Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Quantitative Foresight Modeling to Inform the CGIAR Research Program Portfolio - Mark W. Rosegrant

365 views

Published on

ISPC 13

Published in: Science
  • Be the first to comment

  • Be the first to like this

Quantitative Foresight Modeling to Inform the CGIAR Research Program Portfolio - Mark W. Rosegrant

  1. 1. Quantitative Foresight Modeling to Inform  the CGIAR Research Program Portfolio Mark W. Rosegrant Director, Environment and Production Technology Division, IFPRI The CGIAR @ 45: How to boost its contribution to world welfare  Lima, Peru, May 26, 2016
  2. 2.  Overview  Methodology and Key Activities  Implications for Portfolio Design  Concluding Remarks  Outline
  3. 3. Overview
  4. 4.  IFPRI + other CGIAR Centers – collaboratively conducting  quantitative analyses  • Alternative future scenarios to inform decisions on the design  of CGIAR research program portfolio • 2017‐2022, 2030 and 2050  One of multiple inputs into priority setting by CGIAR • Quantitative exercise  • Consultation with partners  • Qualitative analysis Overview
  5. 5. Methodology and Key Activities
  6. 6.  Current scenario exercise funded by USAID  Draws upon the tools developed by Centers and external  partners collaborating in the Global Futures and Strategic  Foresight program  Global Futures and Strategic Foresight program • CGIAR initiative led by IFPRI (at present funded by PIM, CCAFS, and  the Bill and Melinda Gates Foundation) • Includes 15 CGIAR Centers and supports the prioritization of research  across CRPs as well as within CRPs and Centers Methodology: Quantitative Assessment
  7. 7.  Alternative CRP phase II investments are being assessed  Two key activities are being undertaken: 1) Compare IFPRI IMPACT Business‐As‐Usual Baseline with targets and  goals reflected in the Intermediate Development Outcomes (IDOs)  and sub‐IDOs described in the CGIAR Strategy and Results  Framework (SRF) document (CGIAR 2015) 2) Analyze the contribution of alternative CRP portfolios toward  achieving the CGIAR SRF IDOs and sub‐IDOs Key Activities
  8. 8. POLICIES AND  DRIVERS LINKED  MODELS OUTCOMES  (Annual Projections) • GDP • Population • Climate Change • Investment in  ‐ Agricultural R&D ‐ Irrigation and Water  Management • Technology • Post‐harvest Losses  and Marketing  Margins • Price Policy • Employment, GDP, and  Household Income in  Agriculture, Industry,  Services • International Trade by  Sector • GHG Emissions • Deforestation • Biodiversity • Soil Carbon • Energy Use • Water demand and supply  for domestic, industrial,  livestock and irrigation  users • Water supply reliability • Water quality • Crop area / livestock  numbers, yields, and  production • Agricultural commodity  demand • Agricultural commodity trade  and prices • Hunger and malnourishment • Micronutrient consumption Quantitative Assessment Scenarios
  9. 9. IMPACT Version 3.2 Baseline Scenarios • Shared Socioeconomic Pathway (SSP) 2 – middle of  the road • Representative Concentration Pathway (RCP) 8.5  (high) • 4 General Circulation Models ‐ HadGEM2‐ES ‐ IPSL‐CM5A‐LR CRP Scenarios
  10. 10. Alternative Portfolio Scenarios  • Broadly reflective of alternative CRP portfolios – but not specific CRP proposals • Different regional emphases • Different commodity group and system  emphases • Policy and natural resource management CRP Scenarios
  11. 11.  Alternative research investment and productivity  growth rates (base, high, low)  Improved research efficiency: reduced lag times  due to reform of regulatory systems and breeding  systems  Increased irrigation investment: faster growth in  irrigated area and higher water use efficiency  CRP Scenarios
  12. 12.  Improved value chains (reduced marketing  margins and reduced post‐harvest losses)  Improved soil quality (organic matter and water  holding capacity)  Improved nutrient use efficiency  Trade policy: alternative border measures CRP Scenarios
  13. 13. IMPACT IMPACT Global  Hydrological  Model IMPACT Water  Simulation  Model DSSAT Crop  Models GCM Climate Forcing Effective P Potential ET IRW Irrigation Water  Demand & Supply Crop Management WATER  STRESS Pop & GDP growth Area & yield growth Food Projections • Crop area / livestock numbers, yields, and production • Agricultural commodity demand • Agricultural commodity trade and prices • Hunger and Mal‐ nourishment Water Projections • Water demand and supply for domestic, industrial, livestock and irrigation users • Water supply reliability GLOBE CGE model Change in GDP, cost of  agrochemicals and  biofuel mix Food models Water models Macroeconomic  policies and  shocks  Method: IMPACT with CGE linkage
  14. 14.  Model baselines are calibrated on agricultural productivity,  GDP and prices and economy‐wide GDP  Climate shocks on agricultural productivity and prices are  transmitted from IMPACT to GLOBE, with further iteration  back to IMPACT for economy‐wide feedbacks to agriculture  Macro policy shocks on household income and GDP are  transmitted from GLOBE to IMPACT  Employment and income effects of agricultural policies and  investments are captured  GLOBE‐IMPACT linkage 
  15. 15. Raw data FAO Food  Balance  Sheets Alcoholic  beverages Aquatic  foods Shared  Socioeconomic  Pathways  (SSPs) Scenarios of  population  growth and age  and gender  distribution IMPACT  scenarios  consumption  results Income  growth Population  growth  Technology  changes Nutrient  content tables IMPACT  commodity to  consumed  product Cooking  retention Food  and  staple  groups Dietary  Reference  Intakes (DRIs) Estimated  Average  Requirement  (EAR)Recommende d Daily  Allowance  (RDA)/Adequa te Intake (AI) Tolerable  Upper Intake  Level (UL) Assessment of  Nutritional Impacts Source: G. Nelson, under preparation
  16. 16. Data  Alignment Commodity  grouping Age and gender  grouping Regional  aggregation Indicators Consumption diversity  (Share of nutrient from  staple/food group) Nutritional adequacy  (Share of nutrient  requirement consumed) Nutritional performance  indicators: Impacts of … Climate  change Research  productivity  improvements Policy  changes Assessment of Nutritional Impacts Source: G. Nelson, under preparation
  17. 17. IMPACT IMPACT SSPs Land Use Change (LandSHIFT) Includes cropland, pasture, forest cover, other natural land, set aside Source: Center for Environmental Systems Research: LandSHIFT https://www.uni‐kassel.de/einrichtungen/en/cesr/research/projects/.../landshift.html
  18. 18. IMPACT DSSAT  Crop  Models GCM Climate  Forcing Irrigation  Water  Demand &  Supply Crop  Management WATER  STRESS Population &  GDP growth Area & yield  growth •Crop area  • Crop yield • Soil C sequestration • N2O emission • CH4 emission (IPCC Tier 1 methodology) Grid‐based modeling Cropj GWP in pixelk × Cropj area in pixelkj,k  Cropland GHG emission in FPU =      GHG emissions‐IMPACT linkage
  19. 19. Biodiversity Threat Analysis: Framework  Birds distribution,  richness &  endemicity Bird’s bio‐regions Food  Production  Units (FPU) Data collection Current Land Use map Bird’s Extinction risk under current land use  Baseline & Model Calibration and validation Climate Data Bird’s Extinction risk under current climate CC and LU Projections scenario 1 land use LU scenario n Birds Risk to extinction LU scenario 2 LU scenario 1 scenario 1 land use CC scenario n Birds Risk to extinction CC scenario 2 CC scenario 1 BIO risk Projections Source: Developed by Bárbara Willaarts,  Research Centre for the Management of  Agricultural and Environmental Risks  (CEIGRAM), Department of Agricultural Economics and Social Sciences,  Universidad Politécnica de Madrid, Madrid,  Spain; Flachsbarth, et al. 2015. The Role of  Latin America’s Land and Water Resources  for Global Food Security: Environmental  Trade‐Offs of Future Food Production  Pathways. PLOS ONE 10 (1): 1‐24
  20. 20. Agricultural Water Pollution Assessment:  Framework and Sample Results IMPACT SWAT National total Pixel N & P in  fertilizer &  manure to  agricultural  land FAOSTAT (base year data) Crop area/yield/production Livestock numbers Projections for scenario analysis Sample results on agricultural  nitrogen loading in base year (Source: IFPRI and Veolia 2015) Downscaling Metrics: N & P from arable land
  21. 21. Implications for Portfolio Design
  22. 22.  Results of these scenarios can inform decision  making at the CGIAR System level  Related to but different from scenarios to inform  decision making at the CRP or Center level  Needs to be part of an on‐going process of  analysis and discussion Implications/Insights
  23. 23.  Inform decisions about what specific activities are highest  priority  • What flagship activities should get additional funding; at the  consortium level (allocating W1 and 2 funds across CRPs) • In a CRP • At a Center  Basic implementation is technically straightforward, but  efficiency gains would require  • Investment in modeling improvements • Integrated, ongoing system that tracks activities ex‐ante, en‐passant,  and ex‐post Inclusion of Fine‐grained Technology Modeling  for Operational Efficiency Gains
  24. 24. Concluding Remarks
  25. 25.  Completion of report for USAID  On‐going improvements in modeling tools and  applications  Multiple consuming households (low and high incomes; urban and rural)  Incorporate climate variability explicitly  Economic valuation  Update/improve trade distortion parameters  Improve demand parameters  On‐going dialogue with partners in the CGIAR and  beyond Next steps in Modeling to Inform Priority  Setting  
  26. 26. Thank you Mark W. Rosegrant Director, Environment and Production Technology Division, IFPRI The CGIAR @ 45: How to boost its contribution to world welfare  Lima, Peru, May 26, 2016

×