تکثیر شده، با اجازه، از: Rosenzweig، C.، ML Parry، G. Fischer، و K. Frohberg. 1993. تغییرات آب و هوا و عرضه غذا در جهان . گزارش پژوهشی شماره 3. آکسفورد: دانشگاه آکسفورد، واحد تغییرات محیطی.

 

---

تغییرات آب و هوا و تامین غذا در جهان – 1 M

Climate change and world food supply

---

معرفی

در دهه های آتی، کشاورزی جهانی با چشم انداز تغییر آب و هوا (هیئت بین المللی تغییرات آب و هوایی (IPCC)، 1990a، 1992) و همچنین چالش شناخته شده تداوم تغذیه جمعیت جهان مواجه است که پیش بینی می شود سطح فعلی آن را دو برابر کند. پنج میلیارد تا حدود سال 2060 (بانک بین المللی بازسازی و توسعه/بانک جهانی، 1990). تغییر آب و هوای آینده گرمایش جهانی (با تغییرات مرتبط در رژیم های هیدرولوژیکی و سایر متغیرهای آب و هوایی) ناشی از افزایش غلظت گازهای گلخانه ای فعال تابشی است (IPCC، 1990a، 1992). تغییرات آب و هوایی می تواند تأثیرات گسترده ای بر الگوهای تجارت بین کشورها، توسعه و امنیت غذایی داشته باشد. برای کمک به آماده شدن برای این آینده نامشخص اما چالش برانگیز، این مطالعه اثرات بالقوه تغییرات آب و هوایی بر عملکرد محصول را بررسی کرد.

علیرغم پیشرفت‌های فن‌آوری مانند بهبود واریته‌های محصولات کشاورزی و سیستم‌های آبیاری، آب و هوا و آب و هوا همچنان عوامل کلیدی در بهره‌وری کشاورزی هستند. به عنوان مثال، باران‌های موسمی ضعیف در سال 1987 باعث کمبودهای زیادی در تولید محصول در هند، بنگلادش و پاکستان شد که به بازگشت واردات گندم توسط هند و پاکستان کمک کرد (موسسه جهانی غذا، 1988). در دهه 1980 همچنین شاهد وخامت مداوم تولید مواد غذایی در آفریقا بودیم که بخشی از آن ناشی از خشکسالی مداوم و پتانسیل پایین تولید و تلاش های امدادی بین المللی برای جلوگیری از قحطی گسترده بود. اثرات آب و هوا بر کشاورزی در کشورهای منفرد را نمی توان به صورت مجزا در نظر گرفت.جدول 1 ). این مثال‌ها بر پیوندهای نزدیک بین کشاورزی و آب و هوا، ماهیت بین‌المللی تجارت غذا و امنیت غذایی، و نیاز به در نظر گرفتن تأثیرات تغییرات آب و هوا در یک زمینه جهانی تأکید می‌کنند.

تحقیقات اخیر بر ارزیابی‌های منطقه‌ای و ملی تأثیرات بالقوه تغییر اقلیم بر کشاورزی متمرکز شده است. این تلاش‌ها، در بیشتر موارد، با هر منطقه یا ملتی به‌صورت انزوا، بدون ارتباط با تغییرات تولید در مکان‌های دیگر، رفتار کرده‌اند. در عین حال، تأکید فزاینده ای بر درک تعاملات عوامل اقلیمی، محیطی و اجتماعی در یک زمینه وسیع تر شده است (پاری، 1990)، که منجر به ارزیابی های یکپارچه تر از اثرات بالقوه در مطالعات تأثیر ملی که در ایالات متحده انجام شده است. (آدامز و همکاران ، 1990؛ اسمیت و تیرپاک، 1989)، کانادا (اسمیت، 1989)، برزیل (Magalhaes (1992) و اندونزی، مالزی، و تایلند (پاری و همکاران.، 1992). مطالعات منطقه ای در مناطق کشاورزی با عرض جغرافیایی بالا و نیمه خشک انجام شده است (پاری و همکاران ، 1988a، 1988b)، و غرب میانه ایالات متحده (روزنبرگ و کراسون، 1991). نتایج این مطالعات و سایر مطالعات تأثیر کشاورزی در گزارش گروه کاری IPCC II (IPCC, l990b) خلاصه شده است. مطالعات حساسیت کشاورزی جهان نسبت به تغییرات آب و هوایی بالقوه نشان داده است که تأثیر تغییرات اقلیمی متوسط ​​بر اقتصاد جهانی و داخلی ممکن است اندک باشد، زیرا کاهش تولید در برخی مناطق با افزایش در مناطق دیگر متعادل می شود (کین و همکاران ، 1991؛ توبی و همکاران .، 1992). با این حال، تا به امروز هیچ ارزیابی یکپارچه (یعنی ترکیبی بیوفیزیکی و اقتصادی) از اثرات بالقوه تغییرات آب و هوایی بر کشاورزی جهان وجود نداشته است.

این گزارش مطالعه اثرات بالقوه تغییرات آب و هوایی بر عرضه غذا در جهان را تشریح می کند. این تحقیق شامل برآورد پاسخ بازده محصولات به سناریوهای تغییرات آب و هوایی ناشی از گازهای گلخانه ای و سپس شبیه سازی پیامدهای اقتصادی این تغییرات بالقوه در عملکرد محصول بود. این تجزیه و تحلیل تخمین هایی از تغییرات از نظر تولید و قیمت محصولات عمده غذایی و تعداد افرادی که در معرض خطر گرسنگی هستند را ارائه می دهد.

 

رویکرد

 

طراحی مطالعه تامین مواد غذایی جهان

روش های تحقیق ساختاری برای مطالعه تامین مواد غذایی جهان در شکل 1 نشان داده شده است. دو جزء اصلی وجود داشت:

برآورد تغییرات بالقوه در عملکرد محصول

دانشمندان کشاورزی در 18 کشور (به ضمیمه های I و 2 مراجعه کنید) تغییرات بالقوه در عملکرد دانه را با استفاده از مدل های محصول سازگار که توسط شبکه بین المللی سایت های معیار آژانس توسعه بین المللی ایالات متحده برای انتقال فناوری کشاورزی (lBSNAT 1989) ایجاد شده بود، شبیه سازی کردند. محصولات مدل شده گندم، برنج، ذرت و سویا بودند. گندم، برنج و ذرت تقریباً 85 درصد از صادرات غلات جهانی را تشکیل می دهند: سویا حدود 67 درصد از تجارت معادل کیک پروتئینی را تشکیل می دهد. مدل‌های محصول برای شرایط آب و هوایی فعلی، برای تغییرات دلخواه در اقلیم (افزایش 2+ و +4 درجه سانتی‌گراد در دما و +/-20 درصد بارندگی)، و برای شرایط آب و هوایی پیش‌بینی‌شده توسط مدل‌های گردش عمومی (GCMs) برای دو برابر شدن اجرا شدند. سطح CO2 اتمسفر اثرات مستقیم افزایش سطوح CO2 بر رشد محصول و مصرف آب در نظر گرفته شد. برای سناریوهای تغییرات آب و هوایی GCM، نتایج حاصل از سایت‌های مدل محصول با تولید منطقه‌ای فعلی برای برآورد تغییرات عملکرد محصول ملی، در دو سطح سازگاری کشاورز، جمع‌آوری شدند. سپس تغییرات عملکرد محصول ملی برای ارائه تخمینی از تغییرات عملکرد (برای سه سناریو GCM) برای سایر کشورها و محصولات موجود در تجزیه و تحلیل تجارت مواد غذایی تعمیم داده شد.

برآورد پاسخ تجارت جهانی غذا

تغییرات عملکرد ملی محصول حاصل از اولین جزء این مطالعه به عنوان ورودی در مدل تجارت جهانی مواد غذایی استفاده شد. سیستم پیوندی پایه (BLS) که در موسسه بین المللی تجزیه و تحلیل سیستم های کاربردی (IIASA) (فیشر و همکاران ) توسعه یافته است..، 1988). BLS ابتدا برای یک سناریوی مرجع اجرا شد که سیستم کشاورزی را تا سال 2060 با فرض عدم تغییر در آب و هوا و سپس با سه سناریوی تغییر آب و هوا GCM پیش‌بینی می‌کرد. سایر شبیه سازی های BLS شامل اثرات دو سطح سازگاری کشاورز و سناریوهای مختلف سیاست آزادسازی تجارت در آینده و نرخ رشد اقتصادی و جمعیت بود. خروجی های شبیه سازی BLS اطلاعاتی را در مورد تولید غذا، قیمت غذا و تعداد افرادی که در معرض خطر گرسنگی هستند (که به عنوان جمعیتی با درآمد ناکافی برای تولید یا تهیه مواد غذایی مورد نیاز خود تعریف می شود) برای این سناریوهای پیش بینی شده تا سال 2060 ارائه کرد. .

در طول مطالعه تغییرات آب و هوایی، بین سازگاری در سطح مزرعه آزمایش شده توسط مدل های محصول که منجر به تغییرات عملکرد می شود، و تعدیل های اقتصادی برای تغییرات عملکرد آزمایش شده توسط مدل تجارت جهانی غذا BLS که منجر به تغییرات تولید ملی و منطقه ای می شود، تمایز قائل شد. پاسخ های قیمت سازگاری های سطح مزرعه آزمایش شده در مدل های محصول عبارتند از: تغییر تاریخ کاشت، واریته های سازگارتر با شرایط آب و هوایی، آبیاری و کاربرد کود. تعدیل های اقتصادی ارائه شده توسط BLS عبارتند از: افزایش سرمایه گذاری کشاورزی، تخصیص مجدد منابع کشاورزی بر اساس بازده اقتصادی (از جمله تغییر محصول)، و احیای زمین های قابل کشت اضافی به عنوان پاسخ به قیمت های بالاتر غلات. فرض بر این است که این تعدیل‌های اقتصادی به سطوح عملکرد پیش‌بینی‌شده توسط مطالعه مدل‌سازی محصول بازخورد نمی‌دهند.

عملکرد محصول و اجزای مدل سازی اقتصادی با جزئیات بیشتر در زیر توضیح داده شده است.

 

سناریوهای تغییر اقلیم

تست های حساسیت

آزمایش‌های حساسیت آب و هوایی خودسرانه برای آزمایش پاسخ‌های مدل محصول به طیف وسیعی از تغییرات دما (+2 درجه سانتی‌گراد و 4+ درجه سانتی‌گراد) و بارندگی (+/-20%) انجام شد. در حالی که این نوع تجزیه و تحلیل حساسیت از فرآیندهایی که بر اقلیم تأثیر می‌گذارند جدا می‌شود (دما و بارش از نظر فیزیکی در هر منطقه با هم مرتبط هستند)، درک بهتری از عوامل مؤثر بر پاسخ‌های مدل محصول ارائه می‌کند. همچنین می تواند به شناسایی آستانه های اقلیمی اثرات بحرانی کمک کند. تست های حساسیت در 13 کشور از 18 کشور انجام شد. نتایج آزمون حساسیت در تحلیل اقتصادی با مدل تجارت جهانی غذای BLS به دلیل عدم واقعی بودن آنها مورد استفاده قرار نگرفت، به عنوان مثال، تغییر دما در عرض های جغرافیایی بالا بیشتر از میانگین جهانی در زمستان (IPCC, l990a) پیش بینی می شود. از افزایش 2 درجه یا 4 درجه C در تمام مناطق جهان در طول سال. سازگاری در سطح مزرعه در مطالعات حساسیت مورد آزمایش قرار نگرفت.

سناریوهای مبتنی بر نتایج مدل گردش عمومی

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 ثابت در متغیرهای هواشناسی، بر اساس پیش‌بینی‌های پذیرفته‌شده عمومی از غلظت دی‌اکسید کربن (CO2) و سایر گازهای گلخانه‌ای در جو (که تصور می‌شود علت احتمالی تغییرات آب و هوایی آینده باشد) تعریف می‌شود. مجموعه سناریوهای مورد استفاده برای گرفتن طیف وسیعی از اثرات احتمالی و تعیین محدودیت در عدم قطعیت مرتبط در نظر گرفته شده است.

سناریوهای این مطالعه با تغییر داده های مشاهده شده روزانه از آب و هوای فعلی (80-1951) بر اساس شبیه سازی دو برابر شده CO2 از سه مدل گردش عمومی موجود در شروع مطالعه در سال 1989 ایجاد شد. برای مطالعات فضایی (GISS)، آزمایشگاه دینامیک سیالات ژئوفیزیکی (GFDL) و اداره هواشناسی بریتانیا (UKMO) ( جدول 2 )). 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 CO2 توسط IPCC پیش بینی شده است (IPCC, l990a, 1992). سناریوهای GISS و GFDL، با این حال، نزدیک به میانگین تغییر دما (3.8 درجه سانتیگراد) آزمایشهای CO2 دوبرابر شده اخیر هستند که برای GCMهای جوی با چرخه فصلی و اقیانوس با لایه مختلط ثبت شده است (IPCC، 1992). میانگین تغییرات ماهانه دما، بارش و تابش خورشیدی از جعبه شبکه GCM مناسب برای ایجاد سناریوهای تغییر آب و هوا برای هر سایت مورد استفاده قرار گرفت.

عدم قطعیت علمی پیش بینی های GCM

در حالی که GCM ها در حال حاضر پیشرفته ترین ابزار را برای پیش بینی پیامدهای اقلیمی بالقوه آینده افزایش مقادیر گازهای اثری فعال تابشی ارائه می دهند، توانایی آنها برای شبیه سازی آب و هوای فعلی از منطقه ای به منطقه دیگر به طور قابل توجهی متفاوت است. نشان داده شده است که آنها دمای هوای سطح فعلی را به خوبی شبیه سازی می کنند، اما بارش فعلی را به دقت بازتولید نمی کنند (IPCC، l990a). 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 هنوز قادر به ایجاد پیش بینی های قابل اعتماد از تغییرات در تنوع آب و هوا، مانند تغییرات در فراوانی خشکسالی و طوفان نیستند، حتی اگر اینها به طور قابل توجهی بر عملکرد محصول تأثیر بگذارند.

سطح و زمان CO2

برای بخش مدل‌سازی محصول این مطالعه، تغییرات آب و هوایی از شبیه‌سازی‌های GCM CO2 دو برابر شده با سطح مرتبط 555 ppm CO2 استفاده می‌شود. زمان‌بندی فرض شده برای پیش‌بینی‌های تجارت جهانی مواد غذایی BLS این است که این شرایط در سال 2060 رخ خواهد داد. این رویکرد، که آب و هوای تعادلی و پیش‌بینی‌های گذرا CO2 را ترکیب می‌کند، بهترین کاری است که می‌توان با توجه به عدم دسترسی فعلی شبیه‌سازی تغییرات آب و هوایی گذرا GCM انجام داد. برای مطالعات تاثیر و نیاز به یک دوره زمانی پویا برای مدل اقتصادی. مشخص نیست که میزان انتشار گازهای کمیاب در آینده چقدر خواهد بود و بزرگی کامل اثرات آنها چه زمانی مشخص خواهد شد.

از آنجایی که غلظت اتمسفر سایر گازهای گلخانه ای به غیر از CO2 (مثلاً متان (CH4)، اکسید نیتروژن (N2O)) و کلروفلوئوروکربن ها (CFC)) نیز در حال افزایش است، «دوبرابر شدن مؤثر CO2» به عنوان نیروی تابشی ترکیبی تعریف شده است . 4 ] از تمام گازهای گلخانه ای دارای نیرویی مشابه با CO2 دو برابر شده (معمولاً ~600 ppm تعریف می شود؛ جدول 2 را ببینید.برای دو برابر کردن سطوح سه GCM مورد استفاده در این مطالعه). سطح CO2 هنگام برآورد اثرات بالقوه بر محصولات مهم است، زیرا نشان داده شده است که رشد محصول و استفاده از آب از افزایش سطوح CO2 سود می برد (Cure and Acock, 1986). سطح CO2 555 ppm با پیش بینی های اقلیمی CO2 دو برابر شده 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 هوای شبیه‌سازی‌شده تا سال 2060 به سطح مؤثر دو برابری CO2 یعنی حدود 4 درجه سانتی‌گراد گرم شده است. این سطح فرض می‌کند که گازهای غیر CO2 ردیابی 15 درصد از تغییر نیروی تشعشعی از 300 به 600 ppm را تشکیل می‌دهند.

 

مدل های محصول و شبیه سازی عملکرد

مدل های برش

مدل‌های زراعی IBSNAT توسط دانشمند کشاورزی شرکت‌کننده برای تخمین اینکه چگونه تغییرات آب و هوا و افزایش سطح دی اکسید کربن ممکن است باعث تغییر بازده محصولات جهانی در 112 مکان در 18 کشور شود، استفاده شد. سایت ها مناطق تولید عمده و فرعی را در عرض های جغرافیایی کم، متوسط ​​و زیاد نشان می دهند ( شکل 2 ). 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 (شالیزار و مرتفع) گادوین و همکاران ، 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 ساده شده امکان پیش‌بینی رشد محصولات زراعی را فراهم می‌کنند که تحت‌تاثیر عوامل اصلی تأثیرگذار بر عملکرد، یعنی. ژنتیک، آب و هوا (تابش روزانه خورشید، حداکثر و حداقل دما، و بارش)، خاک، و شیوه های مدیریت. این نوع مدل رشد محصول فرآیند پویا پیشرفت قابل توجهی نسبت به روش‌های مبتنی بر رگرسیون سنتی (به عنوان مثال تامپسون، 1969) در نظر گرفته می‌شود که برای تخمین عملکرد محصول از اقلیم و ورودی‌های مدیریتی ساده با ویژگی‌های جغرافیایی و زمانی استفاده می‌شود. 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 در طیف وسیعی از محیط‌ها اعتبارسنجی شده‌اند (به عنوان مثال Otter-Nacke و همکاران.، 1986) و مختص مکان یا نوع خاک خاصی نیستند. آنها برای مطالعات در سطح وسیعی که در آن شرایط رشد محصول و خاک بسیار متفاوت است، بهتر از مدل های فیزیولوژیکی دقیق تر هستند که به طور گسترده آزمایش نشده اند. اعتبار مدل‌های محصول در محیط‌های مختلف نیز توانایی برآورد اثرات تغییرات آب و هوا را بهبود می‌بخشد. از آنجایی که مدل‌های محصول اساساً در طیف کامل رژیم‌های دما و بارندگی که در آن محصولات در آب و هوای امروزی رشد می‌کنند، آزمایش شده‌اند، و تا جایی که تغییرات آب و هوایی آینده رژیم‌های دما و بارش را در این محدوده‌ها قرار می‌دهد، این مدل‌ها ممکن است ابزارهای مفیدی در نظر گرفته شوند. ارزیابی اثرات بالقوه تغییرات آب و هوایی علاوه بر این، به دلیل شیوه های مدیریتی، مانند انتخاب انواع، تاریخ کاشت،

اثرات فیزیولوژیکی C02

اکثر گیاهانی که در محیط‌های آزمایشی رشد می‌کنند با افزایش سطح CO2 اتمسفر، افزایش نرخ فتوسنتز خالص (یعنی فتوسنتز کل منهای تنفس) و کاهش دهانه‌های روزنه را نشان می‌دهند. (اثرات تجربی CO2 روی محصولات توسط Acock and Allen (1985) و Cure (1985) بررسی شده است.) بسته شدن جزئی روزنه منجر به کاهش تعرق در واحد سطح برگ می شود و همراه با افزایش فتوسنتز، اغلب کارایی مصرف آب را بهبود می بخشد. نسبت تجمع زیست توده یا عملکرد محصول به مقدار آب مصرفی در تبخیر و تعرق). بنابراین، افزایش CO2 به خودی خود می تواند باعث افزایش عملکرد و کاهش مصرف آب (در واحد زیست توده) شود.

مدل‌های گیاهی مورد استفاده در این مطالعه اثرات فیزیولوژیکی مفید افزایش غلظت CO2 اتمسفر را بر رشد محصول و مصرف آب نشان می‌دهند (Peart et al ., 1989). بر اساس نتایج تجربی منتشر شده، نسبت‌ها بین نرخ‌های فتوسنتز و تبخیر و تعرق اندازه‌گیری شده روزانه برای یک تاج پوشش در معرض مقادیر بالای CO2 محاسبه شد (Allen et al ., 1987; Cure and Acock, 1986; and Kimball, 1983) و این نسبت‌ها برای متغیرهای مناسب در مدل های زراعی به صورت روزانه. نسبت فتوسنتز ppm (555 ppm CO2 / 330 ppm CO2) برای سویا، گندم و برنج. و ذرت 1.21، 1.17 و 1.06 بودند. به ترتیب. بر اساس نتایج تجربی توسط راجرز، تغییرات در مقاومت روزنه‌ای 49.7/34.4 s/m برای محصولات C3 و 87.4/55.8 s/m برای محصولات C4 تعیین شد.و همکاران (1983). همانطور که در این مطالعه شبیه‌سازی شد، اثرات مستقیم CO2 ممکن است منجر به تغییر عملکرد در جهت مثبت شود، زیرا در مورد اینکه آیا نتایج تجربی در زمین باز تحت شرایطی که احتمالاً زمانی که کشاورزان در حال مدیریت محصولات هستند، مشاهده خواهند شد یا خیر، تردید 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 در میدان، اثرات کلی مثبت CO2 را تحت شرایط آب و هوایی فعلی پیدا کرده است (هندری، 1993).

محدودیت های مدل های رشد محصول

مدل‌های محصول شامل تعدادی از ساده‌سازی‌ها هستند. به عنوان مثال، تصور می شود علف های هرز، بیماری ها و آفات حشرات کنترل شوند. شرایط خاک مشکلی وجود ندارد (مانند شوری یا اسیدیته). و هیچ رویداد شدید آب و هوایی مانند گردباد وجود ندارد. مدل‌ها به داده‌های مزرعه‌ای تجربی کالیبره می‌شوند که اغلب بازدهی بالاتر از آنچه در حال حاضر در شرایط مزرعه معمولی است دارند. بنابراین، اثرات مطلق تغییرات آب و هوایی بر عملکرد در مزارع کشاورزان ممکن است متفاوت از آنهایی باشد که توسط مدل‌های زراعی شبیه‌سازی شده‌اند.

مدل‌های زراعی طیف فعلی فناوری‌های کشاورزی موجود در سراسر جهان را شبیه‌سازی می‌کنند، از جمله استفاده از گونه‌های پرمحصول که به نهاده‌های تکنولوژیکی پاسخ می‌دهند، اما تا سال 2060 فناوری کشاورزی احتمالاً بسیار متفاوت خواهد بود. مدل‌هایی که ممکن است برای آزمایش اثرات برخی پیشرفت‌های بالقوه در تولید کشاورزی، مانند انواع با نیازهای حرارتی بالاتر و نصب سیستم‌های آبیاری مورد استفاده قرار گیرد، اما شامل بهبودهای احتمالی در آینده نمی‌شود. (مدل اقتصادی BLS مورد استفاده در این مطالعه شامل روندهای آتی در بهبود عملکرد است، اما نه تحولات تکنولوژیکی ناشی از تأثیرات منفی تغییرات آب و هوایی.) در نهایت، مدل‌هایی برای محصولاتی مانند ارزن و کاساوا هنوز به اندازه کافی برای استفاده در این مطالعه آزمایش نشده‌اند. تغییرات بالقوه عملکرد چنین محصولاتی،

شبیه سازی بازده

آزمایش‌های شبیه‌سازی مدل‌سازی محصول برای آب و هوای پایه (80-1951)، تست‌های حساسیت دلخواه، و GCM سناریوهای تغییر اقلیم CO2 را با و بدون اثرات فیزیولوژیکی C02 دو برابر کرد. این شامل وظایف زیر بود:

 

• برای کشورهای مورد مطالعه، مرزهای جغرافیایی برای مناطق عمده تولید تعریف شد، سیستم های کشاورزی (مثلاً تولید دیم و/یا آبی، تعداد محصولات کشت شده در سال) شرح داده شد، و داده های مربوط به تولید دیم و آبی منطقه ای و ملی محصولات عمده کشاورزی توصیف شد. جمع شدند. 
• داده‌های اقلیمی مشاهده‌شده برای سایت‌های نماینده در این مناطق برای دوره پایه (1951-1980)، یا برای سال‌های زیادی از داده‌های روزانه در دسترس بود، و خاک، تنوع محصول و ورودی‌های مدیریتی لازم برای اجرای مدل‌های 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، آزمون‌های حساسیت دلخواه، و سناریوهای تغییرات آب و هوایی GCM، با و بدون اثرات مستقیم CO2، 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 عواقب نامطلوب تغییرات آب و هوایی را کاهش می دهد، با شبیه سازی تولید آبی و سایر واکنش های سازگاری (مانند تغییر تاریخ کاشت و جایگزینی گونه های محصول) شناسایی و ارزیابی شدند.

 

استخراج تخمین از تغییرات بالقوه عملکرد محصول

تجمیع نتایج سایت

جدول 3 درصد تولید جهانی گندم، برنج، ذرت و سویا را برای کشورهایی که شبیه سازی در آنها انجام شده است نشان می دهد. شبیه‌سازی‌ها در مناطقی انجام شد که 70 تا 75 درصد از تولید فعلی گندم و ذرت جهانی را نشان می‌دهند. با وجود اینکه مدل‌سازی برای سویا تنها در دو کشور (برزیل و ایالات متحده آمریکا) انجام شد، این دو کشور با هم 76 درصد از تولید جهانی را تشکیل می‌دهند. تولید برنج در شبیه‌سازی مدل نسبت به سایر محصولات کمتر نشان داده شد، زیرا هند، اندونزی و ویتنام دارای مناطق تولید قابل توجهی هستند که در این مطالعه لحاظ نشده‌اند. تحقیقات بیشتری در این کشورهای کلیدی به منظور بهبود قابلیت اطمینان پیش بینی اثرات تغییرات آب و هوا بر تولید برنج مورد نیاز است.

نتایج مدل محصول برای گندم، برنج، ذرت و سویا از 112 سایت در 18 کشور با وزن دهی به تغییرات عملکرد منطقه ای (براساس تولید فعلی) برای برآورد تغییرات در عملکرد ملی جمع آوری شد. انباشته ها یا توسط دانشمندان شرکت کننده محاسبه شد یا به طور مشترک با آنها توسعه یافت (به روزنزوایگ و ایگلسیاس، 1992 مراجعه کنید). دانشمندان در هر کشور مکان‌هایی را که نماینده مناطق عمده کشاورزی بودند انتخاب کردند، شیوه‌های کشاورزی منطقه‌ای را توصیف کردند و داده‌های تولید را برای تخمین سهم منطقه‌ای در تغییرات عملکرد ملی ارائه کردند. سایر منابع داده های تولید شامل سازمان غذا و کشاورزی ملل متحد (FAO، 1988)، بخش آماری تولید محصولات کشاورزی وزارت کشاورزی ایالات متحده (USDA) و خدمات بین المللی USDA بود.

برآورد تغییر عملکرد برای محصولات و مناطق شبیه سازی نشده است

تغییرات در عملکرد ملی سایر محصولات و گروه های کالایی و سایر مناطق شبیه سازی نشده بر اساس سه معیار برآورد شد:

 

• شباهت به شرایط رشد برای مدل سازی محصولات، 
• نتایج حاصل از حدود 50 مطالعه تأثیر تغییر اقلیم منطقه ای که قبلاً منتشر شده و منتشر نشده است، 
• تغییرات دما و بارندگی پیش‌بینی‌شده (و در نتیجه در دسترس بودن رطوبت خاک برای رشد محصول) از سناریوهای تغییر آب و هوا GCM. 

برآوردها از تغییرات عملکرد با و بدون اثرات مستقیم CO2 انجام شد. افزایش های اضافه شده به تغییرات تخمینی عملکرد محصول برای در نظر گرفتن اثرات مستقیم CO2 بر اساس میانگین پاسخ ها به CO2 و سناریوهای تغییر آب و هوا در شبیه سازی مدل محصول ( جدول 4 ) بود. این افزایش‌ها با نسبت‌های فتوسنتز استفاده‌شده در مدل‌های محصول متفاوت است، زیرا واکنش‌های ترکیبی محصولات شبیه‌سازی‌شده به تغییرات فتوسنتز و تبخیر و تعرق و همچنین آب و هوا را در بر می‌گیرد. در شبیه‌سازی مدل محصول، پاسخ‌ها به CO2 در مناطق و سناریوهای تغییر آب و هوا تفاوت زیادی نداشت.

محدودیت های برآورد تغییر عملکرد محصول

منبع اصلی عدم قطعیت در تخمین‌ها در پراکندگی مکان‌های مدل‌سازی محصول و این واقعیت است که ممکن است به اندازه کافی تنوع مناطق کشاورزی در داخل کشورها، تغییرپذیری سیستم‌های کشاورزی در مناطق مشابه اگرواکولوژیکی یا مناطق کشاورزی غیرمشابه را نشان ندهند. با این حال، از آنجایی که نتایج سایت مربوط به مناطقی است که حدود 70 درصد از تولید غلات جهان را تشکیل می دهند. اعتقاد بر این است که نتایج مربوط به کل تولید جهانی غلات موجود در این مطالعه به اندازه کافی اثبات شده است. منبع دیگر عدم قطعیت فقط در شبیه سازی محصولات غلات نهفته است که منجر به تخمین تغییرات عملکرد برای سایر کالاها مانند محصولات ریشه و میوه اساساً بر اساس برآوردهای قبلی می شود. تخمین‌های قبلی نسبت به پاسخ‌های محصول مدل‌سازی‌شده در این مطالعه کمتر منفی بود.

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 زراعی، آبیاری خودکار را تا ظرفیت مزرعه‌ای فرض می‌کردند که آب موجود گیاه به 50 درصد و راندمان آبیاری 100 درصد کاهش یافت. همه احتمالات انطباق در هر مکان و کشوری شبیه سازی نشدند: انتخاب سازگاری هایی که باید آزمایش شوند توسط دانشمندان شرکت کننده بر اساس دانش آنها از سیستم های کشاورزی فعلی انجام شد ( جدول 5 ).

برای تجزیه و تحلیل اقتصادی در BLS، نتایج مدل محصول گزارش شده توسط دانشمندان شرکت کننده سپس در دو سطح سازگاری گروه بندی شدند. انطباق سطح 1 مستلزم تغییر کمی در سیستم های کشاورزی موجود است، که منعکس کننده واکنش نسبتا آسان کشاورز به آب و هوای در حال تغییر است. انطباق سطح 2 مستلزم تغییرات اساسی تر در سیستم های کشاورزی است که احتمالاً به منابعی فراتر از توان کشاورز نیاز دارد.

انطباق سطح 1 شامل:

 

• تغییر در تاریخ کاشت (+/-1 ماه). 
• کاربرد اضافی آب آبیاری برای محصولاتی که قبلاً در حال آبیاری هستند. 
• تغییرات در تنوع محصول به گونه های موجود در حال حاضر که بیشتر با آب و هوای تغییر یافته سازگار هستند. 

انطباق سطح 2 شامل:

 

• تغییرات بزرگ در تاریخ کاشت (بیش از 1 ماه). 
• افزایش مصرف کود. (به دلیل هزینه های ضمنی برای کشاورزان در کشورهای در حال توسعه در اینجا گنجانده شده است.) 
• نصب و راه اندازی سیستم های آبیاری. 
• توسعه انواع جدید. (با دستکاری ضرایب ژنتیکی در مدل های زراعی آزمایش شد.) 

تغییرات عملکرد برای هر دو سطح سازگاری بر اساس شبیه‌سازی‌های مدل محصول در مواردی بود که در دسترس بود و با استفاده از روش‌های برآوردی که در بالا توضیح داده شد به سایر محصولات و مناطق گسترش یافت. برای محصولات و مناطقی که شبیه‌سازی نشده‌اند، اگر برآورد شود سازگاری‌ها تا حدی اثرات منفی تغییرات آب و هوا را جبران می‌کنند، تأثیر منفی به نصف کاهش می‌یابد. اگر غرامت کامل تخمین زده می شد، تغییرات عملکرد روی 0 تنظیم می شد. اگر تغییرات عملکرد در پاسخ به تغییرات آب و هوایی و اثرات مستقیم CO2 مثبت بود، سازگاری برای تولید افزایش عملکرد حتی بیشتر لحاظ نمی شد، با این فرض که کشاورزان فاقد آن هستند. انگیزه برای سازگاری بیشتر برآوردهای انطباق تنها برای سناریوهایی که اثرات مستقیم CO2 را شامل می‌شوند، توسعه داده شده‌اند، زیرا این سناریوها واقع بینانه‌ترین هستند.جدول 6 .

محدودیت های تحلیل انطباق

شبیه‌سازی‌های انطباق جامع نبودند زیرا همه ترکیب‌های ممکن پاسخ‌های کشاورز در هر سایت آزمایش نشدند. تجزیه و تحلیل فضایی منابع زراعی، آب و هوایی 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 شد. این هر دو نیاز حیاتی برای تحقیقات بیشتر هستند. مطالعه مرتبط در مورد تأثیرات یکپارچه تغییرات آب و هوا بر مصر. که از نتایج این کار استفاده کرده است، به در دسترس بودن آب در آینده برای تولید ملی کشاورزی در آن کشور می پردازد (Strzepek et al ., 1993).

در سطح محلی، ممکن است دلایل اجتماعی یا فنی وجود داشته باشد که چرا کشاورزان تمایلی به اجرای اقدامات سازگاری ندارند. به عنوان مثال، افزایش مصرف کود و ذخیره بذر بهبود یافته ممکن است سرمایه بر بوده و برای استراتژی های کشاورزی بومی مناسب نباشد. علاوه بر این، چنین اقداماتی ممکن است لزوماً منجر به افزایش تولید پایدار نشود. در مورد آبیاری، مزایای اولیه ممکن است در نهایت جای خود را به شوری خاک و کاهش عملکرد محصول بدهد.

بنابراین، انطباق سطح 2 نشان دهنده یک ارزیابی نسبتاً خوش بینانه از واکنش کشاورزی جهان به شرایط آب و هوایی تغییر یافته است که توسط GCM های آزمایش شده در این مطالعه مشخص می شود، که احتمالاً نیازمند تغییرات اساسی در سیستم های کشاورزی فعلی، سرمایه گذاری در زیرساخت های کشاورزی منطقه ای و ملی و تغییرات سیاست است. با این حال، تغییرات در سیاست‌های کشاورزی منطقه‌ای، ملی و بین‌المللی مربوط به سازگاری در سطح مزرعه فراتر از محدوده تحلیل بود.

 

مدل تجارت جهانی غذا

سیستم غذایی جهان یک تعامل پویا پیچیده بین تولیدکنندگان و مصرف کنندگان است که از طریق بازارهای جهانی در تعامل است. فعالیت های مرتبط شامل تولید و اکتساب نهاده، حمل و نقل، ذخیره سازی و پردازش است. در حالی که روند بین المللی شدن در سیستم غذایی جهان وجود دارد، تنها حدود 15 درصد از کل تولید جهانی در حال حاضر از مرزهای ملی عبور می کند (فیشر و همکاران.، 1990). دولت های ملی با تحمیل مقررات و سرمایه گذاری در تحقیقات کشاورزی، بهبود زیرساخت ها و آموزش، سیستم را شکل می دهند. این سیستم برای پاسخگویی به تقاضای غذا، تولید غذا به روش‌های کارآمدتر و تجارت مواد غذایی در داخل و خارج از مرزهای ملی عمل می‌کند. اگرچه این سیستم ثبات را تضمین نمی کند، اما کاهش واقعی طولانی مدت در قیمت مواد غذایی اصلی ایجاد کرده است (فیشر و همکاران ، 1990).

سیستم پیوندی پایه شامل مدل‌های مرتبط بخش کشاورزی ملی است. BLS در IIASA برای مطالعات سیاست غذایی طراحی شده است، اما همچنین می تواند برای ارزیابی تأثیر تغییرات آب و هوایی در عملکرد بر عرضه جهانی غذا و قیمت های کشاورزی مورد استفاده قرار گیرد. این شامل 16 مدل ملی (شامل جامعه اروپا (EC)) با ساختار مشترک، چهار مدل با ساختار خاص کشور، و 14 مدل گروه منطقه ای ( جدول 7) است.). 20 مدل در دو گروه اول حدود 80 درصد از ویژگی های سیستم غذایی جهان مانند تقاضا، زمین و تولیدات کشاورزی را پوشش می دهند. 20 درصد باقیمانده توسط 14 مدل منطقه ای برای کشورهایی که دارای ویژگی های مشابه هستند (مانند کشورهای صادرکننده نفت آفریقا، کشورهای صادرکننده پردرآمد آمریکای لاتین، کشورهای کم درآمد آسیایی و غیره) پوشش داده می شود. این گروه بندی بر اساس ویژگی های کشور مانند موقعیت جغرافیایی، درآمد سرانه و موقعیت کشور با توجه به تجارت خالص مواد غذایی است.

BLS یک سیستم مدل تعادل عمومی است، با نمایش تمام بخش‌های اقتصادی، پارامترهای تخمین زده تجربی و بدون منابع عرضه یا کاهش تقاضا (فیشر و همکاران (1988) را برای توصیف کامل مدل ببینید). در BLS، کشورها از طریق تجارت، قیمت‌های بازار جهانی و جریان‌های مالی به هم مرتبط هستند ( شکل 3). این یک سیستم پویا بازگشتی است: دور اول صادرات از همه کشورها برای مجموعه ای از قیمت های جهانی فرضی 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 مدل ملی منتقل می‌شوند. در مرحله بعد، اینها تعادل های داخلی جدیدی ایجاد می کنند و صادرات خالص را تعدیل می کنند. این روند تا زمانی که بازارهای جهانی برای همه کالاها پاک شود، تکرار می شود. در هر مرحله از تکرار، بازارهای داخلی در تعادل هستند. این فرآیند قیمت های بین المللی را تحت تأثیر توافقات دولتی و بین دولتی به دست می آورد. این سیستم در افزایش سالانه، به طور همزمان برای همه کشورها حل می شود. خلاصه شاخص های حساسیت سیستم جهانی شامل تولید جهانی غلات است.

BLS به خودی خود هیچ گونه روابط آب و هوایی را در بر نمی گیرد. اثرات تغییرات آب و هوا به عنوان تغییرات در میانگین عملکرد ملی یا منطقه ای هر کالا به مدل معرفی شد. ده کالا در مدل گنجانده شده است: گندم، برنج، غلات درشت، خوراک پروتئین. گوشت گاو و گوسفند، محصولات لبنی، سایر محصولات حیوانی، سایر مواد غذایی، کشاورزی غیر غذایی و غیر کشاورزی. برآوردهای تغییر عملکرد برای دانه‌های درشت بر اساس درصد ذرت کشت‌شده در کشور یا منطقه بود. نتایج مدل محصول سویا برای تخمین دسته خوراک پروتئین استفاده شد. تخمین‌ها برای محصولات غیر غلات بر اساس مدل‌سازی محصولات غلات و تخمین‌های قبلی اثرات تغییرات آب و هوا همانطور که در بالا توضیح داده شد، بود. یک سوگیری مثبت نسبت به محصولات غیر دانه ای با این روش معرفی شد.

نرخ های رشد اقتصادی

نرخ رشد اقتصادی محصول چندین تابع BLS است. تولید غیر کشاورزی از تابع تولید کاب داگلاس با نیروی کار و سرمایه به عنوان عوامل تولید استفاده می کند. ورودی نیروی کار غیرکشاورزی عمدتاً به رشد جمعیت و تا حدودی به قیمت‌های نسبی بین کشاورزی و غیرکشاورزی از طریق تابع مهاجرت بخش بستگی دارد. انباشت سرمایه به سرمایه گذاری و استهلاک بستگی دارد که به نوبه خود به نرخ پس انداز و استهلاک بستگی دارد. نرخ‌های استهلاک و نرخ‌های پس‌انداز از داده‌های تاریخی تخمین زده می‌شوند و پس از سال 1990 ثابت نگه داشته می‌شوند. یک فرض برون‌زا بر اساس داده‌های تاریخی برای پیشرفت فنی در تابع تولید وجود دارد. برای سناریوی رشد پایین تر، نرخ پس انداز کاهش یافت و در نتیجه تولید ناخالص داخلی حدود 10 درصد در سال 2060 کاهش یافت.

نرخ های رشد اقتصادی پیش بینی شده توسط BLS در مورد مرجع از روندهای تاریخی مطابق با جدول 8 پیروی می کند . برای دوره 1980 تا 2060، BLS رشد سالانه 1.3٪، 1.7٪ و 2.4٪ را برای کشورهای جهان، توسعه یافته و در حال توسعه به ترتیب در مقایسه با میانگین رشد جمعیت 1.1٪، 0.3٪ و 1.3 ایجاد می کند. ٪.

روند بازدهی

به طور کلی، نرخ پیشرفت فنی برون زا از ارزش های تاریخی شروع می شود و برای محصولات غلات تا سال 2060 به 0.5٪ در سال نزدیک می شود. روند عملکرد سالانه مورد استفاده در BLS برای دوره 1980-2000 که نشان دهنده بهبود بهره وری کشاورزی به دلیل پیشرفت فناوری است. 1.2٪، 1.0٪ و 1.7٪ برای کشورهای جهانی، کشورهای توسعه یافته و کشورهای در حال توسعه به ترتیب. طبق داده های فائو، بازده سالانه به طور متوسط ​​حدود 2 درصد در طول دوره 90-1961 رشد داشته است، هم برای کشورهای توسعه یافته و هم در حال توسعه (به استثنای چین) (FAO، 1991). افزایش اخیر (1965-1985) در بهره وری سالانه برای کشورهای کمتر توسعه یافته حدود 1.5٪ در سال است. با این حال، در دهه 1980، بازده در سطح جهانی با افزایش متوسط ​​تنها 1.3 درصد رشد کرد که حاکی از روند نزولی در نرخ رشد بازده است.

کاهش نرخ رشد مورد استفاده در مورد مرجع BLS ممکن است به دلایل مختلفی توجیه شود. روندهای تاریخی حاکی از کاهش نرخ افزایش است و پیشرفت های حاصل از بیوتکنولوژی هنوز محقق نشده است. بیشتر افزایش عملکرد در کشورهای توسعه یافته در دهه های 1950 و 1960 و در کشورهای در حال توسعه پس از آن به دلیل تشدید نهاده های شیمیایی و مکانیزاسیون بوده است. جدا از دلایل اقتصادی و نگرانی‌های زیست‌محیطی که نشان می‌دهد ممکن است در بسیاری از کشورهای توسعه‌یافته به حداکثر سطوح ورودی رسیده باشد، احتمالاً نرخ‌های بازدهی کاهشی برای افزایش بیشتر نهاده‌ها وجود دارد. در برخی از کشورهای در حال توسعه، به ویژه در آفریقا، افزایش سطح نهاده و تشدید تولید احتمالا برای مدتی ادامه خواهد داشت، اما ممکن است در نهایت کاهش یابد. علاوه بر این، از آنجایی که آفریقا کمترین میانگین بازده غلات را در میان تمام گروه های منطقه ای همراه با نرخ رشد بالای جمعیت دارد. سهم فزاینده ای از تولید غلات را به همراه خواهد داشت. در نتیجه افزایش متوسط ​​جهانی بازده را کاهش می دهد.

زمین زراعی

در دسترس بودن زمین های قابل کشت برای توسعه تولید محصول بر اساس داده های فائو است. در مدل‌های ملی استاندارد BLS، یک تابع روند زمانی خطی قطعه‌ای برای اعمال کران‌های بالایی (محدودیت‌های نابرابری) در کاربری زمین استفاده می‌شود. علاوه بر این، این تابع روند زمانی با یک اصطلاح کشش (معمولاً 0.05 یا کمتر) اصلاح می شود که به تغییرات قیمت سایه زمین در مقایسه با سطوح 1980 واکنش نشان می دهد. محدودیت‌های بالایی که توسط تابع روند زمانی اعمال می‌شود، از داده‌های فائو در زمین‌های زراعی بالقوه استفاده می‌کند. محدودیت‌های زمین‌های قابل کشت به دلیل تغییرات آب و هوایی تنظیم نمی‌شوند، حتی اگر ممکن است در برخی مکان‌ها با افزایش طول فصل یا خشک شدن خاک‌های مرطوب، یا به‌وسیله طغیان از سطح دریا یا بیابان‌زایی بر آن تأثیر مثبت بگذارد.

نشانگر خطر گرسنگی

شاخص تعداد افراد در معرض خطر گرسنگی که در BLS استفاده می شود به عنوان جمعیتی با درآمد ناکافی برای تولید یا تهیه مواد غذایی مورد نیاز خود در کشورهای در حال توسعه (به استثنای چین) تعریف می شود. این معیار از برآوردهای فائو و روش شناسی برای اقتصادهای بازار در حال توسعه (FAO، 1984 و 1987) مشتق شده است. تخمین‌های فائو با این شرط به دست آمد که توزیع کالری مصرفی در یک کشور ناهنجار است و می‌توان آن را با توزیع بتا نشان داد. پارامترهای این توزیع ها توسط فائو برای هر کشور بر اساس داده های خاص کشور و مقایسه های بین کشوری برآورد شد. برآورد انرژی مورد نیاز یک فرد بر اساس میزان متابولیسم پایه (زمان در حالت ناشتا و دراز کشیدن در استراحت کامل در یک محیط گرم) است. وزن بدن، سن و جنس بر این نیاز تاثیر دارند. فائو دو تخمین از افراد کم‌تغذیه را بر اساس حداقل نیازهای نگهداری 1.2 و 1.4 (که دومی مناسب‌تر ارزیابی می‌شود) نرخ متابولیک پایه ارائه می‌کند. برآورد BLS برای سال 1980، بر اساس 1.4 مورد نیاز نرخ متابولیسم پایه، 501 میلیون نفر در کشورهای در حال توسعه به استثنای چین است که دچار سوء تغذیه هستند.

محدودیت های مدل تجارت جهانی غذا

فرض بر این است که تنظیمات اقتصادی شبیه سازی شده توسط BLS ساختار اصلی توابع تولید را تغییر نمی دهد. این روابط ممکن است در یک رژیم آب و هوایی در حال تغییر و تحت شرایط C02 بالا تغییر یابد. به عنوان مثال، پاسخ عملکرد به کود نیتروژن ممکن است به دلیل تغییر حلالیت مواد مغذی در خاک های گرم تر تغییر کند. علاوه بر این، در تجزیه و تحلیل نتایج BLS، توجه به محصولات غذایی عمده غلات محدود می شود، حتی اگر تغییرات در تعادل کشاورزی زراعی و دام نیز تحت رژیم های آب و هوایی تغییر یافته است. تولید دام جزء مهمی از سیستم غذایی جهانی است و همچنین به طور بالقوه نسبت به تغییرات آب و هوایی حساس است. بخش غیر کشاورزی در BLS مدل ضعیفی دارد که منجر به ساده‌سازی در شبیه‌سازی پاسخ‌ها به تغییرات آب و هوایی می‌شود.

در نهایت، تغییرات اخیر در ژئوپلیتیک جهانی و تغییرات مرتبط در تولید کشاورزی به خوبی در BLS نشان داده نشده است. برای توضیح این تغییرات، قیمت‌ها در اقتصادهای برنامه‌ریزی‌شده قبلی در مقایسه با نسخه‌های قبلی پاسخگوتر بودند، «هدف‌های طرح» برای تصمیم‌گیری‌های تخصیص جایگزین شدند، و برخی محدودیت‌ها در مدل بخش کشاورزی کاهش یافتند. تحلیل بهتر به توسعه مدل‌های جدید برای این اقتصادهای سرمایه‌داری در حال ظهور بستگی دارد.

 

مجموعه آزمایش های مدل

برآورد تغییرات ناشی از آب و هوا در پتانسیل تولید غذا به عنوان ورودی برای BLS به منظور ارزیابی اثرات احتمالی بر سطوح آینده تولید غذا، قیمت مواد غذایی و تعداد افرادی که در معرض خطر گرسنگی هستند، استفاده شد ( شکل 1 را ببینید.). تأثیرات برای سال 2060 با پیش بینی رشد جمعیت، روندهای فناوری و رشد اقتصادی در آن سال ارزیابی شد. ارزیابی‌ها ابتدا برای یک سناریوی مرجع با فرض عدم تغییر آب و هوا و متعاقباً با سناریوهای GCM 2 x CO2 از تغییرات آب و هوا انجام شد. تفاوت بین این دو ارزیابی، اثر تخمینی ناشی از اقلیم است. مجموعه دیگری از ارزیابی‌ها، اثربخشی دو سطح سازگاری کشاورزان را در کاهش اثرات تغییرات آب‌وهوایی و تأثیر بر تولید آتی نرخ‌های مختلف رشد اقتصادی و جمعیت و آزادسازی سیستم تجارت جهانی را بررسی کردند.

نتایج برای سناریوهای زیر شرح داده شده است:

سناریوی مرجع

سناریوی مرجع سیستم کشاورزی را تا سال 2060 بدون تغییر آب و هوا و بدون تغییر عمده در زمینه سیاسی یا اقتصادی تجارت جهانی غذا پیش بینی می کند. فرض می کند:

 

• برآورد جمعیت متوسط ​​سازمان ملل (10.2 میلیارد تا سال 2060) (UN، 1989؛ بانک بین المللی توسعه روستایی/بانک جهانی، 1990). 
• آزادسازی 50 درصدی تجارت در بخش کشاورزی (مثلاً حذف محدودیت‌های واردات) به تدریج تا سال 2020 معرفی شد. 
• رشد اقتصادی متوسط ​​(از 0/3 درصد در سال در سال‌های 1980-2000 تا 1/1 درصد در سال در سال‌های 60-2040). 
• فناوری پیش‌بینی می‌شود با گذشت زمان (1990-2060) بازده را افزایش دهد. بازده غلات در کل جهان، کشورهای در حال توسعه و کشورهای توسعه یافته به ترتیب 0.7%، 0.9% و 0.6% افزایش می‌یابد. 

سناریوهای تغییر اقلیم

اینها پیش‌بینی‌های سیستم جهانی از جمله اثرات بر عملکرد کشاورزی تحت سناریوهای CO2 دو برابر شده برای GISS، GFDL و UKMO GCM هستند. شبیه‌سازی تجارت مواد غذایی برای این سه سناریو در سال 1990 آغاز شد و یک تغییر خطی در عملکرد تا زمانی که تغییرات CO2 دوبرابر شده در سال 2060 به دست آمد، فرض شد. تخمین بازدهی تعادلی در این سناریوها، تعدیل‌های اقتصادی داخلی در مدل مانند افزایش سرمایه‌گذاری کشاورزی، تخصیص مجدد منابع کشاورزی بر اساس بازده اقتصادی (از جمله تغییر محصول)، و احیای زمین‌های قابل کشت اضافی در پاسخ به قیمت‌های بالاتر غلات رخ می‌دهد. اینها بر اساس تغییرات در عوامل عرضه و تقاضا است که مزیت نسبی را بین کشورها و مناطق در سیستم تجارت جهانی غذا تغییر می دهد. فرض بر این است که این تعدیل‌های اقتصادی به سطوح عملکرد پیش‌بینی‌شده توسط مطالعه مدل‌سازی محصول بازخورد نمی‌دهند.

سناریوهایی از جمله اثرات سازگاری در سطح مزرعه

مدل تجارت مواد غذایی ابتدا با تغییرات عملکرد با فرض عدم انطباق خارجی در سطح مزرعه با تغییرات آب و هوایی اجرا شد و سپس با تغییرات مختلف ناشی از اقلیم در عملکرد با فرض دو سطح سازگاری که در بالا توضیح داده شد، مجددا اجرا شد. سطح انطباق 1 شامل آن دسته از سازگاری ها در سطح مزرعه است که شامل تغییرات عمده در شیوه های کشاورزی نمی شود. بنابراین شامل تغییراتی در تاریخ کاشت، میزان آبیاری و انتخاب گونه‌های محصولی است که در حال حاضر در دسترس هستند. انطباق سطح 2، علاوه بر موارد قبلی، شامل تغییرات عمده در شیوه های کشاورزی است، به عنوان مثال. تغییر تاریخ کاشت بیش از یک ماه، در دسترس بودن ارقام جدید، گسترش سیستم های آبیاری و افزایش مصرف کود. این سطح از انطباق احتمالاً شامل تغییرات سیاستی در منطقه می شود، سطح ملی و بین المللی و همچنین احتمالاً هزینه های قابل توجهی را در بر خواهد داشت. با این حال، سیاست، هزینه، و در دسترس بودن منابع آب به صراحت مورد مطالعه قرار نگرفت و فرض بر این بود که مانعی برای سازگاری نیست. تغییر از یک شرکت به شرکت دیگر بر اساس عوامل تولید و تقاضا در BLS گنجانده شده است.

سناریوهای مختلف تجارت، رشد اقتصادی و جمعیت در آینده

مجموعه نهایی سناریوها تغییراتی در ساختار تعرفه جهانی و نرخ‌های مختلف رشد اقتصاد و جمعیت را فرض می‌کردند که بینشی در مورد آینده‌های متناوب به دست می‌داد. مانند آزمایش‌های قبلی، این آزمایش‌ها هم با و هم بدون تغییر آب و هوا انجام شد. این سناریوها عبارت بودند از:

 

• آزادسازی تجارت: آزادسازی کامل تجارت در بخش کشاورزی به تدریج تا سال 2020 معرفی شد. 
• رشد اقتصادی پایین تر: (از 2.7٪ در سال در 1980-2000 تا 1.0٪ در 2040-60). این منجر به تولید ناخالص داخلی جهانی در سال 2060 می شود که 10.3 درصد کمتر از سناریوی مرجع، 11.2 درصد در کشورهای در حال توسعه و 9.8 درصد در کشورهای توسعه یافته کمتر است. 
• رشد کم جمعیت: برآوردهای کم جمعیت سازمان ملل (8.6 میلیارد تا سال 2060) 

تحلیل آزادسازی تجارت در این مطالعه به حذف اعوجاج بین قیمت‌های تجاری و قیمت‌های داخلی در سطح مواد خام کالاهای کشاورزی محدود می‌شود. در صورت لزوم، سهمیه تجارت و تولید آزاد می شود. انواع دیگر کمک های داخلی، به عنوان مثال. یارانه های ورودی، اعتبار صادراتی، بیمه و غیره در تحلیل لحاظ نشده است. برای یک قیمت معین در بازار جهانی یک کالای کشاورزی، قیمت داخلی تحت آزادسازی تجارت به این بستگی دارد که آیا کشور صادرکننده خالص یا واردکننده خالص کالا است، تفاوت آن حاشیه ای برای حمل و نقل بین المللی و بیمه است.

 

اثرات بر عملکرد محصول

بازده محصول با تست های حساسیت دلخواه

با اثرات مستقیم CO2 و بارندگی در سطوح فعلی، میانگین عملکرد محصول با وزن تولید ملی پاسخ مثبت به گرمایش +2 درجه سانتیگراد و پاسخ منفی به +4 درجه سانتیگراد نشان می دهد ( شکل 4).). عملکرد گندم و سویا 10-15 درصد افزایش می یابد و عملکرد ذرت و برنج حدود 8 درصد با افزایش دمای 2+ درجه سانتیگراد افزایش می یابد. عملکرد هر چهار محصول در +4 درجه سانتیگراد منفی می شود، که نشان دهنده آستانه جبران اثرات مستقیم CO2 برای افزایش دما بین 2 تا 4 درجه سانتیگراد است، همانطور که در مدل های محصول IBSNAT شبیه سازی شده است. برنج و سویا در دمای +4 درجه سانتیگراد بیشترین تأثیر منفی را دارند. با این حال، این نتایج متوسط، تفاوت‌های بین کشورها را پنهان می‌کند. برای مثال، اثرات عرض جغرافیایی به گونه‌ای است که در کانادا، افزایش دمای 2+ درجه سانتی‌گراد بدون تغییر بارندگی منجر به افزایش عملکرد گندم می‌شود (با در نظر گرفتن اثرات مستقیم CO2)، در حالی که همین تغییرات در پاکستان منجر به میانگین گندم می‌شود. بازده حدود 12 درصد کاهش می یابد. به طور کلی، افزایش 20 درصدی بارش باعث بهبود عملکرد شبیه سازی شده محصولات آزمایش شده شد.

محصول بدون سازگاری محصول می دهد

جدول 9 تغییرات عملکرد گندم مدل شده را برای سناریوهای تغییرات آب و هوایی CO2 دو برابر شده GCM نشان می دهد (تغییرات عملکرد شامل نتایج حاصل از شبیه سازی دیم و آبی است که بر اساس درصد فعلی عملکرد مربوطه وزن شده است). تغییرات آب و هوا بدون اثرات فیزیولوژیکی مستقیم CO2 باعث کاهش عملکرد گندم شبیه سازی شده در همه موارد می شود، در حالی که اثرات مستقیم CO2 اثرات منفی را عمدتا در عرض های جغرافیایی متوسط ​​و بالا کاهش می دهد.

بزرگی تغییرات عملکرد برآورد شده بر اساس محصول متفاوت است ( جدول 10 ). تغییرات عملکرد جهانی گندم با وزن تولید ملی با اثرات مستقیم CO2 مثبت است، در حالی که عملکرد ذرت بیشتر تحت تاثیر منفی قرار می گیرد، 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 CO2 بیشتر کاهش می یابد، احتمالاً به دلیل پاسخ کمتر آن به اثرات فیزیولوژیکی CO2 بر رشد محصول. عملکرد دانه سویای شبیه‌سازی‌شده بدون تأثیر مستقیم CO2 بیشتر کاهش می‌یابد، اما در سناریوهای تغییر اقلیم GISS و GFDL کمتر تحت تأثیر قرار می‌گیرد که اثرات مستقیم CO2 شبیه‌سازی شود. سویا به افزایش CO2 پاسخ مثبت می دهد، اما محصولی است که بیشتر تحت تأثیر دمای بالای سناریوی UKMO قرار می گیرد.

تفاوت بین کشورها در واکنش های شبیه سازی شده عملکرد محصول به تغییرات آب و هوایی بدون اثرات مستقیم CO2 در 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 تنش گرما و آب 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، جایی که رژیم‌های دمایی 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 به‌طور قابل‌توجهی افزایش نمی‌دهد. در برخی از مکان‌های نزدیک مرزهای تولید کشاورزی فعلی در عرض جغرافیایی بالا، افزایش دما می‌تواند به نفع محصولات زراعی باشد که در غیر این صورت توسط دماهای سرد و فصل‌های رشد کوتاه محدود می‌شود، اگرچه وسعت خاک مناسب برای تولید کشاورزی گسترده در این مناطق به‌صراحت 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.

افزایش عملکرد شبیه سازی شده در عرض های جغرافیایی متوسط ​​و بالا عمدتاً ناشی از موارد زیر است:

 

• اثرات فیزیولوژیکی مثبت CO2. در مکان‌هایی با رژیم‌های دمای اولیه خنک‌تر، 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 عرض جغرافیایی بالا تولید کشاورزی فعلی، افزایش دما، فصل رشد بدون یخبندان را طولانی کرد و رژیم‌هایی را برای بهره‌وری بیشتر محصول قطعی‌تر 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 در همه مکان‌ها به جز مناطقی با خنک‌ترین دمای فصل رشد در کانادا و اتحاد جماهیر شوروی سابق اتفاق افتاد. 
• 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. 
• بهاره سازی ضعیف بهاره شدن نیاز برخی از محصولات غلات معتدل است، به عنوان مثال. گندم زمستانه، برای دوره ای با دمای پایین زمستانی برای شروع یا تسریع روند گلدهی. کم بهاری شدن 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.شکل 5 تغییرات بالقوه تخمینی را در میانگین عملکرد غلات ملی برای سناریوهای تغییر اقلیم GISS، GFDL و UKMO دوبرابر CO2 نشان می دهد که امکان اثرات مستقیم CO2 بر رشد گیاه را فراهم می کند. نقشه‌ها از تغییرات میانگین ملی برای گندم، برنج، دانه‌های درشت و خوراک پروتئین تخمین زده شده برای شبیه‌سازی BLS برای هر کشور یا گروهی از کشورها در مدل تجارت جهانی غذا ایجاد شده‌اند. تغییرات منطقه ای در داخل کشورها منعکس نمی شود. تفاوت های عرضی در همه سناریوها آشکار است. با اثرات مستقیم CO2، تغییرات عرض جغرافیایی بالا در برخی موارد کمتر منفی یا حتی مثبت است، در حالی که مناطق با عرض جغرافیایی پایین تر از اثرات مخرب تغییر اقلیم بر عملکرد کشاورزی متحمل می شوند.سناریوهای تغییرات آب و هوایی GISS و GFDL تغییرات عملکرد را از 30+ تا 30- درصد ایجاد کردند. اثرات تحت سناریوی GISS، به طور کلی، نامطلوب‌تر از سناریوی GFDL برای عملکرد محصولات در بخش‌هایی از آسیا و آمریکای جنوبی است، در حالی که اثرات تحت سناریوی GFDL منجر به عملکرد منفی‌تر در ایالات متحده و آفریقا و نتایج مثبت کمتری در محصول می‌شود. اتحاد جماهیر شوروی سابق سناریوی تغییر اقلیم UKMO، که بیشترین گرم شدن را دارد (5.25 درجه سانتیگراد افزایش دمای هوای سطحی جهانی)، باعث می شود میانگین محصول ملی تقریباً در همه جا کاهش یابد (تا -50٪ در پاکستان).

  محصول با سازگاری حاصل می شود

  مطالعات انطباق انجام شده توسط دانشمندان شرکت کننده در پروژه نشان می دهد که سهولت سازگاری با تغییرات آب و هوایی احتمالاً با محصول، مکان و تکنیک سازگاری متفاوت است ( جدول 11 ). 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 ، (1992). در مقابل، تغییر از گندم بهاره به گندم زمستانه در مکان های مدل سازی در کشور قبلی اتحاد جماهیر شوروی پاسخ مطلوبی ایجاد می کند (منژولین و همکاران.، (1992)، نشان می دهد که بهره وری کشاورزی ممکن است با تغییر نسبتا آسان به سوی گونه های گندم زمستانه افزایش یابد.

  تخمین بازده برای دو سطح انطباق توسعه یافته برای شبیه سازی BLS برای سناریوی UKMO در شکل 6 نشان داده شده است. مانند شکل 5، نتایج نشان داده شده میانگین کشورها و گروه های کشورها هستند و تغییرات منطقه ای در داخل کشورها منعکس نشده است. اثرات مستقیم CO2 بر رشد محصول و مصرف آب در نظر گرفته شده است. 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. برای سناریوهای GISS و GFDL، انطباق متضمن تغییرات عمده در سیستم‌های کشاورزی فعلی (سطح سازگاری 2) تقریباً به طور کامل اثرات منفی تغییر آب و هوا را جبران کرد. با سطح بالای گرمایش جهانی 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 نمی کند، حتی اگر اثرات مستقیم CO2 در نظر گرفته شود.

   

  اثرات بر تولید مواد غذایی، قیمت مواد غذایی و گرسنگی

  سناریوی مرجع (آینده بدون تغییرات آب و هوایی)

  با فرض عدم تأثیر تغییرات آب و هوایی بر عملکرد محصولات و روندهای فعلی در نرخ رشد اقتصادی و جمعیت، تولید غلات در جهان 5 در سال 2060 3286 میلیون تن (میلی متر تن) برآورد می شود (مشاهده کنید به 1795 میلی متر تن در سال 1990). تولید سرانه غلات در کشورهای توسعه یافته از 690 کیلوگرم در درپوش در سال 1980 به 984 کیلوگرم در هر سرانه در سال 2060 افزایش می یابد. کل تولید سرانه غلات در جهان از 327 کیلوگرم در سرانه در سال 1980 به 319 کیلوگرم در سرانه در سال 2060 افزایش یافته است. روند کاهشی کل برای آینده ناشی از تفاوت نسبتاً زیاد در تولید سرانه غلات در کشورهای توسعه یافته و در حال توسعه و جمعیت شناسی است. تغییرات در نظر گرفته شده توسط مدل

  قیمت غلات با شاخص 121 (100 = 1970) برای سال 2060 برآورد شده است که روند کاهش قیمت واقعی غلات در 100 سال گذشته را معکوس می کند ( جدول 12 ). این به این دلیل است که سناریوی مرجع استاندارد BLS دارای دو مرحله توسعه قیمت است. طی سال‌های 1980 تا 2020، در حالی که موانع تجاری و حفاظت هنوز وجود دارد اما در حال کاهش است، افزایش قیمت‌های نسبی وجود دارد. زمانی که موانع تجاری برداشته شوند، قیمت کاهش می یابد. تعداد افراد گرسنه حدود 640 میلیون نفر یا حدود 6 درصد از کل جمعیت در سال 2060 برآورد شده است (به 530 میلیون نفر در سال 1990 مراجعه کنید، حدود 10٪ از کل جمعیت فعلی).

  اثرات تغییر اقلیم با و بدون تعدیل در سیستم اقتصادی

  BLS شامل توانایی شبیه سازی تنظیماتی است که سیستم غذایی جهان ممکن است برای تغییرات عملکرد انجام دهد (به عنوان مثال، تخصیص مجدد کاربری زمین کشاورزی، تغییر در استفاده از کود، و استفاده از آب آبیاری). شبیه‌سازی اثرات تغییرات آب و هوایی بدون چنین تعدیل‌های داخلی فقط از نظر نظری مورد توجه است، زیرا این موارد به‌طور غیرواقعی نشان‌دهنده هیچ واکنش اقتصادی یا رفتاری تولیدکنندگان و مصرف‌کنندگان نیست. با این حال، به عنوان معیاری برای تحریف سیستم اقتصادی، این تأثیرات فرضی به تعریف تعدیل‌هایی که در طول زمان در سیستم رخ می‌دهند کمک می‌کند. تحت این شرایط، اثرات تغییر اقلیم و افزایش CO2 اتمسفر بر عملکرد محصول حاصل از سناریوهای GCM حاکی از کاهش 5 تا 20 درصدی در کل تولید غلات است ( جدول 13).). این تخمین ها تغییراتی در سطح تولید پیش بینی شده برای سال 2060 بدون تغییرات آب و هوایی است.

  تعدیل‌های درون سیستم اقتصادی تمایل به خنثی کردن اثرات منفی عملکرد دارند، زیرا تولیدات کشاورزی به مناطقی با مزیت نسبی مطلوب‌تر تغییر می‌کند. BLS 65 تا 80 درصد از تأثیر بالقوه بر عملکرد را در سناریوهایی برای تأثیرات کمتر از 10 درصد از تولید جهانی غلات (سناریوهای تغییرات آب و هوایی GISS و GFDL) جبران می کند. افست تحت سناریوی کاهش بازده بیشتر به 60% کاهش می یابد (به عنوان مثال، UKMO).

  اثرات تغییر اقلیم با تعدیل در سیستم اقتصادی، اما بدون سازگاری در سطح مزرعه

  تغییرات در تولید غلات، قیمت غلات، و افراد در معرض خطر گرسنگی برآورد شده برای سناریوهای تغییر اقلیم CO2 دو برابر شده GCM (با در نظر گرفتن اثرات مستقیم CO2) در جدول 14 آورده شده است.. این تخمین‌ها بر اساس شبیه‌سازی‌های دینامیکی توسط BLS است که به سیستم غذایی جهان اجازه می‌دهد تا به کمبود عرضه غلات ناشی از آب و هوا و در نتیجه قیمت‌های بالاتر کالا از طریق افزایش عوامل تولید (زمین زیرکشت، نیروی کار و سرمایه) و نهاده‌هایی مانند کود واکنش نشان دهد. . آزمایش تأثیرات تغییر اقلیم بدون سازگاری در سطح مزرعه غیرواقعی است، اما به منظور ایجاد یک خط پایه برای مقایسه اثرات واکنش کشاورزان انجام می‌شود. می‌توانیم با خیال راحت فرض کنیم که حداقل برخی از سازگاری‌ها در سطح مزرعه، به‌ویژه تکنیک‌های مشابه با تکنیک‌های آزمایش‌شده در سطح انطباق 1 که تغییرات عمده‌ای در سیستم‌های کشاورزی فعلی ایجاد نمی‌کنند، اتخاذ خواهند شد.

  بر اساس سناریوی GISS (که افزایش دمای کمتری را فراهم می کند) تولید غلات کمی بیش از 1% کاهش می یابد در حالی که در سناریوی UKMO (با بیشترین افزایش دما) تولید جهانی بیش از 7% کاهش می یابد. بزرگترین تغییرات منفی در مناطق در حال توسعه رخ می دهد که به طور متوسط ​​-9٪ تا -11٪، هر چند میزان کاهش تولید بسته به آب و هوای پیش بینی شده در کشور بسیار متفاوت است. در مقابل، در کشورهای توسعه یافته تخمین زده می شود که تولید تحت همه سناریوهای UKMO افزایش یابد (+11% تا -3%). بنابراین، تخمین زده می شود که تفاوت در تولید محصول بین کشورهای توسعه یافته و در حال توسعه افزایش یابد.

  افزایش قیمت ناشی از کاهش عملکرد ناشی از اقلیم بین 25 تا 150 درصد تخمین زده می شود. در مورد سناریوی GISS، کاهش 5.3 درصدی بازدهی سناریوی تعدیل‌نشده باعث عدم تعادل می‌شود که از طریق مکانیسم‌های بازار در حالت تعدیل‌شده حل می‌شود. این منجر به پاسخ مصرف کننده -1.2٪ و پاسخ تولید کننده 4+٪ (نسبی) و 24٪ قیمت نسبی بالاتر برای غلات می شود. در حالی که به نظر می رسد این واکنش قیمت بالا باشد، قیمت غلات تنها بخش کوچکی، شاید یک سوم یا کمتر، از قیمت خرده فروشی مواد غذایی را تشکیل می دهد. از این رو، افزایش 24 درصدی قیمت جهانی غلات به معنای افزایش 24 درصدی قیمت مواد غذایی نیست.

  این افزایش قیمت‌ها احتمالاً بر تعداد افرادی که منابع کافی برای خرید مقادیر کافی غذا ندارند تأثیر می‌گذارد. تعداد تخمینی افراد گرسنه به ازای هر 2 تا 2.5 درصد افزایش قیمت ها (بسته به سناریوی تغییرات آب و هوا) تقریباً 1٪ افزایش می یابد. افراد در معرض خطر گرسنگی در سناریوهای تغییر آب و هوای آزمایش شده بین 10 تا 60 درصد افزایش می‌یابند که در نتیجه تا سال 2060 بین 60 تا 350 میلیون نفر در این وضعیت (بالاتر از مورد مرجع 640 میلیون) افزایش می‌یابد.

  اثرات تغییر اقلیم تحت سطوح مختلف سازگاری کشاورز

  در سطح جهانی، هر دو سطح جزئی و عمده سازگاری، در مقایسه با سناریوهای تغییرات آب و هوایی بدون سازگاری، به بازیابی سطح تولید جهانی کمک می کنند ( شکل 7 ). میانگین تولید جهانی غلات تا حدود 160 میلی‌متر تن (0 تا -5 درصد) از حالت مرجع 3286 میلی‌متر تن با سازگاری‌های سطح 1 کاهش می‌یابد. اینها شامل تغییراتی در فعالیت های مزرعه ای است که برای سیستم های کشاورزی منطقه ای مخل نیست. با سازگاری هایی که دلالت بر تغییرات عمده دارند، پاسخ های تولید جهانی غلات از 30 میلی متر اضافی تا افزایش جزئی تا کاهش جزئی حدود 80 میلی متر تن (+1% تا 2.5-%) متغیر است.

  سازگاری سطح 1 تا حد زیادی اثرات منفی بازده تغییرات آب و هوایی را در کشورهای توسعه یافته خنثی می کند و مزیت نسبی آنها را در بازارهای جهانی بهبود می بخشد ( شکل 8 ). در این مناطق تولید غلات 4 تا 14 درصد نسبت به حالت مرجع افزایش می یابد. با این حال، تخمین زده می‌شود که کشورهای در حال توسعه از این سطح سازگاری سود کمی می‌برند (9- تا 12- درصد تغییر در تولید غلات). انطباق گسترده تر (سطح 2) عملاً اثرات منفی عملکرد جهانی غلات ناشی از سناریوهای آب و هوایی GISS و GFDL را حذف می کند و تأثیرات تحت سناریوی UKMO را به یک سوم کاهش می دهد.

  شکل 9 اثرات تغییر اقلیم و تغییرات آب و هوایی با هر دو سطح سازگاری را بر قیمت غلات در سال 2060 نشان می دهد. در نتیجه تغییرات آب و هوایی، تخمین زده می شود که قیمت جهانی غلات حدود 25% تا تقریبا 150% افزایش یابد. در سطح انطباق 1، افزایش قیمت از 10٪ تا 100٪ متغیر است. در سطح انطباق 2، پاسخ به قیمت غلات از کاهش حدود 5٪ تا افزایش 35٪ متغیر است.

  در نتیجه تغییرات اقلیمی و سطح انطباق 1، تعداد افرادی که در معرض خطر گرسنگی هستند حدود 40 میلیون تا 300 میلیون (6 تا 50 درصد) از مورد مرجع 641 میلیون نفری افزایش می‌یابد ( شکل 10 ). با سازگاری بیشتر کشاورزان (سطح 2)، تعداد افراد در معرض خطر گرسنگی بین -12 میلیون برای سناریوی GISS و 120 میلیون برای سناریوی UKMO (-2٪ و +20٪) تغییر می کند. این نتایج نشان می‌دهد که، به جز سناریوی GISS در سطح انطباق 2، سازگاری‌های سطح مزرعه شبیه‌سازی‌شده به طور کامل اثرات منفی تغییرات آب و هوا بر خطر بالقوه گرسنگی را کاهش ندادند، حتی زمانی که تعدیل‌های اقتصادی، به عنوان مثال. پاسخ های تولید و قیمت سیستم غذایی جهان در نظر گرفته شده است.

  اثرات تغییر اقلیم با فرض آزادسازی کامل تجارت، نرخ رشد اقتصادی پایین تر و نرخ رشد جمعیت

  برای هر یک از این مفروضات جایگزین آینده، یک سناریوی مرجع جدید با BLS ایجاد شد و سپس با سناریوهای تغییر آب و هوا GCM آزمایش شد.

  آزادسازی کامل تجارت

  با فرض آزادسازی کامل تجارت کشاورزی و عدم تغییر آب و هوا تا سال 2020، استفاده کارآمدتر از منابع فراهم می شود. این منجر به 3.2 درصد ارزش افزوده بیشتر در کشاورزی در سطح جهان و 5.2 درصد بیشتر تولید ناخالص داخلی کشاورزی در کشورهای در حال توسعه (به استثنای چین) تا سال 2060 در مقایسه با سناریوی مرجع اصلی می شود. این تغییر سیاست باعث می شود که تقریباً 20٪ افراد کمتری در معرض خطر گرسنگی باشند. تولید جهانی غلات 70 میلی متر افزایش می یابد، که بیشتر افزایش تولید در کشورهای در حال توسعه رخ می دهد ( جدول 15 ).

  سپس اثرات تغییر آب و هوا تحت این شرایط مرجع جدید شبیه‌سازی شد. تحت همین سیاست‌های آزادسازی تجاری، تأثیرات جهانی ناشی از تغییرات آب و هوایی اندکی کاهش می‌یابد و افزایش تولید در کشورهای توسعه‌یافته به دست می‌آید. زیان تولید در کشورهای در حال توسعه بیشتر است. افزایش قیمت ها نسبت به آنچه که بدون آزادسازی کامل تجارت اتفاق می افتد اندکی کاهش می یابد و تعداد افرادی که در معرض خطر گرسنگی هستند حدود 100 میلیون نفر کاهش می یابد.

  کاهش نرخ رشد اقتصادی

  همچنین برآوردها از تأثیرات تحت یک سناریوی رشد اقتصادی پایین (10 درصد کمتر از مرجع) انجام شد. این موارد در جدول 16 نشان داده شده است. رشد اقتصادی کمتر منجر به وضعیت عرضه سخت‌تر، قیمت‌های بالاتر و افراد بیشتر زیر آستانه گرسنگی می‌شود.

  تأثیر تغییر اقلیم بر این روندها عموماً کاهش تولید، افزایش قیمت ها و افزایش تعداد افرادی است که در معرض خطر گرسنگی هستند. کشورهای توسعه یافته تولید غلات را در سناریوهای GISS و GFDL حتی با نرخ های رشد اقتصادی پایین پیش بینی شده افزایش می دهند، اما کشورهای در حال توسعه تولید را تحت تمام سناریوهای تغییر آب و هوا کاهش می دهند.

  نرخ های تغییر یافته رشد جمعیت

  رشد کمتر جمعیت تأثیر قابل توجهی بر تولید غلات، قیمت مواد غذایی و تعداد افراد گرسنه دارد ( جدول 17 ). شبیه‌سازی‌های مبتنی بر نرخ رشد جمعیت بر اساس برآوردهای پایین سازمان ملل باعث می‌شود که جمعیت جهان در سال 2060 حدود 17 درصد کمتر از تخمین‌های میانی سازمان ملل باشد که در دوره مرجع استفاده می‌شود. کاهش متناظر در کشورهای در حال توسعه (به استثنای چین) حدود 19.5 درصد خواهد بود، از 7.3 میلیارد به 5.9 میلیارد. ترکیب تولید ناخالص داخلی/سرانه بالاتر (حدود 10٪) و جمعیت کمتر جهان در سال 2060 در مقایسه با سناریوی مرجع، 40٪ افراد کمتری در گرسنگی تولید می کند.

  حتی تحت نامطلوب ترین سناریوهای سه گانه آب و هوایی (UKMO)، تعداد تخمین زده شده گرسنه حدود 10 درصد کمتر از سناریوی مرجع تخمینی بدون هیچ گونه تغییر آب و هوایی است. افزایش قیمت‌های جهانی محصولات کشاورزی، به‌ویژه غلات، تحت سناریوهای تغییرات آب و هوایی که از پیش‌بینی جمعیت کم استفاده می‌کنند، حدود 75 درصد از آنهایی است که از برآورد میانی سازمان ملل استفاده می‌کنند.

  شکل 11اثرات نسبی تعمیم یافته سیاست های مختلف در مورد آزادسازی تجارت، رشد اقتصادی و رشد جمعیت بر تولید غلات و افراد در معرض خطر گرسنگی را خلاصه می کند. مفروضات توسعه جایگزین با توجه به الگوهای ژئوپلیتیکی تأثیرات نسبی تغییرات آب و هوا تفاوت چندانی ندارند. در همه موارد، تولید غلات به ویژه در کشورهای در حال توسعه کاهش می یابد، در حالی که قیمت ها و جمعیت در معرض خطر گرسنگی به دلیل تغییرات آب و هوایی افزایش می یابد. اثرات سودمند آزادسازی تجارت و رشد کم جمعیت به همان اندازه یا حتی بیشتر (در مورد جمعیت) با اثرات نامطلوب تغییرات آب و هوایی است. این نشان می دهد که ممکن است از تغییر شرایط تجارت و توسعه به عنوان یک استراتژی برای رسیدگی به موضوع تغییرات آب و هوا، چیزهای زیادی به دست آید. با این حال، در شرایط رشد کم جمعیت، میزان تأثیرات نامطلوب اقلیمی کمتر است. فرض نرخ رشد پایین جمعیت، جمعیت در معرض خطر گرسنگی را هم در حضور و هم در غیاب تغییرات آب و هوایی در شبیه‌سازی‌های BLS به حداقل می‌رساند.

   

  نتیجه گیری

  تغییرات آب و هوایی ناشی از افزایش گازهای گلخانه‌ای احتمالاً بر عملکرد محصول از منطقه به منطقه دیگر در سراسر جهان تأثیر متفاوتی می‌گذارد. تحت سناریوهای تغییر اقلیم اتخاذ شده در این مطالعه، به نظر می رسد اثرات بر عملکرد محصول در مناطق با عرض جغرافیایی متوسط ​​و بالا نسبت به مناطق با عرض جغرافیایی پایین کمتر نامطلوب باشد. با این حال، اثرات مطلوب تر بر عملکرد در مناطق معتدل تا حد زیادی به تحقق کامل اثرات مستقیم بالقوه سودمند CO2 بر رشد محصول بستگی دارد. کاهش عملکرد بالقوه محصول احتمالاً به دلیل کوتاه شدن دوره رشد محصول، کاهش در دسترس بودن آب به دلیل نرخ بالاتر تبخیر و تعرق و بهاری ضعیف محصولات غلات معتدل است. هنگامی که سازگاری در سطح مزرعه آزمایش شد (مانند تغییر تاریخ کاشت، تغییر تنوع محصول،

  هنگامی که پیامدهای اقتصادی این تغییرات در عملکرد محصول در یک مدل تجارت جهانی غذا مورد بررسی قرار می گیرد، توانایی نسبی سیستم غذایی جهان برای جذب تأثیرات با بزرگی تأثیر کاهش می یابد. تفاوت‌های منطقه‌ای در تأثیرات همچنان قابل توجه است: انتظار می‌رود کشورهای توسعه‌یافته کمتر از اقتصادهای در حال توسعه تحت تأثیر تغییرات آب و هوایی قرار بگیرند. تعدیل‌های اقتصادی پویا می‌توانند سناریوهای کم‌تأثیر مانند سناریوهای آب‌وهوای GISS و GFDL را جبران کنند، اما سناریوهای با تأثیر بیشتر مانند سناریوی UKMO را جبران نمی‌کنند. قیمت محصولات کشاورزی به بزرگی تأثیر تغییر آب و هوا مرتبط است و بروز فقر غذایی حتی در کمترین سناریوی تغییر اقلیم منفی آزمایش شده افزایش می‌یابد.

  هنگامی که اثرات کاهش جمعیت و نرخ رشد اقتصادی در آینده و آزادسازی تجارت در مدل تجارت مواد غذایی مورد آزمایش قرار گرفت، کاهش نرخ رشد جمعیت بیشترین تأثیر را در به حداقل رساندن تأثیر تغییرات آب و هوایی خواهد داشت. رشد اقتصادی کمتر منجر به کاهش عرضه مواد غذایی و در نتیجه نرخ های بالاتر فقر غذایی می شود. از سوی دیگر، آزادسازی کامل تجارت در کشاورزی، استفاده کارآمدتر از منابع را فراهم می‌کند و تعداد افراد در معرض خطر گرسنگی را تا حدود 100 میلیون کاهش می‌دهد (از مورد مرجع حدود 640 میلیون در سال 2060). با این حال، تمام سناریوهای اقلیمی آینده اتخاذ شده در این مطالعه، تخمین تعداد افراد در معرض خطر گرسنگی را افزایش می دهد.

  لازم به ذکر است که نتایج گزارش شده در اینجا پیش بینی آینده نیست. ابهامات بسیار بزرگی وجود دارد که مانع این امر می شود: به ویژه فقدان اطلاعات در مورد تغییرات احتمالی آب و هوا در سطح منطقه، اثرات تغییرات تکنولوژیکی بر بهره وری کشاورزی، روند تقاضا (از جمله رشد جمعیت)، و طیف گسترده ای از سازگاری های ممکن. اتخاذ تکنیک های سازگاری کارآمد چندان قطعی نیست. در کشورهای در حال توسعه ممکن است محدودیت‌های اجتماعی یا فنی وجود داشته باشد، و اقدامات تطبیقی ​​ممکن است لزوماً منجر به تولید پایدار در بازه‌های زمانی طولانی نشود. در دسترس بودن منابع آب برای آبیاری و هزینه های سازگاری هر دو نیازهای حیاتی برای تحقیقات بیشتر هستند.

  نرخ انتشار گازهای ردیابی آتی، و همچنین زمانی که بزرگی کامل اثرات آنها متوجه خواهد شد، مشخص نیست، و تنها محدوده محدودی از سناریوهای تغییرات آب و هوایی GCM، که نمایانگر انتهای بالایی گرمایش پیش بینی شده است، آزمایش شد. با این حال، می‌توان استدلال کرد که استفاده از سناریوهای پیش‌بینی‌های GCM بالاتر چشم‌اندازی را در مورد خطر منفی پیش‌بینی‌های گرمایش جهانی فراهم می‌کند. به دلیل این عدم قطعیت ها، این مطالعه باید به عنوان یک ارزیابی اکتشافی از حساسیت سیستم غذایی جهان به تعداد محدودی از آنچه در واقع، مجموعه بسیار گسترده تری از آینده های احتمالی است در نظر گرفته شود.

  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 خواهند بود مقادیر زیادی غذا وارد کنند؟ از منظر سیاسی و اجتماعی، این نتایج نشان دهنده 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 و سازگاری اندک در سطح مزرعه است. به منظور به حداقل رساندن پیامدهای نامطلوب احتمالی – زیان تولید، افزایش قیمت مواد غذایی، و افرادی که در معرض خطر گرسنگی هستند – راه پیش رو تشویق بخش کشاورزی برای ادامه توسعه برنامه های اصلاح و مدیریت محصول برای شرایط گرما و خشکسالی است (این برنامه ها بلافاصله در بهبود بهره وری در محیط های حاشیه ای امروز مفید خواهند بود)، همراه با اقدامات انجام شده. کند کردن رشد جمعیت انسانی جهان. گام دوم نیز با تلاش‌ها برای کاهش انتشار گازهای گلخانه‌ای سازگار است. منبع مشکل و در نتیجه میزان و اندازه نهایی تغییرات آب و هوایی جهانی.

  ---

   

  منابع

  Acock، B. و آلن، LH، جونیور 1985. پاسخ محصول به غلظت دی اکسید کربن بالا. در: Strain, BR and Cure, JD eds., Direct Effects of Increasing Carbon Dioxide on Vegetation . ایالت واشنگتن. وزارت انرژی آمریکا DOE/ER-0238: 33-97.

  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 هوایی جهانی و ایالات متحده کشاورزی. طبیعت 345(6272): 219-22.

  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 دانه عملکرد سویا چرخه های جهانی بیوژئوشیمیایی 1: 1-14.

  Cure, JD 1985. پاسخ های دو برابر شدن دی اکسید کربن: بررسی محصول. در: Strain, BR and Cure, JD eds., Direct Effects of Increasing Carbon Dioxide on Vegetation . ایالت واشنگتن. وزارت انرژی آمریکا DOE/ER-0238, 33-97.

  Cure، JD و Acock، B. 1986. پاسخ های محصول به دو برابر شدن دی اکسید کربن: بررسی ادبیات. هواشناسی کشاورزی و جنگل 38: 127-145.

  Fischer, G., Frohberg, K., Keyzer, MA and Parikh, KS 1988. مدل های ملی مرتبط: ابزاری برای تحلیل سیاست بین المللی غذا . دوردرخت، هلند: Kluwer.

  Fischer, G., Frohberg, K., Keyzer, MA, Parikh, KS and Tims, W. 1990. گرسنگی – فراتر از دسترسی دست نامرئی . لاگزنبورگ: موسسه بین المللی تحلیل سیستم های کاربردی. پروژه غذا و کشاورزی.

  فائو، 1984. چهارمین بررسی جهانی غذا . رم: سازمان خواربار و کشاورزی ملل متحد.

  فائو، 1987. پنجمین بررسی جهانی غذا . رم: سازمان خواربار و کشاورزی ملل متحد.

  فائو 1988. سالنامه تولید 1987 . رم: سازمان خواربار و کشاورزی ملل متحد. سری آمار شماره 82.

  فائو 1991. AGROSTAT/PC . رم: سازمان خواربار و کشاورزی ملل متحد.

  Godwin, D., Ritchie, JT, Singh, U. and Hunt, L. 1989. A User’s Guide to CERES-Wheat- V2.10 . Muscle Shoals: مرکز توسعه کود بین المللی.

  گادوین، دی.، سینگ، یو.، ریچی، جی تی و آلوسیلجا، EC 1993. راهنمای کاربر برای CERES-Rice . Muscle Shoals: مرکز توسعه کود بین المللی. (در مطبوعات).

  Hansen, J., Russell, G., Rind, D., Stone, P., Lacis, A., Lebedeff, S., Ruedy, R. and Travis, L. 1983. مدلهای جهانی سه بعدی کارآمد برای مطالعات آب و هوا مدل I و II. بررسی ماهانه هواشناسی 111 (4): 609-662.

  Hansen, J., Fung, I.. Lacis, A., Rind, D., Russell, G., Lebedeff, S., Ruedy, R. and Stone, P. 1988. تغییرات آب و هوای جهانی طبق پیش بینی GISS 3 – مدل D. مجله تحقیقات ژئوفیزیک 93(D8): 9341-9364.

  Hendry, GR 1993. FACE: غنی سازی CO2 در هوای آزاد برای تحقیقات گیاهی در زمین . بوکا راتون: اسمولی، CK CRC Press.

  IPCC، 1990a. Houghton، JT، Jenkins، GJ و Ephraums، JJ eds. تغییرات آب و هوا: ارزیابی علمی IPCC . پانل بین المللی تغییرات اقلیمی کمبریج: انتشارات دانشگاه کمبریج.

  IPCC، 1990b. Tegart، WJ McG.، Sheldon، GW و Griffiths، DC eds. تغییرات آب و هوا: ارزیابی اثرات IPCC . کانبرا: سرویس انتشارات دولتی استرالیا.

  IPCC، 1992. Houghton، JT، Callander، BA، و Varney، SK eds. تغییرات آب و هوا 1992 . گزارش تکمیلی به ارزیابی علمی IPCC. کمبریج: انتشارات دانشگاه کمبریج.

  بانک بین المللی بازسازی و توسعه/بانک جهانی. 1990. پیش بینی های جمعیت جهان . بالتیمور: انتشارات دانشگاه جان هاپکینز.

  شبکه بین المللی سایت های معیار برای انتقال فناوری کشاورزی (IBSNAT). 1989. سیستم پشتیبانی تصمیم برای انتقال فناوری کشاورزی نسخه 2.1 (DSSAT V2. l). هونولولو: بخش زراعت و علوم خاک. کالج کشاورزی گرمسیری و منابع انسانی: دانشگاه هاوایی.

  جونز، کالیفرنیا و کینری، JR 1986. CERES-Maize. مدل شبیه سازی رشد و نمو ذرت . ایستگاه کالج مطبوعات تگزاس A&M.

  Jones, JW, Boote, KJ, Hoogenboom, G., Jagtap, SS and Wilkerson, GG 1989. SOYGRO V5.42: مدل شبیه سازی رشد محصول سویا. راهنمای کاربران . Gainesville: گروه مهندسی کشاورزی و گروه کشاورزی، دانشگاه فلوریدا.

  کین، اس.، ریلی، جی و توبی. J. 1991. تغییرات آب و هوا: پیامدهای اقتصادی برای کشاورزی جهان . وزارت کشاورزی آمریکا سرویس تحقیقات اقتصادی AER-No. 647.

  Kellogg، WW و Zhao، Z.-C. 1988. حساسیت رطوبت خاک به دو برابر شدن دی اکسید کربن در آزمایشات مدل اقلیمی. بخش 1: آمریکای شمالی. مجله اقلیم 1 : 348-366.

  Kimball، BA 1983. دی اکسید کربن و عملکرد کشاورزی. مجموعه و تجزیه و تحلیل 430 مشاهدات قبلی. مجله زراعت 75: 779-788.

  Magalhaes، AR 1992. اثرات تغییرات آب و هوایی و توسعه پایدار در مناطق نیمه خشک . مجموعه مقالات کنفرانس بین المللی. ICID. فورتالزا، برزیل

  Manabe، S. و Wetherald، RT 1987. تغییرات در مقیاس بزرگ در رطوبت خاک ناشی از افزایش CO2. مجله علوم جوی ، 44: 1211-1235.

  Otter-Nacke, S., Godwin, DC and Ritchie, JT 1986. آزمایش و اعتبارسنجی مدل CERES-Wheat در محیط های متنوع . AgGRISTARS YM-15-00407. هیوستون: مرکز فضایی جانسون شماره 20244.

  ویرایش‌های Parry، ML، Carter، TR و Konijn، NT. 1988 a. تاثیر تغییرات اقلیمی بر کشاورزی جلد 1 ارزیابی در مناطق معتدل و سردسیر . دوردرخت، هلند: Kluwer.

  ویرایش‌های Parry، ML، Carter، TR، و Konijn، NT. 1988b. تأثیر تغییرات اقلیمی بر کشاورزی، جلد 2، ارزیابی در مناطق نیمه خشک . دوردرخت، هلند: Kluwer.

  Parry, ML 1990. تغییرات آب و هوا و کشاورزی جهان . لندن: Earthscan.

  Parry, ML, de Rozari, MB, Chong, AL, and Panich, S., eds. 1992. اثرات بالقوه اجتماعی-اقتصادی تغییرات آب و هوا در جنوب شرق آسیا . نایروبی: برنامه محیط زیست سازمان ملل.

  Peart, RM, Jones, JW, Curry, RB, Boote, K. and Allen, L. H., Jr. 1989. تأثیر تغییر آب و هوا بر عملکرد محصول در جنوب شرقی ایالات متحده. در: اسمیت، جی بی و تیرپاک، ویرایشهای DA. اثرات بالقوه تغییرات آب و هوایی جهانی بر ایالات متحده واشنگتن دی سی: آژانس حفاظت از محیط زیست ایالات متحده.

  Ritchie, JT and Otter, S. 1985. شرح و عملکرد CERES-Wheat: یک مدل عملکرد گندم کاربر محور. در: Willis, WO, ed. پروژه عملکرد گندم ARS . ایالت واشنگتن. گروه کشاورزی، خدمات تحقیقات کشاورزی. ARS-38.

  Ritchie, JT, Singh, U., Godwin, D. and Hunt, L. 1989. A User’s Guide to CERES-Maize V2.10 . Muscle Shoals: مرکز توسعه کود بین المللی.

  Rogers, HH, Bingham, GE, Cure, JD, Smith, JM and Surano, KA 1983. پاسخ گونه های گیاهی منتخب به افزایش دی اکسید کربن در مزرعه. مجله کیفیت محیطی . 12: 569-574.

  روزنبرگ، نیوجرسی و کراسون، PR 1991. فرآیندهای شناسایی تأثیرات منطقه ای و پاسخ به افزایش CO2 جو و تغییرات آب و هوا: پروژه MINK. یک بررسی اجمالی واشنگتن دی سی: منابعی برای آینده. وزارت نیرو DOE/RL/01830T-H5.

  Rosenzweig، C. and Iglesias, A. eds. 1993. پیامدهای تغییر اقلیم برای کشاورزی بین‌المللی: مطالعه مدل‌سازی محصول . واشنگتن دی سی: آژانس حفاظت از محیط زیست ایالات متحده. (در مطبوعات).

  اسمیت، بی. 1989. گرم شدن آب و هوا و موقعیت نسبی کانادا در تولید و تجارت کشاورزی. در خلاصه تغییرات آب و هوا . CCD 89-01. محیط زیست کانادا ص 1-9.

  اسمیت، جی بی و تیرپاک، DA ویراستاران. 1989. اثرات بالقوه تغییرات آب و هوایی جهانی بر ایالات متحده . گزارش به کنگره واشنگتن دی سی: آژانس حفاظت از محیط زیست ایالات متحده. EPA-230-05-89-050.

  Strzepek، KM، Onyeji، SC و صالح، M. 1993. تجزیه و تحلیل اجتماعی و اقتصادی اثرات یکپارچه تغییر آب و هوا بر مصر . مقاله کار CADSWES. بولدر: دانشگاه کلرادو.

  تامپسون، LM 1969. آب و هوا و فناوری در تولید ذرت در کمربند ذرت ایالات متحده. مجله زراعت 61: 453-456.

  Tobey, J., Kane, S. and Reilly, J. 1993. مطالعه تجربی اثرات اقتصادی تغییر اقلیم بر کشاورزی جهان. تغییرات اقلیمی . (در مطبوعات).

  سازمان ملل. 1989. چشم انداز جمعیت جهان 1988. نیویورک: سازمان ملل متحد.

  ویلسون، کالیفرنیا و میچل، JFB 1987. یک آزمایش حساسیت آب و هوایی دو برابر شده به CO2 با یک مدل آب و هوای جهانی شامل یک اقیانوس ساده. مجله تحقیقات ژئوفیزیک ، 92، (13): 315-343.

  موسسه جهانی غذا 1988. تجارت جهانی غذا و کشاورزی ایالات متحده ، 1960-1987. ایمز: دانشگاه ایالتی آیوو

 

References

Acock, B. and Allen, L. H., Jr. 1985. Crop responses to elevated carbon dioxide concentrations. In: Strain, B. R. and Cure, J. D. eds., Direct Effects of Increasing Carbon Dioxide on Vegetation. Washington, DC. US Department of Energy. DOE/ER-0238: 33-97.

Adams, R. M., Rosenzweig, C., Peart, R. M., Ritchie, J. T., McCarl, B. A., Glyer, J. D., Curry, R. B., Jones, J. W., Boote, K. J. and Allen, L. H., Jr. 1990. Global climate change and US agriculture. Nature 345(6272): 219-22.

Allen, L. H., Jr., Boote, K. J., Jones, J. W., Jones, P. H., Valle, R. R., Acock, B., Rogers, H. H. and Dahlman, R. C. 1987. Response of vegetation to rising carbon dioxide: Photosynthesis, biomass and seed yield of soybean. Global Biogeochemical Cycles 1: 1-14.

Cure, J. D. 1985. Carbon dioxide doubling responses: A crop survey. In: Strain, B. R. and Cure, J. D. eds., Direct Effects of Increasing Carbon Dioxide on Vegetation. Washington, DC. US Department of Energy. DOE/ER-0238, 33-97.

Cure, J. D. and Acock, B. 1986. Crop responses to carbon dioxide doubling: A literature survey. Agricultural and Forest Meteorology 38: 127-145.

Fischer, G., Frohberg, K., Keyzer, M. A. and Parikh, K. S. 1988. Linked National Models: A Tool for International Food Policy Analysis. Dordrecht, Netherlands: Kluwer.

Fischer, G., Frohberg, K., Keyzer, M. A., Parikh, K. S. and Tims, W. 1990. Hunger–Beyond the Reach of the Invisible Hand. Laxenburg: International Institute for Applied Systems Analysis. Food and Agriculture Project.

FAO, 1984. Fourth World Food Survey. Rome: United Nations Food and Agriculture Organization.

FAO, 1987. Fifth World Food Survey. Rome: United Nations Food and Agriculture Organization.

FAO. 1988. 1987 Production Yearbook. Rome: United Nations Food and Agriculture Organization. Statistics Series No. 82.

FAO. 1991. AGROSTAT/PC. Rome: United Nations Food and Agriculture Organization.

Godwin, D., Ritchie, J. T., Singh, U. and Hunt, L. 1989. A User’s Guide to CERES-Wheat- V2.10. Muscle Shoals: International Fertilizer Development Center.

Godwin, D., Singh, U., Ritchie, J. T. and Alocilja, E. C. 1993. A User `s Guide to CERES-Rice. Muscle Shoals: International Fertilizer Development Center. (in press).

Hansen, J., Russell, G., Rind, D., Stone, P., Lacis, A., Lebedeff, S., Ruedy, R. and Travis, L. 1983. Efficient three-dimensional global models for climate studies Models I and II. Monthly Weather Review 111(4): 609-662.

Hansen, J., Fung, I.. Lacis, A., Rind, D., Russell, G., Lebedeff, S., Ruedy, R. and Stone, P. 1988. Global climate changes as forecast by the GISS 3-D model. Journal of Geophysical Research 93(D8): 9341-9364.

Hendry, G. R. 1993. FACE: Free-Air CO2 Enrichment for Plant Research in the Field. Boca Raton: Smoley, C. K. CRC Press.

IPCC, 1990a. Houghton, J. T., Jenkins, G. J. and Ephraums, J. J. eds. Climate Change: The IPCC Scientific Assessment. International Panel on Climate Change. Cambridge: Cambridge University Press.

IPCC, 1990b. Tegart, W. J. McG., Sheldon, G. W. and Griffiths, D. C. eds. Climate Change: The IPCC Impacts Assessment. Canberra: Australian Government Publishing Service.

IPCC, 1992. Houghton, J. T., Callander, B. A., and Varney, S. K. eds. Climate Change 1992. The Supplementary Report to the IPCC Scientific Assessment. Cambridge: Cambridge University Press.

International Bank for Reconstruction and Development/World Bank. 1990. World Population Projections. Baltimore: Johns Hopkins University Press.

International Benchmark Sites Network for Agrotechnology Transfer (IBSNAT). 1989. Decision Support System for Agrotechnology Transfer Version 2.1 (DSSAT V2. l). Honolulu: Dept. of Agronomy and Soil Science. College of Tropical Agriculture and Human Resources: University of Hawaii.

Jones, C. A. and Kiniry, J. R. 1986. CERES-Maize. A Simulation Model of Maize Growth and Development. College Station. Texas A&M Press.

Jones, J. W., Boote, K. J., Hoogenboom, G., Jagtap, S. S. and Wilkerson, G. G. 1989. SOYGRO V5.42: Soybean Crop Growth Simulation Model. Users’ Guide. Gainesville: Department of Agricultural Engineering and Department of Agronomy, University of Florida.

Kane, S., Reilly, J. and Tobey. J. 1991. Climate Change: Economic Implications for World Agriculture. US Department of Agriculture. Economic Research Service. AER-No. 647.

Kellogg, W. W. and Zhao, Z.-C. 1988. Sensitivity of soil moisture to doubling of carbon dioxide in climate model experiments. Part 1: North America. Journal of Climate 1: 348-366.

Kimball, B. A. 1983. Carbon dioxide and agricultural yield. An assemblage and analysis of 430 prior observations. Agronomy Journal 75: 779-788.

Magalhaes, A. R. 1992. Impacts of Climatic Variations and Sustainable Development in Semi-arid Regions. Proceedings of International Conference. ICID. Fortaleza, Brazil.

Manabe, S. and Wetherald, R. T. 1987. Large-scale changes in soil wetness induced by an increase in CO2. Journal of Atmospheric Science, 44: 1211-1235.

Otter-Nacke, S., Godwin, D. C. and Ritchie, J. T. 1986. Testing and validating the CERES-Wheat model in diverse environments. AgGRISTARS YM-15-00407. Houston: Johnson Space Center No. 20244.

Parry, M. L., Carter, T. R. and Konijn, N. T. eds. 1988a. The impact of climatic variations on agriculture. Vol. 1 Assessments in cool temperate and cold regions. Dordrecht, Netherlands: Kluwer.

Parry, M. L., Carter, T. R., and Konijn, N. T. eds. 1988b. The Impact of Climatic Variations on Agriculture, Volume 2, Assessments in Semi-Arid Areas. Dordrecht, Netherlands: Kluwer.

Parry, M. L. 1990. Climate Change and World Agriculture. London: Earthscan.

Parry, M. L., de Rozari, M. B., Chong, A. L., and Panich, S., eds. 1992. The Potential Socio-Economic Effects of Climate Change in South-East Asia. Nairobi: UN Environmental Programme.

Peart, R. M., Jones, J. W., Curry, R. B., Boote, K. and Allen, L. H ., Jr. 1989. Impact of climate Change on Crop Yield in the Southeastern USA. In: Smith, J. B. and Tirpak, D. A. eds. The Potential Effects of Global Climate Change on the United States. Washington, DC: US Environmental Protection Agency.

Ritchie, J. T. and Otter, S. 1985. Description and performance of CERES-Wheat: A user-oriented wheat yield model. In: Willis, W. O., ed. ARS Wheat Yield Project. Washington, DC. Department of Agriculture, Agricultural Research Service. ARS-38.

Ritchie, J. T., Singh, U., Godwin, D. and Hunt, L. 1989. A User’s Guide to CERES-Maize V2.10. Muscle Shoals: International Fertilizer Development Center.

Rogers, H. H., Bingham, G. E., Cure, J. D., Smith, J. M. and Surano, K. A. 1983. Responses of selected plant species to elevated carbon dioxide in the field. Journal of Environmental Quality. 12: 569-574.

Rosenberg, N. J. and Crosson, P. R. 1991. Processes for Identifying Regional Influences of and Responses to Increasing Atmospheric CO2 and Climate Change: the MINK Project. An Overview. Washington, DC: Resources for the Future. Department of Energy. DOE/RL/01830T-H5.

Rosenzweig, C. and Iglesias, A. eds. 1993. Implications of Climate Change for International Agriculture: Crop Modeling Study. Washington, DC: US Environmental Protection Agency. (in press).

Smit, B. 1989. Climatic warming and Canada’s comparative position in agricultural production and trade. In Climate Change Digest. CCD 89-01. Environment Canada. pp. 1-9.

Smith, J. B. and Tirpak, D. A. eds. 1989. The Potential Effects of Global Climate Change on the United States. Report to Congress. Washington, DC: US Environmental Protection Agency. EPA-230-05-89-050.

Strzepek, K. M., Onyeji, S. C. and Saleh, M. 1993. A SocioEconomic Analysis of Integrated Climate Change Impacts on Egypt. CADSWES Working Paper. Boulder: University of Colorado.

Thompson, L. M. 1969. Weather and technology in the production of corn in the US corn belt. Agronomy Journal 61: 453-456.

Tobey, J., Kane, S. and Reilly, J. 1993. An empirical study of the economic effects of climate change on world agriculture. Climatic Change. (in press).

United Nations. 1989. World Population Prospects 1988. New York: United Nations.

Wilson, C. A. and Mitchell, J. F. B. 1987. A doubled CO2 climate sensitivity experiment with a global climate model including a simple ocean. Journal of Geophysical Research, 92, (13): 315-343.

World Food Institute. 1988. World Food Trade and U.S. Agriculture, 1960-1987. Ames: Iowa State University.