Quantitative Foresight Modeling to Inform the CGIAR Research Program Portfolio

Mark W. RosegrantDirector, Environment and Production Technology Division, IFPRI

The CGIAR @ 45: How to boost its contribution to world welfare Lima, Peru, May 26, 2016

Overview

Methodology and Key Activities

Implications for Portfolio Design

Concluding Remarks 

Outline

Overview

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

Methodology and Key Activities

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

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

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

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

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

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

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

IMPACT

IMPACT Global Hydrological 

Model

IMPACT Water Simulation Model

DSSAT Crop Models

GCM Climate Forcing

Effective PPotential ET

IRW

Irrigation Water Demand & Supply

Crop Management

WATER STRESS

Pop & GDP growth

Area & yield growth

Food Projections• Crop area /livestocknumbers, yields,and production

• Agriculturalcommoditydemand

• Agriculturalcommoditytrade and prices

• Hunger andMal‐nourishment

Water Projections• Water demand and supply for domestic, industrial, livestock and irrigation users• Water supply reliability

GLOBE CGE modelChange in GDP, cost of agrochemicals and biofuel mix

Food models

Water models

Macroeconomic policies and shocks 

Method: IMPACT with CGE linkage

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 

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)/Adequate Intake (AI)

Tolerable Upper Intake Level (UL)

Assessment of Nutritional Impacts

Source: G. Nelson, under preparation

Data Alignment

Commodity grouping

Age and gender groupingRegional 

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

IMPACT

IMPACT

SSPs

Land Use Change (LandSHIFT)Includes cropland, pasture, forest cover, other natural land, set aside

Source: Center for Environmental Systems Research: LandSHIFThttps://www.uni‐kassel.de/einrichtungen/en/cesr/research/projects/.../landshift.html

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 (IPCCTier 1 methodology)

Grid‐based modeling

Cropj GWP in pixelk × Cropj area in pixelkj,kCropland GHG emission in FPU =     

GHG emissions‐IMPACT linkage

Biodiversity Threat Analysis: Framework 

Birdsdistribution, richness & endemicity

Bird’sbio‐regions

Food Production Units (FPU)

Data collection

CurrentLand Use map

Bird’s Extinctionrisk under current

land use 

Baseline & Model Calibration and

validation

Climate Data

Bird’s Extinctionrisk under current

climate

CC and LU Projections

scenario 1

land use LU scenario n

Birds Risk toextinction

LU scenario 2

LU scenario 1

scenario 1

land use CC scenario n

Birds Risk toextinction

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 ofAgricultural 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

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

Implications for Portfolio Design

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

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

Concluding Remarks

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  

Thank you

Mark W. RosegrantDirector, Environment and Production Technology Division, IFPRI

The CGIAR @ 45: How to boost its contribution to world welfare Lima, Peru, May 26, 2016