1 |
-6.2 |
-12.5 |
| با فیزیک اثر CO 2 |
+11.3 |
+5.2 |
-3.6 |
+15.6 |
+7.6 |
-0.9 |
+11.6 |
+5.1 |
-1.9 |
| انطباق سطح 1 |
+14.2 |
+7.9 |
+3.8 |
+17.6 |
+9.1 |
+4.0 |
+13.3 |
+6.5 |
+1.8 |
| انطباق سطح 2 |
+11.0 |
+3.0 |
+1.8 |
+15.1 |
+8.6 |
+2.2 |
+11.8 |
+6.5 |
+1.3 |
| در حال توسعه | |||||||||
| بدون فیزیک اثر CO 2 |
-16.2 |
-13.7 |
-16.3 |
-16.6 |
-12.8 |
-19.8 |
-13.9 |
-13.5 |
-17.7 |
| با فیزیک اثر CO 2 |
-11.0 |
-9.2 |
-10.9 |
-5.8 |
-4.9 |
-8.2 |
-4.4 |
-4.0 |
-6.6 |
| انطباق سطح 1 |
-11.2 |
-9.2 |
-12.5 |
-5.6 |
-4.4 |
-8.1 |
-4.1 |
-3.7 |
-6.4 |
| انطباق سطح 2 |
-6.6 |
-5.6 |
-5.8 |
-3.6 |
-2.7 |
-3.9 |
-2.6 |
-2.2 |
-3.1 |
جدول 9.12. تأثیر پویا تغییرات آب و هوایی (%)، سازگاری سطح 1، سال 2060
|
|
تولید غلات |
تولید محصولات کشاورزی |
GDPA 1 |
|||||||||
|
GISS |
GFDL |
UKMO |
GISS-A |
GISS |
GFDL |
UKMO |
GISS-A |
GISS |
GFDL |
UKMO |
GISS-A |
|
| توسعه یافته | ||||||||||||
| آمریکای شمالی | +10.6 | +5.9 | -5.2 | +4.1 | +9.3 | +4.8 | -3.2 | +2.0 | +7.5 | +3.2 | -3.0 | +0.8 |
| اروپای غربی و سایر اقتصادهای بازار توسعه یافته | +6.5 | +7.7 | +12,2 | +14.7 | +10.7 | +6.7 | +11.7 | +14.5 | +8.0 | +5.2 | +7.9 | +10.9 |
| اروپای شرقی + اتحاد جماهیر شوروی سابق | +24.6 | +7.6 | +6.0 | +19.9 | +30.7 | +12.7 | -1.3 | +20.1 | +26.8 | +11.2 | -2.7 | +17.3 |
| کشورهای OECD اقیانوس آرام | +19.6 | +31.7 | +53.2 | +4.2 | +16.3 | +24.0 | +52.0 | -1.1 | +4.0 | +5.5 | +12.1 | +0.2 |
| در حال توسعه | ||||||||||||
| آفریقا | -23.7 | -24.5 | -16.2 | -8.2 | -4.1 | -9.3 | +1.4 | -3.3 | -2.2 | -7.6 | +1.4 | -2.8 |
| آمریکای لاتین | -25.0 | -17.8 | -14.5 | -10.3 | -13.8 | -2.6 | -11.1 | +4.0 | -10.9 | -3.2 | -7.9 | +1.3 |
| غرب آسیا | -13.6. | -17.0 | -18.6 | +2.8 | -7.9 | -11.5 | -12.4 | +6.3 | -5.6 | -8.7 | -9.5 | +5.8 |
| آسیای جنوبی | -11.9 | -8.5 | -26.8 | -3.5 | -7.8 | -7.2 | -25.1 | +2.0 | -6.2 | -5.2 | -20.0 | +2.2 |
| آسیای برنامه ریزی شده مرکزی | +4.1 | +2.6 | +2.1 | +1.6 | +3.8 | +2.5 | +1.7 | +3.0 | +3.3 | +2.1 | +1.4 | +1.9 |
| کشورهای آسیایی اقیانوس آرام | -12.3 | +0.3 | -1.6 | -12.8 | -14.4 | -2.3 | -2.3 | -11.3 | -12.8 | -3.1 | -3.6 | -9.1 |
1 تولید ناخالص داخلی کشاورزی
بزرگی تأثیرات و این واکنش های مختلف در سطح کل منطقه ای در شکل 9.3 و شکل 9.4 به ترتیب برای غلات و کل محصولات نشان داده شده است. شکل 9.5 اثرات پیش بینی شده توسط کالای غلات (با اثرات فیزیولوژیکی 555 پی پی ام CO 2 و سازگاری در سطح مزرعه) را نشان می دهد. بر این اساس، تولید جهانی گندم نسبت به سایر کالاهای غلات کمتر از اثرات منفی آب و هوایی متحمل می شود. در سناریوهای GISS و GFDL افزایش می‌یابد و کمتر از سایر غلات در سناریوی UKMO کاهش می‌یابد. این احتمالاً به دلیل قرار گرفتن مناطق عمده تولید گندم در عرض های جغرافیایی متوسط و بالا است که پیش بینی می شود کاهش عملکرد کمتر باشد.
واردات خالص غلات به کشورهای در حال توسعه تحت همه سناریوها افزایش می یابد. تغییر در واردات غلات، نسبت به پیش بینی مرجع استاندارد، تا حد زیادی توسط میزان تغییرات تخمینی عملکرد، تغییر در بهره وری نسبی در مناطق در حال توسعه و توسعه یافته، تغییر در قیمت های بازار جهانی، و تغییرات در درآمد واقعی مصرف کنندگان تعیین می شود. در کشورهای در حال توسعه. به عنوان مثال، تحت سناریوهای تغییرات آب و هوایی GISS، بهره‌وری به نفع کشورهای توسعه‌یافته با تغییرات نسبتاً کمی در درآمدها و قیمت‌ها تغییر می‌کند و منجر به افزایش محسوس واردات خالص غلات به کشورهای در حال توسعه می‌شود.
با تولید کمتر محصولات کشاورزی در کشورهای در حال توسعه و قیمت های بالاتر در بازارهای بین المللی، تعداد تخمینی افراد در معرض خطر گرسنگی احتمالاً افزایش می یابد. این در همه سناریوها به جز یک سناریو اتفاق می افتد (جدول 9.13). بیشترین افزایش از سناریوی UKMO بدون اثرات فیزیولوژیکی CO 2 قابل انتظار است . کوچکترین تغییر، کاهش 2 درصدی، در سناریوی GISS با در نظر گرفتن اثرات فیزیولوژیکی افزایش CO 2 و سازگاری سطح 2 رخ داد.
نتیجه گیری
تحریف‌های سیستم غذایی جهان شبیه‌سازی شده در سناریوهای تغییر آب و هوا به خوبی در محدوده تخمین‌های به‌دست‌آمده از پیش‌بینی‌های مرجع مختلف قرار می‌گیرد. به عنوان مثال، کاهش تولید غلات حتی در بدترین سناریوی تغییرات آب و هوایی بر اساس آزمایش UKMO GCM (با فرض اثرات فیزیولوژیکی افزایش غلظت CO 2 اتمسفر و برخی سازگاری در سطح مزرعه)، کمتر از نیمی از تفاوت بین تولید غلات است. سطوح شبیه سازی شده در پیش بینی های مرجع رشد اقتصادی بالاتر و پایین تر، سناریوهای REF-H و REF-L. با این حال، توانایی سیستم غذایی جهان برای جذب عملکرد منفی است
جدول 9.13. تأثیر تغییرات آب و هوایی بر افراد در معرض خطر گرسنگی، سال 2060
|
میلیون نفر اضافی |
٪ تغییر دادن |
|||||||
| در حال توسعه (به استثنای چین) |
GISS |
GFDL |
UKMO |
GISS-A |
GISS |
GFDL |
UKMO |
GISS-A |
| بدون فیزیک اثر CO 2 |
721 |
801 |
1446 |
265 |
112 |
125 |
225 |
41 |
| با فیزیک اثر CO 2 |
63 |
108 |
369 |
-84 |
10 |
17 |
58 |
-13 |
| انطباق سطح 1 |
38 |
87 |
300 |
6 |
14 |
47 |
||
| انطباق سطح 2 |
-12 |
18 |
119 |
-2 |
3 |
19 |
||
شکل 9.3. تأثیر تغییر اقلیم بر تولید غلات منطقه ای، سال 2060، با اثرات فیزیولوژیکی 555 پی پی ام CO 2 و سازگاری 1 در سطح مزرعه
شکل 9.4. تأثیر تغییر اقلیم بر تولید محصول منطقه ای، سال 2060، با اثرات فیزیولوژیکی 555 پی پی ام CO 2 و سازگاری 1 در سطح مزرعه
شکل 9.5. تاثیر تغییر آب و هوا بر محصولات غلات، سال 2060، با اثرات فیزیولوژیکی 555 پی پی ام CO 2 و اثرات تنظیم سطح مزرعه 1 با بزرگی تاثیر کاهش می یابد. انطباق اقتصادی تا حد زیادی می تواند تغییرات بازده متوسط مانند سناریوهای GISS و GFDL را جبران کند، اما تغییرات بزرگتر مانند سناریوی UKMO را نمی تواند جبران کند.
اثرات تغییرات آب و هوا بر عملکرد محصولات به احتمال زیاد از منطقه ای به منطقه دیگر در سراسر جهان بسیار متفاوت است. نتایج سناریوهای آزمایش شده در این مطالعه نشان می‌دهد که اثرات بر عملکرد محصول در مناطق با عرض جغرافیایی متوسط و بالا نسبت به مناطق عرض جغرافیایی پایین مثبت یا کمتر نامطلوب به نظر می‌رسد، مشروط بر اثرات فیزیولوژیکی مستقیم و بالقوه سودمند CO 2 بر روی رشد محصول را می توان به طور کامل تحقق بخشید. از منظر توسعه، جدی ترین نگرانی مربوط به تفاوت آشکار در تأثیرات افزایشی عملکرد بین کشورهای توسعه یافته و در حال توسعه است. نتایج سناریو نشان می‌دهد که اگر تغییرات اقلیمی توسعه اقتصادی را فراتر از تأثیرات مستقیم بر کشاورزی در مناطق فقیرتر، به‌ویژه در آفریقا، به تأخیر بیندازد، تأثیرات کلی می‌تواند قابل توجه باشد.
در تمام سناریوهای تغییر اقلیم، بهره‌وری نسبی کشاورزی به نفع کشورهای توسعه‌یافته تغییر می‌کند و پیامدهایی بر تخصیص منابع دارد. مکانیسم‌های بازخورد اقتصادی احتمالاً بر توزیع نابرابر تأثیرات تغییرات آب‌وهوایی در سراسر جهان تأکید می‌کنند و منجر به سود خالص کشورهای توسعه‌یافته در همه سناریوها به جز سناریوهای UKMO و زیان قابل توجهی برای کشورهای در حال توسعه می‌شود. در نتیجه، واردات خالص غلات به کشورهای در حال توسعه در همه سناریوها بین 20 تا 50 درصد نسبت به تجارت در سناریوی مرجع افزایش می یابد.
از جمله اثرات فیزیولوژیکی مستقیم CO 2در بازده محصول، تولید غلات جهانی بین 1 تا 3 درصد تحت سناریوهای GISS و GFDL و 7 درصد در پیش‌بینی‌های مبتنی بر سناریوی اقلیمی UKMO کاهش می‌یابد. با فرض سازگاری با تغییرات آب و هوایی در سطح مزرعه، تولید غلات همچنان بین 0 تا 2 درصد و 5 درصد برای سناریوهای GISS/GFDL و UKMO کاهش می یابد. بزرگترین تغییرات منفی در کشورهای در حال توسعه رخ می دهد که به طور متوسط حدود -10٪ است. این از دست دادن تولید در کشورهای در حال توسعه، همراه با افزایش قیمت محصولات کشاورزی، احتمالاً تعداد افرادی را که در معرض خطر گرسنگی هستند، در حدود 5 تا 15 درصد در سناریوهای آب و هوایی کمتر و 50 درصد در سناریوهای UKMO افزایش می دهد. طرح ها. تحت یک سناریوی احتمالاً واقعی تر تغییر آب و هوا با حساسیت کمتر آب و هوا به افزایش غلظت گازهای گلخانه ای، بهره وری کل محصول در سطح جهانی تا سال 2060، یعنی پایان دوره شبیه سازی در نظر گرفته شده در تجزیه و تحلیل، 10 درصد افزایش می یابد. تأثیرات تقریباً در تمام 10 منطقه کل جهان گزارش شده در این مطالعه مثبت ارزیابی شده است. با این حال، درصد افزایش شبیه سازی شده در کشورهای توسعه یافته حدود دو برابر افزایش در مناطق در حال توسعه است.
تجزیه و تحلیل همچنین نشان می دهد که اثرات عملکرد نه تنها با منطقه جغرافیایی متفاوت است، بلکه به طور نابرابر در طول زمان توزیع می شود. نتایج از حالات بر اساس GISS گذرا سناریو نشان می دهد که سود حاصل از اثرات فیزیولوژیکی به دلیل افزایش جوی CO 2 از سطوح ممکن است اثرات منفی از تغییر دما و بارش رژیم حداقل در کوتاه مدت سنگین تر بودن. عوامل افزایش عملکرد در آن سناریو تا سال 2020 بر تأثیرات منفی احتمالی غالب هستند. درک فرآیندهای بیوفیزیکی CO 2 و تأثیرات تغییر آب و هوا بر محصولات کشاورزی یک حوزه تحقیقاتی مهم است.
با این حال، باید درک کرد که توانایی تخمین تأثیرات بازده تغییرات آب و هوایی بر عرضه، تقاضا و تجارت جهانی مواد غذایی با عدم قطعیت‌های بزرگ در رابطه با عناصر مهم احاطه شده است، مانند بزرگی و ویژگی‌های فضایی تغییرات آب و هوایی، دامنه و کارایی سازگاری. احتمالات، جنبه های بلندمدت تغییرات تکنولوژیکی و بهره وری کشاورزی و حتی روندهای جمعیتی آتی. همچنین، اتخاذ تکنیک های سازگاری کارآمد چندان قطعی نیست. در کشورهای در حال توسعه ممکن است محدودیت های اجتماعی، اقتصادی یا فنی وجود داشته باشد و اقدامات تطبیقی ممکن است لزوماً منجر به تولید پایدار در بازه های زمانی طولانی نشود.
تعیین اینکه چگونه کشورها، به ویژه کشورهای در حال توسعه، می‌توانند به کاهش بازده و افزایش هزینه‌های غذا واکنش نشان دهند، یک نیاز تحقیقاتی حیاتی است که از این مطالعه ناشی می‌شود. آیا چنین کشورهایی قادر به واردات مقادیر زیادی مواد غذایی خواهند بود؟ آیا بار انطباق بر دوش فقیرترین افراد گذاشته خواهد شد؟ از دیدگاه سیاسی و اجتماعی، نتایج این مطالعه نشان دهنده پتانسیل کاهش امنیت غذایی در کشورهای در حال توسعه است. این مطالعه نشان می دهد که بدترین وضعیت ناشی از سناریوی تغییرات شدید آب و هوا، رشد اقتصادی پایین، ادامه افزایش جمعیت زیاد و سازگاری اندک در سطح مزرعه است. به منظور به حداقل رساندن پیامدهای نامطلوب احتمالی، مانند زیان های تولید، افزایش قیمت مواد غذایی، استرس های محیطی، و افزایش تعداد افراد در معرض خطر گرسنگی، راه پیش رو تشویق بخش کشاورزی برای ادامه توسعه برنامه های اصلاح و مدیریت محصول برای شرایط گرما و خشکسالی، همراه با اقدامات انجام شده برای حفظ محیط زیست، استفاده موثرتر از منابع و کاهش رشد جمعیت انسانی است. جهان. گام دوم همچنین با تلاش‌ها برای کاهش انتشار گازهای گلخانه‌ای و در نتیجه سرعت و اندازه نهایی تغییرات آب و هوایی جهانی سازگار است.
در مواجهه با این ابهامات، هم سازمان های ملی و هم سازمان های بین المللی باید توسعه رویکردهای جدیدی را تشویق کنند که احتمالاً در آماده سازی برای تغییرات آب و هوایی مؤثر است. تحقیقات کشاورزی از توجه بیشتر به اقلیم کلان و میکرو اقلیم در همه آزمایش‌ها و آزمایش‌های واریته سود می‌برد. یکی دیگر از تأثیرات تغییر اقلیم که به طور بالقوه برای تولید کشاورزی آینده قابل توجه است، از دست دادن مواد آلی خاک به دلیل گرم شدن خاک است. با توجه به آسیب پذیری تولیدات کشاورزی در برابر وقوع تغییرات شدید آب و هوایی، تحقیقات باید به منظور تعیین محدودیت های تحمل گرما در حال حاضر و محصولات و گونه های جایگزین انجام شود. مشکلات شدید در چه آستانه ای از دمای هوا یا خاک شروع می شود؟ چه روش های زراعی برای تعدیل رژیم حرارتی موثر بر رشد محصول بهترین هستند؟
تا جایی که نمی توان از اثر گلخانه ای پیشرونده در عمل جلوگیری کرد، باید سیاست هایی برای تسهیل تعدیل کشاورزی با احتمال تغییرات محیطی اندیشیده شود. چنین تنظیماتی ممکن است شامل اصلاح شیوه‌های زراعی، پذیرش محصولات مقاوم در برابر حرارت و مقاوم به خشکی، افزایش راندمان آبیاری و حفظ آب و بهبود مدیریت آفات باشد. چنین تنظیماتی در هر صورت، چه با تغییرات اقلیمی یا بدون آن، شایسته اجرا هستند.
اگرچه برخی از کشورهای منطقه معتدل ممکن است برخی از مزایای تغییرات آب و هوایی را به دست آورند، به نظر می رسد بسیاری از کشورهای مناطق گرمسیری و نیمه گرمسیری آسیب پذیرتر باشند. خطرات خاص عبارتند از افزایش احتمالی سیل در مناطق کم ارتفاع، افزایش فراوانی و شدت خشکسالی در مناطق نیمه خشک، و کاهش بالقوه در عملکرد محصول قابل دستیابی. این اتفاق می افتد که کشورهای اخیر تمایل دارند فقیرترین و کمترین توانایی برای انجام تعدیل های اقتصادی لازم را داشته باشند. بسیاری از تغییرات مورد انتظار در آب و هوای جهانی ناشی از فعالیت های گذشته و حال کشورهای صنعتی است. بنابراین این مسئولیت آنهاست که خود را متعهد به انجام یک تلاش جامع بین المللی برای آماده شدن برای پیامدهای احتمالی، و ایفای نقش فعال در آن کنند.
منابع
Adams, RM, Rosenzweig, C., Peart, RM, Ritchie, JT, McCarl., BA, Glyer, JD, Curry, RB, Jones, JW, Boote, KJ and Allen, LH Jr. 1990. تغییرات آب و هوای جهانی در ایالات متحده کشاورزی. طبیعت 345 (6272): 219-224.
Adams, RM, Fleming, RA, Change, CC., McCarl, BA and Rosenzweig, C. 1994. ارزیابی مجدد اثرات اقتصادی تغییرات آب و هوایی جهانی بر کشاورزی ایالات متحده. تغییرات اقلیمی 30 (2): 147-167.
Allen, LH Jr., Boote, KJ, Jones, JW, Jones, PH, Valle, RR, Acock, B., Rogers, HH and Dahlman, RC 1987. پاسخ پوشش گیاهی به افزایش دی اکسید کربن: فتوسنتز، زیست توده و عملکرد دانه از سویا سیکل های بیوگروشیمی جهانی 1 : 1-14.
Cure، JD و Acock، B. 1986. پاسخ های محصول به دی اکسید کربن: بررسی ادبیات. هواشناسی کشاورزی و جنگل 38 : 127-145.
فائو 1984. چهارمین نظرسنجی جهانی غذا. رم
فائو 1987. پنجمین بررسی جهانی غذا. رم
فائو 1988. کشاورزی جهان به سوی 2000. رم.
فائو 1993. کشاورزی: به سوی 2010. رم.
